← 返回 Quant Digests · 站点首页

别把 stat-arb 篮子管理只当组合层：这篇 2025 MBSA 论文更该先测的是「moving-band spread 的 top-N Markowitz 篮子」raw alpha

• 时间：2026-03-25 22:53 UTC
• 类型：2025 Journal of Asset Management 论文 + 2024 Optimization and Engineering 伴随方法论文 + 官方 repo + Binance Futures 公共 15m 最小快检
• 主题类型：raw alpha
• 基础 alpha：若一组 spread / residual 组合本身围绕 rolling midpoint 来回摆动，那么 base alpha 仍是这些 moving-band stat-arb 的均值回归；2025 这篇文章新增的，不是另一个 overlay，而是“当同时有多条 raw alpha 在跑时，怎样用 cost-aware / risk-aware Markowitz 把它们装成一个可交易篮子”
• 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/stat-arb/relative-value/mean-reversion/moving-band/markowitz/basket-construction/top-n/risk-budget/cost-aware/binance/perpetual/15m/5m/paper/repo
• 证据类型：全文论文证据 + 官方 repo + 本地公共数据快检

> 先回答 base alpha：这不是单独的 risk overlay。base alpha 还是 spread / residual 偏离 rolling midpoint 后的回归。 之所以这轮值得写，是因为 desk 最近已经补了很多 pair selection / Hurst / dynamic factor / PCA residual，但还缺一张更上层的卡：当你已经有一批可交易 spread 时，不要默认 equal-weight 硬堆；应先问“哪些该进篮子、每条给多少权重、成本和风险约束后还剩多少边”。

1. 这次看了什么

主线其实是两篇连着看的论文 + 一个官方代码库：

1. Kasper Johansson, Thomas Schmelzer, Stephen Boyd (2025), _A Markowitz Approach to Managing a Dynamic Basket of Moving-Band Statistical Arbitrages_, Journal of Asset Management
2. Kasper Johansson, Thomas Schmelzer, Stephen Boyd (2024/2025), _Finding moving-band statistical arbitrages via convex–concave optimization_, Optimization and Engineering
3. 官方 repo：cvxgrp/cvxstatarb

一句话讲人话：

• 2024 那篇先回答“什么样的组合可以算 moving-band stat-arb”；
• 2025 这篇再回答“如果你同时找到了很多条 stat-arb，怎么把它们装进一个真的能交易的 long-short 篮子”。

对当前 desk 最相关的，不是美股背景本身，而是它把 relative-value raw alpha 拆成了两层：

• alpha discovery：找到会围绕移动中枢摆动的 spread；
• alpha allocation：在多条 spread 同时活跃时，用 cost / risk / size limit 决定谁上、上多少、什么时候自然退场。

这正好衔接我们最近的学习进展：

• 近期 intake 已经补了 Hurst pairs / dynamic factor residual / stable pair selection / PCA residual / same-coin multi-quote；
• 但这些大多还停在“先找到 spread，再开仓”；
• 这篇补的是下一层：raw alpha 不只要会找，也要会装篮子。

2. 核心结论

• 一句话核心结论： 不要把多条 stat-arb 默认 equal-weight 拼盘；对于同时活跃的 moving-band spread，alpha_t = μ_t - p_t 本身就能进入一个 cost-aware / risk-aware Markowitz 问题，进而决定 top-N 配置与再平衡节奏。
• 2024 伴随方法论文把单条 MBSA 讲清楚了：
• 组合价格：p_t = s^T P_t
• rolling midpoint：μ_t = (1/M) Σ p_τ
• alpha：α_t = μ_t - p_t
• 也就是：价格低于移动中枢就偏多，高于中枢就偏空。
• 2025 主论文真正值钱的地方，是把多条 active MBSAs 记成 S_t=[s^(1)...s^(K_t)]，然后在每期求一个长短仓组合 q_t，最大化：
• alpha exposure
• 减去 trading cost
• 减去 shorting cost
• 同时满足 cash-neutral、collateral、per-MBSA size cap、risk budget。
• 这相当于把“spread 发现”和“spread 配资”彻底拆开：先承认 raw alpha 是 spread 回归，再单独优化如何把多条 spread 放进组合。

