← 返回 Quant Digests · 站点首页

别把 same-underlier 多报价继续只做成单 pair z-score：这篇 2024 IJFS 更该先测的是「multi-spread conflict routing × no-idle-capital」完整 raw alpha

• 时间：2026-03-30 11:33 UTC
• 类型：2024 *International Journal of Financial Studies* 开放获取全文 PDF（arXiv accepted manuscript 可读）+ Binance Spot 公共 1m/5m/15m 多报价最小快检
• 主题类型：raw alpha
• 基础 alpha：同一标的在多个 quote 市场之间的相对错价会回归；当同一时刻出现多条 spread 偏离时，用 multivariate routing / risk-aware allocation 而不是单 pair 孤立下单，去吃 spread convergence
• 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/same-underlier/multiquote/multivariate/conflict-routing/capital-allocation/market-neutral/spot/binance/eth/usdt/usdc/fdusd/1m/3m/5m/15m/paper/public-data/cost
• 证据类型：开放获取全文论文 + 公共 Binance 多报价最小实验口径

1. 这次看了什么

这次主看：

• Hongshen Yang, Avinash Malik (2024)

_Optimal Market-Neutral Multivariate Pair Trading on the Cryptocurrency Platform_ *International Journal of Financial Studies*。

• DOI：10.3390/ijfs12030077
• Readable URL：<https://arxiv.org/abs/2405.15461>
• Journal DOI URL：<https://doi.org/10.3390/ijfs12030077>
• Data availability（文中声明）：Kraken 可下载历史 OHLCVT 数据

这篇 paper 的 headline 表面上像“又一篇 crypto pairs 论文”，但它真正对 desk 有价值的，不是再讲一次 spread 会均值回归，而是：

> 当同一标的在多个 quote 市场上同时出现多条 spread 偏离时，如何把“冲突信号 + 共享资金池”写成一个可执行的 capital router。

这点和我们最近几篇相近题材的 digest 有明显区别：

• 之前更常聚焦 pair-level signal：比如固定阈值、动态阈值、按 |z| 分层加仓；
• 这篇真正新增的是 bucket-level allocation：多个 spreads 同时亮灯时，不再一条一条各做各的，而是统一解决：
• 哪些腿其实在纸面上可以净掉；
• 哪些 quote 资金被重复占用；
• 哪些机会该优先给仓位。

所以这轮不是补一个老 pairs baseline，而是在补： same-underlier multiquote raw alpha 的“路由层 / 资金分配层”完整骨架。

2. 核心结论

2.1 先回答一句：这篇东西的 base alpha 是什么？

base alpha = same-underlier 多报价之间的相对错价回归。

更交易化地说：

• 同一标的（论文里是 ETH）同时对多个 quote（论文里是多种 fiat；desk 可换成 USDT / USDC / FDUSD）报价；
• 这些 quote 线之间会出现短时不同步；
• 当某一条或多条 spread 偏离其历史相对关系后，后续更值得先测的是 spread convergence / mispricing correction；
• 真正的增量不是“会不会回归”，而是：多条 spread 同时偏离时，怎么做得比一条一条 pair trade 更有效率。

所以它是明确的 raw alpha，不是 filter / regime / overlay。

2.2 论文里真正给出的完整策略部件

论文不是只给概念，实际上已经把完整骨架拆到了可复现程度：

1. 资产筛选（screening）

• 先选相关性高、协整关系稳定的 quote 资产进 bucket；
• 用 Pearson correlation + Engle–Granger cointegration 做形成期筛选；
• 明确排除会因为自身通胀/贬值而破坏 mean reversion 假设的 quote。

1. 入场 / 出场规则

• 对任意两条 quote 线，先算 log-price spread；
• 再做 z-score 标准化；
• 当 spread 偏离超过 open_threshold 开仓；
• 当 spread 回到 close_threshold 内平仓。

1. 多信号冲突处理

• 如果同一时刻多条 pair 都亮灯，传统 pair-by-pair 做法会出现：
• 同一 quote 被重复占用；
• 一边 long 一边 short 的相互抵消腿仍然各自付费；
• 部分资金闲置。
• 论文的核心增量就是承认这些问题真实存在，然后把它正式写进分配层。

1. 资金分配优化（最值钱的部分）

• 目标函数是：
• 最大化预期利润；
• 同时最小化组合波动；
• 用 λ 作为风险厌恶参数，把收益与风险做 bi-objective convex optimization；
• 约束里显式写了：
• 单条 pair 的 long/short 权重边界；
• 每个 quote 的总占用不能超过 100%；
• 按 underlying 单位回推后的 market neutrality。

