alpha50: Ang Matematika sa Likod ng Hive

May ipinapangakong pantasya ang copy-trading: hanapin mo ang isang henyo, gayahin ang wallet niya, yumaman ka. Pero ang totoo, isang sample lang ang isang wallet. Hindi mo malalaman kung galing ba o suwerte lang kung iisa lang ang nakita mong takbo, at sa mismong araw na sumabog ang henyo mo, kasama kang babagsak. Namamana mo ang lahat ng bias niya, ang edge niyang gumagana lang sa isang venue, ang revenge trade niya nang alas-tres ng madaling-araw — lahat iyon, buong laki.

Kabaligtaran ang pinagsimulan ng alpha50. May resulta sa portfolio theory, mahigit kalahating siglo na ang tanda, na kayang gawing isang magaling na signal ang maraming di-perpektong signal. Tinawag ito ng Bridgewater ni Ray Dalio na Banal na Kalis ng investing. Halos wala pang naglalapat nito sa copy-trading, kasi halos walang may malinis, real-time, at napapatunayang feed ng magagaling na trader na puwedeng paglapatan. Nagbago ang lahat ng iyon nang dumating ang on-chain perps.

Puro matematika ang piyesang ito, mula simula hanggang dulo: bakit ang diversification lang ang tunay na libreng tanghalian sa merkado, bakit ang isang piniling grupo ng mga trader ang pinaka-ideal na paglagakan nito, at paano gawing isang position na may risk management ang limampung live na signal ng kumbiksiyon.

Ang buong tesis sa isang pangungusap: statistical ang edge ng alpha50, hindi predictive. Hindi ito humuhula ng presyo. Kinukuha nito ang bawas sa variance na dulot ng isang ensemble ng magagaling-pero-maingay na signal — at ang buong laro nakasalalay sa correlation nila sa isa't isa.

1. Ang Banal na Kalis ng Investing

Mukhang simple lang ang insight ni Dalio, pero doon nagkakamali ang marami. Kumuha ka ng mga return stream na tig-positibo ang expected return at halos magkakapareho ang risk. Habang nagdadagdag ka ng mga stream na walang correlation sa isa't isa, hindi nagbabago ang return ng portfolio, pero mabilis na bumababa ang risk. Magpatong ka ng labinlimang tunay na uncorrelated na stream at kaya mong bawasan ng humigit-kumulang 80% ang volatility nang hindi nawawalan ni isang basis point ng expected return.

Nasa kung paano nagdaragdag ang variance ang buong mekanismo. Para sa $N$ na pantay-timbang na stream, tig-$\sigma$ ang volatility at $\rho$ ang average pairwise correlation, ganito kalaki ang risk ng portfolio:

Dalawang bagay ang lumalabas sa square root na iyan, at sila ang buong kuwento.

Magdagdag ka ng stream at bumababa ang risk — pero pumapatag ang bawat kurba sa isang sahig na σ·√ρ. Sa ρ = 0.25, hindi ka makakababa sa ~50% ng risk ng iisang stream kahit ilan pa ang idagdag mo.

Una: kapag malapit sa zero ang ρ, bumababa ang risk gaya ng 1/√N — ang klasikong diversification curve na bumabagsak patungong zero. Pangalawa, at mas mahalaga: habang lumalaki ang N, hindi napupunta sa zero ang risk ng portfolio. Nagko-converge ito sa isang sahig na σ·√ρ. Correlation ang nagtatakda ng sahig, hindi ang bilang. Ang limampung stream sa ρ = 0.25 ay hindi mas ligtas kaysa sampu sa ρ = 0.25. Nakatali sa correlation ang diversification, tapos ang usapan. Tandaan mo iyan; iyan ang nag-uutos sa lahat ng paraan kung paano binubuo ang cohort.

2. Return Stream ang mga Trader — At Mas Mabuti Pa sa mga Asset Class

Sa iba't ibang asset class nag-di-diversify si Dalio. Mahirap iyon, kasi kaunti lang naman ang mga iyon at sabay-sabay pang gumagalaw kapag kritikal na ang sitwasyon. Mas magandang building block ang isang magaling na trader. Bawat isa ay isang strategy — isang live at adaptive na return stream na may positibong drift, na nakaligtas na sa serye ng out-of-sample na realidad: totoong fills, totoong drawdowns, totoong funding na nabayaran.

