Mga Estratehiya

HYPERLIQUID Cross-Sectional Momentum — Quintile Long/Short Factor na Malawak ang Universe (18-Asset, Daily Bars, Dollar-Neutral, 12-1 Momentum)

Resulta: Inabandona

HyperliquidWideCrossSectionalMomentumQuintileLS

Buod ng Resulta

Ang HyperliquidWideCrossSectionalMomentumQuintileLS ay rebuild sa ikalimang iteration ng cross-sectional momentum factor. Pinalawak nito ang saklaw sa ~10 HYPERLIQUID perps sa dollar-neutral na quantile long/short upang mag-average sa maraming galaw na partikular sa bawat asset. Malinis itong nagpatupad ng trades at tunay na market-neutral (beta 0.007, 123 trades), pero nagmula ang headline na ~1100% CAGR sa sirang gross-pinning bookkeeper na nagpalobo sa exposure hanggang 566%; 0.29 lang ang leverage-invariant Sharpe nito, may kurtosis na 229, at iisang +52% araw ang nagdala ng resulta. Kinumpirma ng optimization ang hatol — holdout ratio na 0.202, PBO 0.67, deflated Sharpe na 0.0, at maaabot lang ang optimized Sharpe na 0.985 sa pagdagdag ng leverage na nagpapalaki ng drawdown — kaya minarkahan ng analyst ang hypothesis para baguhin at iniwan ang strategy bilang napatunayang walang edge batay sa napakaikling sample.

Ulat ng estratehiya

Hypothesis

Diversified cross-sectional momentum factor sa ~18 liquid HYPERLIQUID perps. Sa daily bars, sa bawat rebalance, kalkulahin ang momentum score na 12-1 para sa bawat asset = trailing return sa 30 araw SKIPPING sa pinakahuling 2 araw (iniiwasan ang epekto ng short-term reversal). I-rank ang universe, saka mag-LONG ng pantay ang timbang na basket ng TOP quintile (~4 pangalan) at mag-SHORT ng pantay ang timbang na basket ng BOTTOM quintile (~4 pangalan). Panatilihing dollar-neutral ang gross exposure sa ~1.0 (0.5 long + 0.5 short); mag-rebalance linggu-linggo, pero i-trade lang ang mga pangalang CROSS sa hangganan ng quantile para mabawasan ang turnover at bayarin. Ito ang kaparehong premium ng cross-sectional momentum nina Jegadeesh-Titman / Liu-Tsyvinski-Wu gaya ng naunang pagtatangka, pero binuo muli para sa BREADTH: ~8 sabay-sabay na posisyon na nag-a-average sa maraming idiosyncratic na galaw, sa halip na iisang long at iisang short na ang PnL ay pinangibabawan ng mga outlier na pangalang 1-2. Hindi gaanong kinakatawan sa fills ang ilang bucket: HYPERLIQUID na venue, MULTI na saklaw, at market-neutral na direksyon.

Tinutugunan ng iteration 5 ang wall-clock timeout sa Layer-3 (limitasyong 300s para sa smoke test) nang hindi ginalaw ang signal/sizing/neutrality logic na nakapasa na sa Layers 1-2. O(1)/O(n_assets) na ang gastos ng strategy kada bar (list-indexed momentum, walang muling pag-scan sa buong history), kaya nagmula ang timeout sa overhead ng NautilusTrader engine sa pag-interleave at pag-fill ng mga order sa 18 daily leg sa loob ng ~6 taon (2020-2026): ~300 weekly rebalance, na bawat isa'y nagpapalit-palit ng hanggang ~16 close/open order. Dahil kinukuha ang universe mula sa config (extra_instruments + on_extra_bar), config lang ang babaguhin: ibababa mula 18 tungo sa 10 likidong major (may naka-cache nang daily catalog data ang lahat, kaya pasok sa hiwalay na budget na 600s ang on-demand collection). Halos kalahati ang magiging bar-event stream at rebalance order churn. Itinataas ang quantile_frac mula 0.20 tungo sa 0.30 para makapaghawak pa rin ang 10-name cross-section ng ~6 sabay-sabay na posisyon (3 long / 3 short) — pinananatili ang breadth premium (IR ~= IC*sqrt(breadth), ang pangunahing edge ng hypothesis kumpara sa naunang single-name na pagtatangka), habang pinananatiling dollar-neutral ang portfolio sa ~1.0x gross. Tama ang HYPERLIQUID futures venue: nagsho-short ang strategy at market-neutral ito (long+short), na hindi kayang gawin sa spot.

