← 返回 Quant Digests · 站点首页

别把 crypto pairs 继续只做静态 z-score：这份 2026 新 repo 更该先抄的是「5m cointegration pair + graduation + daily throttle」完整 stat-arb 操作系统

• 时间：2026-03-31 11:25 UTC
• 类型：2026 GitHub 新仓库（README + selection / execution / daily guard 核心源码细读）
• 主题标签：raw-alpha/pairs/stat-arb/relative-value/mean-reversion/cointegration/graduation/risk-overlay/daily-throttle/bybit/perpetual/5m/15m/repo/live-results/cost/execution
• 证据类型：仓库（README + 4 个核心源码文件 + 自带 execution 导出）
• 主题类型：raw alpha
• 基础 alpha：对 cointegrated perp pairs 做 spread z-score 均值回归交易，只让通过统计检验且最近实盘/回测表现达标的 pairs 升级进 live book，再叠加日内 profit-lock throttle 与 daily stop
• 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

1. 这次看了什么

这次不是再补一个“pairs 也能做”的概念卡，而是补一个 能直接拆成 production skeleton 的 2026 repo：

• 作者把系统拆成 selection layer + execution layer + daily guard；
• 信号不是抽象地说“价差回归”，而是落成了 5m 更新、5m 半衰期、分级 pair 池、分块下单、逐日节流；
• README 里给了作者自报的 live test 指标（2025-06 ~ 2025-11）：
• 704 笔交易
• 64.6% 胜率
• Profit Factor = 1.22
• Balance return = 35%
• Max drawdown = -4.36%

最重要的是：这份仓库虽然 不是开箱即跑（缺 DB schema / config / credentials），但它已经把 desk 真正关心的 5 件事写清楚了：

1. pair 什么时候能进 live 池
2. entry 到底用什么阈值
3. 仓位怎么随流动性和 beta 变化
4. 什么条件平仓
5. 日内赚了/亏了以后，系统如何自动降速或停机

2. 先回答：这篇东西的 base alpha 是什么？

这篇东西的 base alpha 很清楚：

• 对两条高相关 perp 价格序列估一个 hedge ratio；
• 构造 spread = P1 - beta × P2；
• 当 spread 的 z-score 偏离足够大 时，做 short rich leg / long cheap leg；
• 持有到 spread 回到中线、PnL 命中阈值、或 cointegration 失效。

所以它不是单纯 filter，也不是只有风险管理。 核心 alpha 本体就是 cointegration spread mean reversion。

repo 真正有价值的旁支，在于它把这个 raw alpha 外面又包了两层 desk 很缺的可复现组件：

• pair graduation / admission layer
• daily throttle / daily stop overlay

3. 为什么它值得进当前 desk 的研究池

当前池里已经有不少 pairs / stat-arb 题材，但很多还停留在：

• 只讲 pair formation
• 只讲 z-score entry
• 只讲某个 fancy filter（copula / Kalman / graph）
• 很少把 entry / exit / sizing / risk / concurrency / daily governance 一次说全

这份 repo 的价值恰好在于：

1. 它仍然是 raw alpha，不是“pairs 旁边的一层 gate”；
2. 它给的是完整 operating system，而不是单点 feature；
3. 它天然服务 5m / 15m：

• selection 以 5m bar 刷新
• 监控循环 30s
• 进出场采用 chunked execution
• hold horizon 由 spread half-life 决定

1. 它很适合 desk 做最小实验：先不用追求全自动 pair discovery，先用一个小 pairbook 就能开始跑。

4. repo 里最值得先抄的，不是“cointegration”四个字，而是三层结构

A. Pair 质量层：不是所有 z-score 都配进 live

selection 端先在 5m 上更新 pair 状态：

• 用 OLS 估 hedge ratio
• 计算 spread、z-score、半衰期 HL
• 计算 cointegration 检验：
• ADF
• p-value
• Hurst

核心统计门槛来自源码：

• ADF <= -2.9
• p-value <= 0.05
• Hurst <= 0.45
• HL > 0
• |last_spread| < 1.2 × hl_spread_med

