← 返回 Quant Digests · 站点首页

别把这份 2022 unsupervised pairs repo 只读成普通 cointegration：对 short-cycle desk，更该先拆的是「cluster-first pair admission × spread fade」这条 raw alpha 壳

• 时间：2026-04-15 15:24 UTC
• 类型：2022 GitHub repo source audit（README.md + strategies/AutoPairsTrading/__init__.py）+ Binance USDⓈ-M 1h public-data portability probe
• 主题标签：raw-alpha/pairs/stat-arb/relative-value/mean-reversion/cluster-first/pair-admission/agglomerative-clustering/pca/adf/kalman/hedge-ratio/spread-zscore/binance-perpetual/1h/15m/5m/repo/public-data/cost/risk
• 证据类型：repo 源码规则 + 公共历史 K 线 portability probe

• 主题类型：raw alpha
• 基础 alpha：cointegrated spread mean reversion；真正有增量的旁支不是“spread 会回归”这句老话，而是“先用 return-surface clustering 缩小候选池，再在簇内做 ADF/hedge-ratio 选对”的 pair admission 机制。
• 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

主来源（repo）

• Authors / Owner： jinczing
• Year： repo latest visible commit 2022-12-22
• Title： *Cryptocurrency Pairs Trading via Unsupervised Learning*
• Venue： GitHub repo
• DOI： N/A
• Readable URL： <https://github.com/jinczing/crypto-pairs-trader>
• Repo URL： <https://github.com/jinczing/crypto-pairs-trader>
• README 可见结论： naive cointegration baseline Sharpe 0.47 / annualized return 8%，clustering-based 版本 Sharpe 1.89 / annualized return 50.44%

本轮自建 probe 产物

• 汇总：reports/artifacts/quant_digests/2026-04-15_clusterfirst_pairs_probe_summary.json
• 小时级事件流：reports/artifacts/quant_digests/2026-04-15_clusterfirst_pairs_probe_hourly.csv

2. 先把一句话说清楚：这篇东西的 base alpha 是什么？

> base alpha = 被筛选出来的 cointegrated pair 的 spread mean reversion。

翻成人话：

• 它本体不是趋势，不是 funding，也不是横截面 winner/loser 排名；
• 它本体仍然是最经典那条 relative-value / stat-arb raw alpha：

1. 找两条价格行为足够接近、但短期会偏离的币；
2. 估计 hedge ratio；
3. 当 spread 偏到极端时做反向；
4. 等 spread 回到中枢就走。

这轮真正值得写的新增量，在于 repo 没把“pair 从哪来”留空，而是给了一套 先聚类、再筛 cointegration、再滚动重选 的 admission 机制。也就是说： > alpha 本体 = spread fade；增量部件 = cluster-first pair admission。

所以它不是 filter，不是 overlay，而是一条 可以直接写成 entry / exit / sizing / 风控的 raw alpha 壳。

3. 为什么这轮还值得写，而不是把它归到“又一篇 pairs”

如果只是“再来一篇 spread z-score fade”，这轮不值得写。

这轮值得进池，原因在 3 点：

1. 它补的是“pair discovery loop”，不是只补一条 pair 本身。

之前很多 pairs 主题默认 pair universe 已经给定；这份 repo 给的是：

• 怎么把币先分簇；
• 怎么在簇内做 candidate ranking；
• 怎么每 30d 重新选对。

1. 它只用公开 K 线就能跑。

不依赖私有订单流、不依赖昂贵数据商，复现门槛低，适合 desk 快速做最小实验。

1. 它天然适合 desk 做“慢 admission + 快 execution”拆分。

pair selection 可以留在 1h 甚至更慢；真正的入场、减仓、stale-leg veto、冲击过滤，可以下沉到 15m / 5m。

所以这轮真正可吸收的，不一定是 repo 原版 shell 整体照搬， 而是： > 把 cluster-first admission 当成 pairs/stat-arb book 的前置选对层。

4. repo 里到底写了什么

4.1 先聚类，再在簇里找 pair

strategies/AutoPairsTrading/__init__.py 的第一层不是直接枚举全市场 pair，而是先做 feature clustering：

• 交易所：Binance Perpetual Futures
• 基础频率：1h
• universe：外部 universe_symbols 文件
• 特征构造：
• 先算 24h price change；
• 再对多个窗口做 rolling mean；
• 源码窗口从 1d 一路拉到约 171d（24*i, i=1..171 step 10）
• 然后做：
• 标准化；
• PCA 降维；
• AgglomerativeClustering（complete linkage，默认 6 簇）

