← 返回 Quant Digests · 站点首页

别把 Kalman pairs 继续写成 `dynamic beta + rolling z-score`：这篇 2024 COMPSAC 更该先测的是「innovation-vol interval trigger × pair mean reversion」完整 raw alpha

更新时间：2026-03-30 23:33 UTC 研究时间：2026-03-30 23:28 UTC 类型：2024 IEEE COMPSAC 摘要元数据（OpenAlex/Crossref/DOI） + Binance USDⓈ-M Perpetual 公共 `15m` 最小 transfer check 主题标签：raw-alpha/pairs/stat-arb/relative-value/mean-reversion/kalman-filter/dynamic-beta/innovation-volatility/interval-forecast/hourly/15m/5m/1m/3m/paper/abstract-only/binance/perpetual/cost 证据类型：**摘要级论文证据 + 本地公共数据 transfer check**（注意：原文全文未开放拿到，这次 intake 只写能从摘要清楚推断、且已被本地快检验证过方向的部分）

源文件：research/quant_digests/2026-03-30_2328_kalman-innovation-interval-pairs-alpha.md

> 先把 base alpha 说清楚： > > 这不是“Kalman 只是更平滑的 filter”。真正的 alpha 本体，是 pair spread 的均值回归；innovation-vol interval 只是把 entry 从“看到偏离就上”升级成“只在偏离已经越过预测区间时才上”。

1. 这次看了什么

这次主看 You Liang, Aerambamoorthy Thavaneswaran, Juan Liyau, Areebah Muhammad, Thimani Ranathungage, Ruppa Thulasiram (2024) 的会议论文：

> _A Cryptocurrency Multiple Trading Strategy with Kalman Filter Innovation Volatility Interval Forecasts_ > *2024 IEEE 48th Annual Computers, Software, and Applications Conference (COMPSAC)* > DOI: 10.1109/COMPSAC61105.2024.00037

先说结论：

> 对我们 desk 来说，这篇东西最值钱的不是“Kalman + neural network”这几个词，而是它明确把 pairs raw alpha 的入场层改写成了：dynamic beta fair spread → innovation volatility interval → only breach then trade。

这和当前项目直接相关，因为我们库里 pairs / stat-arb 已经有：

相对还缺的，是一个更像 timing layer 的东西：不是只看 spread 已经偏多远，而是看它是否已经越过“本该容忍的 innovation 区间”。

2. 论文摘要里真正能确认的东西

由于本次拿到的是 摘要级证据，所以只写摘要里明确说到的内容，不乱补：

  1. 论文研究的是 market-neutral pairs / multiple trading，核心是利用 nonstationary but co-integrated asset prices 的 mean reversion。
  2. 作者不是只做普通 Kalman fair value，而是把 KF algorithm 和 KF innovation volatility interval forecasts 结合起来。
  3. 样本资产是 Bitcoin / Ethereum / Bitcoin Cash 的小时价格，样本场景明确写的是 bear market。
  4. 摘要直接给出的主结论是：
  1. 摘要还明确说：在 考虑 transaction costs 的情况下，interval-forecast 策略相较 point-forecast 策略依然表现出：

这已经足够支持一个很清晰的 desk 化读法：

> pair raw alpha 还是 spread MR，但触发器别继续死写 rolling z-score；更值得先测的是“当前 mispricing 是否越过预测 innovation-vol 区间”。

3. 这篇东西为什么值得进当前素材池

先回答一句：

> 它为什么比再补一篇 generic trend / breakout 更值得？

因为当前 desk 的 raw alpha 池虽然已经开始补 pairs / stat-arb，但很多还停在：

这篇 paper 提供的是另一种更像“结构升级”的读法：

3.1 alpha 本体没变，但 timing layer 变了

换成人话：

> 不是所有正 residual 都值得做空 spread，也不是所有负 residual 都值得做多 spread。更该做的，是等 residual 连“预测出来的容忍区间”都已经越过去。

