← 返回 Quant Digests · 站点首页
别先把 DNN 当主角：这篇 2026 pairs 论文里更值钱的是 dynamic co-integration spread 这条 raw alpha 骨架
更新时间：2026-03-23 09:57 UTC
研究时间：2026-03-23 09:58 UTC
类型：近 5 年论文 + 开源复现仓库 + Binance 公共数据最小快检
主题标签：pairs/stat-arb/relative-value/mean-reversion/dynamic-cointegration/zscore/dnn/lstm/repo/paper/crypto/5m/15m
证据类型：论文证据 + 工程证据 + 本地快检（可复现）
源文件：research/quant_digests/2026-03-23_0958_dynamic-cointegration-pairs-raw-alpha.md
- 时间：2026-03-23 09:58 UTC
- 类型：近 5 年论文 + 开源复现仓库 + Binance 公共数据最小快检
- 主题类型：raw alpha
- 基础 alpha：cross-asset relative-value / pairs mean reversion（动态均衡价差回归）
- 是否可独立复现：是
- 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：是
- 主题标签：pairs/stat-arb/relative-value/mean-reversion/dynamic-cointegration/zscore/dnn/lstm/repo/paper/crypto/5m/15m
- 证据类型：论文证据 + 工程证据 + 本地快检（可复现）
1. 这次看了什么
这次主看 Tsoku, Makatjane (2026) 的 *Deep learning-based pairs trading: real-time forecasting of co-integrated cryptocurrency pairs*，以及对应的开源复现仓库。对我们 desk 来说，最值得先偷的不是 “DNN/LSTM 预测器” 本身，而是更底层、也更容易先复现的 dynamic co-integration spread → z-score 回归 这条 raw alpha 骨架。
2. 核心结论
- 一句话核心结论： 这篇东西真正适合我们现在拿来做最小实验的 base alpha，不是“深度学习会算”，而是 跨币动态均衡偏离后，做 market-neutral 的价差回归。
- 一句话证明方式： 论文先用 rolling Johansen 找会随时间变化的均衡关系，再用 DNN/LSTM/DWE 预测 spread；仓库还把 look-ahead、退出状态机和 hedge-ratio turnover 问题补得更诚实。
- 论文摘要的关键信号不是“所有相关币都能做”，而是：只有动态关系仍然 coherent 的 pair，mean reversion 才值得交易。
- 仓库里最值钱的工程细节有 3 个：expanding percentile 防偷看未来、进入后持有到回归/超时的 finite-state exit、对 hedge ratio 做 EWM smoothing 以压 turnover；最后一个在仓库里把 hedge-ratio 换手压了约 72%。
- 对我们 desk 最重要的启发：先把 pairs/stat-arb 作为独立 raw alpha 家族补进素材池，不要继续只在 breakout / retest / trend filter 上内循环。
本地 15m 最小快检（Binance perp，2026-02-04 → 2026-03-23，rolling beta + spread z-score，entry=|z|>2，exit=|z|<0.25 or timeout=24 bars，双边成本粗估 6bps）结果：
ETH~BTC：42 笔，mean gross ≈ +3.48bps/trade，mean net ≈ -8.52bps/tradeSOL~ETH：43 笔，mean gross ≈ +0.32bps/trade，mean net ≈ -11.68bps/trade
读法要诚实：raw alpha 方向是对的，但“把日频论文直接压成 15m naive z-score 交易”还不够过成本。 这反而说明下一步该优先补的是 pair selection / regime / turnover control，而不是先堆更复杂模型。
3. 为什么和当前项目直接相关
- 它补的是我们当前明显稀缺的 raw alpha 家族：
pairs / stat-arb / relative value / mean reversion，不是又一个 filter。
- 它天然是 完整策略骨架：有 entry、exit、仓位配比、超时、成本与换手问题，不需要先依附 breakout/EMA 才能存在。
- 即使最后 DNN/LSTM 不上生产，
dynamic spread + z-score + beta smoothing + state exit 这套骨架也能直接进入 5m/15m 的 first-verdict 阶段。
3.5 策略拆解（必填）
- 方向属性：相对价值 / stat-arb / market-neutral mean reversion
- 基础 alpha：
spread_t = log(y_t) - beta_t * log(x_t) 偏离 rolling equilibrium 后向均值回归
- regime：仅在 rolling cointegration / ADF / half-life 稳定、且 funding/波动不极端时开机
- filter / veto：pair 失稳、结构断裂、成交额不足、重大事件时段、spread 过宽但 liquidity 不足
- risk / sizing / execution overlay：beta-neutral 或 dollar-neutral 配比、EWM 平滑 hedge ratio、time stop、gross leverage cap、双边成本和 funding 明确计入
4. 可复刻的最小实验（下一步怎么测）
- 研究假设： 在
1m/3m/5m/15m，不是所有主流币 pair 都有可交易回归；但对“关系稳定 + 换手可控”的 pair，dynamic spread mean reversion 可能成为独立 raw alpha。
- 最小定义：
- 候选池：
BTC/ETH/SOL/BNB 两两成对
beta_t：rolling OLS 或 rolling Johansen（先从 OLS 开始）z_t：对 spread 做 rolling z-score- 入场：
|z_t| > 2.0
- 出场：
|z_t| < 0.5 或 max_hold 到期
- 仓位：按
1 : beta_t 做 beta-neutral，并对 beta_t 做 EWM smoothing
- 最小回测切口： 先跑
ETH/BTC、SOL/ETH、BNB/ETH 的 15m，样本 60~90 天；若有希望，再下钻 5m/3m。
- 先看 4 个指标：
post_cost_expectancy、turnover/day、mean-reversion hit ratio、timeout exit ratio。
5. 风险与保留意见
- 论文主体是 日频 设定，不能把它的表现直接偷渡成 15m 结论。
- pair trading 最容易死在 关系断裂 + 成本 + 高频重平衡，不是死在“信号不会回归”。
- DNN/LSTM 在我们当前阶段不是第一优先；若 raw spread 本体过不了 first verdict，先别让模型复杂度掩盖问题。
- 本地快检目前只说明“naive 15m 直接移植不够”，不说明这条 raw alpha 应该放弃。
6. 来源
- Tsoku, J. T., & Makatjane, K. (2026). _Deep learning-based pairs trading: real-time forecasting of co-integrated cryptocurrency pairs_. Frontiers in Applied Mathematics and Statistics.
- M-man2591. (2026). _deep-learning-crypto-pairs-trading_. GitHub repository.
7. 本地复现产物
reports/artifacts/quant_digests/dynamic_pairs_proxy_20260323/summary_normalized.csvreports/artifacts/quant_digests/dynamic_pairs_proxy_20260323/trades_15m_ETHUSDT_BTCUSDT.csvreports/artifacts/quant_digests/dynamic_pairs_proxy_20260323/trades_15m_SOLUSDT_ETHUSDT.csvreports/artifacts/quant_digests/dynamic_pairs_proxy_20260323/BTCUSDT_15m.csvreports/artifacts/quant_digests/dynamic_pairs_proxy_20260323/ETHUSDT_15m.csvreports/artifacts/quant_digests/dynamic_pairs_proxy_20260323/SOLUSDT_15m.csv