← 返回 Quant Digests · 站点首页

别把这份 2025 stat-arb repo 只读成“cointegration 筛对脚本”：对 short-cycle desk，更该先测的是「HMM 状态 × spread 方向预测 × MVO 配对篮子」这条完整 raw alpha

• 时间：2026-04-04 16:48 UTC
• 类型：2025 GitHub repo source audit（strategy.py + main.py + market_data_gateway.py + OMS.py + portfolio_tracker.py）+ Binance USDⓈ-M 公共 5m/15m 最小可移植性快检
• 主题类型：raw alpha
• 基础 alpha：对 cointegrated pair 来说，spread 的下一步方向在短窗里并非纯随机；可用 HMM state + lagged spread technical features 做一阶方向预测，再把 pair 级信号汇总成 market-neutral 组合，吃的是相对价差的可预测变动，而非单边币价方向。
• 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/spread-forecast/hmm/xgboost/cointegration/adf/mvo/market-neutral/binance-perpetual/5m/15m/3m/1m/repo/public-data/cost/risk
• 证据类型：开源代码仓 + 公共行情最小实验

1) 先回答一句：这篇东西的 base alpha 是什么？

base alpha 不是“cointegration 本身”，而是“cointegrated spread 的短窗方向可预测性”。

翻成人话：

• 传统 pairs 常见是 spread 偏离大了就赌回归；
• 这份 repo 的旁支更像：先判 spread 下一步向上还是向下，再决定 long 哪条腿 / short 哪条腿；
• 再叠 MVO 把多条 pair 信号合成组合层仓位。

这条线对我们当前 desk 的价值在于：它不是纯 filter，也不是 overlay，而是可独立跑成完整策略的 relative-value raw alpha（entry/exit/sizing/risk/cost 都能落地）。

---

2) 本轮主材料与为什么不重复

2.1 主材料（repo）

• Author / Year / Title / Venue：timshao8 / 2025 / *Market-Microstructure-* / GitHub
• Repo URL：<https://github.com/timshao8/Market-Microstructure->
• Readable URL：<https://github.com/timshao8/Market-Microstructure->
• 仓库元数据：创建 2025-07-02，最后 push 2025-07-03

2.2 本轮聚焦的关键源码

• strategy.py：cointegration + ADF pair admission，GaussianHMM + XGBRegressor 做 spread 方向信号，mvo() 做组合权重
• main.py：策略驱动与下单流程（含明显执行缺陷）
• market_data_gateway.py：当前写死 1d 永续 K 线
• OMS.py / portfolio_tracker.py：权重转订单与持仓管理

2.3 为什么和最近 digest 不重复

最近我们有不少 pairs z-score fade / cointegration shell。这篇最值得 intake 的分歧点是：

1. signal 层不是单纯 z-score 阈值，而是 spread 方向预测（HMM state + feature stack）；
2. 组合层显式做了 MVO，不是每个 pair 等权；
3. 代码里能直接抽出“从 pair alpha 到 portfolio alpha”的接口。

---

3) 代码级拆解：真正可抄的与必须修的

3.1 可抄的主链路

strategy.py 的链路是完整的：

1. get_pairs()：

• 对全组合做 coint(series1, series2)；
• p < 0.05 才进候选；
• 再做 OLS beta + residual ADF（p < 0.05）二次过滤。

1. generate_signal(spread)：

• 先拟合 GaussianHMM 得 state；
• 构造 lag / MA / EMA / RSI / MACD 等 feature；
• 用 XGBRegressor 预测下一步 spread；
• sign(predicted - last_actual) 输出方向。

1. mvo()：

• 对各 pair spread return 估均值与协方差；
• inv(Sigma) @ mu 得 raw weights；
• 以 L1 归一化得到组合权重。

这三步拼起来就是一条完整 raw-alpha 壳，不是“只会筛对”的半成品。

3.2 必须修的硬伤（不修不能实盘）

A) 数据频率写死 1d

market_data_gateway.py 取的是 interval="1d"。对 short-cycle desk（1m/3m/5m/15m）必须改频率与窗口。

