← 返回 Quant Digests · 站点首页

别把 Hurst 继续只当 regime gate：这篇 2025 *Computational Economics* 论文更该先测的是「GHE 选对 × spread mean reversion」pairs raw alpha

• 时间：2026-04-06 01:15 UTC
• 类型：2025 *Computational Economics* 论文（Springer 摘要页）+ 2024/2025 companion papers 元数据 + GitHub 工程骨架 + Binance 公共 5m/15m portability probe
• 主题类型：raw alpha
• 基础 alpha：pairs / stat-arb / relative-value 的 spread mean reversion；GHE / Hurst 在这里首先用于 pair formation / pair ranking / admission，不是事后加的一层宏观 filter
• 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/generalized-hurst-exponent/ghe/hurst/pair-selection/admission-layer/threshold/orf/binance/crypto/5m/15m/paper/repo/public-data/cost/risk
• 证据类型：论文证据（主论文摘要级 + companion paper 摘要级）+ repo 工程骨架 + 本地最小 portability probe

> 先回答一句：这篇东西的 base alpha 是什么？ > > base alpha = spread 偏离后向均值回归 的 pairs / stat-arb raw alpha。 > 这轮最值钱的不是把 Hurst 当抽象状态分数，而是把它前移成 pair selection / pair ranking / entry admission 的一部分：先选更像会回归的 pair，再做 spread z-score 交易。

1. 这次看了什么，为什么这轮值得写它

这轮主看 4 份材料：

1. José Pedro Ramos-Requena & Mahmut Bağcı (2025). _Analysis Pairs Trading Strategy Applied to the Cryptocurrency Market_. *Computational Economics*.

• DOI：10.1007/s10614-025-11149-y
• Readable URL：https://link.springer.com/article/10.1007/s10614-025-11149-y
• DOI URL：https://doi.org/10.1007/s10614-025-11149-y
• 关键信息（摘要页可见）：作者用 generalized Hurst exponent (GHE) 做 pairs trading，样本跨 2022~2023，并明确写出 out-of-sample 也验证了稳健性；相较 Distance / Correlation / Cointegration 三类 pair selection baseline，GHE 方法表现更好。

1. Mahmut Bağcı & Pınar Kaya Soylu (2025). _The Optimal Threshold Selection for High-Frequency Pairs Trading via Supervised Machine Learning Algorithms_. *Computational Economics*.

• DOI：10.1007/s10614-025-10958-5
• Readable URL：https://doi.org/10.1007/s10614-025-10958-5
• 关键信息（Crossref 摘要）：对 50 个 crypto-assets 构建 HFPT 数据集，输入特征包括 mean / variance / skewness / kurtosis / VaR / correlation，并把 pair 分成 positive / weak / negative correlation 三组；Random Forest 是最稳的 threshold 区间分类器，且 2024-01~2024-02 test set 也能工作。

1. Mahmut Bağcı & Pınar Kaya Soylu (2024). _Classification of the optimal rebalancing frequency for pairs trading using machine learning techniques_. *Borsa Istanbul Review*, 24, 83–90.

• DOI：10.1016/j.bir.2024.12.004
• Readable URL：https://doi.org/10.1016/j.bir.2024.12.004
• 关键信息：同一研究线继续把 rebalancing cadence / ORF 拉出来单独治理，说明这条线并不只是“选对 pair”，而是默认你后面还要把 阈值 + cadence + 风险治理 一起补全。

1. sharathStack (GitHub). _Statistical-Arbitrage-Pairs-Trading-Engine_.

• Repo URL：https://github.com/sharathStack/Statistical-Arbitrage-Pairs-Trading-Engine
• 关键信息（README）：给出了一个很像 desk 第一版工程骨架的实现顺序：EG/Johansen -> OU/HL -> Hurst regime -> z-score entry/exit -> portfolio correlation cap。

这轮值得写它，原因很简单：

• 最近一篇 digest（2026-04-05_1852_pairs-orf-rebalance-governor.md）补的是 overlay / cadence governor，不是 raw alpha；
• 现在更该补的是 这条 pairs 研究线本身的 alpha 主体；
• 而这篇 2025 论文给的不是“又一个 generic pairs”，而是 pair formation 本身往 anti-persistence / roughness 方向前移 的版本；
• 对当前 desk 来说，这比继续只写某个事后 veto 更像可复现素材池里的真东西。