3. 3 个关键数据点

1. 论文实证不是 toy sample。 2025 主论文用的是 CRSP 15405 只股票、2010-01-04 到 2023-12-30、共 3282 个交易日；每 21 个交易日 搜一次新 MBSA，每天做一次 Markowitz 再平衡。
2. 绩效很硬。 论文 Table 给出的组合层结果是：年化收益 19%，年化波动 12%，Sharpe 1.61，最大回撤 15%。
3. 它不是靠 market beta 吃饭。 论文还给了：residual return 18%，beta 11%，information ratio 1.53；也就是说，作者想要的不是“再来一个跟市场一起涨的 long-short 壳”，而是低相关 relative-value alpha。

4. 为什么和当前短周期 desk 有关

4.1 它服务的是哪类 raw alpha

• 分类：relative-value / stat-arb / mean-reversion raw alpha
• 不是：
• 纯 risk overlay
• 纯 portfolio cosmetics
• 只解释不落地的组合理论

4.2 它补的是当前素材池里还缺的一环

最近几轮 raw alpha intake 已经能找到很多“可交易 spread”：

• Hurst anti-persistence
• dynamic factor residual
• PCA residual
• stable pair selection funnel
• volume-ranked lead-lag spread

但如果后续实盘真进入“同一时刻多条 spread 同时亮灯”，会立刻遇到几个现实问题：

1. 是否所有 signal 都该上？
2. equal-weight 会不会把相关腿重复堆满？
3. 成本、再平衡、资金占用如何限制？
4. 某条 stat-arb 老化后，怎么自然退场？

这篇就是直接回答这几个问题的，而且回答方式很 desk：不是再造黑箱，而是把它写成一个透明的 convex / SOCP 组合问题。

3.5 策略拆解（必填）

• 方向属性：market-neutral / relative-value / stat-arb
• 基础 alpha：单条 MBSA 的 α_t = μ_t - p_t，即 spread 相对 rolling midpoint 的回归
• entry：默认不是二元开关，而是让 α_t 连续进入仓位优化；实务里可叠加 |z| / top-N 门槛
• exit：
• α_t 回落
• spread 老化 / decommission
• 风险预算或 size cap 逼仓位自然缩小
• sizing：通过 q_t 解一个 Markowitz 问题，而不是每条 spread 固定 equal-weight
• risk：论文用 ||Σ_t^{1/2} q|| <= σ c 约束的是“组合偏离各自 midpoint 的波动风险”，不是只看普通资产收益协方差
• cost：目标函数里显式扣掉 trading cost 与 shorting cost
• decommission：单条 MBSA 活跃期后，size cap ξ_t^(k) 可线性降到 0，让组合自然淘汰旧 spread

5. 这篇论文最值得直接偷的 4 个细节

1. 把 alpha 定义在 stat-arb 自己的价格空间里。 不是先预测资产收益，而是先构造 spread 价格 p_t，再用 μ_t - p_t 做 alpha。
2. risk 也定义在“偏离中枢”的空间里。 论文不是直接把风险写成普通 return variance，而是估计 (p_t-μ_t) 的协方差，再约束 q。这点很适合 spread desk。
3. 组合层显式现金中性。 论文要求 p_t^T q = 0，避免“看起来是 stat-arb，实际上偷带市场 beta”。
4. 老 spread 不是靠主观拍脑袋下架。 论文让每条 MBSA 在生命周期后半段逐步缩到 0；这比 desk 上常见的“一刀切删掉”更平滑，也更利于控制换手。

6. 本地最小快检：把它翻成 Binance 15m spread 篮子后，值不值得继续？

我做了一个明确不 faithful，但很适合 desk first verdict 的 proxy：

• 数据：Binance USDⓈ-M Futures 公共 15m K 线
• 样本：2026-01-06 20:15 UTC ~ 2026-03-25 23:00 UTC
• 标的：BTC / ETH / BNB / SOL / XRP / ADA
• spread：两两配对，spread = logA - β logB，β 用 rolling OLS
• alpha proxy：(rolling midpoint - spread) / rolling std
• 活跃集：每个 bar 只留 |z|>1.8 且 <2.6 的 top-2 spread
• 组合层：每 16 根 15m bar（约 4h） 再平衡一次，对比
• naive equal-weight top2
• Markowitz-smoothed top2（带持仓惩罚与单 spread cap）