At on-chain, napakalawak ng uniberso. Sa ~13,000 na wallet na ini-index namin sa Hyperliquid, may ilang daan lang ang nakakalusot sa mahihigpit na skill gate. Ang sobra-sobrang iyon ang luho na nagpapagana sa Banal na Kalis: hindi kami napipilitang kunin kung sino man ang mayroon, gaya ng napipilitan ang isang asset allocator. Puwede kaming pumili para sa decorrelation. Isang momentum scalper sa majors, isang mean-reversion desk sa mid-caps, isang stock-index swing trader sa HIP-3, isang funding-carry specialist — magkakaiba itong pusta, hindi magkakaibang lasa lang ng iisang beta. Iyan ang hilaw na materyal na hinahanap ng matematika.

Alpha ang dini-diversify namin, hindi beta ang pinapatong-patong. Iyang pagkakaibang iyan ang mismong dahilan kung bakit umuubra ito.

3. Mula Pagbawas ng Risk Patungong Pagpapalakas ng Sharpe

Baligtarin mo lang ang parehong equation. Kung may skill ang bawat miyembro — isang per-trade Sharpe na S — ang pagsasama ng N sa kanila na may average correlation na ρ ay bumubuo ng portfolio Sharpe na:

Ang $A(N,\rho )$ ang buong halaga ng alok na sinisiksik sa isang numero: ilang beses na tinatalo ng hive ang risk-adjusted return ng karaniwang miyembro. Ito ang chart na dapat mong tingnan.

Sa ρ = 0, ang factor ay √N — mga 7× para sa limampung wallet. Sa makatotohanang correlation, mas mababa ito, pero tiyak pa ring lampas sa 1.

Bilangin natin nang tapat. Ang perpektong kalayaan (ρ = 0) ay nagbibigay ng √50 ≈ 7.1×, pero pantasya iyon — may pinagsasaluhang exposure ang magagaling na trader sa parehong merkado. Sa makatotohanang average correlation na ρ ≈ 0.2, mga 2.1× pa rin ang factor. Ang isang cohort ng mga trader na katamtaman-lang-kung-mag-isa, tig-Sharpe 1.0, ay nagiging isang Sharpe-2 na libro. Iyan ang pagkakaiba ng isang strategy na walang naglalagak at isang inaagawan ng puwesto ng mga desk.

4. Ang Pagbuo ng Hive ay Problema sa Decorrelation, Hindi Leaderboard

Dito tahimik na nabibigo ang karamihan ng mga produktong "kopyahin ang top traders," at dito pinipilit ng matematika ang isang di-halatang disenyo.

Ang unang hilig mong gawin ay i-rank ang bawat kwalipikadong wallet ayon sa Sharpe at kunin ang top fifty. Mali iyon. Kung pawang momentum trader ang top fifty mo na sumasakay sa parehong majors, 0.7 ang ρ nila at ~1.2× lang ang amplification mo — nakabuo ka lang ng mamahalin at leveraged na bersiyon ng iisang trader. Pinapalaki ng ranking ang indibidwal na kalidad at binabalewala ang tanging variable na talagang naghahari sa kita.

Ang tamang layunin ay ang epektibong bilang ng independiyenteng pusta:

Ang limampung wallet sa ρ = 0.25 ay hindi umaabot sa apat na independiyenteng pusta ang halaga. Kailangang ipaglaban ng seleksiyon ang decorrelation, hindi ang dami.

Ang limampung wallet sa ρ = 0.25 ay nagbibigay sa iyo ng hindi umaabot sa apat na epektibong pusta. Kaya ang pagbuo ng cohort ay isang problema sa portfolio-optimization: i-maximize ang N_eff na may skill floor, hindi ang average skill. Sa praktika, ibig sabihin ay pag-cluster ng mga kandidato sa mga strategy archetype ayon sa correlation ng return stream at instrument exposure nila, tapos pagpili ng pinakamagaling na nakaligtas mula sa bawat cluster — sinasadyang ipagpalit ang kaunting indibidwal na Sharpe para sa maraming kalayaan. Ang wallet na pang-walo lang sa galing sa momentum pero tanging funding-carry specialist ay mas mahalaga sa hive kaysa sa pangatlong pinakamagaling na momentum trader.