2. 一句话核心结论 + 它是怎么证明的

一句话核心结论

别把 Hurst 只放在 entry 后面当 filter；对 short-cycle desk，更值得先测的是：用 GHE / Hurst 先挑出更像会回归的 spread，再做 beta-hedged z-score mean reversion。

一句话它怎么证明

• 主论文侧：GHE-based pairs strategy 在 2022~2023 crypto 上，不只“能做”，而且 相对 Distance / Correlation / Cointegration 三类 pair 选择法更优，并写明 out-of-sample 也成立；
• companion papers 侧：作者后续又把 threshold 和 rebalancing frequency 单独拿出来做 ML 分类，说明他们默认的可交易对象并不是“任何 spread”，而是 先选 pair，再治理阈值与 cadence；
• 本地 probe 侧：我用 Binance 公共 5m/15m 最近窗口做了一个 rolling Hurst proxy 快检，结果显示：5m 某些 pair 上，低 H spread 确实更快回到中线；15m 则明显更混合，不能把 Hurst 当万能 greenlight。

3. 这篇东西最值钱的 4 个点

3.1 这篇 paper 真正值钱的，不是“又一个 Hurst filter”，而是它把 Hurst 前移成 pair formation

很多 Hurst 相关材料容易被读成：

• 先有某个 alpha；
• 再拿 Hurst 去决定今天能不能开。

但这篇 2025 paper 更值钱的点是：

> GHE 在这里不是“signal 后的 veto”，而是 pair selection / pair ranking 本身的一部分。

翻成人话就是：

• 不是所有“高相关 / 能 cointegrate”的 pair 都一样；
• 更 rough、更 anti-persistent、历史上更像回归过程的那批 pair，才值得先进 active book；
• 这会把 alpha 的问题从“单次 entry 怎么调”前移到“pairbook 怎么构建”。

对 desk 的意义非常大，因为它服务的是 raw alpha 主体，不是纯 overlay。

3.2 这条研究线不是停在论文 headline：threshold 与 ORF companion papers 正好把完整策略缺的两块补上

只看主论文，容易觉得它还是有两个洞：

1. entry / exit 阈值怎么定？
2. 多久 rebalance / 多久 time-stop？

而 companion papers 刚好补了这两块：

• threshold paper（2025）：
• 数据集来自 50 个 crypto-assets；
• 用 mean / variance / skewness / kurtosis / VaR / corr 等特征预测 OT range；
• 按 positive / weak / negative corr 先分组，再分类；
• RF classifier 在 two/three/four-class 里最好；
• 用 2024 年 1~2 月 test set 做了验证。
• ORF paper（2024）：
• 明确表明 pairs 不是只有“做不做”，还有“多久动一次”这个经常决定净值形状的隐藏状态；
• 这正好和我们最近一篇 overlay digest 对上。

所以如果 desk 想把这条线变成完整策略，其实已经有一个很清楚的工程顺序：

1. GHE / Hurst 构建 pairbook
2. spread z-score 做 raw alpha 入场
3. threshold model / heuristic 决定 entry band
4. ORF / HL bucket 决定 cadence / time-stop / refit 频率

3.3 本地最小 probe：5m 的某些 pair 上，“低 H 再做回归”确实有 pocket；但 15m 更混合

我用 Binance Spot 公共数据，对 BTC/ETH/SOL/BNB/XRP/DOGE 六个大币，做了一个 rolling Hurst proxy + spread z-score 的最小实验：

• 数据：最近 1200 根 5m / 15m close
• pair：两两组合，共 15 对
• spread：log(Pa) - beta * log(Pb)
• 事件：|z| >= 1.5
• 回归判定：后续回到 |z| <= 0.5
• 观察窗：5m 给 36 bars，15m 给 24 bars
• Hurst bucket：
• anti: H < 0.45
• neutral: 0.45 <= H <= 0.55
• persistent: H > 0.55

最有信息量的一组结果是：

1. ETHUSDT__DOGEUSDT @ 5m

• anti-persistent bucket：206 个事件，83.98% 在观察窗内回到 |z|<=0.5
• persistent bucket：19 个事件，只有 21.05% 回归成功
• median exit bars：13 bars vs 31.5 bars

1. ETHUSDT__XRPUSDT @ 5m

• anti bucket：202 个事件，回归命中 65.84%
• median exit bars：13 bars

1. SOLUSDT__BNBUSDT @ 5m

• anti bucket：247 个事件，回归命中 62.35%
• median exit bars：16 bars

但 15m 口径明显没 5m 那么整齐：

• 有些 pair（如 BTCUSDT__DOGEUSDT）在 anti bucket 看起来不错；
• 也有不少 pair 在 persistent bucket 样本少、结果漂，甚至出现和直觉相反的局部结果；
• 这说明 15m 上 Hurst 更适合做 pair ranking / admission / veto 的辅助变量，而不是单独拿来拍板。

