← 返回 Quant Digests · 站点首页

别把这篇 2026 Frontiers pairs 论文只读成 DNN/LSTM 比赛：对 short-cycle desk，更该先拆的是「dynamic cointegration gate × percentile-threshold spread fade」这条 raw alpha——但 first verdict 更像 low-friction pocket，不是现成 production shell

• 时间：2026-04-14 18:44 UTC
• 类型：2026 Frontiers 开放获取论文全文抽取（HTML full text + Table 2/3/4/5）+ Binance Spot 5m/15m public-data portability probe
• 主题类型：raw alpha
• 基础 alpha：co-integrated crypto spread mean reversion；DNN/LSTM ensemble 只是 spread score / thresholding layer，不是 alpha 本体。
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：否
• 主题标签：raw-alpha/pairs/stat-arb/relative-value/mean-reversion/dynamic-cointegration/percentile-threshold/zscore/dnn/lstm/binance-spot/5m/15m/paper/fulltext/public-data/cost/risk
• 证据类型：open-access paper + public-data first verdict

1. 这次看了什么

主来源是 Frontiers 开放获取论文：

• Authors： Johannes Tshepiso Tsoku, Katleho Makatjane
• Year： 2026
• Title： *Deep learning-based pairs trading: real-time forecasting of co-integrated cryptocurrency pairs*
• Venue： *Frontiers in Applied Mathematics and Statistics*
• DOI： <https://doi.org/10.3389/fams.2026.1749337>
• Readable URL： <https://www.frontiersin.org/journals/applied-mathematics-and-statistics/articles/10.3389/fams.2026.1749337/full>
• PDF URL： <https://public-pages-files-2025.frontiersin.org/journals/applied-mathematics-and-statistics/articles/10.3389/fams.2026.1749337/pdf>
• Repo URL： N/A

这篇 paper 真正值得 desk intake 的，不是“DNN、LSTM、ensemble 谁分数更高”这层比赛，而是它把一条相对清楚的 raw alpha 骨架摆出来了：先做 dynamic cointegration / half-life admission，再对 spread 用 percentile threshold 或 score threshold 做回归交易。

2. 核心结论

• 一句话核心结论： 这篇 paper 真正可复用的不是“上深度学习就更强”，而是 dynamic cointegration gate × thresholded spread fade 这条 pairs / stat-arb raw alpha；ML ensemble 更像二层 score 平滑器，不该被误读成 alpha 本体。
• 一句话证明方式： 证明来自两层：一层是 paper 全文里 Table 2/3/4/5 已把 Johansen vector -> spread -> threshold breach -> BUY/SELL/HOLD 的骨架写清楚；另一层是我用 Binance Spot 5m/15m 对 ETH/BNB、ETH/LTC 做 public quick check，发现这条线在低摩擦口袋里还有一点 gross，但离“现成 production shell”还差成本与 admission 两道门。
• paper 里最可用的部分很清楚：Table 2 用第一协整向量构 spread；正文明确写 score < lower threshold -> Buy、score > upper threshold -> Sell；Table 5 说明它是按 threshold breach 出 BUY / SELL / HOLD，不是简单见极值就冲。
• headline 反而没那么该先学：Table 3 确实显示 Dynamic Ensemble 在 MSE/RMSE/MAE 上最好（例如 MSE 0.012124 < 0.017667 / 0.019226），但 LSTM 的 MAPE = 1.490429% 反而最低，说明 paper 自己也不是“一个模型全赢”；更像是 spread alpha 已经存在，模型只是在帮你重新排序信号质量。
• paper 的交易层成绩不算差，但别照单全收：Table 4 报 Sharpe = 1.3662、Sortino = 1.1411、avg P/L per trade = 0.0111、MDD = -0.2875。但正文同时又写“共 113 个信号，其中 81 胜、32 负（71.68%）”，和 Table 4 的 hit rate = 0.5821 明显对不上；再加上数据段写的是 2018-01-02 ~ 2025-10-31 共 2842 个 Yahoo 日频观测、BTC/ETH/LTC/XRP 六对，而 Figure/Table 又切成 ETH/BNB/LTC/XRP/USDT 宇宙，这篇 paper 可读，但不能把所有数字当“可直接复刻的唯一真相”。
• 我自己的 short-cycle first verdict 更保守：最近 60d Binance Spot 快检里，ETH-LTC 15m + fixed z-score 是最接近能用的一档，约 135 笔、avg gross +2.10 bps/笔、gross hit rate 54.8%，但扣 2 bps 也只剩 +0.10 bps/笔，扣 8 bps 后变成 -5.90 bps/笔；ETH-BNB 5m + quantile threshold 约 374 笔、avg gross +0.35 bps/笔，也远扛不住广义 taker 成本。

3. 为什么和当前项目有关

这轮仍值得写，原因不是“又来一篇 pairs 文”，而是它补的是一个更精确的 intake 视角：

1. base alpha 很清楚：就是 co-integrated spread mean reversion，本体是 raw alpha，不是 filter；
2. 旁支比 headline 更贴 desk：对 1m/3m/5m/15m，先学 admission + thresholding，比先学 DNN/LSTM 架构更划算；
3. 适合当前研究节奏：全文可拿到，方法能快速改写成 first verdict / friction ladder / admission check；
4. 还能顺手提醒一个重要坑：很多“AI pairs paper”里，真正可搬的是 spread 定义和开平仓逻辑，不是最后那层模型包装。

