Hyperliquid 横截面短期反转篮子 — 周频美元中性：在流动 HL 永续合约 Universe 中做多上周相对输家 / 做空上周相对赢家（HYPERLIQUID，市场中性，1D K 线，3 参数）

假设

Hyperliquid 原生的 MARKET-NEUTRAL、MULTI-INSTRUMENT 横截面 RELATIVE-VALUE 策略 —— 这是代表性最不足的单一交易场所（6.7% 对比 ≥20% 目标）—— 并且刻意避开每个死亡/冲突家族：NOT 时间序列趋势/动量（0.003 生存的 L62 单名称类）、NOT 日历季节性、NOT 始终在场的因子合成（L60）、NOT 短波动率期权、NOT funding carry（正 funding carry 刚刚 fee_edge 死亡）。MECHANISM：短期 CROSS-SECTIONAL REVERSAL —— 在类似资产的同质组内，过去一周最 OVER-表现于其同类的名称倾向于在下一周回吐一部分，最大的相对落后者倾向于追赶，因为 alt 资金流相对于该群体过度反应并回归。这是一个独特的、有据可查的效应，其符号相反、时间跨度短于主导（并死于）本工厂的趋势跟踪动量。每周，按滞后的 `rank_lookback` 天收益对固定的流动 HL 永续合约 universe（约 16-20 个名称，按 TRAILING 美元交易量选择 —— 例如 BTC、ETH、SOL 和最具流动性的 HL alt 永续合约 —— 无 look-ahead）进行排名；LONG 底部分位并 SHORT 顶部分位，等权重且美元中性，因此账簿携带约零净加密货币 beta，仅从相对收敛中获利。HORIZON：1D K 线，约 1 周持有 —— 安全位于 Hyperliquid 的历史限制内（1d = 交易场所启动以来的完整历史，与简介警告的因历史不足而被放弃的亚小时 HL 窗口不同）。DATA（按 L61 命名，已确认存在，无薄弱/缺失数据源）：仅 HYPERLIQUID 1D OHLCV 用于该 universe —— 无 funding 数据源，无清算数据源，无期权表面。仅 3 个可调参数（rank_lookback、quintile_fraction、rebalance_days）。

ITERATION 4 仅修复所报告的失败：Layer 3 sandbox_timeout。我在真实 catalog 上复现了它（BTCUSD.HYPERLIQUID 1-DAY + 16 HL 个额外品种，2400 天：165 s 端到端，2,757 笔交易）并对其进行了 profiling。wall clock 在每根 K 线策略工作上为 NOT：剖析运行 204 s 中的 197 s 是 ParquetDataCatalog.query() -> fsspec 全目录树 glob 遍历 ONCE PER INSTRUMENT（17 次查询 x 约 10.4 s，+ 22 s 用于 instruments() 扫描）；整个 K 线循环和订单处理约 7 s，500 天窗口的成本与 2400 天窗口的成本相同，因此成本按腿固定。策略对此数字的唯一杠杆是它请求的品种数量，因此 universe 从 17 条腿缩减到 8 个最深的 HL 永续合约（在相同的机器和相同的 2400 天窗口上测量：约 133 s / 1,556 笔交易 对比 约 165 s / 2,757 笔交易）。两项支持性的 perf/cost 变更：每品种的收盘价和美元交易量现在存储在固定长度的 deques 中，每根 K 线追加一次（每条腿 O(1)，不重新切片 _bars/_extra_bars 也不重复对 17 条腿 x 约 2,100 个 K 线组调用 Bar.close.as_double()），以及 rebalance_band 跳过小于名称目标名义价值 30% 的 delta，因此每周 drift top-up 不再为每个持有的名称发出订单（交易从 2,757 -> 1,628，在 10 条腿下测量，在 1,556 下测量，在 8 下测量）。EDGE IS UNTOUCHED：相同的滞后收益排名，相同的多落后者/空赢家构建，相同的等 USD 名义价值美元中性，相同的来自 bar.ts_event 的日历锚定时段，相同的 3 可调参数和 _param_bounds。Layer 1 静态分析仍然通过（仅警告，未变），Layer 1.5 未受影响（主要品种和交易场所未变；该检查仅要求声明的品种作为主要或额外腿出现）。

backtest_failed:data：完整 backtest 无法运行 3 次 —— ktest_agent.py"，line 424, in _ensure_funding_for_perp_legs raise RuntimeError( RuntimeError: Funding data unavailable for perp leg 'BTCUSD.HYPERLIQUID' — on-demand collection failed or the venue has no funding history（backtest blocked for accuracy；set SF_DISABLE_ONDEMAND_FUNDING=1 to bypass） Pipeline/data failure，不是对策略的裁决；一旦原因修复即恢复。