翻成人话： > 它不是“谁跟谁看着像就配对”，而是先按多窗口收益轮廓把币分到行为相近的簇里，再在小池子里做 pair selection。

这对 desk 的价值很直接：

• 降低全市场乱配对；
• 少做 sector 无关、风格不搭的 pair；
• 让 pair admission 更像一个系统化模块，而不是人工灵感。

4.2 簇内 pair ranking：OLS hedge ratio + ADF p-value

簇内每一对候选，repo 做的是：

1. 对两腿价格做线性回归；
2. 取回归残差当 spread；
3. 用 ADF p-value 给 pair 排序；
4. 选最优且 symbol 不重叠 的 pair；
5. 最多保留 3 对。

也就是说，repo 的 pair selection 不是“相关性大就上”，而是更接近： > 行为先相似，再看 spread 站不站得住 mean-reverting 统计检验。

4.3 pair 不是永久的，默认每 30 天重选一次

源码里：

• period = 30
• 到期后重新 reevaluate_pairs()

这点很关键，因为 crypto pair 关系很容易漂移：

• narrative 换了；
• 板块轮动换了；
• 流动性变了；
• 上币/退市变了。

因此这份 repo 真正提供的是： > 动态 pair universe，而不是固定 pair 名单。

4.4 交易逻辑很朴素：spread 偏离 ±2σ 入场，回到中枢出场

交易层不花哨，但完整：

• spread 维护：
• 初始化 KalmanFilter
• 在线更新 beta/intercept
• 信号层：
• bb_window = 24*7（约 7 天小时级）
• 当 spread > mean + 2σ：做空 spread
• 当 spread < mean - 2σ：做多 spread
• 出场层：
• 当 spread 穿越均值附近（源码里用 sign flip / zero-cross）就平仓

这意味着它不是只给 pair selection， 而是给了一条完整 raw alpha 壳：

• admission
• hedge ratio
• entry
• exit
• 重新选对

4.5 sizing 很粗，但足够说明这真的是完整策略，不是概念 README

repo 默认：

• 每腿仓位大致按 balance / 6 分配；
• hedge ratio 在 sizing 里没有完全严肃地打进去；
• 风控更多是结构性平仓，而不是精细的成本/容量控制。

所以它不是 production-ready， 但也不是一句“pairs trading 很酷”的空壳。

5. 我做的 Binance USDⓈ-M 1h 最小 portability probe：选对逻辑能复现，但当前 direct shell first verdict 偏负

5.1 数据与口径

• 数据源： Binance USDⓈ-M public /fapi/v1/klines
• 公开性： 完全公开 REST
• 更新频率： 1h
• 样本： 2025-12-16 16:00 UTC 到 2026-04-15 15:00 UTC，共 2880 根小时 bar
• 可交易活跃子集： AAVE / COMP / CRV / SNX / SUSHI / UNI / YFI
• walk-forward 口径：

1. 用最近 60d 训练；
2. 未来 30d 测试；
3. 每 30d 重做一次 clustering + pair ranking；
4. 每个测试窗最多保留 2 对不重叠 pair；
5. 训练期用 OLS beta，测试期用 7d z-score；
6. entry=±2σ，exit=0-cross；
7. 成本先用较轻但不离谱的近似：每次腿变动 4 bps。

注意：

• 这不是 repo 精确复刻；
• 但足够回答一个更重要的问题：

> 这套 cluster-first admission × spread fade，在今天 active Binance perp universe 上还能不能顺手跑起来？

5.2 先记最重要的 6 个数

• gross total return：约 -10.37%
• net total return：约 -11.00%
• gross Sharpe：约 -1.52
• net Sharpe：约 -1.63
• max drawdown：约 -15.38%
• trade events：约 35 次腿变动事件

两段测试窗里，选出来的 pair 分别是：

• 2026-02-14 → 2026-03-16：CRV-SNX、AAVE-SUSHI
• 2026-03-16 → 2026-04-15：AAVE-COMP、CRV-YFI

一句话结论： > pair discovery 这件事是能复现的，但 direct shell 迁到当前 liquid-major-ish DeFi perp 子集上，first verdict 偏负。

5.3 这组数真正说明了什么

结论 1：repo 最值钱的部分，可能不是交易壳，而是 admission layer

如果这轮 probe 连 pair 都选不出来，那就没什么好说的。 但现在不是这样：

• clustering 能稳定把 pair pool 缩出来；
• ADF ranking 能挑出看上去合理的 DeFi 对；
• 问题主要出在 直接交易壳 的 portable performance。

所以真正可复用的部分更像： > cluster-first pair admission，是一块可插拔组件；原版 spread fade 壳，不应直接抬进 production 候选池。