1. 不要求外部裸卖空，也不要求把中间资产长期拿在手上

• 这是 paper 的一个很关键的 desk 友好点；
• 它不是那种“逻辑上 market-neutral，执行上其实偷偷假设你能无限借券 / 无限 borrow”的纸面策略。

2.3 论文最关键的结果数字

论文给了几个很适合拿来当 intake 判断基准的数据点：

• 5m 样本、λ = 1：年化收益 15.49%；
• 5m 样本、λ = 0.5（更激进）：年化收益 37.74%，Sharpe 1.11；
• 5m 样本、λ = 2（更保守）：年化收益 7.74%；
• 论文还给出：OTT 平均比 baseline distance method 高约 2.72 倍；
• 5m 全周期样本里，OTT 共做了 12,166 笔交易，
• 胜率 54.4%；
• win/loss ratio 1.19；
• 平均持有 5.09 小时。

这些数字不等于我们可以直接照抄实盘； 但它们足够说明： 这不是一篇只能产出 filter 的解释文，而是一条已经长出 entry / exit / sizing / risk 的完整策略线。

3. 为什么这轮值得进当前 desk 的研究池

这轮值得，不是因为“pairs 又多了一篇”。而是因为它刚好补了我们当前素材池里一个经常缺失的东西：

> pair-level alpha 很多，但 multivariate bucket 真到同时亮灯时，资金怎么路由，往往写得很含糊。

对当前短周期 desk，这条线有三点现实价值：

1. 它是 raw alpha，不是二层配件。

base alpha 很清楚，就是 same-underlier 多报价错价回归。

1. 它直接补的是完整策略的“执行内核”。

最近我们已经积累了很多“怎么定义 spread / 怎么挑阈值”的材料； 这篇更值钱的是补上： 多条 spread 一起动时，pair trade 该怎样统一分仓。

1. 它天然映射到 1m / 3m / 5m / 15m。

论文主结果含 1m / 5m / 60m； 而 desk 最小实验完全可以直接迁到： ETHUSDT / ETHUSDC / ETHFDUSD 或 BTCUSDT / BTCUSDC / BTCFDUSD 的公开多报价市场。

4. desk 口径的最小快检：Binance ETH 多报价

为了避免只停留在论文层，我用 Binance Spot 公共 K 线对 ETHUSDT / ETHUSDC / ETHFDUSD 做了一个极简快检。

4.1 快检口径

• 数据：Binance Spot 公共 klines
• 标的：ETHUSDT / ETHUSDC / ETHFDUSD
• 频率：1m / 5m / 15m
• 观察窗口：各频率最近 1000 根 bar
• 先做极简 pair-level proxy：
• spread = log(P_a / P_b)
• 形成期均值/标准差 = 样本内静态估计
• |z| > 2 开，回到 |z| < 0.5 平
• 注意：这只是最小 existence check，没扣手续费、没扣 stablecoin 再平衡成本、也没做真正 multivariate allocator。

4.2 结果：1m / 5m / 15m 都能看到可交易结构

#### 5m

• ETHUSDT vs ETHFDUSD：最近 1000 根里，极简规则共平掉 32 笔，平均持有 3.12 根，平均 gross spread-capture 3.60 bps；
• ETHUSDC vs ETHFDUSD：共 16 笔，平均持有 7.50 根，平均 gross 4.24 bps；
• ETHUSDT vs ETHUSDC：共 19 笔，平均持有 7.74 根，平均 gross 2.02 bps。

#### 1m

• ETHUSDT vs ETHFDUSD：共 28 笔，平均持有 3.39 根，平均 gross 2.78 bps；
• ETHUSDC vs ETHFDUSD：共 23 笔，平均持有 3.65 根，平均 gross 2.99 bps；
• ETHUSDT vs ETHUSDC：共 44 笔，平均持有 2.39 根，平均 gross 1.54 bps。

#### 15m

• ETHUSDT vs ETHFDUSD：共 18 笔，平均持有 8.50 根，平均 gross 3.81 bps；
• ETHUSDC vs ETHFDUSD：共 4 笔，平均持有 59.0 根，平均 gross 6.11 bps；
• ETHUSDT vs ETHUSDC：共 2 笔，平均持有 39.0 根，平均 gross 3.52 bps。

