源文件：research/quant_digests/2026-04-02_0018_hyperliquid-gold-silver-zscore-pairs.md
README.md + config.py + strategy.py + data_manager.py + trading.py + risk_manager.py + GitHub API metadata）long cheap leg / short rich leg 的 ratio-spread fadebase alpha = 15m Gold/Silver ratio 的极端偏离回归。
更具体地说：
spread = SILVER / GOLD；24 根 15m K 线算 rolling mean/std；zscore 明显偏离零轴时，做相对便宜腿、空相对贵腿；所以它首先是一条 raw alpha（relative-value / pairs mean reversion），不是纯 filter，也不是单纯 execution 讨论。
最近 digest 池里，pairs 方向已经积了不少 cointegration / OU / funding / basis。继续补当然可以，但这份 repo 的边际价值在于：
不先上 Johansen、不先上 Kalman，也不先搞复杂 hedge ratio，而是先问最基本的问题： “一个直接可交易的相对价格比，是否已经足够给出 15m 的均值回归边？”
15m。不需要先把日频论文硬压缩到分钟级，repo 本身就把 bar size 放在 15m，和 desk 当前默认口径是对齐的。
如果这条最简单的 ratio-spread shell 都能跑出东西，那么后面再加 cointegration、vol scaling、cost-aware sizing 才有意义；如果连这层都不行，就别急着上更复杂的统计套利壳。
换句话说，这轮值得 intake 的不只是“金银也能配对”，而是： 它给了我们一个能快速 A/B 的超轻量 pairs baseline。
braveheartcc33created_at: 2026-03-26T00:45:58Zpushed_at: 2026-03-26T16:57:18Zlanguage: Pythondescription: Hyperliquid silver/gold pairs trading strategy with Z-scorerepo 交易的是 Hyperliquid 上的：
xyz:SILVERxyz:GOLD数据抓取直接走 Hyperliquid public candleSnapshot API，默认：
INTERVAL = "15m"500 根 K 线--interval 60，即每 60s 刷一次状态这意味着它的最小复现实验门槛很低：公开数据、15m bar、轮询即可。
config.py 里核心参数写得非常直白：
INTERVAL = 15mLOOKBACK = 24ENTRY_SHORT = 2.0ENTRY_LONG = -2.5EXIT_THRESH = 0.1翻成人话：
24 x 15m = 6h 的 spread 历史做滚动标准化；z > 2.0 时，认为 SILVER / GOLD 比率太高，做 空 Silver / 多 Gold；z < -2.5 时，认为比率太低，做 多 Silver / 空 Gold；它不是对称的 ±2 入场：
+2.0-2.5平仓也不完全对称：
z < +0.1 就关；如果从入场 z-score 起算，回落超过 50% 也提前止盈z > -0.1 就关这很像一个 desk 里常见、但论文里不一定会写得这么实的判断： 同一条价差，两边的回归速度和可交易性未必一样，阈值不必强行镜像。
get_position_size() 里写的是固定资金占用：
position_pct = 0.880% 用于该组配对默认资金 10000 时，相当于：
80004000这不是生产级 sizing，但对第一轮研究反而有利，因为它让问题更清楚： 先看 alpha 本体，再看 sizing 优化。
repo 还有两个比“入场条件本身”更值得拿走的小部件：
10 轮10 轮大约就是 150 分钟内不重开同向/反向新仓（因为信号基于 15m bar，实际效果更接近跨多个轮询窗口的冷却）MAX_POSITION_IMBALANCE = 0.1对 short-cycle desk 来说，这两个部件都很有现实意义： 很多 pairs 回测不是死在 signal，而是死在重开过快和双腿失衡。
这不是“商品研究跑题”。
更准确地说，它和当前项目直接相关的地方在于：
只是把底层标的换成了 Hyperliquid 上可交易的 Gold/Silver，而不是 crypto-crypto 或 perp-perp。
我们最近已经收了很多重统计壳：ADF、Johansen、OU、Kalman、copula、basis normalization…… 这份材料的价值恰恰在于提醒： 先用最轻的 spread-z shell 做 benchmark，可能更容易分清 alpha 到底来自哪里。
例如之后完全可以把同一壳子搬到：
也就是： 这份 repo 最值钱的，未必是 Gold/Silver 这对资产本身，而是“15m ratio-z pairs shell”这套最小策略骨架。
因为它虽然已经给了：
但还缺两块 production 必需品：
这不减分，反而是它适合研究池的原因： 逻辑够清楚，复现够快，但还没到可以直接信它赚钱的程度。
目标不是赚多少钱，而是先回答： 这种最简单的 ratio-z shell，在公开 15m 数据上是否有 gross edge。
建议口径：
xyz:GOLD / xyz:SILVER15msilver_close / gold_closelookback=24z > 2.0 / z < -2.5+0.1 / -0.1 + 做空腿 50% 回落止盈50% of deployed capital5 / 10 / 15 bps 三档 friction ladder如果实验 A 连 gross 都不行，就先别迁移； 如果 experiment A 至少显示出可见的回归边，再做这一层：
BTC/ETH、ETH/SOL、BTC/total-alt basket proxy这一步非常关键，因为它能告诉我们： 最近很多 pairs edge，到底需要重统计工具，还是简单 spread 标准化就够。
我会优先扫这个而不是先扫 100 个别的参数：
(+2.0, -2.5)(+2.0, -2.0)(+2.5, -2.0)(+2.5, -2.5)因为这份材料真正有信息量的部分，不是“z-score 可做”，而是： 两边阈值不对称，可能比很多 fancy filter 更重要。
下一步先不要急着加 cointegration / Kalman / OU。先做一个最干净的 A/B：simple ratio-z shell vs heavy stat-arb shell。
具体顺序我建议：
15m 版本；一句话版： 先验证“最轻的 ratio-z pairs 壳子”能不能活，再决定是否值得把更多研究预算花在更重的统计套利层。
这份 2026 Hyperliquid repo 最值得 intake 的，不是“金银配对”这个表面题材，而是： 它把一条可直接落到 15m 的 relative-value raw alpha，压缩成了一个极轻量、可快速复现的 ratio-z baseline；而对当前 desk 来说，最该先测的正是这个 baseline 能不能在成本后活下来。
Repo: <https://github.com/braveheartcc33/hyperhedge>