Hindi sulit i-optimize. Bunga lang ng leverage at isang outlier na araw ang positibong return ng strategy; hindi maaayos ang alinman sa pagbabago ng parameter. (1) Ang exposure_pct ay 566% kumpara sa nilalayong dollar-neutral gross na ~100% -- pumalya ang bookkeeping na nagpapanatili sa gross, kaya naiipon ang mga posisyon nang ~5.6x at napalaki ang CAGR sa ~1100%; pero hindi nagbabago ang Sharpe sa leverage, kaya ang risk-adjusted quality ng TRUE ay Sharpe lang na 0.29 / PF 1.08, mas mababa sa 0.5 OOS na batayan bago pa magsimula ang optimization. (2) Pinabubulaanan ng mismong distribution ang pangunahing tesis ng rebuild -- na napapantay ng breadth ang dominasyon ng outlier sa 1-2 pangalan: return_skew 12.8, kurtosis na 229, at isang araw na +52% (2023-11-11) / buwang Nov-2023 na +50% ang halos bumubuo sa buong positibong resulta (2023 +36.5%, 2024 -16.6%). (3) Mga ~14 buwan lang ng totoong datos ng HL cross-section ang epektibong sample (mga return mula 2023-06 hanggang 2024-08), kulang para pagbatayan ng optimization. (4) Hindi rin ito kayang palakihin: 25.7% ang impact cost kumpara sa gross PnL sa kapasidad na ~$1.5M lang. Inaayos ng optimization ang mga parameter batay sa umiiral na edge; dito, mahina ang Sharpe na hindi naaapektuhan ng leverage, nakadepende sa iisang araw, at batay sa maikling sample -- walang mapapatalas ang optimizer.

Implementasyon

Dollar-neutral na cross-sectional (12-1) momentum factor sa arawang perp universe ng 10 liquid na asset sa HYPERLIQUID (BTC pangunahing + 9 dagdag). Sa lingguhang rebalance, niraranggo ang trailing return sa 30 araw habang nilalaktawan ang pinakahuling 2 araw; mag-LONG sa pinakamataas na 30% (~3 pangalan) at mag-SHORT sa pinakamababang 30% (~3 pangalan), pantay ang timbang, at panatilihing ~1.0x ang gross exposure sa pamamagitan ng keep/open/close na set pattern na minsanang nagbubukas ng bawat leg mula sa flat (walang naiipong gross exposure). Isinasara ng portfolio drawdown stop na 20% ang lahat ng posisyon. Sa config lang itinatakda ang universe; lahat ng leg ay tine-trade sa multi-instrument interface.

Mga Resulta ng Beripikasyon

Nabigo ang verification (Layer 3 — sandbox backtest): lumampas ang smoke test sa 300s na wall-clock limit. Kadalasan, nangangahulugan ito ng trabahong kada bar na lumalaki kasabay ng history — halimbawa, muling pag-scan sa buong funding/supplementary series, o muling pagbuo ng list at pagtawag sa min()/sorted() sa loob ng calculate_signal()/on_bar() sa bawat bar. Paunang ayusin ang mga timestamp array ayon sa pagkakasunod-sunod ONCE sa __init__ at gumamit ng bisect, o mag-cache ng mga lookup batay sa timestamp, para maging O(log n) sa halip na O(n) ang gastos kada bar.

Pagsusuri ng Backtest

Sharpe: 0.29
Kabuuang Return: 19.63%
Max Drawdown: 27.58%
Kabuuang Trade: 123
Win Rate: 41.5%
Profit Factor: 1.08

Tunay na market-neutral ang portfolio (beta 0.0067) at tumatakbo ang code sa 10-name cross-section (123 trades, 56 long / 67 short).

