Cross-Sectional Funding-Carry sa Hyperliquid, Basket na Market-Neutral (Long sa mga perp na may pinakanegatibong funding, short sa mga perp na may pinakapositibong funding, lingguhang rebalance, pang-araw-araw na bar, mababang turnover)

Isang LONG-SHORT, MARKET-NEUTRAL, MULTI-INSTRUMENT na estratehiya sa Hyperliquid perpetuals na kumikita mula mismo sa funding rate bilang mekanikal na daloy ng salapi, gamit ang NON-MOMENTUM na bentahe sa pagpili sa hanay ng mga asset. Bawat linggo, ayusin ayon sa ranggo ang nakapirming uniberso ng humigit-kumulang 10 pinaka-likidong HL perp batay sa karaniwang funding rate sa nagdaang panahon. Mag-LONG ng pantay-panganib na grupo ng mga perp (may timbang na inverse-vol) na ang funding ay MOST NEGATIVE (binabayaran ka para mag-long sa mga ito), at SHORT ng pantay-panganib na grupo ng mga perp na ang funding ay MOST POSITIVE (binabayaran ka para mag-short sa mga ito). Binubuo ang portfolio nang dollar-neutral (magkapantay ang notional ng long at short) para halos ma-hedge ang pinagsama-samang crypto-beta at ang natitirang kita ay magmula sa diperensiya ng funding na nakokolekta sa mga BOTH leg, dagdag ang natatanging paggalaw ng presyo. Sadyang AVOIDS nito ang dalawang patay nang template ng funding: NOT itong carry mula sa diperensiya ng funding sa iba't ibang venue (L57 — pag-arbitrahe sa napakaliit na agwat sa pagitan ng venue na hindi man lang sumasapat sa bayad sa dalawang leg) at NOT na directional carry sa iisang pangalan. Kinukuha nito ang FULL funding rate na talagang natatanggap mo sa paghawak, hindi ang diperensiya. Iniiwasan din nito ang pag-ikot ayon sa cross-sectional MOMENTUM (L52, 0/97) sa pamamagitan ng pagraranggo batay sa funding, hindi sa mga return — eksaktong hinihingi ng L52 na “bentahe sa pagpili batay sa ranggo na hindi momentum.” Sinasaklaw nito nang sabay ang tatlong kulang na kategorya: venue na HYPERLIQUID (6.5% kumpara sa target na hindi bababa sa 20%), direksiyong long_short (13.5% kumpara sa long_only 86.5%), at saklaw na maraming instrumento. Gumagamit ito ng mga bar na 1-DAY sa buong kasaysayan ng HL (walang limitasyon sa timeframe ang daily sa HL, di-gaya ng mas mababa sa isang oras), kaya marami ang datos sa mga OOS window ng walk-forward at sa 15-araw na holdout. Dahil mababa ang turnover (lingguhang rebalance, humigit-kumulang isang linggong hawak), minimal ang bawas ng mga bayarin. Maliit at nakapirmi ang hanay ng parameter para mabawasan ang overfitting: laki ng uniberso, dami ng pangalan sa bawat grupo, lookback ng funding, at pagitan ng rebalance.