3.2 它服务的是完整策略，而不是纯 filter

这不是那种“只能当 overlay 的小零件”，因为它可以独立定义：

所以它虽然是 pairs 里的 timing 改造，但本质上仍是 可单独落地的 raw alpha skeleton。

4. 最值得 desk 直接偷走的策略骨架

我会把这篇东西直接翻成下面这条策略：

4.1 Universe

先只做流动性足够、关系稳定的 majors pair：

4.2 Fair spread

用 Kalman 动态回归 持续更新：

4.3 Entry

不是 |zscore| > k，而是：

4.4 Exit

4.5 Sizing / veto

5. 本地最小 transfer check：Binance perpetual 15m

为了避免只在摘要上空转，这次我直接做了一个 paper → desk proxy：

5.1 代理实验怎么做

  1. point_forecast：看到 residual 偏离就每 bar 反着做一把
  2. rolling_band：传统 rolling residual std 阈值
  3. innovation_interval：用 innovation volatility proxy（EWMA interval）定义 entry threshold

注意：

5.2 总体结果：gross 上，interval 确实比 point / rolling band 更像样

本地汇总结果（3 个 pair 合并）：

这组数的意义非常直接：

> paper 里“interval 优于 point forecast”的方向，在我们 15m proxy 里是能看到 transfer 痕迹的。

而且不只是“比 point 好一点”，而是：

5.3 最好的 pair 是 BCH-ETH

在这组旧 paper trio 里，最强的是 BCHUSDT-ETHUSDT：

这说明：

> 在适配的 pair 上，innovation interval 不只是“过滤掉一部分噪声交易”，而是真的把单笔 spread 回摆质量抬上去了。

5.4 但别高兴太早：taker 成本仍然会把它杀死

按本地 proxy 的 8 bps round-trip 成本去看：

也就是说：

> 目前这条 transfer 更像“raw alpha 候选已出现，但还没过 execution / cost 生存线”。

它不是现在就能全天候 taker 硬跑的策略，至少还需要：

6. 这次该怎么定位：raw alpha，不是纯 overlay

这里要避免一个误读：

> innovation interval 不是单独的 filter 主题，它服务的是 spread mean reversion 这个 raw alpha。

如果只把它当 filter，会低估它的价值。更准确的说法是：

所以这轮 digest 的正确归类还是：raw alpha。

7. 为什么和当前学习进展直接相关

结合当前项目进度，这篇最合适的切入点不是“再做一篇 Kalman 论文综述”，而是：

  1. pairs 池已经有不少 spread/z-score 体裁，但“threshold 从哪来”还没挖够；
  2. desk 现在优先补 raw alpha，这篇仍然是 raw alpha，不是纯 gate；
  3. 它补的是 entry 机制，而不是再换一个同质化 pair selector；
  4. 它天然适合 15m 主时钟 + 5m execution 的两层实现。

用一句更短的话说：

> 这篇 paper 的价值，不在于证明 Kalman 很厉害，而在于提醒我们：pairs 的触发边界完全可以来源于 innovation interval，而不是只来源于 rolling std。

8. 下一步怎么测（必做）

8.1 先做 15m 正式 baseline，不急着压到 1m

下一步最小正式实验建议：

Universe

Signal

Entry

Exit

Cost

8.2 5m / 3m / 1m 应该怎么接

我的建议不是把这条线直接缩到 1m 开主策略，而是：

原因很简单：

8.3 最应该优先回答的 4 个问题

  1. interval threshold 是否稳定优于 rolling z-score？
  2. 这种优势只出现在旧 trio（BTC/ETH/BCH），还是对当前 majors 也成立？
  3. 必须要“预测区间”吗，还是简单 EWMA/GARCH innovation vol 就已经够用？
  4. 在哪个成本结构下它开始可活：maker-taker 还是必须 rebate 才行？

9. 当前结论（一句话版）

> 这篇 2024 COMPSAC 对我们最有价值的，不是“Kalman + NN”本身，而是把 pairs raw alpha 的入场层从 rolling z-score 改写成 innovation-vol interval breach；在本地 Binance 15m proxy 上，这个改写确实比 point / rolling band 更像样，但目前还没过 taker 成本线。

10. 文件与产物

11. 来源

  1. Liang, Y., Thavaneswaran, A., Liyau, J., Muhammad, A., Ranathungage, T., & Thulasiram, R. (2024). _A Cryptocurrency Multiple Trading Strategy with Kalman Filter Innovation Volatility Interval Forecasts_. 2024 IEEE 48th Annual Computers, Software, and Applications Conference (COMPSAC).
  1. Binance USDⓈ-M Futures API（本地 15m transfer check 数据源）