← 返回 Quant Digests · 站点首页

别把 pairs 只做单对 z-score：这篇因子模型论文更值钱的是“多对冲篮子 + stationary-F2 gate”的 stat-arb 骨架

• 时间：2026-03-23 22:31 UTC
• 类型：论文 + 工程仓库 + Binance 公共数据最小快检
• 主题类型：raw alpha
• 基础 alpha：cross-sectional / relative-value stat-arb（用公共因子拆出共同趋势后，交易相对价差的均值回归）
• 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（但需先过短周期成本与换手生存线）
• 主题标签：raw-alpha/stat-arb/pairs/relative-value/dynamic-factor/stationary-gate/regime/cost/turnover/crypto/5m/15m
• 证据类型：论文证据 + 工程实现启发 + 本地快检

1) 这次看了什么

先回答 base alpha：不是“预测单币方向”，而是“剥离共同趋势后做相对价差回归”。主材料是 Figá‑Talamanca, Focardi, Patacca (2021) 的动态因子 + 多 pair 市场中性框架；工程侧补了一份可快速改成 crypto 的开源 stat-arb 引擎（OLS / Rolling / Kalman 三路对照）。

2) 核心结论

• 一句话核心结论： 对我们 desk，更值得抄的不是“某一对 coin 的 z-score 阈值”，而是先做 common-trend 拆分，再只在 F2 仍稳定时开多空篮子。
• 一句话证明方式： 论文先做 cointegration + 动态因子估计，再把交易收益映射到第二因子（stationary 因子）并给出含交易费后的累计表现；我补了 15m 最小快检验证可迁移边界。

3 个关键数据点（论文 + 本地）：

1. 论文在 BTC/ETH/LTC/XMR（日频，2016–2019）中识别到两因子结构：λ1≈0.9962（接近单位根）与 λ2≈0.9823（更偏平稳）。
2. 论文报告在其样本期内，含交易费后策略净累计收益仍为正（文中 Table 6，c=0.2 时 net 统计优于 c=0 的高换手版本）。
3. 我用 Binance 15m（BTC/ETH/LTC/XRP，近 3000 bars）做“逐 bar 重平衡”的 toy 迁移，结果 gross 仅 +0.08 bps/bar、net -15.92 bps/bar（按 16 bps round-trip 口径）——说明短周期里先被成本打穿，不能直接照搬。

3) 为什么和当前 desk 直接相关

这条线属于可独立复现的 raw alpha（relative-value / stat-arb），不是继续给 breakout/retest 做附件过滤。并且它天然能拆成完整策略组件：

• entry：由因子分解后的相对价差偏离触发；
• exit：价差回归、超时退出、或 regime 失效退出；
• sizing：按 beta/因子暴露做 market-neutral 配比；
• risk：stationary-F2 gate + 结构失效停机；
• cost：显式交易费/滑点/资金费率口径。

3.5 策略拆解（必填）

• 方向属性：relative-value / market-neutral / mean-reversion
• 基础 alpha：多币共同趋势可被因子吸收，剩余相对价差存在回归段
• regime：仅在第二因子仍可视为平稳（或足够远离单位根）时交易
• filter / veto：|λ2-1| 过小、结构突变、成本超阈值时 veto
• risk / sizing / execution overlay：beta-neutral 权重、换手上限、成交成本闸门、分批执行

4) 可复刻最小实验（5m/15m 起步）

• 数据源：Binance Spot Klines（公开可得）
• 公开性：公开 REST，无私钥
• 更新频率：1m/3m/5m/15m 都可直接拉取
• 最小口径：BTC/ETH/LTC/XRP，滚动窗 L=960（15m 约 10 天）估计两因子；仅当 λ2 < 0.995 且成交成本假设可覆盖时开仓
• 首看指标：

1) gross/net bps per traded bar； 2) turnover（每 bar 换手腿数）； 3) λ2 分布与收益条件分布（检验 stationary gate 是否真有信息）

5) 下一步怎么测（直接可执行）

1. 先做门控再做 alpha：把 stationary-F2 gate 从单阈值升级为分桶（λ2<0.98 / 0.98~0.995 / >=0.995），比较每桶净收益。
2. 降换手版本优先：从“逐 bar 重平衡”改为“信号翻转才调仓 + 最大持有 bars”，先测试成本生存线。
3. 5m→3m 下钻只对通过 15m 的币篮子：先过 15m net>0 的币篮子再下钻，不做全池盲扫。
4. 补全实盘口径成本：手续费、滑点、maker/taker 混合、资金费率（若迁移到 perp）四档敏感性。

6) 风险与保留意见

• 论文主证据是日频与 2016–2019 环境，直接外推到 2026 高频会失真。
• PCA 近似的 toy 迁移会天然压低因子相关性，不等价于论文完整估计流程。
• 若不控制换手，short-cycle stat-arb 很容易“毛利为正、净利为负”。

7) 来源

1. Figá‑Talamanca, G., Focardi, S., & Patacca, M. (2021). _Common dynamic factors for cryptocurrencies and multiple pair-trading statistical arbitrages_. Decisions in Economics and Finance.

• DOI: 10.1007/s10203-021-00318-x
• Readable URL: https://doi.org/10.1007/s10203-021-00318-x

1. Sung, E. (2026). _statistical-arbitrage-engine_ (GitHub repository).

• Repo URL: https://github.com/eddiesung111/statistical-arbitrage-engine

1. Binance Spot API Docs (Klines).

• Readable URL: https://developers.binance.com/docs/binance-spot-api-docs/rest-api/market-data-endpoints#klinecandlestick-data

8) 本地产物

• reports/artifacts/quant_digests/dynamic_factor_multispread_probe_20260323/bar_results.csv
• reports/artifacts/quant_digests/dynamic_factor_multispread_probe_20260323/summary.json