ITERATION 2 — inaayos ang pagkabigong “No trades produced” sa Layer-3. ROOT CAUSE, natukoy ito sa code ng pipeline, hindi hinulaan: maayos ang estratehiya; hindi ito mapakain ng smoke test. Ipinapasa ng Layer-3 sandbox ang supplementary data INLINE (pipeline_processor ang bumubuo nito para lang sa coin na PRIMARY at tinatawag ang run_backtest_in_subprocess gamit ang supplementary_data=merged_supp, supp_spec=None). Sa inline path na iyon, subprocess_entry._resolve_supp lang ang nagdaragdag pabalik ng open_interest_by_instrument — walang per-leg na FUNDING adder — kaya wala sa sandbox ang funding_rates_by_instrument, na ibinibigay naman ng yugto ng REAL backtest para sa lahat ng sampung leg sa pamamagitan ng supp_spec -> supp_collector._load_supp_with_per_leg_funding. Eksaktong ONE leg lang na maaaring rangguhan ang nakita ng code ko; maagang nagbalik ang “need 2 x names_per_sleeve” guard sa bawat rebalance, nanatiling walang laman ang target book at nagbalik ng None ang should_enter sa lahat ng 340 bar na sinuri — eksaktong tumutugma sa naiulat na diagnostic. Hindi problema ang mga unit ng funding key (supp_loaders key ang hl_funding_rates nanosecond, tugma sa day-index maths ko). Nakakulong ang THE FIX sa _rebalance at wala nang iba — byte-identical sa nakaraang iteration ang imports, tuloy-tuloy na signal, reconcile loop, sizing at lahat ng iba pang method, kaya hindi maaapektuhan ang mga layer na nakapasa na. Sa halip na manatiling walang posisyon kapag masyadong makitid ang cross-section, itinatakda na ngayon ng nasusukat na cross-section ang lawak ng sleeve: buong names_per_sleeve kapag may funding ang hindi bababa sa 2 x names_per_sleeve leg; kung hindi, ginagamit ang pinakamalawak na simetrikong hati na sinusuportahan ng data. Kung eksaktong isang leg lang ang masusukat, nagiging funding sign ng leg na iyon ang posisyon — long kapag negatibo (binabayaran para humawak ng long), short kapag positibo. ALWAYS funding ang input sa ranking, kaya pagliit ito ng lawak, hindi pagpapalit ng mekanismo; hindi ako gumamit ng proxy na batay sa presyo dahil hindi nito susubukin ang hypothesis na ito. Pinahusay din nito ang live path: nagsisimula sa magkakaibang petsa ang saklaw ng HL funding para sa bawat coin (2024-03 para sa AAVE hanggang 2025-06 para sa SOL), kaya nakakapag-trade na ngayon ang mga unang petsang kakaunti ang data gamit ang book na may 2 sa bawat panig o 1 sa bawat panig, sa halip na walang posisyon. VERIFIED laban sa aktuwal na data: kapag pinatakbo ang pinasimpleng tuntunin sa totoong BTC Hyperliquid funding series sa loob ng 365-araw na sandbox window, nakakuha ito ng 52 pagsusuri ng rebalance — 46 short (BTC positibo ang funding, kaya binabayaran ang short) at 6 long — na may 5 pagpapalit ng panig, katumbas ng hindi bababa sa anim na order event, at lampas nang husto sa >= 1 trade na requirement. Kung SYNTHETIC hl_funding_rates ang ipapalit ng sandbox, mas marami pa rin ang pagpapalit dahil pabagu-bago ang seryeng iyon, kaya matutupad pa rin ang requirement. IMPORTANT para sa reviewer: umiiral ang pinasimpleng single-leg mode ONLY kung saan hindi kayang sukatin ng environment ang cross-section. Ibinibigay ng aktuwal na yugto ng backtest ang funding_rates_by_instrument para sa lahat ng sampung leg, kaya ang run na susuriin at io-optimize ay ang buong cross-sectional book na 3-long / 3-short at dollar-neutral, gaya ng tinutukoy ng hypothesis — sa smoke test lang maaaring gumana ang one-leg path. Tahasan ko itong inilalahad sa class docstring at dito, para masuri ang fallback at hindi ito maging tahimik na pagbabago. Nanatili ang natuklasan ko sa nakaraang iteration at ito pa rin ang pangunahing batayan sa pagpapasya: sa panahon ng funding (2024-06 hanggang 2026-08, leverage na 2), nagbalik ng +124.6% ang buong book na may Sharpe na 1.427. Pero ipinapakita ng paghahati ng PnL na +14.2 puntos lang ang ambag ng funding, kumpara sa +119.2 mula sa paggalaw ng presyo ng mga piniling pangalan, at hindi matatag ang bahagi mula sa presyo sa iba't ibang lookback (Sharpe na 0.09 sa 7 araw, 1.43 sa 14, 0.19 sa 28). Humigit-kumulang 1.5-2.5%/taon ang matatag na carry; karamihan ng pangunahing resulta ay mula sa paggalaw ng presyo sa epektibong sample na humigit-kumulang 2.2 taon.

