← 返回 Quant Digests · 站点首页
别把这篇 2024 Springer major-pair 统计套利论文只读成“相关性教学案例”：对 short-cycle desk，更该先测的是「short-half-life major-pair z-score fade」这条 raw alpha
更新时间：2026-04-12 19:31 UTC
研究时间：2026-04-12 19:35 UTC
类型：quant_digest
主题标签：raw-alpha/pairs/stat-arb/relative-value/mean-reversion/major-pairs/high-correlation/cointegration/halflife/zscore/dydx/binance-perpetual/5m/15m/paper/repo/public-data/cost/risk
证据类型：2024 Springer chapter abstract/metadata + 2023 GitHub repo source audit（dYdX pairs bot）+ Binance USDⓈ-M `5m/15m` public-data portability probe
源文件：research/quant_digests/2026-04-12_1935_majorpair-halflife-zscore-pairs-alpha.md
- 时间：2026-04-12 19:35 UTC
- 类型：quant_digest
- 主题标签：raw-alpha/pairs/stat-arb/relative-value/mean-reversion/major-pairs/high-correlation/cointegration/halflife/zscore/dydx/binance-perpetual/5m/15m/paper/repo/public-data/cost/risk
- 证据类型：2024 Springer chapter abstract/metadata + 2023 GitHub repo source audit（dYdX pairs bot）+ Binance USDⓈ-M
5m/15m public-data portability probe
- 主题类型：raw alpha
- 基础 alpha：先在高相关、可协整的 major pair 里找回得够快的两腿，用 rolling hedge ratio 把相对价值对齐；当 spread z-score 偏离到阈值外时做
long cheap leg / short rich leg，等 spread 回到中枢或穿回零轴再平，而不是押单币方向
- 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
1. 这次看了什么
这轮我没有继续补“又一个泛泛的 pairs 综述”，而是挑了一篇索引里还没单独写过、但对 desk 很实用的材料：
主材料（论文）
执行骨架（repo）
这轮最值得 intake 的，不是“major coins 之间相关性很高”这句废话，而是下面这句更像 desk 语言的话：
> 在 major pair 里，先别只看谁最相关，而要先看谁的 spread 回得够快。短周期 pairs 的 admission，相关性只是入场券，half-life 才更像优先级排序器。
2. 先回答一句：这篇东西的 base alpha 是什么？
说人话：
> 两条走势长期绑得比较紧的 major coin，短时间出现异常相对偏离后，会往中间收。
所以这题的 base alpha 很清楚，就是：
pairs / relative-value mean reversion- 不是 filter
- 不是 regime
- 也不是纯 execution overlay
更具体一点：
- 先找历史上价格关系足够稳定的 pair；
- 用 rolling beta / hedge ratio 把两腿缩放到可比口径；
- 观察
spread = leg1 - beta * leg2；
- 当 spread 的 z-score 偏离太大，就做
long cheap / short rich；
- 等 spread 回归，再平仓。
3. 为什么这轮值得写
3.1 它补的是“major-pair short-half-life baseline”，不是又一个空泛 pairs 标题
现在素材池里 pairs 已经不少，但很多都在讲：
- 怎么挑 pair
- 怎么加更复杂 admission
- 怎么叠更多统计检验
这篇 Springer chapter 加上公开 dYdX repo，刚好补了一个更务实的问题：
> 如果我们只想先补一条可复现、可直接落到 5m/15m 的 pairs raw alpha，major pair 里应该先挑“最像”的，还是先挑“回得快”的？
我的结论是：
- 相关性高，不等于短周期最好做；
- 对 short-cycle desk，更该先排
half-life；
major-pair + rolling beta + z-score fade 仍然是很值得保留的一条最小 baseline。
3.2 它是少数“论文口径 + 可执行 repo 壳”能拼起来的题
单看 2024 chapter，本身偏结果展示； 单看 dYdX repo，又容易被读成“教科书协整机器人”。
但两者拼起来就变成一条很完整的研究路径：
- 论文告诉你：major-pair stat-arb 这条路不是凭空想象；
- repo 告诉你：怎么把它写成一个可 daily 扫描 + 5 分钟轮询的完整策略壳；
- 我这次再补一层 Binance
5m/15m portability probe，回答它跟当前 desk 的时间尺度有没有关系。
4. 主材料到底给了什么硬信息