实现

在 1-DAY K 线上，跨 8 个最深的 Hyperliquid USD 永续合约（BTC、ETH、SOL、BNB、XRP、DOGE、AVAX、LINK）的美元中性横截面短期反转。每个日历锚定的周度时段，名称按其滞后 30 天美元交易量进行筛选，按其滞后 rank_lookback 天收益进行排名，账簿做多 LONG 底部 quintile_fraction（相对落后者）并做空 SHORT 顶部 quintile_fraction（相对表现优异者），等权重，每边名义价值为 EQUAL USD，因此在零净 delta 下总敞口为权益的 80%。仓位通过 netting delta 订单进行移动，且仅当 delta 同时超过 $10 的交易所最小值和 30% 换手带时才进行，因此停留在同一分位数的名称不会因 drift 而被重新交易。无杠杆，无辅助数据源 —— 纯 HL 1-DAY OHLCV。

验证结果

如果要追求该机制，恢复 16-20 个名称的 universe（修复应属于 catalog 查询批处理，而不是缩小可交易横截面），以便分位腿持有足够多的名称以构成一个真正的横截面押注。

Hypothesis 指定约 16-20 名称的流动 HL 永续合约 universe；代码交付了一个 8 名称的 universe（max_universe=8），因此在 quintile_fraction=0.20 下每次再平衡仅持有 2 个多头和 2 个空头（k=round(8*0.2)=2）。横截面反转机制得以保留，缩减记录为 Layer-3 wall-clock 修复（每品种 catalog 查询成本），但有效的横截面比 hypothesis 所述的宽度要薄得多，这削弱了分散化并使排名噪声更大。如果在 catalog 层面而非通过删除腿来解决超时问题，optimizer 可以恢复 breadth。

在充足样本上的强负期望信号：sandbox avg_trade_return_pct -0.41%（低于约 0.09% HL 往返下限），total_return -81.5%，profit_factor 0.88 跨 922 笔交易，开发者在真实 HL 1-DAY 收盘价（2021-2026）上的无引擎 replay 发现横截面反转在跨 5 种构建 / 85+（回看期、持有期）组合的几乎每个单元中均为负，且有多个显著为负的 t 统计量（L14/H1 -0.180% t=-4.36；L7/H1 vol-adj -0.200% t=-5.05）。证据指向横截面 MOMENTUM（反向符号）才是该 universe 上真实的效应，即一个不同的假设。分析师应将反转前提视为可能被证伪；符号翻转是 Research Lead 的决定，而非重新参数化。账簿经验证为美元中性（在迭代 1 上测得的 beta 为 -0.022），因此这是机制失败，而非构建缺陷。

分析

回测门槛： - 指标不可靠：1382 笔交易 / 2207 天数据证据不足（需要至少 5 笔交易，且覆盖至少 10 天）——提高信号频率或扩大时间窗口

迭代历史

Verification failed（Layer 4 — QA review）： - 由 Layer-3 回测证明的费用可行性 / 边缘失效（checklist #7，L6/L7）。在真实的 Hyperliquid 1-DAY 数据上，跨 364 天（基本涵盖了可用的 HL 1d 历史的大部分），策略净收益为 -26.4%，Sharpe 为 -1.59，profit_factor 0.77，probabilistic_sharpe 0.03，其中 sharpe_ci_high 仅 +0.06（整个 Sharpe CI 处于或低于零）。avg_trade_return_pct 为 -0.58% NET；加回约 0.09% HL 往返 taker 成本后，每笔交易的 GROSS 边缘约为 -0.49% —— 横截面反转信号相对于费用为负 BEFORE，因此这不仅仅是费用拖累，而是在 7 天时间跨度上的反向预测信号。关键的是，账簿经验证为美元中性（beta -0.022，benchmark_correlation -0.077），因此损失不能归咎于 beta/regime 伪影 —— 这是纯粹的负相对收敛 alpha。这是记录在案的横截面反转/排名坟场（L6：5592 笔交易的横截面反转 -58%；L7：横截面动量排名，零幸存者），且开发者自己的论证指出 7 天反转在 trending regime 下被横截面动量淹没。根据 L6，正确的做法是在 Layer 4 拒绝，而不是花光整个回测 + 优化预算去重新发现沙箱已经测量出的负边缘。 - 不是缺陷，记录给分析师：负结果 NOT 一个极性 bug。losers=ranked[:k]（最低的滞后收益）被买入，winners=ranked[-k:] 被做空，这是正确的横截面 REVERSAL。反向（动量）的符号在 trending regime 下本应盈利；这个正确实现的反转亏损了，证实反转信号本身在 rank_lookback=7 的该 universe 上是反向预测的。因此在反转 thesis 内，任何符号翻转都无法挽救它。