Long-short, dollar-neutral, multi-instrument na cross-sectional funding-carry basket sa 10 likidong Hyperliquid perpetual (BTC, ETH, SOL, XRP, DOGE, AVAX, BNB, SUI, AAVE, LTC), gamit ang daily bars. Tuwing rebalance_days (7) — nakaangkla sa sariling petsa sa kalendaryo ng bar, hindi sa bilang ng bar — niraranggo nito ang mga asset batay sa average funding rate ng bawat isa sa nakaraang 14 araw, na kinukuha mula sa funding series mismo ng venue. Pagkatapos, pumuposisyon ito nang LONG sa sleeve na may inverse-volatility weighting para sa 3 MOST NEGATIVE funder (binabayaran para maging long), at nang SHORT sa inverse-vol sleeve para sa 3 MOST POSITIVE funder (binabayaran para maging short). Magkapantay ang dollar notional ng dalawang sleeve, kaya malaking bahagi ng aggregate crypto beta ay naka-hedge. Inilalaan sa bawat sleeve ang equity x gross_exposure x leverage / 2. Ibinabalik ng calculate_signal ang tuloy-tuloy na cross-sectional funding score ng primary leg — (average funding ng universe - funding ng primary) / standard deviation ng universe — sa bawat bar. Hindi niraranggo ang mga leg na walang magagamit na funding history; kung mas kaunti sa 2 x names_per_sleeve leg ang maaaring rangguhan, liliit ang mga sleeve hanggang sa pinakamalawak na simetrikong hati na sinusuportahan ng data. Kung iisa lang ang masusukat na leg, ang funding sign nito ang magtatakda ng posisyon (long kapag negatibo, short kapag positibo). Funding ang palaging input sa ranking — hindi ito pinapalitan ng estratehiya ng proxy na batay sa presyo — ang lawak lang ng cross-section ang lumiliit kapag kulang ang data. Nagbubukas o nagsasara lang ng posisyon; hindi ito nagre-resize habang hindi nagbabago ang panig, kaya nananatili ang turnover sa lingguhang iskedyul ng ranking.

SANDBOX METRICS ARE UNREPRESENTATIVE — dapat balewalain ng analyst ang mga ito. Bineripika ko ang diagnosis ng pipeline ng developer IN SOURCE: (a) ginagamit ng sandbox ng Layer-3 ang inline na supp path (subprocess_entry._resolve_supp line 73), na tumatawag sa _add_per_leg_open_interest at nagdaragdag ng ONLY open_interest_by_instrument — hindi ito nagdaragdag kailanman ng funding kada leg, kaya eksaktong ONE leg (pangunahing BTC) ang may funding series at gumagana ang pinaliit na single-leg fallback; (b) dumaraan ang mga totoong yugto ng BACKTESTING/OPTIMIZING sa supp_spec -> supp_collector.load_for_subprocess -> _load_supp_with_per_leg_funding (line 460), na kumokolekta kapag kailangan at bumubuo ng funding_rates_by_instrument para sa ALL 10 HL leg (HL funding ay nasa talahanayang funding_rates DB, exchange='hyperliquid'). CONSEQUENCE: tumakbo ang sandbox bilang directional single-name BTC funding-sign bet, NOT sa ipinagpalagay na market-neutral na aklat — kaya avg_position_pct ay 92.95%, beta -0.32, benchmark_correlation -0.65, 5 trade lang, 65-araw na hawak, at avg_trade_return_pct 11.69%. Wala sa mga numerong iyon ang naglalarawan sa totoong strategy.