Dokumentadong premium ang cross-sectional momentum, at tunay na kulang sa representasyon ang mga bucket para sa venue/scope (HL, MULTI, market-neutral).

exposure_pct 566% kumpara sa idinisenyong ~100% dollar-neutral gross: pumalya ang gross-pinning bookkeeping ng iteration-4/5 (_held_side / reduce-only closes) sa NOT holding; naiipon ang mga posisyon sa ~5.6x. Artifact ng leverage ang ~1100% CAGR, hindi edge.

Leverage-invariant ang Sharpe, kaya walang maitutulong ang pag-aayos sa exposure bug: Sharpe 0.29 / PF 1.08 / Sortino 0.67 ang tunay na risk-adjusted quality — mas mababa sa 0.5 OOS na pamantayan bago pa tumakbo ang optimization.

Napatunayang mali ang palagay ng hypothesis: return_skew 12.8, kurtosis na 229, at iisang araw na +52% (2023-11-11) / buwang Nov-2023 na +50% ang bumubuo sa buong positibong resulta -- hindi nakatakas ang breadth sa dominasyon ng outlier sa 1-2 pangalan (NOT; annual: 2023 +36.5%, 2024 -16.6%).

Mga ~14 buwan lang ang epektibong sample (may returns mula 2023-06 hanggang 2024-08 sa kabila ng 2020-2026 na haba) — kulang para magpasya tungkol sa factor premium o magsagawa ng makabuluhang optimization.

Hindi kayang palakihin: impact_cost_pct 25.7% ng gross PnL, kapasidad na ~$1.5M lang, tail_ratio 0.065 (makapal na kaliwang tail).

Pagsusuri

Tunay na bago at nakabatay sa akademikong pananaliksik ang mekanismong ito (Jegadeesh-Titman 1993 / Liu-Tsyvinski-Wu 2021 cross-sectional momentum) — naiiba sa mga time-series strategy sa aklat.

Tama ang implementation at nakakapag-trade: 120 trades, gumagana ang dollar-neutral leg rotation, at maayos na hinawakan ang benchmark_meaningful=false (hindi pinarusahan kumpara sa buy-hold).

Maaasahan ang HYPERLIQUID data rito — walang problema sa zero-trade/data-wall; naisagawa ang mga trade fill sa HL + MULTI + market-neutral buckets gaya ng nilayon.

Kadalasang patag ang sensitivity (cliff lang ang lookback_days); malaki ang capacity_usd.

Holdout FAILED: ratio 0.202 (holdout Sharpe 0.188 kumpara sa WF-OOS 0.93; kailangang >=0.70); mas mababa sa 0.30 na floor ang Sharpe na 0.188 na minsan nang nasubok (OOS).

Deflated Sharpe na 0.0 sa 225 trials, na may expected-max na 8.25 — hindi maihihiwalay ang napiling Sharpe sa ingay ng best-of-N.

PBO 0.6726 (>0.5), is_significant=false, Sharpe CI [-0.16, 1.83] sumasaklaw sa 0; WF is_overfitted=true (IS 3.76 -> OOS [-2.24, 4.45, 0.58]).

Returns na dulot ng mga tail (skew 7.4, kurtosis 117; iilang araw gaya ng 2023-11-21 +62.9%, 2024-01-09 +28% ang nagdala nito) — palatandaan ng sobrang kipot na universe.

Galing lang sa leverage ang na-optimize na “tagumpay” (316%) (gross_exposure 1.42), na nagtaas sa max drawdown sa 54.9%.