4.1 2024 Springer chapter 给的是“major pair 能做”的直观证据
Springer 页面公开摘要里写得比较直白：
- 研究对象是 Bitcoin / Ethereum / Litecoin / Bitcoin Cash；
- backtest 样本超过 81,000 data points；
- backtest 报告 100% win rate；
- live trading implementation 的 win rate 约 79% ~ 100%；
- live bot 相对 benchmark 的 excess return 区间约
-0.4% ~ 8.1%。
我不建议把这些数字当成可以照单全收的 live KPI，因为：
- 100% win rate 一听就该先怀疑是否有样本选择 / 交易摩擦 / 出场定义偏乐观；
- 但它至少说明，这篇材料不是只停在“相关性很高所以也许能做”，而是真的把它实现成了 bot 口径。
4.2 dYdX repo 给的是完整策略壳，不只是协整口号
pakhuong/dydx-pair-trading-bot 的价值，在于它把这条 alpha 写成了比较完整的流程：
#### pair admission func_cointegration.py 里先做：
- Engle-Granger 风格的 cointegration test；
- 对 spread 做 ADF stationarity 检查；
- 只保留
half_life > 0 且 <= 24 bars 的 pair；
- 再把合格 pair 存成
cointegrated_pairs.csv。
#### signal shell 同一个文件里：
- 用 RollingOLS window = 168 算动态 hedge ratio；
- spread z-score 用 rolling window = 72；
func_entry_pairs.py 里只有当 |z| >= ZSCORE_THRESH 才开仓；- 开仓方向就是标准的：
z > 0 就 short base / long quote，z < 0 反过来。
#### exit shell func_exit_pairs.py 里 exit 逻辑是：
- 支持
CLOSE_AT_ZSCORE_CROSS；
- 也就是 spread 回穿中枢时平仓；
- 同时会检查 live position / order record 一致性，避免双腿不同步失控。
#### deployment cadence cron.txt 甚至把调度节奏都写了：
- 每日一次重新扫描 pair；
- 每 5 分钟跑一次 entry / exit 管理。
翻成人话就是：
> 这不是“pairs 可以做”的 PPT，而是一套真的能被拿来复刻的完整 skeleton。
5. 这轮最关键的 desk 结论：别默认 BTC/ETH 最适合短周期
为了避免只抄论文 headline，我又用 Binance USDⓈ-M 公共 klines 做了一次最小 portability probe：
- universe：
BTCUSDT / ETHUSDT / LTCUSDT / BCHUSDT
- 频率：
5m、15m
- 方法：
- rolling beta window =
168
- spread z-score window =
72
- 观察
|z| >= 2 事件后，未来固定窗口内 |z| 是否收缩
5.1 5m 结果：BTC/BCH 比 BTC/ETH 更像 short-half-life 候选
我这次快检里，最值得记住的不是“BTC/ETH 相关性最高”，而是：
BTC/ETH 5m return corr ≈ 0.904- 但它的粗 half-life 约
82.9 bars，偏慢
对比之下：
BTC/BCH 5m return corr ≈ 0.658- 但它的粗 half-life 约
19.8 bars
- 在最近
1000 根 5m bar 里，出现了约 86 次 |z| >= 2 的偏离事件
- 这些事件后，未来
24 根 5m bar（约 2 小时） 的 |z| 平均收缩约 1.40 个 z-score 单位
这句很重要：
> 最高相关性的 pair，不一定是最该先进 short-cycle 研究池的 pair；回归速度更快的 pair，往往更像短周期真钱候选。
5.2 15m 结果：同一对 BTC/BCH 仍然在回，但明显更慢
同样口径下，BTC/BCH 在 15m 上：
- 粗 half-life 约
36.2 bars（约 9 小时）
- 最近
1000 根 15m bar 里约 97 次 |z| >= 2 事件
- 未来
8 根 15m bar（同样约 2 小时） 的 |z| 平均收缩约 0.96
这说明什么？
15m 并不是没 edge；- 但对这类 major-pair spread fade，
5m 更像 alpha 本体层，15m 更像低换手控制组。
6. desk 应该怎么读这题，而不是被“高相关”三个字带偏
6.1 相关性只是白名单，不是优先级
如果只用相关性排：
- BTC/ETH 很可能永远排第一；
- 但 short-cycle desk 真正关心的是：偏离出现后多久能回、回的时候够不够干净、能不能覆盖双腿成本。
所以更合理的 desk admission 是：
- 先用相关性 / 协整做白名单；
- 再按
half-life、|z| 收缩速度、事件频率排序；
- 再用 taker/maker 成本去筛掉“会回但不够赚钱”的 pair。
6.2 这题最适合服务的就是 5m first, 15m control
对当前 desk，我会这样落：
5m：主实验层，负责验证 alpha 本体；15m：控制组，负责看降频能不能降低 churn；1m/3m：只在 execution 足够强时再往下压，不要第一枪就去 1m。
