Alpha 指的是超越市场基准(比如单纯买入并持有 BTC)的那部分超额收益。它来自于市场的某种”不完美”——价格没有立刻反映所有信息、不同参与者的需求错配、市场结构带来的机械性资金流动等。你的任务,就是找到这些可重复、可解释的”不完美”,并把它转化成信号。

币圈的 Alpha 整体可以分成两大阵营,这是 Quantpedia 跟踪数百篇学术论文后给出的核心划分:

① 价格类 Alpha(Price-based)
只用价格、成交量等行情数据。最经典:动量/趋势、均值回归、波动率。门槛低、人人在做,竞争极度拥挤,单纯靠它越来越难赚钱。
② 非价格类 Alpha(Non-price)
用价格之外的信息:链上数据、资金费率、订单簿微结构、情绪等。Quantpedia 研究发现,近年非价格信号的预测力反而更强,因为人少、信息更独特。

主要 Alpha 来源分类

下面这张图把币圈常见的 Alpha 按”数据来源”组织起来,并标注它们在你 15m 频率下的适配度。

A. 行情/技术类(价格驱动)
动量/趋势价格上涨倾向于延续。横截面动量(买强者卖弱者)在币圈尤其显著。15m 友好
均值回归短期超涨超跌后回归。币种间配对/统计套利属此类。15m 友好
波动率高/低波动状态切换、波动率突破。常作为择时与仓位调节因子。15m 友好
B. 衍生品/资金费率类(币圈独有,重点)
资金费率永续合约多空双方互付的费用。费率极端时往往预示反转,也可直接做"现货+空永续"吃费率套利。15m 友好
基差期货与现货价差,反映市场情绪与多空杠杆水平。
持仓量OI未平仓合约量,结合价格判断是新资金进场还是平仓。爆仓/挤压信号也源于此。15m 友好
C. 市场微结构类(高频偏向)
订单簿失衡买卖盘挂单量不平衡预示短期方向。15m 偏弱,更适合秒/分钟级
做市价差提供流动性赚买卖价差,本质是库存风险补偿。需要极低延迟。15m 不适用
跨所价差同一币种不同交易所价差套利。机会窗口短,拼速度。15m 基本不适用
D. 链上数据类(非价格,crypto 特色)
活跃地址/网络活跃地址数、哈希率等网络健康度指标,反映真实采用程度。偏中低频
交易所流入流出大额转入交易所常预示抛压,转出预示囤币。
巨鲸/稳定币大户持仓变化、稳定币供应(潜在购买力)。
E. 情绪/另类数据类
社媒情绪Twitter/Reddit 热度与情感、恐惧贪婪指数。
清算数据大规模强制平仓往往制造短期极端波动与反转点。15m 友好

几个关键概念举例

举两个最能体现”币圈独有”的例子帮你建立直觉。

资金费率反转:永续合约里如果大量人做多,多头要持续给空头付费(正费率)。当费率高到极端(比如年化超过 50%),说明市场过度拥挤看多,往往是局部顶部信号——这时反手做空或减多就是一种 Alpha。它本质捕捉的是”杠杆人群的过度一致”。

横截面动量:在某个 15m 周期结束时,把你监控的几十个币按过去 N 根 K 线涨幅排序,买入最强的一篮子、卖出最弱的一篮子。它捕捉的是”强者恒强”的延续效应,币圈因为散户追涨杀跌严重,这个效应历史上比股票更强。

给 15m 频率入门者的实操注意点

频率决定了你能吃哪些 Alpha。15m 属于中频,微结构和跨所套利基本与你无缘(拼不过专业 HFT 的延迟),但动量、均值回归、资金费率、持仓量、清算这几类正好是你的主战场

非价格信号往往更值钱但更难获取。Quantpedia 的研究明确指出近年非价格信号预测力更强,但链上和资金费率数据需要付费 API(Glassnode、Coinglass 等),且要特别小心数据的”时间戳对齐”——绝不能用未来才公布的数据去预测过去,这是新手最常犯的前视偏差(look-ahead bias)。

任何单一 Alpha 都会衰减。币圈策略拥挤得极快,一个公开的信号可能几个月就失效。真正稳健的做法是把多个低相关的 Alpha(比如动量 + 资金费率 + 链上)组合起来,这也是 Quantpedia 数据中表现最好的策略恰恰是”多因子混合”的原因。

最后一个常被忽略的现实:在 15m 频率下,手续费和滑点会吃掉大量纸面收益。一个回测年化 30% 的策略,扣掉双边手续费和滑点后可能只剩个位数甚至为负。评估任何 Alpha 时,务必把这些交易成本放进回测,否则结论会严重失真。

参考来源:Quantpedia《Analysis of Systematic Crypto Trading Strategies》、SSRN《Quantitative Alpha in Crypto Markets: A Systematic Review of Factor-Based Strategies (2018-2025)》、CoinDesk《3 Factors That Make Quant Trading in Crypto Unique》。