Dalawa pang quant na disiplina ang nararapat dito, kasi nag-o-overfit ang hilaw na seleksiyon:

• Shrinkage. Estimate lang ang nasukat na Sharpe ng isang wallet, at ang mga estimate ng pinakamataas na Sharpe ang pinakamalaki ang lobo dahil sa suwerte (ang sumpa ng nanalo). Hilahin ang Sharpe ng bawat miyembro papunta sa cohort mean — isang James–Stein / empirical-Bayes na hatak na ang lakas nakadepende sa kung gaano kakaunti ang trade na sumusuporta sa estimate. Titigil kang magbayad nang buong timbang para sa isang panandaliang hot streak.
• Tinatantya rin ang correlation, at hindi ito nananatiling pareho. Gumamit ng shrunk covariance estimator (Ledoit–Wolf) para hindi hinahabol ng seleksiyon ang palsong decorrelation na maglalaho sa susunod na linggo.

Pagkatapos ay tuloy-tuloy na sinusuri ang cohort, na may hysteresis: kailangang malayong-malayo nang bumagsak ang isang wallet sa cutoff bago ito tanggalin, para hindi paulit-ulit na kinakalkal ang libro dahil sa ingay ng ranking sa paligid ng hangganan.

5. Paggawang Position ng Konsensus

Kikita lang ang aggregation kung isasalin mo ito sa exposure nang hindi ibinabalik ang single-wallet na risk na kaka-diversify mo lang. Ang signal para sa bawat instrument ay isang naka-sign, conviction-weighted, at risk-normalized na konsensus:

Kung saan, para sa bawat cohort wallet $i$ na may hawak na instrument $c$:

• $s_i=\pm 1$ — kung anong panig sila (long o short).
• ${\kappa }_i=|{\text{notional}}_i|/{\text{equity}}_i$ — kumbiksiyon: laki ng position kumpara sa sariling libro nila.
• $w(S_i)$ — ang shrunk-Sharpe na timbang: $0$ sa ilalim ng $S=1$, umaakyat sa $1$ pagsapit ng $S\approx 5$.
• ${\pi }_i={\sigma }_{\text{target}}/{\sigma }_{\text{realized}}(c)$ — ang risk-parity na scalar: pantay na risk, hindi pantay na dolyar.
• $c_{\max }$ — ang per-wallet contribution cap, para walang iisang whale na magpapasan sa buong libro.

May mahalagang papel na ginagampanan ang bawat termino. Binabasa ng kumbiksiyon ang laki ng position kumpara sa sariling equity ng trader, kaya ang whale na naglalagay ng 40% ng libro niya sa isang pangalan ay mas mabigat kaysa sa isang nagsusubok lang nang bahagya. Binabawasan ng Sharpe weight ang timbang ng mga masuwerte. Ang risk parity ang bahaging nilalaktawan ng mga baguhang copier: nagska-scale ka ayon sa risk, hindi dolyar, kaya hindi tahimik na nadodomina ng isang 120-vol na memecoin position ang isang BTC position na kaparehong notional. Ang cap ang nagpapatupad ng tesis — walang iisang wallet na makakagalaw ng signal nang malayo mag-isa, kaya kailangan ng tunay na pagkakasundo ng maraming wallet para makabuo ng laki. Ang pagkakasundong iyon, ang confluence, ang praktikal na senyales para sa "totoong alpha ito, hindi kapritso ng iisang trader."

Dalawang pagpapapino ang utang ng seryosong implementasyon sa modelo:

• Funding-adjusted na edge. Sa perps, totoong pera ang carry. Ang isang siksik na long na nagbabayad ng 60% annualized funding ay may mas mababang net expected return kaysa sa ipinapahiwatig ng hilaw na price signal; ibawas mo iyon bago mag-size.
• Cost-basis matching. Palagi kang pumapasok pagkatapos ng cohort — ang follower drag, ang buwis sa buong gawaing ito. Pumasok ka sa sariwang opens, malapit sa kung saan talaga nagbukas ang cohort, sa halip na habulin ang galaw na 5% nang ang tanda. Pinapanatili nitong pareho ang risk mo sa trader na kinukuha mo ang signal, at ito ang pagkakaiba ng pagkuha ng edge at pagreregalo nito sa spread.

6. Pag-size: Volatility Targeting at Fractional Kelly

Sinasabi sa iyo ng signal ang direksiyon at kumpiyansa. Hindi nito sinasabi kung gaano kalaki. Ang maling pag-size ang dahilan kung bakit namamatay pa rin ang mga strategy na may tunay na edge.

Dalawang layer. Una, volatility targeting sa antas ng portfolio: pumili ng target risk — sabihin nating 15% annualized — at i-scale ang gross exposure nang pabaligtad sa realized volatility.

Kapag umalburoto ang merkado, umaakyat ang realized vol at kusang lumiliit ang libro (bumababa ang $L_t$). Nananatiling halos pare-pareho ang danas mo sa risk sa halip na lumobo mismo kapag pinakamasama ang kondisyon.

