Strategia multi-coppia RATIO-MOMENTUM dollar-neutral che TREND-FOLLOWS lo spread di forza relativa tra altcoin e BTC su un piccolo gruppo di rapporti tra major consolidate (ETH/BTC, SOL/BTC, BNB/BTC, XRP/BTC) su Binance USD-M. Per ogni altcoin, calcola il rapporto R = alt/BTC e va LONG sull’altcoin + SHORT BTC (nozionale uguale) quando R è in un UPTREND, e SHORT sull’altcoin + LONG BTC quando R è in un DOWNTREND: segue i regimi di forza relativa («alt season» = le altcoin seguono un trend rialzista rispetto a BTC; risk-off = le altcoin seguono un trend ribassista rispetto a BTC). Questa è l’inversione deliberata CORRECT-SIGN INVERSION della mean reversion sui rapporti tra asset, confutata: l’analista ha dimostrato empiricamente che i rapporti crypto sono DRIFT-DOMINANT e NON-STATIONARY — TREND con i regimi di performance relativa (SOL ha sovraperformato strutturalmente AVAX), motivo per cui puntare al rientro del rapporto (MR) ha causato perdite. Seguire il trend del rapporto FOLLOWING è quindi il segnale convalidato: applica al differenziale di valore relativo l’unico vantaggio comprovato della fabbrica di strategie (persistenza del trend giornaliero, il paniere +392% / Sharpe 2.59), anziché al prezzo assoluto. Resta rigorosamente entro i limiti convalidati: cadenza DAILY (la direzionalità intraday/4H a singola barra sulle major è ora confutata in entrambi i sensi a ~-98%), solo major consolidate (sicure rispetto ai dati: i panieri altcoin estesi e HL falliscono su data_unavailable), puro OHLCV (nessuna dipendenza da funding/basis/opzioni/COIN-M/liquidazioni) e SYMMETRIC (la sola posizione short ha fallito; questa strategia opera in entrambe le direzioni relative all’interno di un portafoglio con vantaggio netto). Copre l’ambito delle coppie sottorappresentate (14.9% rispetto alla singola 72.4%), è market-neutral (ogni coppia è dollar-neutral, riducendo lo sbilanciamento 87%-long) e si distingue dal paniere cross-sectional delle major (trend del rapporto esplicito per coppia anziché ranking cross-sectional). Pochi parametri aiutano a limitare l’overfitting.