4.3 最关键的一条：多信号冲突是真问题，不是纸上问题

在最近 1000 根 5m bar 里：

• 至少有 108 根 bar 出现了 >=1 条 pair 信号；
• 其中有 37 根 bar 同时出现了 >=2 条 pair 信号。

在最近 1000 根 15m bar 里：

• 有 61 根 bar 出现 >=1 条信号；
• 其中 19 根 bar 同时出现 >=2 条信号。

这就是这篇 paper 值钱的地方。 如果绝大多数时候都只有单 pair 信号，那 multivariate router 只是装饰； 但现在 public quick check 已经说明：

> 多条 spread 同时亮灯并不稀有，资金冲突 / 腿抵消 / quote 占用重复是真实存在的。

5. 真正值得 desk 先抄的，不是“multivariate”这个词，而是下面这三件事

5.1 抄“路由层”，不是只抄 z-score

单条 spread 的 z-score 大家都会写； 难点在于：

• 两条或三条 spread 同时偏离时；
• 哪条优先；
• 哪些腿可以内净掉；
• 哪个 quote 先吃满预算；
• 是否该把多个 pair 合成一个 bucket trade。

paper 真正值得抄的是： 把这些执行上最脏的部分，提前写进 objective 和 constraints，而不是回测后拍脑袋补注释。

5.2 抄“每个 quote 不能被重复花”的约束

这是非常 desk 化的一点。 很多 paper 默认你每条 pair 都能独立下单，但真实情况是：

• USDT 资金同时被 USDT-USDC 和 USDT-FDUSD 两条 spread 想拿去做多/做空；
• 如果不做统一预算，你会得到假的容量、假的年化、假的 hit rate。

5.3 抄“market-neutral 要回推到 underlying 单位”

因为最终你买卖的是同一个 underlying， 所以中性不是嘴上说 long one pair / short another pair 就够了， 而是要把权重映射回 underlying 数量后再检查敞口是否真的接近零。

这点对同币多报价策略尤其重要， 不然你看似是在做 quote spread，实际上偷偷带了 ETH delta。

6. 对 1m / 3m / 5m / 15m 的最小实验怎么落

6.1 数据源与公开性

第一版直接用公开数据，不需要私有 feed：

• Binance Spot 公共 kline：先做最小 existence check；
• 若要进入 replication，再升级到：
• aggTrades
• bookTicker / depth snapshots
• 真实 maker/taker fee 假设
• 标的优先：
• ETHUSDT / ETHUSDC / ETHFDUSD
• BTCUSDT / BTCUSDC / BTCFDUSD
• 再考虑 SOL 多报价。

6.2 base alpha 的第一版定义

1. 形成期筛选

• rolling 7d / 14d 窗口；
• 只保留相关性高、spread 稳定的 quote 对；
• 第一版可以先用：
• corr > 0.95
• spread rolling std 稳定
• 或 Engle–Granger p < 0.05。

1. spread 信号

• 对 bucket 中每条 pair 计算：
• spread_ij = log(P_i / P_j)
• z_ij = (spread_ij - mean_ij) / std_ij
• 开仓：|z_ij| >= 2.0 或 rolling percentile >= 97.5%
• 平仓：|z_ij| <= 0.5

1. 方向翻译

• 如果 z(USDT-USDC) > 2，说明相对历史看，ETH 在 USDT quote 上更贵，

第一版就做：

• 卖贵腿；
• 买便宜腿；
• 目标是等 spread 回归。

6.3 multivariate router 的第一版实现

先别一上来就求最优解；可以先做一个诚实的两步版：

Step A：pair-level expected edge

• edge_ij = expected_spread_reversion_bps - fee_bps - slippage_bps - rebalance_cost_bps
• 只有 edge_ij > 0 的候选才进池。

Step B：bucket-level allocation 在同一时刻，若有多条 pair 候选：

• 按 edge / risk 排序；
• 每个 quote 设置 budget cap；
• 每个 pair 设置 max weight；
• 任何新增仓位都不能让某个 quote 的总占用超过 100%；
• underlying 净敞口必须在容忍带内。

第二版再升级成论文里的形式：

• 目标：max Σ(w * EP) - λ * portfolio_variance
• 约束：
• pair-level bounds
• quote-level budget bounds
• market-neutrality in underlying units

6.4 出场、风控、成本

出场

• base：|z| <= 0.5 平仓；
• timeout：
• 1m 最多持 10~20 bars
• 3m/5m 最多持 6~12 bars
• 15m 最多持 4~8 bars
• stop：若 |z| 扩到 3~3.5 仍未回归，强制减仓或止损。