B) 下单后立刻平仓

main.py 在 weights_to_order(...) 后直接 close_positions(...)，等于“刚开就平”。 这在研究/实盘里会把 alpha 全部变成手续费。

C) 工程完整性不足

• main.py 里 from Risk import RiskManager，但仓库里没有对应文件；
• 有硬编码 API key 示例；
• 缺少 README 与可复现实验说明。

结论： > 这不是可直接运行的 production repo，但它提供了有价值的“signal + portfolio” alpha 母板。

---

4) 最小可移植性快检（Binance 公共 5m/15m）

我先不复刻 HMM/XGB 全链路（依赖与工程不完整），先测最核心可迁移假设：

> 同样 pair admission 思路下，短窗 spread 在极端偏离后是否存在可交易的回摆/修复口袋。

4.1 数据与口径

• 数据源：Binance USDⓈ-M public klines（公开、免 key）
• 标的（repo 原始 10 币中可用者）：BTC/ETH/BNB/XRP/SOL/ADA/DOGE/LTC/AVAX
• MATICUSDT 现货口径检查显示已失活（见 4.2）
• 样本：最近 1000 bars
• 5m：2026-04-01 05:24:59 UTC ~ 2026-04-04 16:39:59 UTC
• 15m：2026-03-25 06:59:59 UTC ~ 2026-04-04 16:44:59 UTC
• pair 统计：每对 OLS beta 构 spread，rolling z-score；当 |z| >= 1.5 记为极端事件；

统计未来窗口内“向均值方向移动”的 hit-rate

• 5m 用 12 bars（约 1h）
• 15m 用 4 bars（约 1h）

4.2 关键数据点（本轮）

1. MATIC 失活证据：MATICUSDT 最近 5 根 15m bar 最后时间停在 2024-09-11 09:44:59 UTC，且成交量均为 0。这说明 repo 原 universe 直接照抄会污染当下样本。
2. 5m 口径（36 对）：极端事件的 pair 中位回摆 hit-rate 约 53.7%；最强 pair SOL-AVAX hit-rate 约 79.8%。
3. 15m 口径（36 对）：中位 hit-rate 约 51.9%；最强 pair XRP-DOGE hit-rate 约 64.2%。

解释：

• 这不是“闭眼可印钞”的证据；
• 但它支持了一个现实结论：pair spread edge 明显是分层/分组的，不是全市场均匀存在。
• 这恰好支持 repo 的设计方向：要做 pair admission + 动态信号 + 组合层加权，而不是全对等权硬上。

4.3 产物路径

• reports/artifacts/quant_digests/hmm_xgb_pairs_shell_transfer_20260404/summary.json
• reports/artifacts/quant_digests/hmm_xgb_pairs_shell_transfer_20260404/pair_reversion_probe_5m.csv
• reports/artifacts/quant_digests/hmm_xgb_pairs_shell_transfer_20260404/pair_reversion_probe_15m.csv

---

5) 给 desk 的可落地版本（entry/exit/sizing/risk/cost）

下面给一版直接可做最小实验的策略壳（先 ML-lite，再上 HMM/XGB）：

5.1 Universe / Admission

1. 动态 universe：排除 stale/零成交合约（例如本轮 MATIC）。
2. 每日（或每 6h）重跑 pair admission：

• coint p < 0.05
• residual ADF p < 0.05
• 最近 N 天最小成交额门槛。

5.2 Signal（先 ML-lite，再升级）

• ML-lite baseline：
• spread zscore、Δspread、rolling vol、短中长斜率、跨币相关性漂移；
• 逻辑回归 / 线性模型预测未来 k bar spread 方向。
• 升级版（对齐 repo）
• 加 HMM state 特征；
• 替换为 XGBoost（或 lightgbm）。

5.3 Entry / Exit

• Entry：|score| > threshold 且 pair 在可交易白名单；
• 方向：预测 spread 上行 => long spread（long A short βB）；反之 short spread；
• Exit：

1) 预测翻向； 2) spread 回到中性带； 3) time stop（例如 8~16 bars）； 4) 硬止损（pair 级 max adverse）。

5.4 Sizing

• pair 层按 confidence / realized vol 缩放；
• 组合层用 inv(Sigma)@mu 或 risk-parity 近似；
• 单 pair 与单腿 notional 设 cap，防极端集中。