Verification failed（Layer 4 — QA review）： - 假设在其 ENTIRE 时间跨度网格上被证伪，证实了迭代 -1 的拒绝（这是在 Layer 4 失败过的同一策略的重新审核）。开发者针对精确的 17 名称 universe（2021-01..2026-08），在真实 HYPERLIQUID 1-DAY 收盘价上无引擎地重建了实验，在每次再平衡时对两侧收取 0.09% HL 往返费用：在 35 个原始排名单元（回看期 1/2/3/5/7/14/21 x、持有期 1/2/3/5/7 天）中，除了两个噪声单元（t=+1.20 和 t=+0.18）外，每个单元均为负，且许多单元为 SIGNIFICANTLY 负（L14/H1 -0.180% t=-4.36，L7/H1 -0.146% t=-2.75，L14/H3 -0.421% t=-3.68），最多涉及 2,044 次再平衡；标准 vol-adjusted 排名更差（L7/H1 -0.200% t=-5.05）；仅 alts 对等组和更宽的 0.35 分位数再现了这一点。因此该 universe 上的横截面短期反转不仅缺失，而且以高显著性 INVERTED 跨每个回看期、持有期和构建变体 —— 存在的是横截面 MOMENTUM。沙箱自迭代 1 以来未变（未改变任何边缘逻辑）：total_return -26.44%，Sharpe -1.59，PF 0.77，净 avg_trade -0.58%（约 -0.49% GROSS），美元中性，beta 为 -0.022，因此不是 beta/regime 伪影。

Verification failed（Layer 4 — QA review）： - 这是同一策略的第三次审核（在迭代 1 和 2 失败），假设现在已被 EXHAUSTIVELY 证伪。开发者测试了被标记为未测试的最后一种构建 —— 行业中性排名（majors/L1/DeFi/其他，在每个行业内做多后三分之一 / 做空前三分之一，进行平均以保持账簿美元中性）—— 在真实 HYPERLIQUID 1-DAY 收盘价（2021-01..2026-08，两侧 0.09% HL 往返）上无引擎地进行：29 个（共 30）（回看期 x 持有期）单元为 NEGATIVE，许多显著为负（L5/H1 -0.129% t=-3.64，L14/H1 -0.110% t=-3.29，L7/H1 -0.106% t=-3.13，L2/H7 -0.499% t=-2.40），最多涉及 2,044 次再平衡，唯一的正单元纯属噪声（t=+0.18）。结合迭代 1-2，共 FIVE 个独立构建（universe 范围原始排名、vol-adjusted 排名、仅 alts 对等组、更宽的 0.35 分位数、行业中性排名）跨 85+ 单元，几乎在所有地方均为负，且在数十个单元中显著为负。沙箱未变：total_return -26.44%，Sharpe -1.59，PF 0.77，净 avg_trade -0.58%（约 -0.49% GROSS），美元中性，beta 为 -0.022，因此不是 regime 伪影。该效应不仅缺失，而且以高显著性被 INVERTED —— 存在的是横截面动量。

sandbox_timeout：Verification failed（Layer 3 — sandbox 回测）：smoke test 在约 20000 根 K 线的窗口（2400 天的 BTCUSD.HYPERLIQUID-1-DAY-LAST-EXTERNAL）上超过了 300s 时钟限制。这几乎总是意味着随历史线性扩展的每根 K 线工作量 —— 例如，重新扫描完整的 funding/辅助序列，或在每根 K 线的 calculate_signal()/on_bar() 内重建列表并调用 min()/sorted()。在 __init__ 中预计算排序的时间戳数组 ONCE 并使用 bisect，或按时间戳缓存查找，以便每根 K 线的成本为 O(log n) 而非 O(n)。

回测评审

夏普

0.54

总收益率

-68.67%

最大回撤

72.14%

总交易数

1382

胜率

52.5%

盈利因子

0.90