6.1 关键结果

1. 管理层确实有增益，但不大。 不计成本时：

• naive：+8.31%，Sharpe 2.37
• Markowitz-smoothed：+9.30%，Sharpe 2.61

1. 2 bps 后差距开始有意义。

• naive：-1.28%，Sharpe -0.28
• Markowitz-smoothed：-0.21%，Sharpe +0.03

这说明 basket 管理层至少能把边保住一点，不至于 equal-weight 一上成本就直接塌得更快。

1. 但 4 bps 仍然过不去。

• naive：-10.02%
• Markowitz-smoothed：-8.89%

也就是说，这条线当前更像 15m spread discovery + 低频篮子再平衡框架，还不是 15m bar-close taker 成熟策略。

6.2 这组快检该怎么读

• 好消息：论文强调的“不要 equal-weight 硬堆”在 crypto transfer 上有点用。
• 坏消息：当前这版 proxy 的换手仍偏高，4 bps 下还活不下来。
• 所以更诚实的 desk 定位是：
• raw alpha 本体成立；
• 篮子管理层有边际改善；
• 但第一站应是 15m 生成 spread 候选 + 1h/4h 再平衡 + 5m 执行切片，不是直接 bar-bar 冲。

7. 这条线现在该怎么放进研究池

我的判断：值得进池，而且优先级不低。

原因不是它证明了一个新的 headline alpha，而是它把我们已经积累的一堆 raw alpha 候选，接上了“怎么真正装成一个篮子”的下一段工程骨架。对 desk 来说，这很关键：

• 之前的 intake 更像“找到 spread”；
• 这篇开始回答“多个 spread 同时活跃时，怎么避免互相打架、怎么做 cost-aware 筛选、怎么让老 signal 自然退场”。

8. 下一步怎么测

1. 别再用全 pair 暴力扫。 先把已有 intake（Hurst、dynamic factor、PCA residual、same-coin quote spread）产出的候选 spread 喂给这个组合层。
2. 把再平衡再放慢一档。 重点测 15m signal + 1h / 4h rebalance + 5m execution，不要急着做 15m bar-close taker。
3. 把 no-trade / decommission 写成显式实验。 比较 top-1 / top-2 / top-3、线性退场窗口、持仓惩罚 λ，对 turnover 和净收益的影响。
4. 补真实 perp friction ladder。 至少分层测 2 / 4 / 6 bps、maker fill ratio、funding carry、深度容量；这条线非常容易“毛收益有、净收益没”。
5. 做与 equal-weight 的 A/B 固化。 后续凡是新 spread basket，都默认先对比：equal-weight、inverse-vol、Markowitz-smoothed 三种篮子层，不再只报 signal 本体。
6. 若 15m/4h 能活，再下钻 5m。 5m 更像 execution 与 inventory slicing 层，而不是第一版 alpha 发现层。

9. 风险与保留意见

• 论文主实证是 美股日频，不是 crypto；当前本地结果只能算 desk transfer 审计。
• 我这里的 proxy 没有 faithful 复刻 2024 论文里的 MBSA discovery，而是用 rolling OLS beta spread + midpoint z-score 近似。
• 当前 active 比例仍偏高，说明候选 spread 的 admission 还不够苛刻；若不先压缩 turnover，成本仍会吞掉净值。
• 所以它现在最诚实的标签应是：raw alpha 篮子化骨架已成立，但短周期落地要靠更慢再平衡与更强成本治理。

10. 来源

1. Johansson, K., Schmelzer, T., & Boyd, S. (2025). _A Markowitz approach to managing a dynamic basket of moving-band statistical arbitrages_. Journal of Asset Management, 26(4), 377–385.

• DOI: 10.1057/s41260-025-00405-3
• Readable URL: https://web.stanford.edu/~boyd/papers/portfolio_of_SAs.html
• DOI URL: https://doi.org/10.1057/s41260-025-00405-3

1. Johansson, K., Schmelzer, T., & Boyd, S. (2025). _Finding moving-band statistical arbitrages via convex–concave optimization_. Optimization and Engineering, 26, 1203–1224.

• DOI: 10.1007/s11081-024-09933-0
• Readable URL: https://web.stanford.edu/~boyd/papers/cvx_ccv_stat_arb.html
• DOI URL: https://doi.org/10.1007/s11081-024-09933-0

1. Repo: cvxgrp/cvxstatarb

• Repo URL: https://github.com/cvxgrp/cvxstatarb

1. Binance Developers – USDⓈ-M Futures Kline/Candlestick Data

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

11. 本地产物

• reports/artifacts/quant_digests/mbsa-markowitz-basket-probe_20260325_2253/summary.json
• reports/artifacts/quant_digests/mbsa-markowitz-basket-probe_20260325_2253/nav_curves.csv
• reports/artifacts/quant_digests/mbsa-markowitz-basket-probe_20260325_2253/asset_weights_markowitz.csv
• reports/artifacts/quant_digests/mbsa-markowitz-basket-probe_20260325_2253/README.md