这其实已经不是“看到价差大就上”，而是： 只有看起来真的像均值回复 spread 的 pair，才有资格进入 execution 候选池。

B. Graduation 层：pair 要先证明自己最近还能赚钱

SQL-DB-Stat-upd-5.py 里还有一层特别 desk 化的东西：pair level assignment。

repo 会基于最近 60d、最多 30 笔交易的统计，把 pair 打成 Level_0 / 1 / 2：

• Level_30 = L2 条件：
• n >= 15
• win_rate >= 0.55
• reward_risk >= 1.1
• Expect_30 = 1
• Level_30 = L1 条件：
• n >= 5
• win_rate >= 0.50
• Expect_30 = 1
• 然后 live Level_2 的最终条件更严：
• Expect = 1
• Coint = 1
• num_trades > 20
• level30 in (L1, L2)

这点很关键： repo 不是“组合搜索出 pair 就长期持有信仰”，而是让 pair 先通过最近表现的毕业考试。

对 desk 来说，这比继续空谈“pair selection 最优算法”更值钱，因为它直接给了一个可测 admission layer：

• raw alpha：spread mean reversion
• gate：recent realized expectancy graduation

C. Execution / overlay 层：让 alpha 以更像真实 desk 的方式活下来

execution bot 里最有意思的，不是单独某个阈值，而是它把交易写成了完整流程：

1. 候选选择

• 只从 Level_2 挑
• 避免资产重叠
• ORDER BY Num trades ASC, ABS(last_z_score) DESC
• 最多 4 个并发 pair

1. entry 触发

• 预筛要求 ABS(last_z_score) 达到半衰期相关门槛的 90%
• 对更长半衰期的 pair，提高预筛门槛：
• HL < 60 -> 2
• HL < 100 -> 2.5
• HL < 140 -> 3
• else 3.5
• 正式进场端要求 |z| >= 2
• 同时要求 |z| < 5，避免追太离谱的异常点

1. sizing

• 用 beta-normalized hedge 决定双腿 exposure
• 控制腿取 5m 成交额更小 的那条腿
• 另一腿按 beta_norm 配比，但把 beta_norm clamp 在 [0.8, 1.2]
• 单腿最小 notional 500 USDT
• 最大 leverage 5x
• 若触发日内 throttle，则 exposure 直接减半

1. execution

• 不是一笔梭哈，而是按 100 USDT chunk 分块开平
• chunk 之间暂停 3s
• 监控循环 30s

1. exit

• pnl% >= pair_tp：止盈
• pnl% <= -pair_sl：止损
• 超过 HL × 5min 后若 cointegration 丢失：退出
• 若 |z| >= 6 且 cointegration 丢失：退出
• 若 z-score 穿过 0：退出

这比“z-score 回到 0 就平”多了一整层真实交易语义。

5. 对短周期 desk，最值得抄的其实是「raw alpha + graduation + daily guard」三段式

如果把它 desk 化，最值得先测的不是“完全 faithful 地重建它的数据库工程”，而是下面这条更小、但仍然忠于仓库精神的版本：

策略骨架

• 方向：pairs / stat-arb / relative-value / market-neutral
• alpha 本体：cointegrated spread mean reversion
• admission layer：recent realized expectancy graduation
• risk overlay：daily TP throttle + daily SL block

为什么这个版本最适合先做

因为它同时满足四件事：

1. base alpha 清楚：spread MR
2. 能独立交易：不是别人的附庸 gate
3. 能快速实验：公开 K 线即可启动第一版
4. 能直接接实盘组件：pairbook、sizing、chunk execution、daily risk 全都可落地

6. 我认为 repo 最有价值的“旁支想法”

如果只抄 headline，大家会说： “哦，这不就是 cointegration pair trading 吗？”

但对我们 desk，真正更有价值的其实是 旁支：

旁支 1：graduation 比更花哨的 signal 更重要

很多 pair 策略死，不是因为 spread 信号完全没信息，而是因为：

• 某个 pair 的边已经衰退
• 但系统还在机械复用老 pair

这个 repo 用 60d / max 30 trades 的 recent expectancy 去做升级/降级，给了一个很诚实的 pair rotation 框架：