3.5 策略拆解（必填）

• 方向属性：relative-value / pairs / market-neutral / mean reversion
• 基础 alpha：动态协整关系成立时，spread 偏离长期均衡后向中枢回归
• regime：rolling cointegration / half-life admission；只在关系仍然稳定时交易
• filter / veto：upper/lower percentile threshold 或 fixed z-score；极端但不满足阈值结构时继续 HOLD
• risk / sizing / execution overlay：dollar-neutral 对冲、median/mean exit、镜像 stop、max-hold、maker/taker 成本阶梯

4. 可复刻的最小实验 + 下一步怎么测

本轮最小实验

我没有直接复刻 paper 的 DNN，而是先把更 desk 化的骨架抽出来做快检：

• 市场： Binance Spot
• pairs： ETHUSDT-BNBUSDT、ETHUSDT-LTCUSDT
• 频率： 5m / 15m
• 样本： 最近 60d
• formation： rolling 7d beta / spread / quantile / half-life
• admission： half-life 需落在可交易区间（5m: 1~96 bars，15m: 1~48 bars）
• entry：
• quantile shell: spread 跌破 q10 做 long spread，涨破 q90 做 short spread
• zscore shell: |z| >= 2 开仓
• exit： 回到 q50；或 max_hold = 6h；或触发 mirrored stop
• cost ladder： 2 / 4 / 8 bps

本轮产物

• 脚本：reports/artifacts/quant_digests/2026-04-14_frontiers_dynamic_cointegration_probe.py
• 汇总：reports/artifacts/quant_digests/frontiers_dynamic_cointegration_probe_summary_2026-04-14.csv
• 明细：reports/artifacts/quant_digests/frontiers_dynamic_cointegration_probe_detail_2026-04-14.csv

先记 4 个最重要的数据点

1. ETH-LTC 15m + fixed z-score：135 笔，avg gross +2.10 bps/笔，gross hit rate 54.8%；2 bps 后只剩 +0.10 bps/笔，已经是本轮最接近“低摩擦可活”的口袋。
2. ETH-BNB 5m + quantile threshold：374 笔，avg gross +0.35 bps/笔，比同 pair 的 5m z-score（-0.28 bps/笔）更像样，说明 percentile gate 在某些 fast pair 上确实可能比固定 z-score 更稳。
3. 但这不是通用结论：ETH-LTC 上反过来是 15m z-score > 15m quantile，说明 paper 的 percentile threshold 不是“万能升级件”。
4. 成本依旧是硬门槛：本轮 8 bps 后所有 bucket 全负，所以它更像 maker-ish / low-friction pocket candidate，不是你现在就能 broad taker 化的 production shell。

下一步怎么测

1. 先把 pair admission 做成主角，不要先把 DNN 当主角。

• 在 20~30 个 liquid majors / liquid alts 上，按日或按 4h 做 ADF / half-life / hedge stability 选对，再把 5m/15m 当执行层。

1. 做 1h admission × 5m/15m execution。

• 这篇 paper 真正像样的部分是“关系先成立再交易”；下一轮别继续裸 rolling 全时段开仓。

1. 把 threshold 视为可替换组件，而不是宗教。

• 同一 admission 下同时跑 q10/q90、z=2.0、vol-scaled threshold，比较谁在不同 pair 上更稳。

1. 如果要上 ML，优先预测“该不该开仓 / 哪个 threshold 该用”，而不是直接预测裸价。

• 也就是把 ML 放在 score-quality / regime-selection 层，而不是重新发明 spread alpha。

5. first verdict

我的判断是：

> 这篇 2026 Frontiers paper 值得进 raw alpha 素材池，但 intake 的正确姿势不是“去抄 DNN ensemble”，而是先吸收 dynamic cointegration admission × thresholded spread fade 这条骨架。

更短一点说：

> alpha 本体是 spread 回归；ensemble 只是二层打分器。当前 5m/15m transfer 说明这条线不是没有 edge，但更像低摩擦口袋，不是拿来广义 taker 化的完整策略。

6. 来源

• Tsoku, J. T., & Makatjane, K. (2026). *Deep learning-based pairs trading: real-time forecasting of co-integrated cryptocurrency pairs*. Frontiers in Applied Mathematics and Statistics.
• DOI: <https://doi.org/10.3389/fams.2026.1749337>
• Readable URL: <https://www.frontiersin.org/journals/applied-mathematics-and-statistics/articles/10.3389/fams.2026.1749337/full>
• PDF: <https://public-pages-files-2025.frontiersin.org/journals/applied-mathematics-and-statistics/articles/10.3389/fams.2026.1749337/pdf>
• OpenAlex: <https://openalex.org/W7126164242>
• Local public-data probe artifacts:
• reports/artifacts/quant_digests/2026-04-14_frontiers_dynamic_cointegration_probe.py
• reports/artifacts/quant_digests/frontiers_dynamic_cointegration_probe_summary_2026-04-14.csv
• reports/artifacts/quant_digests/frontiers_dynamic_cointegration_probe_detail_2026-04-14.csv