Pangalawa, fractional Kelly sa intensidad ng signal. Ayon kay Kelly, ang growth-optimal na pusta ay nagska-scale ayon sa edge kada variance, $f^{\ast }=\mu /{\sigma }^2$. Sikat na masyadong agresibo ang full Kelly — inaakala nitong alam mo nang eksakto ang $\mu$, gayong hinding-hindi mo iyon alam. Malupit ang estimation error sa tuktok, kaya mag-size ka sa isang fraction (half-Kelly o mas mababa pa): tumaya nang mas malaki kapag malakas at malawak ang konsensus, mas maliit kapag manipis, at kailanman ay huwag ilagay ang buong pundo sa iisang basa. Malakas na signal, maraming uncorrelated na boses na magkakasundo, mababang funding — iyon ang sandaling isasabak mo. Ang nag-iisang whale sa manipis na signal ay bahagya lang kikibo.

7. Kapag Nabasag ang Kalis: Correlation Risk

Ngayon ang tapat na bahagi, ang bahaging inililihim ng isang marketing pitch. May iisang failure mode ang Banal na Kalis, at structural ito: hindi constant ang ρ. Sa krisis, nagko-correlate ang lahat. Ang magaling na momentum trader, ang mean-reversion desk, ang stock-index swinger — sa marahas na liquidation cascade, silang lahat ay long risk na lang, at sabay-sabay silang dumurugo. Sumusugod ang ρ patungong 1, at sa mismong sandaling pinaka-kailangan mo ang diversification, gumuguho ang A(N, ρ) patungong 1×.

Parehong kurba ng limampung wallet. Ang 2.1× na edge sa panatag na regime ay puwedeng bumagsak sa ~1.1× kapag sumipa ang correlation. Hindi "nabibigo" ang diversification — ginagawa nito nang eksakto ang sinasabi ng matematika, kaya nga hindi puwedeng opsiyonal ang risk layer.

Hindi ito depektong dapat pagtakpan; ito mismo ang dahilan kung bakit ang risk management ay first-class citizen, hindi lang idinikit. Kailangang dinamiko at correlation-aware ang mga depensa:

• Bantayan ang realized intra-cohort correlation nang real time. Kapag tumalon ang ρ — ang senyales ng regime-shift — bawasan ang gross, higpitan ang vol target, at ituring na mas kulang sa impormasyon ang konsensus hanggang mag-normalize ito.
• Matigas na backstop sa ilalim ng mga malambot na iyon: per-position stop-losses, at isang portfolio-level na drawdown circuit na nagfa-flatten at nagpo-pause ng bagong risk pagkatapos ng threshold ng arawang lugi. Hinahangganan ng mga ito ang buntot; hindi nila sinusubukang hulaan ito.

Hindi dinisenyo ang strategy para iwasan ang pinsala sa buntot. Dinisenyo ito para hangganan ito, makaligtas dito, at nakatayo pa rin para i-compound ang 2× na edge sa natitirang 95% ng panahon.

8. Ang Modelo sa Live na Datos: Ang Huling 30 Araw

Mura ang teorya. Kaya narito ang huling tatlumpung araw ng cohort sa Hyperliquid, tinatrato nang eksakto sa paraang tinatrato ito ng modelo: ang realized daily P&L ng bawat wallet, na-normalize ayon sa account value nito, ay nagiging isang return stream; pinagsasama ang mga stream sa iisang equal-weight na libro — ang hive. Tatlumpu sa limampung wallet ang sapat na nag-trade sa loob ng window para magkaroon ng stream.

Bawat malabong linya ay isang miyembro ng cohort; ang makapal na linya ang equal-weight na libro. Nagkalat ang mga miyembro — may lumilipad, may naggigiwang lang pahalang. Ang hive ang makinis na landas na humahabi sa gitna nila: halos buong upside, kapiraso lang ng ligoy.

Hindi ang return ang pangunahing punto — ang hugis. Kumita ang hive nang mas malaki kaysa sa tipikal na miyembro habang halos sangkatlo lang ng drawdown ang tinanggap nito, na siyang Banal na Kalis na ginagawa nang eksakto ang ipinangako ng algebra: parehong drift, mas kaunting ingay. Ang realized amplification na ~3.4× ay dumadapo sa ilalim ng teoretikal na kisame na ~4.9× na ipinapahiwatig ng nasukat na correlation — realidad ng finite-sample, hindi pantasya ng libreng tanghalian.