仓位 / risk

• λ 先测 0.5 / 1 / 2 三档；
• bucket gross cap：例如单 bucket 不超过总资金 20%~30%；
• 单 quote 占用 cap：例如不超过 bucket 预算的 50%；
• 同时亮灯太多时，宁可截断，也不要假设无限资金。

成本

• 必须显式计入：
• maker/taker fee
• spread crossing cost
• quote 再平衡成本（尤其 USDC/FDUSD 不一定零摩擦）
• 零费时代结束后的 fee regime 变化
• 如果后续换到 perp 版本，还要加：
• funding
• borrow / carry
• inventory financing。

7. 这张卡最容易自欺的地方

7.1 把 stablecoin quote 差异误当“无风险送钱”

USDT / USDC / FDUSD 的差异有时确实会回归， 但有时它不是噪音，而是：

• quote 自身信用层级差异；
• 零费活动残留；
• 单一 quote 流动性/费率/用户结构变化。

所以不要默认所有 spread 都会强回归。 第一层就该先筛掉长期漂移、或 regime 明显变了的 quote 对。

7.2 只做 pair-level backtest，会夸大真实容量

如果三条 pair 同时亮灯，却让回测把同一份 USDT 重复拿去三次， 你得到的是假收益、假资金效率。

7.3 用 bar close 价替代可执行价，会高估净 edge

尤其在 1m / 3m：

• 实际上你看到的是 close，不是 fill；
• 真正能不能吃到 spread，需要 book 层验证。

所以这条线第一轮只负责证明“有结构”； 第二轮必须补 book / fee / queue realism。

8. 这篇 digest 最后的判断

结论：值得进研究池，而且是偏高优先级的 raw alpha / 完整策略主题。

但它值得进，不是因为论文证明了“pairs 还能赚钱”，而是因为它补上了一个更稀缺的部件：

> 当 same-underlier 多报价同时给出多条可交易 spread 时，如何把 signal selection、capital allocation、market-neutrality、quote budget 一次写完整。

对 desk 而言，这比继续补一个新的 pairs 阈值论文更值钱， 因为它直接服务后续复现与实盘组件拆解：

• signal layer：spread deviation
• routing layer：多信号冲突解算
• sizing layer：风险厌恶 / 预算约束
• execution layer：quote 再平衡与成本治理

9. 下一步怎么测

按下面顺序做，别一上来堆复杂优化：

1. 先做 pair-level baseline

• ETHUSDT / ETHUSDC / ETHFDUSD
• 1m / 5m / 15m
• 固定 z-open / z-close + 显式费用
• 先确认每条 spread 单独是否还有 gross edge。

1. 再做 bucket-level conflict audit

• 统计每个 bar 同时亮灯的 pair 数；
• 统计 quote 预算冲突发生率；
• 统计如果不做路由，会夸大多少名义占用。

1. 再比三种 allocator

• equal-weight pair-by-pair
• greedy edge/risk 路由
• 论文式 收益 - λ*风险 优化

1. 最后才接入更真实执行

• bookTicker / depth
• maker vs taker
• stablecoin 再平衡成本
• timeout / stop / queue realism

如果第三步已经能证明：

• multivariate router 相比 pair-by-pair 明显减少重复占用；
• 成本后仍保留可观净边；

那这条线就该升格到正式 replication queue。

10. 来源与链接

论文

• Authors: Hongshen Yang, Avinash Malik
• Year: 2024
• Title: *Optimal Market-Neutral Multivariate Pair Trading on the Cryptocurrency Platform*
• Venue: *International Journal of Financial Studies*
• DOI: 10.3390/ijfs12030077
• Readable URL: <https://arxiv.org/abs/2405.15461>
• Journal URL: <https://doi.org/10.3390/ijfs12030077>
• Repo URL: 未见作者公开官方 repo

数据与最小实验口径

• Paper data source: Kraken historical OHLCVT（文内 data availability）
• Kraken URL: <https://support.kraken.com/hc/en-us/articles/360047124832-Downloadable-historical-OHLCVT-Open-High-Low-Close-Volume-Trades-data>
• Desk quick-check data source: Binance Spot public klines
• Binance docs: <https://developers.binance.com/docs/binance-spot-api-docs/rest-api/market-data-endpoints#klinecandlestick-data>

这轮最该记住的一句话

别把同币多报价只做成“某一条 pair 的 z-score 触发器”；真正更值得 desk 先复现的，是 multi-spread 同时亮灯时的 conflict routing + no-idle-capital allocator。