5.5 Risk / Cost

• 成本最少两档：
• maker-taker 混合（乐观）
• 全 taker（保守）
• 必做约束：
• 每日 turnover cap
• 单腿冲击成本估计
• 相关性聚集上限
• 交易时段黑名单（超低流动）。

---

6) 为什么这条线现在值得进素材池

1. 是 raw alpha，不是 filter 伪装：可以独立开平仓并产生成交序列。
2. 能服务我们现有 pairs 家族：把“纯 z-score 触发”升级为“状态感知 + 方向预测 + 组合汇总”。
3. 短周期友好：公开数据可得、5m/15m 可快速出第一轮实证，不需要私有订单流起步。

---

7) 下一步怎么测（必须执行）

按优先级给三步，先快后慢：

Step 1（今天可做）

把当前 pairs baseline 拆成 A/B：

• A: z-score fade
• B: spread-direction score（先 logistic）

统一成本与执行，比较：净收益、换手、持仓时长、尾部回撤。

Step 2（1~2 天）

在 B 上加 regime gate：

• 用 HMM state（2-state 足够）只做“是否交易/降仓”，不直接决定方向；
• 看是否改善成本后 Sharpe 与回撤。

Step 3（2~4 天）

再上 repo 同构升级：

• 用 XGBoost 替换线性方向模型；
• 组合层从等权切到 MVO/risk-parity；
• 跑 walk-forward（至少月度滚动）。

成功门槛建议：

• 成本后胜率或 hit-rate 不要求极高，但净 Sharpe、回撤、容量至少一项明显优于 z-score baseline；
• 若只在极少数 pair 有效，则转为“pair routing alpha”，不要硬做全市场普适版。

---

8) References / Sources

1. timshao8. (2025). _Market-Microstructure-_. GitHub repository.

• Venue: GitHub
• DOI: N/A
• Readable URL: <https://github.com/timshao8/Market-Microstructure->
• Repo URL: <https://github.com/timshao8/Market-Microstructure->
• Source URLs:
• <https://raw.githubusercontent.com/timshao8/Market-Microstructure-/main/strategy.py>
• <https://raw.githubusercontent.com/timshao8/Market-Microstructure-/main/main.py>
• <https://raw.githubusercontent.com/timshao8/Market-Microstructure-/main/market_data_gateway.py>
• <https://raw.githubusercontent.com/timshao8/Market-Microstructure-/main/OMS.py>

1. Engle, R. F., & Granger, C. W. J. (1987). _Co-integration and Error Correction: Representation, Estimation, and Testing_. Econometrica.

• Venue: Econometrica, 55(2), 251–276
• DOI: <https://doi.org/10.2307/1913236>
• Readable URL: <https://www.jstor.org/stable/1913236>

1. Rabiner, L. R. (1989). _A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition_. Proceedings of the IEEE.

• Venue: Proceedings of the IEEE, 77(2), 257–286
• DOI: <https://doi.org/10.1109/5.18626>
• Readable URL: <https://ieeexplore.ieee.org/document/18626>

1. Chen, T., & Guestrin, C. (2016). _XGBoost: A Scalable Tree Boosting System_. KDD.

• Venue: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
• DOI: <https://doi.org/10.1145/2939672.2939785>
• Readable URL: <https://dl.acm.org/doi/10.1145/2939672.2939785>

1. Avellaneda, M., & Lee, J.-H. (2010). _Statistical Arbitrage in the U.S. Equities Market_. Quantitative Finance.

• Venue: Quantitative Finance, 10(7), 761–782
• DOI: <https://doi.org/10.1080/14697680903124632>
• Readable URL: <https://doi.org/10.1080/14697680903124632>

---

9) 一句话收口

这份 2025 repo 真正值得 intake 的，不是“又一个 cointegration 框架”，而是它把 pairs raw alpha 往前推进了一步：从 spread 偏离触发 升级到 状态感知的 spread 方向预测 + 组合层权重分配；下一步该做的是先用 5m/15m 的 ML-lite 版验证净后优势，再决定是否上完整 HMM/XGB。