结论 2：当前 active universe 比 repo 当年的候选池更窄

repo 里原始 universe 有不少今天已经不在 Binance USDⓈ-M 活跃交易的符号：

• BAL
• DODO
• LRC
• MKR
• REN

这意味着：

• 原 repo 的 pair ecology，今天已经变了；
• 你现在能跑的只是残余活跃子集；
• cluster admission 还在，但 alpha 密度可能已经被 universe 变化削弱。

结论 3：short-cycle desk 不该把它理解成“又一条现成 pair alpha”

更诚实的 desk 读法应该是：

• base alpha 仍是 spread MR；
• 真正新增量 是 pair admission；
• 正确用法 是拿 admission 去喂更强的 spread/trade engine，而不是照抄原壳。

6. 这条线对 1m / 3m / 5m / 15m 的正确定位

6.1 它服务短周期 desk 的方式，不是把 selection 本身压到 1m

最合理的拆法是：

• selection layer（慢）： 1h / 4h / daily 更新 cluster + pair list
• signal layer（中）： 15m 做 spread z-score / residual excursion
• execution layer（快）： 5m / 1m 做 stale-leg、盘口深度、滑点和 maker/taker 选择
• risk layer： 遇到单腿异常拉升、funding 扭曲、盘口抽空就 veto

也就是说，它对 short-cycle desk 的意义不是“高频选 pair”，而是： > 给你一个更系统化的 pair admission 前置层。

6.2 所以这轮主题仍然算 raw alpha，但当前 priority 不该太高

为什么仍算 raw alpha？

• 因为 base alpha 很清楚，就是 spread mean reversion；
• repo 也给了完整 entry / exit / sizing 壳。

为什么 current priority 不该太高？

• 因为 public-data first probe 偏负；
• 说明这条壳不该直接排进“先做 production replication”的第一梯队。

更合理的结论是： > 主题合格，部件有价值，但现阶段更像“pairs book 的 reusable admission module”，不是现成 alpha winner。

7. 风险与保留意见

1. repo 的成绩大概率强依赖当时 universe。

当前活跃子集缩水后，pair 结构已经变了。

1. probe 不是精确复刻。

我这里为了快速判断 portability，做了简化版 walk-forward，而不是完整还原 Jesse 环境与在线 Kalman 状态机。

1. 原 repo sizing 很粗。

若真上 desk，至少要补：

• gross exposure cap
• beta-neutral sizing
• 单腿极端偏离 kill-switch
• funding / fee / slippage 更真实口径

1. 这条线很容易被误读成“pairs 永远有用”。

实际上，这轮恰恰说明：

• pair admission 可以保留；
• 直接 spread fade 壳未必还好用。

8. 我给这轮主题的结论

> 这是一个合格的新 raw alpha 主题，但当前真正值得 desk 吸收的，不是“照抄 2022 clustering-based pairs shell”，而是“cluster-first pair admission”这块模块化组件。

更具体地说：

• 值得进研究池，因为 base alpha 清楚、复现门槛低、源码完整；
• 值得保留 admission 逻辑，因为它给了 pairs/stat-arb book 一个比“全市场乱扫 pair”更系统的入口；
• 不值得直接升成当前优先 production shell，因为这轮 public-data portability first verdict 偏负。

9. 下一步怎么测

按优先级，我建议直接做这 5 步：

1. 把 selection 和 trading engine 分开评估

先固定这套 clustering admission，只替换交易壳：

• 传统 z-score fade；
• OU / s-score；
• microprice / OBI 辅助入场；

看问题到底出在 pair list，还是出在交易壳。

1. 做 15m execution 版，而不是继续全靠 1h 触发

1h 负责选 pair，15m 负责：

• 更细的 spread 极值确认；
• stale-leg veto；
• maker-first / taker-fallback。

1. 把 clustering admission 和“纯 ADF 全市场扫 pair”做 head-to-head

直接比较：

• pair 稳定性
• 未来 30d half-life
• gross/net Sharpe
• turnover

看 clustering 到底提供了多少真实增量。

1. 扩成 sector-aware universe，而不是只看剩下的老 DeFi 币

下一版不要只盯 AAVE/COMP/CRV/SNX/SUSHI/UNI/YFI，应扩到：

• DeFi 一组
• L1/L2 一组
• meme 一组
• exchange / infra 一组

看 cluster-first admission 在更大 universe 下是否反而更有价值。

1. 把 funding / liquidity veto 接上去

对 pair 两腿补 3 个 veto：

• funding gap 突然扭曲；
• 单腿成交额骤降；
• 单腿 5m 冲击超过阈值。

这一步最可能把“统计上像 pair、交易上却很脏”的假机会筛掉。