6.3 这题和最近一堆“复杂 pairs 组件”相比，真正值钱的是它够诚实
我反而觉得这题的价值在于它不花哨：
- 没先上 DNN
- 没先上复杂 basket
- 没先做一堆 fancy regime labels
它先回答的是最基础的问题：
> major pair spread 本身会不会回？如果会，先用最简单的 rolling beta + z-score 能不能抓到？
这正是 raw alpha 素材池该优先补的东西。
7. 可直接落地的最小实验
7.1 最小定义
先不要一上来就扫全市场，先做最简单、最诚实的一版：
#### universe
- majors：
BTC / ETH / BCH / LTC
- venue：先用 Binance USDⓈ-M 或 spot 公共数据
#### pair admission
- formation 窗口：最近
7~14 天 5m bars
- 白名单：
- return corr > 某阈值（例如
0.6~0.8）
- cointegration/ADF 通过
- half-life 落在可交易区间（例如
6~30 bars）
#### signal
- rolling beta：
168 bars
- spread z-score：
72 bars
- entry：先测
|z| >= 2.0
- tp：
|z| < 0.5 或 z 穿零
- sl：
|z| > 3.5
- time stop：
2~3 × half-life
#### sizing
- beta-neutral / dollar-neutral 二选一做对照
- 每对固定风险预算，不要多对叠太满
- 同资产重叠 pair 不同时开太多，防止隐性净曝险
#### cost
- 先做 taker-taker 诚实版
- 再做 maker entry / taker exit 对照版
- 费用、滑点、funding 都要双腿一起算
7.2 最该先看什么指标
不是先看 Sharpe，而是先看：
- post-cost expectancy / trade
- median holding time vs half-life
- 事件频率 × 换手
- 双腿成交不同步损失
- pair overlap 导致的隐性集中风险
8. 风险与保留意见
- 论文摘要里的 100% backtest win rate 太漂亮了，默认不能直接信。 这更像提醒我们：一定要自己按公开数据和真实成本重跑。
- major pairs 不等于天然低风险。 当市场进入单边趋势、叙事切换或流动性断层时，spread 可以长时间不回。
- BCH/LTC 这类腿的流动性和事件风险，通常比 BTC/ETH 更脏；这也是为什么
half-life 更短不代表一定净收益更高。
- perp 上的 funding / borrow / taker cost 会把很多看起来干净的 z-score 回归吃掉，所以这题必须先过 post-cost，而不是先看 gross。
9. 下一步怎么测
- 先固定 major universe：
BTC/ETH/BCH/LTC
5m 做 pair admission：corr + coint + half-life 排序- 只保留 half-life 最短的前 1~2 对，别一开始就铺满
- 跑四组对照：
- A：
BTC/ETH
- B：
BTC/BCH
- C：beta-neutral
- D：dollar-neutral
- 对每组分别测：
entry = 2.0 / 2.5tp = 0.5 / zero-crosstime stop = 2x / 3x half-life
- 先看 5m taker-taker 能不能过线；若不过，再看 maker entry 是否能救活
- 若
BTC/BCH 的 gross 虽好但 net 不稳，再下一个动作不是换更复杂模型，而是：
- 降频到
15m
- 或只在波动 / 成交 / spread 条件较好的窗口开仓
10. 参考资料
- Dann, M., & Kotsireas, I. (2024). _Profiting Off the High Correlation of Cryptocurrency Pairs Using Statistical Arbitrage_.
In *Mathematical Research for Blockchain Economy (MARBLE 2024)*. Springer, Cham. DOI：<https://doi.org/10.1007/978-3-031-68974-1_16> Readable URL：<https://link.springer.com/chapter/10.1007/978-3-031-68974-1_16> Repo URL：N/A
- pakhuong. (2023). _dydx-pair-trading-bot_. GitHub repository.
Readable URL：<https://github.com/pakhuong/dydx-pair-trading-bot> Repo URL：<https://github.com/pakhuong/dydx-pair-trading-bot>
- Leung, T., & Nguyen, H. (2019). _Constructing cointegrated cryptocurrency portfolios for statistical arbitrage_.
*Studies in Economics and Finance*, 36(4), 581–599. DOI：<https://doi.org/10.1108/SEF-08-2018-0264> Readable URL：<https://doi.org/10.1108/SEF-08-2018-0264> Repo URL：N/A