Basahin mo ito nang may nararapat na mga babala. Realized closing P&L ito: binabalewala nito ang mark-to-market ng mga bukas pang position, kaya ang absolute volatility — at kaya rin ang absolute Sharpe — ay kulang ang pagkakatantya at hindi bilang na maipagtrade. Ang matibay ay ang ratio, kasi pareho ang paraan ng pag-compute sa numerator at denominator. At ang nasukat na ρ ≈ 0.01 ay halos tiyak na mas mababa sa tunay na economic correlation — kakaunti ang closing events at bihira magkatugma araw-araw — na siyang eksaktong dahilan kung bakit ang buntot ng §7, kung saan pumipilantik ang correlation patungong isa, ang nananatiling risk na mahalaga. Isang panatag na buwan ay ilustrasyon lang, hindi stress test.

9. Ang Dalawang Panig ng Trade

Para sa naglalagak. Nakukuha mo ang isang bagay na dati'y kailangan mo pa ng quant desk: isang diversified, risk-targeted, at tuloy-tuloy na na-rebalance na libro ng napatunayang on-chain alpha — nang hindi pumipili ng wallet, nakatutok sa chart, o inaaral kung ano ang Ledoit–Wolf estimator. Nananatiling non-custodial ang exposure; ang engine ang pumipirma ng trade, hindi kailanman ng withdrawal. Ang alok ay hindi "kopyahin ang isang henyo." Ito ay "ariin ang buong ensemble, na naka-engineer na ang risk."

Para sa protocol. Walang idinadagdag na token emissions ang modelo at walang inihuhulang presyo. Ito ay mas matalinong paglalaan ng risk sa mga signal na umiiral na, pinatatakbo nang transparent at awtomatiko, na may fees na nakahanay sa aktibidad at performance sa halip na patag na renta. Ang may-alam at pinagsama-samang daloy ay, tahimik lang, mabuti rin para sa price discovery sa mga venue na tine-trade nito.

10. Mga Limitasyon at Kapasidad

Walang tapat na quant na piyesang nagtatapos nang walang mga babala:

• Follower drag ay permanenteng buwis. Kailangang lampasan ito ng amplification net of fees at slippage; lalo na sa mga manipis na HIP-3 na libro, ang kalidad ng execution — hindi ng signal — ang nagpapasya sa P&L.
• Kapasidad at reflexivity. Nauubos ang edge kasabay ng laki. Gumaya ka ng sobrang kapital at magagalaw mo mismo ang mga merkadong binabasa mo, at nagsisiksikan ang signal. May hangganang AUM ceiling ang strategy at kailangang igalang ito ng pag-size.
• Estimation error at survivorship. Ang bawat Sharpe, bawat correlation, bawat hangganan ng cluster ay tinatantya mula sa finite, maingay, at bahagyang overfit na kasaysayan. Tumutulong ang shrinkage; hindi ito lunas.
• Ang buntot ng pagsipa ng ρ, na natalakay sa itaas, ang nangingibabaw na risk at ang dahilan kung bakit umiiral ang buong risk layer para hangganan ito.

Konklusyon

Ang alpha50 ay hindi pagtatangkang talunin ang merkado sa paghula. Pagtatangka itong i-engineer ang pinakamatandang libreng tanghalian sa pananalapi — diversification sa mga uncorrelated at positibong-edge na return stream — papunta sa isang return stream na wala pang nagpa-package sa mundo: ang live at napapatunayang kumbiksiyon ng pinakamagagaling na trader on-chain.

Nasa istruktura ng correlation nakatira ang edge. Buuin ang cohort para paliitin ito, timbangin ayon sa risk at shrunk na skill, i-size ayon sa volatility at fractional Kelly, at magbantay para sa regime kung saan magtataksil sa iyo ang correlation. Gawin mo iyan, at ang limampung maingay, madaling magkamali, at kayang-talunin-nang-isa-isang trader ay nagiging isang signal na mahirap talunin.

Iyan ang Banal na Kalis. Nakahanap lang kami ng bagong lugar para gamitin ito.

Panoorin nang live. Ipinapakita ng alpha50 hive dashboard ang live na kumbiksiyon ng cohort, ang mga bukas na position, at ang equity curve na may risk management — lahat, real time. Kapag handa ka nang paglingkuran ka ng ensemble, kopyahin ang strategy sa isang click — non-custodial, kung saan ang engine ang pumipirma ng trade at hindi kailanman ng withdrawal.