← 返回 Quant Digests · 站点首页

别把 pairs 默认从 cointegration 开始：这篇近 5 年论文更该先测的是「Distance-first 选对 + trade-buffer/cost 治理」完整 raw alpha 骨架

• 时间：2026-03-24 16:33 UTC
• 类型：近 5 年论文 + stat-arb 开源仓库 + Binance 公共数据最小快检
• 主题类型：raw alpha
• 基础 alpha：跨币种配对价差的短周期均值回归（relative-value / stat-arb）
• 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：raw-alpha/pairs/stat-arb/relative-value/mean-reversion/distance-method/correlation/cointegration/trade-buffer/commission/cost/binance/1m/3m/5m/15m/paper/repo
• 证据类型：论文证据 + 工程仓库 + 本地公共数据最小快检

1. 这次看了什么

先回答 base alpha：这篇东西的 base alpha 是“配对价差偏离后回归均值”，不是单纯 filter。主论文是 Ko 等（2023 online / 2024 print）对 crypto pairs 六种选对方法的对比；工程侧补了 ryanczm/Crypto-Stat-Arb 里可直接借用的 trade_buffer + commission + funding 回测骨架。

2. 核心结论

• 论文给的最重要信息不是“pairs 能不能做”，而是：在他们样本里，Distance 选对法在 1m/5m/60m 都是稳健前排。文中给出的 Distance 总收益分别是 208.12%（1m）/236.31%（5m）/210.36%（60m）（Binance、30 币、2022-01-01~2022-03-31）。
• 同一论文还给出一个对 desk 很实用的旁支：在 1m/5m 上 Cointegration 与 Hurst 表现“接近 Distance”，但在 60m 上 Distance 在风控与成功率维度更稳，说明先用 Distance 做候选池，再让更重方法做二次筛选是更实操的路线。
• 本地最小快检（Binance USDT perp 5m，8 个主流币，2025-12-01~2026-03-24，3d lookback、日频换对、entry z=2、pair round-trip 成本=20bps）里，绝对收益仍为负，但 Distance 依然优于相关系数选对：
• Distance：avg -180.16 bps/对-日，win-rate 24.24%，110 天累计 -594.54%
• Correlation：avg -197.38 bps/对-日，win-rate 14.24%，110 天累计 -651.36%
• 翻成人话：方法排序优势存在，但“没过成本线”就不是可交易 alpha。先解决执行与换手，再谈更复杂模型。

3. 为什么和当前项目有关

• 这条线直接补的是 desk 当前最该补的 pairs / relative-value / stat-arb raw alpha 素材池，不是再做一层泛 filter。
• 对 1m/3m/5m/15m 的现实价值：可以先从 5m/15m 建立可执行骨架，再下钻 3m/1m；流程上与现有 first-verdict → clean replication 完全兼容。
• Crypto-Stat-Arb 仓库里已有可借鉴的交易摩擦治理：commission_pct=0.0015 与 trade_buffer=0.05 的回测接口，适合直接嫁接到 pairs 框架，避免“理论有 edge，实盘被换手吃光”。

3.5 策略拆解（必填）

• 方向属性：相对价值 / 配对均值回归（market-neutral 倾向）
• 基础 alpha：配对 spread 的偏离回归（z-score reversion）
• regime：波动分层（高波动降权或停做）、交易时段分桶（亚洲/欧盘/美盘）
• filter / veto：
• 一级：Distance 选前 N 对
• 二级：Cointegration/Hurst/半衰期阈值（二选一即可）
• 三级：流动性与点差门槛（不达标 veto）
• risk / sizing / execution overlay：
• sizing：对内 equal-risk，组合层做 gross/net cap
• execution：next-bar + no-trade buffer，减少微小再平衡
• cost：显式手续费+滑点+冲击阶梯；先过 cost cliff 再扩交易数

4. 可复刻的最小实验

• 研究假设：在短周期 pairs 里，Distance-first 选对可作为更快、更稳的候选池入口；alpha 是否存活取决于成本与换手治理。
• 最小可复现实验口径：
• 数据源：Binance Futures fapi/v1/klines（公开、5m 可持续更新）
• 标的：先 8~12 个高流动 perp（BTC/ETH/SOL/BNB/XRP/DOGE/ADA/LINK…）
• 周期：5m 执行，15m 做 regime gating；再下钻 3m
• 先看 3 个指标：

1) 成本后 avg net bps/trade； 2) trade_count 与 win_rate 的交换比； 3) veto 前后 turnover 与净收益变化。

• 下一步怎么测：

1) 补齐 Cointegration/Hurst 分支（当前环境缺 statsmodels，先装依赖后与 Distance 同口径对照）； 2) 做 cost ladder（8/12/16/20 bps）+ trade_buffer（0/2%/5%/8%）二维网格； 3) 把“选对频率”从日频改为 12h/6h，检验 turnover-信号衰减最优点； 4) 仅保留“流动性×点差”达标 pair，观察是否从负毛利回到可生存 pocket。

5. 风险与保留意见

• 本地快检只是 first verdict，不是论文精确复现；当前结果仍未过成本线。
• 论文样本期较短（3 个月）且市场状态特定，迁移到当前市场需做分段稳健性。
• 如果只看“方法排名”不看执行约束，会高估真实可交易性。

6. 来源

1) Ko, P.-C., Lin, P.-C., Do, H.-T., Kuo, Y.-H., Mai, L. M., & Huang, Y.-F. (2024). *Pairs trading in cryptocurrency markets: A comparative study of statistical methods*. Investment Analysts Journal, 53(2), 102–119.

• DOI: 10.1080/10293523.2023.2268386
• Readable URL: https://doi.org/10.1080/10293523.2023.2268386
• Venue URL: https://www.tandfonline.com/doi/full/10.1080/10293523.2023.2268386

2) ryanczm. (2024). *Crypto-Stat-Arb* (GitHub repository).

• Repo URL: https://github.com/ryanczm/Crypto-Stat-Arb
• README URL: https://raw.githubusercontent.com/ryanczm/Crypto-Stat-Arb/master/readme.md
• Backtest notebook URL: https://github.com/ryanczm/Crypto-Stat-Arb/blob/master/stat-arb-backtest.ipynb

3) Binance Developers. *USDⓈ-M Futures API – Kline/Candlestick Data*.

• Readable URL: https://developers.binance.com/docs/derivatives/usds-margined-futures/market-data/rest-api/Kline-Candlestick-Data

4) 本地最小快检 artifact（2026-03-24）

• reports/artifacts/quant_digests/pairs_distance_vs_corr_probe_20260324/summary.json
• reports/artifacts/quant_digests/pairs_distance_vs_corr_probe_20260324/distance_pairday_stats.csv
• reports/artifacts/quant_digests/pairs_distance_vs_corr_probe_20260324/correlation_pairday_stats.csv