所以这轮本地 probe 给出的 desk 读法不是“低 H 必赚”，而是：

> 5m 上，low-H spread 更像值得先做的 pocket；15m 上，它更像一个需要和 cointegration / HL / 成本一起看的 admission feature。

3.4 这条线最像 short-cycle desk 的地方：它天然允许“alpha 本体 + 旁支治理”拆开做

这篇 paper 的一个优点是：

• 你可以把它当一条完整 raw alpha；
• 也可以把其中若干部分拆成 desk 组件。

对应关系很清楚：

• raw alpha 本体：spread mean reversion
• pair formation / ranking：GHE / Hurst
• entry governance：threshold model
• position / cadence governance：ORF / HL bucket

也就是说，它不是那种“只有一个 headline 指标”的论文，而是很容易拆成：

• 先做最小 raw alpha；
• 再逐层加 companion 组件。

这对现在的素材池特别合适，因为：

• raw alpha 优先级高；
• 但 desk 也缺一套能配套落地的阈值 / cadence 组件；
• 这条线刚好两边都给了。

4. 为什么和当前项目直接相关

它直接服务当前 desk 已经在积累的这几类 raw alpha：

1. pairs / cointegration spread mean reversion
2. cluster / residual relative-value alpha
3. 需要做 pairbook / admission 层治理的 stat-arb 策略

更重要的是，它和最近 digest 形成了一个很干净的研发顺序：

• 2026-04-05_1852_pairs-orf-rebalance-governor.md：先补 cadence overlay
• 这篇：把 raw alpha 主体补回来

所以这轮不是偏题，而是把“pairs 研究线”从 overlay-only 拉回到 alpha body + overlay stack 的完整状态。

4.5 策略拆解（必填）

• 方向属性：pairs / stat-arb / relative-value / market-neutral
• 基础 alpha：spread 偏离后向均值回归
• pair formation：先按 GHE / Hurst 对候选 pairs 做排序，优先低 H / anti-persistent / rough spread
• trade-on：

1. 通过相关性 / cointegration 基本筛选；
2. GHE / Hurst 落在可交易区间；
3. spread z-score 触发 |z| >= z_entry

• veto：
• H / GHE 重新升到 persistence 区间
• half-life 过长
• cointegration / ADF 退化
• 预估净边际覆盖不了成本
• sizing / risk：
• beta-hedged 双腿
• 由低流动性腿决定容量
• 当 H -> 0.5 或 ORF 变长时 size-down
• exit：
• |z| <= z_exit
• time-stop（1.25~1.5 x HL 或 ORF bucket）
• |z| 扩到 stop 带并伴随 stationarity 失效
• cost：
• maker/taker + 滑点显式入账
• 第一轮先跑 4 / 8 / 12 bps round-trip 三档

5. 给 desk 的最小可落地版本

5.1 第一版先别追 GHE 原论文全量复刻，先做 desk 版 proxy

第一版完全可以先用这套 desk proxy：

1. Universe：Binance / Bybit 前 20~30 个高流动 perp 或 spot
2. Pair 预筛：

• corr > 0.6
• EG / ADF 基本过线

1. GHE / Hurst 排名：

• 用 rolling Hurst proxy 或 GHE 实现对 pair 排序
• 每个 rebalance 只保留最低 H 的前 K 对

1. Entry：

• |z| >= {1.5, 2.0, 2.5} 网格
• 同时要求 H < {0.40, 0.45, 0.50}

1. Exit：

• |z| <= 0.5
• 或 time-stop = min(1.5 x HL, ORF bucket)