Huwag munang i-optimize ang NOT — tumatakbo ang backtest sa ~10.8x gross exposure (exposure_pct 1078%), hindi sa ~1.0x dollar-neutral gross na sinasabi ng hypothesis at code. Kaya hindi nito sinusubok ang nilalayong strategy, at masasayang ang compute sa pag-optimize nito. 1) FIX THE GROSS-EXPOSURE PINNING. Kinakalkula muli ng rebalance ang target notionals mula sa kasalukuyang equity (umaabot sa +0.5*gross ang kabuuan ng longs at -0.5*gross naman ng shorts) at ang diperensiya lang ang tine-trade, pero nagtatapos ang aktuwal na gross sa ~10x ng target. Tiyakin na (a) talagang naitutulak sa 0 ang mga pangalang wala sa target tuwing rebalance (dapat i-flat ang leg na natanggal sa parehong quintile, hindi iwan sa portfolio), at (b) hindi hinahadlangan ng min_notional turnover filter na “skip small deltas” ang muling pag-normalize ng mga persistent leg kaya naiipon ang mga ito sa bawat rebalance. Magdagdag ng assertion/log ng aktuwal na gross notional kumpara sa equity kaagad pagkatapos ng bawat rebalance at tiyaking nananatili ito sa ~1.0x. Ang mga palatandaan (exposure na 1078%, impact na 269% ng gross PnL, kapasidad na $13.8k) ay tumuturo sa naiipong gross — pakisuri ang pinning logic sa halip na ipalagay na modelo ng impact ang problema. 2) RE-MEASURE net ng makatotohanang impact kapag talagang nasa ~1.0x ang gross. Sa portfolio na 10x beses na mas maliit, dapat bumaba nang husto ang impact cost at makita ang tunay na edge. CAUTION: paulit-ulit na nagpakita ng market-neutral edge ang dollar-neutral cross-sectional momentum L/S sa alt universe na ito, pero masyadong maliit ang edge para makapasa sa deflation/holdout gates. Dapat magpakita ang naitama at muling pinatakbong backtest ng CLEAR positibong edge net ng mga gastos (PF > 1.2, Sharpe na hindi sumasaklaw sa zero (CI), at walang malubhang 2026 decay) para bigyang-katwiran ang optimization — kung hindi, itigil ito sa halip na magpatuloy sa pag-ulit.

Buod ng Resulta

Hindi sapat ang breadth lang para mapawi ang pangingibabaw ng outlier kung manipis ang epektibong sample (~14 buwan ng tunay na cross-section) — ipinapakita ng skew/kurtosis at pagdepende sa iisang araw na walang edge rito; kayang palakihin ito ng leverage pero hindi kayang ayusin ng optimization.

Matapos ang 5 iteration, iniwan ang strategy: nagmula ang positibong return nito sa leverage bug at iisang outlier na araw, hindi sa tunay na edge; mas mababa sa 0.5 na pamantayan ang tunay na risk-adjusted quality nito (Sharpe 0.29); at pumalya ang lahat ng optimization gate (holdout, PBO, deflated Sharpe, drawdown), kaya walang edge na mapapatalas ng optimizer.

Dollar-neutral at market-neutral na cross-sectional (12-1) momentum factor sa ~10 HYPERLIQUID daily perp: long sa pinakamataas na quantile at short sa pinakamababang quantile, na may weekly rebalance. Ipinapalagay na mapapawi ng breadth (~6 sabay-sabay na posisyon) ang pangingibabaw ng mga outlier mula sa iisang pangalan.

Ipinakita ng base backtest ang 123 trades (56 long/67 short) at tunay na neutrality (beta 0.007), pero 0.29 lang ang leverage-invariant Sharpe, 1.08 ang profit factor, at 229 ang return kurtosis; iisang +52% araw ang nagdala ng karamihan sa mga kita. Artifact ang ~1100% CAGR dahil umabot sa 566% ang exposure sa halip na sa idinisenyong ~100%. Sa optimization, bumagsak ang holdout (ratio 0.202, holdout Sharpe 0.188 kumpara sa WF-OOS 0.93), PBO ay 0.67, at 0.0 ang deflated Sharpe sa 225 pagsubok. Naabot lang ng optimized run ang Sharpe na 0.985 sa pagdagdag ng leverage, na nagtaas sa max drawdown sa 54.9%.

Ang Stratmill ay isang tool para sa pananaliksik at paper trading, hindi payo sa pananalapi o isang broker. Ang mga resulta ng backtest at paper trading ay hypothetical. May panganib ng pagkalugi ang pangangalakal.