• 先承认 pair alpha 会过期
• 再决定 pair 能不能继续占用 live 预算

这很适合直接服务我们后续所有 pairs / stat-arb 线，而不只是这一篇 repo 本身。

旁支 2：日内 profit-lock throttle 很适合 crypto 24/7 desk

daily_guard_2.py 不是只会“亏到某处就停机”。它还做了一个更有意思的东西：

• 日内收益达到 1% -> 开启 throttle
• 下一档阈值翻倍到 2%
• 再到 4%、8% ……
• throttle 状态下新仓 exposure 直接打半
• 若日内 PnL 到 -3% -> block 当天不再开新仓

这不等于 alpha 本体，但它非常适合当 shared risk overlay：

• 顺风日减少回吐
• 逆风日直接停手
• 不需要低频宏观数据
• 可以直接挂到 1m / 3m / 5m / 15m 的任何快策略上

旁支 3：control leg 用低流动性腿，比“固定等额双边”更 desk 化

仓位这块它不是死板地 1:1 配，而是：

• 先看两腿 5m dollar volume
• 让 流动性更差 的那条腿当 controller
• 先 cap controller exposure
• 再按 beta 扩到另一腿
• 若另一腿超 cap，再双边一起缩小

这给了我们一个很现实的 sizing 原则： stat-arb 的容量，应该由更难成交的那条腿决定。

7. 这条线的明显短板

这 repo 不是神谕，明显短板也要写清：

1. 缺数据库 schema / 配置 / 凭证

• 说明它更像“可读 operating blueprint”，不是开箱复现包。

1. live 成绩是作者自报，暂时没有独立审计

• 704 trades / 64.6% / PF 1.22 / +35% / -4.36% 可当线索，不能直接当事实真相。

1. pair formation 仍不够透明

• repo 核心更强的是 execution + governance；
• 真正的 pairbook 生成似乎部分依赖外部维护的 list1.csv / 预先筛选流程。

1. 部分参数仍偏经验化

• 例如 |z| >= 2、|z| < 5、z_exit = 6、daily TP = 1%、daily SL = 3%，需要 desk 自己再做敏感度测试。

但即便如此，它仍然值钱，因为： 它把“pair alpha 如何活成一个日常可跑系统”这件事写得比大多数论文都具体。

8. 对我们最像最小实验的版本

实验目标

先验证： cointegration spread MR 在 5m / 15m crypto perp 上，是否只有叠 recent-graduation 与 daily-throttle 后，才更像能活的完整策略。

最小实验口径

Universe

• Binance 或 Bybit USDT perp，过去 30d ADV 前 20~30 个币
• 上线满 120d
• 去掉长期限价保护 / 极低价 / 异常 funding 币

Pairbook（第一轮别贪大）

• 先人工/半自动选 10~15 组高相关 pair
• 可优先同 beta / 同 sector / 同叙事（L1、meme、AI、exchange 等）
• 先不做全组合爆搜

Signal

• bar：5m
• rolling OLS beta
• spread z-score
• ADF / p-value / Hurst / HL
• 只有通过：
• ADF <= -2.9
• p <= 0.05
• Hurst <= 0.45
• HL > 0

才允许进候选

Entry

• baseline：|z| >= 2
• strong version：按 HL 分桶提高门槛（2 / 2.5 / 3 / 3.5）
• hard cap：|z| < 5

Sizing

• 用较低 5m ADV 腿控制双边容量
• beta-normalized 双腿敞口
• beta clamp 到 [0.8, 1.2]
• 单腿最小 notional 300~500 USDT

Exit

• z cross 0
• pair TP / SL
• HL timeout + coint lost
• |z| >= 6 + coint lost

Overlay

• 日内 +1% 开始半仓 throttle
• 日内 -3% 当天停手

Cost

• 第一轮先用 6 / 10 / 15 bps per side 三档
• 另记 funding、maker/taker 占比与 chunk execution 滑点

9. 我会怎么排优先级

如果只给一次实验预算，我不会先做“全自动 pair discovery + 全自动毕业系统 + 实盘接单”三件套。

我会按下面顺序：

1. 先测 raw alpha 本体

• 小 pairbook
• |z|>=2
• z cross 0 平仓

1. 再加 graduation

• recent 60d / 30 trades 的 expectancy gate

1. 最后加 daily guard

• +1% throttle
• -3% daily stop

也就是先回答三个问题：

• spread MR 本体有没有边？
• admission layer 是不是比“继续堆 fancy signal”更值钱？
• daily throttle 到底是在保利润，还是只是在砍交易数美化？