1. Sizing：

• beta-hedged
• low-ADV leg controller
• H 越接近 0.5，仓位越小

5.2 这版为什么合理

因为这版已经把论文线里的 3 个最值钱部分都保住了：

• pair formation 不是随机；
• entry 不只是裸 z-score；
• cadence / hold time 不是拍脑袋。

6. 下一步怎么测（这轮最重要）

6.1 先测什么

直接做一个 三层递进 A/B/C：

1. A = baseline pairs MR

• pair 只按 corr / cointegration 选
• |z| >= 2 entry
• |z| <= 0.5 exit

1. B = A + H/GHE ranking

• 每个训练窗只保留最低 H / GHE 的前 K 对

1. C = B + threshold / ORF governance

• 对 pair 分 bucket，分别配不同 entry_z / time-stop / refit cadence

6.2 最小实验口径

• 数据：Binance 或 Bybit 公共 5m / 15m
• Universe：前 20~30 个高流动币
• walk-forward：train 45d / test 14d
• pair 选择：train 内完成，禁止 test 反选
• K 值：K ∈ {4, 8, 12}
• entry_z：{1.5, 2.0, 2.5}
• H cut：{0.40, 0.45, 0.50}
• 输出：
• gross/net pnl
• turnover
• avg holding time
• hit rate
• stop-out ratio
• pair churn
• per-pair contribution

6.3 第一轮最该看什么结果

第一轮只回答 4 个问题：

1. H/GHE ranking 能不能提高 pairbook 质量？
2. 5m 是否明显优于 15m？
3. 加 H/GHE 后 turnover 是下降还是只是少做了交易？
4. threshold / ORF governance 是改善净值，还是只是在少交易美化？

7. 先别自嗨的风险

1. 主论文当前在本环境里仍然是摘要级证据。

• 我们拿到了 Springer 摘要页与 Crossref 元数据，但没有拿到全文逐表复核；
• 所以这轮应视为高质量 intake，而不是 clean replication。

1. 本地 probe 用的是 rolling Hurst proxy，不是论文原始 GHE 全复刻。

• 作用是验证“desk 上能否先看见 pocket”，不是声称已 faithful 复现主论文。

1. 15m 结果是 mixed 的。

• 不应把 low H 当 15m 的万能 greenlight；
• 更合理的定位是 pair ranking / admission feature。

1. H/GHE 不能单独替代 cointegration / cost / execution。

• 它更像 pairbook 质量层，而不是独立交易引擎。

8. 这轮最值得记住的 desk 化结论

如果只记一句：

> Hurst/GHE 在 pairs 里更该前移到“先选谁”而不是后移到“要不要做”；对 short-cycle desk，最该先测的是 GHE/H ranking -> top-K pairbook -> beta-hedged z-score MR，而不是继续把 Hurst 只写成事后 veto。

再补一句更现实的：

> 从这轮本地 probe 看，5m 比 15m 更像这条线的第一落地点；15m 先当 admission / veto feature，比直接当主开火键更稳。

9. 来源

1. Ramos-Requena, J. P., & Bağcı, M. (2025). _Analysis Pairs Trading Strategy Applied to the Cryptocurrency Market_. Computational Economics.

• DOI：10.1007/s10614-025-11149-y
• Readable URL：https://link.springer.com/article/10.1007/s10614-025-11149-y
• DOI URL：https://doi.org/10.1007/s10614-025-11149-y

1. Bağcı, M., & Kaya Soylu, P. (2025). _The Optimal Threshold Selection for High-Frequency Pairs Trading via Supervised Machine Learning Algorithms_. Computational Economics.

• DOI：10.1007/s10614-025-10958-5
• Readable URL：https://doi.org/10.1007/s10614-025-10958-5

1. Bağcı, M., & Kaya Soylu, P. (2024). _Classification of the optimal rebalancing frequency for pairs trading using machine learning techniques_. Borsa Istanbul Review, 24, 83–90.

• DOI：10.1016/j.bir.2024.12.004
• Readable URL：https://doi.org/10.1016/j.bir.2024.12.004

1. sharathStack (2026). _Statistical-Arbitrage-Pairs-Trading-Engine_. GitHub repository.

• Repo URL：https://github.com/sharathStack/Statistical-Arbitrage-Pairs-Trading-Engine
• 本地读过 README（公开直链）：https://raw.githubusercontent.com/sharathStack/Statistical-Arbitrage-Pairs-Trading-Engine/main/README.md

1. Binance Spot API Docs — Kline/Candlestick Data.

• Readable URL：https://developers.binance.com/docs/binance-spot-api-docs/rest-api/market-data-endpoints#klinecandlestick-data

10. 本地实验产物

• reports/artifacts/quant_digests/ghe_pairs_portability_20260406/results.json
• reports/artifacts/quant_digests/ghe_pairs_portability_20260406/summary.csv

其中最值得后续直接复看的 pair：

• ETHUSDT__DOGEUSDT @ 5m
• ETHUSDT__XRPUSDT @ 5m
• SOLUSDT__BNBUSDT @ 5m

它们不是 final answer，但非常适合做这条线的第一批 portability probe。