← 返回 Quant Digests · 站点首页

别把这篇 2019 stat-arb 论文只当老派 ML demo：它真正值得 desk 先测的是「outperform-median 横截面多空」完整 raw alpha

• 时间：2026-03-27 11:23 UTC
• 类型：论文 + GitHub + Binance Futures 公共 5m 最小快检
• 主题类型：raw alpha
• 基础 alpha：横截面相对强弱延续——做多“未来 120 分钟最可能跑赢截面中位数”的币，做空最可能跑输的币
• 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/cross-sectional/relative-value/stat-arb/market-neutral/random-forest/lagged-returns/minute-data/top-vs-bottom/binance/perpetual/5m/15m/paper/repo/external-data/cost
• 证据类型：论文证据 + repo 代码 + 公共数据快检

1. 这次看了什么

这次看的是 Fischer, Krauss, Deinert (2019), _Statistical Arbitrage in Cryptocurrency Markets_，外加作者公开的 GitHub 代码仓。它不是在讲某个单币 breakout，而是在做一条更像 desk 素材池缺口的东西：minute 级横截面 market-neutral raw alpha。

2. 核心结论

• 一句话核心结论： 这篇东西的 base alpha 很清楚——不是“预测 BTC 涨跌”，而是用全市场 lagged returns 去排出未来 120 分钟的相对赢家和相对输家，再做多 top、做空 flop。
• 一句话它怎么证明： 论文在 40 个币的 minute 数据上训练随机森林，目标是预测“某币未来 120 分钟是否跑赢截面中位数”，然后做 top-3 / flop-3 多空，给出独立样本回测结果。
• 论文摘要给的 headline 数字很硬：样本外区间 2018-06-18 ~ 2018-09-17，在 超过 100,000 笔交易 后，策略仍有 7.1 bps/day 的成本后收益；论文口径交易成本是 15 bps per half-turn。
• GitHub 仓库把“怎么复现”讲得比摘要更值钱：crypto_forest_example.py 明确用了 1~20 分钟收益 + 120*x 分钟收益（直到 24h） 做特征；feature_generator.py 明确 target 是未来窗口收益离散成 2 档，本质就是“是否跑赢截面中位数”；kpi_backtest.py 还给了 top/flop 组合、staleness filter、交易成本入口。
• 我这里用 Binance USDT 永续 top10、5m bar、120 分钟持有、top3/bottom3、轻摩擦占位成本 做了最小 transfer check，2026-03-12 ~ 2026-03-26 的结果大约是 -20.8 bps/day，说明这条 alpha 不是拿来就能上，近期迁移先不过线。

3. 为什么和当前项目有关

这轮虽然不是近 5 年新文，但我还是把它插进来，原因很直接：它是少数把 raw alpha、entry/exit、组合构造、成本接口、代码骨架一次性给全的 crypto 短周期 market-neutral 主题。

对当前 desk，它的价值不在“再学一次随机森林”，而在于把一条可复刻主线说清楚：

• alpha 本体不是 breakout，也不是 pairs spread，而是 cross-sectional winner-vs-loser ranking；
• 组合层天然是 market-neutral，适合和当前单币 directional 素材池形成互补；
• 特征层极简，几乎全是 lagged returns，对 1m / 3m / 5m / 15m 都能快速落地；
• 即使 ML 版 transfer 暂时不活，也很容易拆出更便宜的 baseline：plain return-rank / horizon-stacked momentum / top-bottom spread。

3.5 策略拆解（必填）

• 方向属性：横截面 / 相对价值 / market-neutral
• 基础 alpha：未来 120m 截面相对强弱可由过去多窗口收益排序近似预测
• regime：更适合有足够横截面分化、币种间相关性未完全塌缩的时段
• filter / veto：staleness / 最低成交量 / 最低可交易币数 / 重大事件时段停机
• risk / sizing / execution overlay：等权 top-bottom、单币权重上限、sector cap、taker cost ladder、可改成 maker-first

4. 可复刻的最小实验

研究假设： 在 Binance/OKX 永续的 liquid universe 上，存在一条可被极简 lagged-return 排名近似复原的 120m 横截面 market-neutral alpha；若 paper 里的 RF 太重，简单线性/排序版也应先保留同方向雏形。

最小实验：

1. 取最近 60~120d 的 top 20~40 USDT perp，周期先做 5m，再平移到 15m。
2. 每个 bar 计算 1~12 bar、24 bar、48 bar、96 bar 收益；先不上复杂因子。
3. 目标定义成：未来 24 个 5m bar（或未来 8 个 15m bar）是否跑赢当期截面中位数。
4. 先跑三档模型：plain return rank / logit / RF；组合统一成 long top3, short bottom3, hold 120m。
5. friction ladder 至少跑 4 / 8 / 12 bps round-trip，再看净值、换手、正收益日占比。

5. 我对这条线的当前判断

这条线值得进研究池，但暂时不该直接进 admission。原因不是 paper 不清楚，而是我这次 public 5m quick check 已经先给了一个冷水：近期 Binance perp 迁移为负。所以它更像：

1. 一条很好的 横截面 market-neutral 原型母体；
2. 一个适合拿来做 plain-vs-ML / 5m-vs-15m / spot-vs-perp / top3-vs-top5 的标准化对照组；
3. 如果后续继续失败，就该把结论写死成：minute 级 XS stat-arb 在 2026 更可能需要更强的 universe/成本/执行约束，不能把 2018 的 edge 当常量。

6. 来源与可复用材料

1. Fischer, T., Krauss, C., & Deinert, A. (2019). _Statistical Arbitrage in Cryptocurrency Markets_. Journal of Risk and Financial Management, 12(1), 31.

DOI：<https://doi.org/10.3390/jrfm12010031> Readable URL：<https://cris.fau.de/publications/216708387/>

2. 作者公开代码仓：Statistical-arbitrage-in-cryptocurrency-markets

Repo URL：<https://github.com/Exceluser/Statistical-arbitrage-in-cryptocurrency-markets>

3. 本地最小快检笔记

Artifact：reports/artifacts/tmp_stat_arb_rf_5m_summary.txt