10. 我的判断

这篇 repo 最该进研究池的，不是因为它证明了“pairs 很强”，而是因为它给了一个很难得的东西：

raw alpha + pair graduation + daily risk governor 的完整可复现骨架。

如果要继续扩 desk 的 raw alpha 素材池 / 实盘组件池，我会给它一个相当高的优先级，因为它同时补了三块：

• pairs alpha 本体
• pair-level admission
• shared daily overlay

其中最值得复用到别的线上的，不一定是 z-score 本身，反而是：

• recent expectancy graduation
• profit-lock throttle
• low-liquidity-leg controller sizing

11. 下一步怎么测

直接做一个 A/B/C 三层递进实验，不要一步上 production：

1. A = raw spread MR baseline

• 5m
• |z| >= 2
• z cross 0 exit
• 不加 graduation，不加 daily overlay

1. B = A + graduation

• 只交易 recent 60d / max 30 trades 里 Expect_30 = 1 的 pair
• 对比 trade count、胜率、PF、成本后净值

1. C = B + daily throttle / stop

• 日内 +1% 后新仓半仓
• 日内 -3% 后停手
• 对比回吐、MDD、收益偏斜、活跃天数

第一轮输出至少要有：

• pair-level PnL 分布
• graduation 前后 retained pairs 数量
• throttle 触发频率
• daily stop 触发频率
• gross / net Sharpe
• PF
• MDD
• turnover
• 平均持仓时长
• 单腿 ADV 占比

如果结果显示：

• A 就死透：这 repo 的价值降级为 execution/risk overlay 参考，不再把它当主 alpha。
• A 有边，B 明显更稳：优先保留 graduation，把它作为 pairs 主线的 admission 标配。
• B 有边，C 只是在大幅砍单：daily guard 只能算 risk overlay，不能拿来伪装 alpha 改进。
• C 同时降低回撤且回吐收窄：daily throttle 可升级为跨 alpha 的 shared component。

12. 来源

1. Anton Velychko (2026). _statistical_arbitrage_trading_system_V1_. GitHub Repository.

• Venue: GitHub
• DOI: 无
• Readable URL / Repo URL: https://github.com/velychkoanton-stack/statistical_arbitrage_trading_system_V1

1. Anton Velychko (2026). _README.md_ — live results / architecture / system overview. GitHub Repository file.

• Venue: GitHub
• DOI: 无
• Readable URL: https://github.com/velychkoanton-stack/statistical_arbitrage_trading_system_V1/blob/main/README.md

1. Anton Velychko (2026). _selection/SQL-DB-Coint-upd-6.py_ — 5m spread / half-life / ADF / Hurst / z-score update logic. GitHub Repository file.

• Venue: GitHub
• DOI: 无
• Readable URL: https://github.com/velychkoanton-stack/statistical_arbitrage_trading_system_V1/blob/main/selection/SQL-DB-Coint-upd-6.py

1. Anton Velychko (2026). _selection/SQL-DB-Stat-upd-5.py_ — pair graduation / recent expectancy / level assignment logic. GitHub Repository file.

• Venue: GitHub
• DOI: 无
• Readable URL: https://github.com/velychkoanton-stack/statistical_arbitrage_trading_system_V1/blob/main/selection/SQL-DB-Stat-upd-5.py

1. Anton Velychko (2026). _execution/Level_2_CFT_bot_07-12-2025.py_ — candidate selection / dynamic leverage / chunked execution / exit rules. GitHub Repository file.

• Venue: GitHub
• DOI: 无
• Readable URL: https://github.com/velychkoanton-stack/statistical_arbitrage_trading_system_V1/blob/main/execution/Level_2_CFT_bot_07-12-2025.py

1. Anton Velychko (2026). _execution/daily_guard_2.py_ — profit-lock throttle / daily stop overlay. GitHub Repository file.

• Venue: GitHub
• DOI: 无
• Readable URL: https://github.com/velychkoanton-stack/statistical_arbitrage_trading_system_V1/blob/main/execution/daily_guard_2.py