← 返回 Quant Digests · 站点首页

别把 limited attention 只读成机制论文:对 short-cycle crypto desk,更该先测的是「同窗累计收益 × path smoothness continuation」这条 raw alpha

更新时间:2026-04-25 23:15 UTC 研究时间:2026-04-25 23:16 UTC 主题标签:raw-alpha/trend/momentum/attention/path-shape/smoothness/jump-vs-diffusion/continuation/exhaustion/btc/eth/sol/binance-perpetual/15m/5m/1m/paper/ssrn/public-data

源文件:research/quant_digests/2026-04-25_2316_smoothpath-attentionlag-continuation-alpha.md

1. 这次看了什么

这轮主线看的是:

  1. Aleksi Pitkäjärvi (2022)
  2. A Limited Attention Theory of Time Series Momentum

  1. Zhi Da, Umit G. Gurun, Mitch Warachka (2014)
  2. Frog in the Pan: Continuous Information and Momentum

这次不再把它读成“注意力有限,所以动量可能存在”这种解释型结论,而是直接翻成一条 desk 更能立刻测的 raw alpha:

> 同样过去 1h/4h 已经涨了(或跌了),后面该不该继续跟,不只看累计收益大小,还要看这段路是“很多小步慢慢走出来”,还是“单根大跳一下打出来”。

2. 一句话核心结论

对短周期 crypto,更值得先测的不是“过去涨了多少”,而是“这段上涨/下跌的路径形状”:smooth / diffused path 更像 continuation,jump-dominated path 更像 exhaustion 或至少更不稳定。

3. 一句话说明它怎么证明

对我们来说,值钱的不是“注意力”三个字,而是一个纯价格可计算 proxypath smoothness

4. 为什么这轮值得写

前面 desk 已经积累了很多:

但中间一直少一个很轻、很便宜、又能同时服务 trend 与 fade 的桥:

> 同样的累计收益,先分辨它是“扩散型趋势”还是“冲击型趋势”。

这层东西的好处是:

  1. 完全不依赖外部 attention 数据
  2. 只用 1m/5m/15m OHLC 就能做;
  3. 既能服务单币 TSMOM,也能服务 BTC→alts 跟随、XS momentum、event-follow-through;
  4. 也能反过来给 mean reversion 当 veto:如果前面的 move 很 smooth,别急着逆;如果前面的 move 很 jumpy,顺势要更保守。

5. desk 化后的 base alpha

5.1 翻成人话

不是所有“过去 4 根 15m 一共涨了 2%”都一样。

两种完全不同:

这两种在交易上不是一回事:

所以更适合 desk 先测的不是裸 past return,而是:

> past return × path smoothness 联合信号。

5.2 最小可计算定义

15m 为主、5m 做更快版本:

设过去 L 根 bar 的累计收益为:

定义几种简单的 path smoothness 代理:

  1. Sign agreement ratio
  1. Largest-bar dominance
  1. Path efficiency / monotonicity
  1. Jump concentration

5.3 最小 raw alpha 版本

#### 版本 A:continuation long/short

#### 版本 B:exhaustion fade

真正值钱的是:

6. 它和当前短周期主线的关系

6.1 服务 trend / momentum

它可以直接接到:

最自然的增强方式就是:

6.2 服务 mean reversion / fade

对于:

它可以做一个非常直接的 admission layer:

6.3 服务 event-driven

如果把 funding boundary、listing、macro shock、stablecoin event 当 source event,path smoothness 也能补一层:

7. 为什么这条线对 1m/3m/5m/15m 友好

因为它只需要公开 OHLC,就能很快做最小实验:

而且它天然兼容当前成本框架:

8. 当前最诚实的定位

这篇东西现在最适合定位成:

也就是说,它不是一句“买入所有 smooth path”; 而是一个同一底层变量可以同时服务两类策略的信号骨架。

9. 下一步怎么测

实验 1:单币 continuation vs jump-fade 分桶

  1. high ret + high smoothness
  2. high ret + high jump_dominance
  3. low ret + high smoothness
  4. low ret + high jump_dominance

实验 2:给现有 momentum 信号加 path veto

拿当前已有任一动量基线:

实验 3:给现有 fade 信号加 jump admission

拿当前已有任一 mean-reversion / shock-fade 线:

实验 4:BTC lead → alt follow 里加 smooth/jump 区分

10. 风险与失败方式

  1. 路径指标和波动率高度相关
  2. 需要控制 realized vol,避免只是换一种写法描述“低噪声趋势”。

  1. 大 jump 有时恰好是信息刚开始被定价
  2. 不能先验断言“jump 就一定反转”;更可能是:

  1. 强依赖持有期
  2. 1 bar2 bar4 bar 可能完全不同; 很多这种路径类信号,边际只活在很短的 post-event 窗口。

  1. 成本敏感
  2. 若最后只剩 1m 层有效,可能会被手续费和滑点吃掉; 因此第一版最好先看 15m/5m

11. 我对这条线的判断

这轮最值钱的不是“limited attention 终于能交易了”,而是:

> 我们终于把“机制故事”翻成了一个不依赖外部 attention 数据、只靠价格路径就能测的 raw alpha 壳。

它的优点不是直接 production-ready, 而是足够轻、足够通用、足够适合先做 first verdict

如果 first probe 有东西,它后面可以长成三种方向:

  1. single-asset continuation filter
  2. shock-fade admission layer
  3. BTC→alt lead-lag path router

12. 来源

  1. Pitkäjärvi, A. (2022). *A Limited Attention Theory of Time Series Momentum*. SSRN.
  2. DOI: <https://doi.org/10.2139/ssrn.4168092> Readable URL: <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4168092>

  1. Da, Z., Gurun, U. G., & Warachka, M. (2014). *Frog in the Pan: Continuous Information and Momentum*. *Review of Financial Studies*, 27(7), 2171–2218.
  2. DOI: <https://doi.org/10.1093/rfs/hhu003>