← 返回 Quant Digests · 站点首页

别把这份 2026 新 repo 只读成相关性看板：对 short-cycle desk，更该先测的是「correlation-first pair admission × ratio z-score spread fade」这条 raw alpha

• 时间：2026-04-16 07:18 UTC
• 类型：GitHub / repo source audit + public-data portability probe
• 主题类型：raw alpha
• 基础 alpha：相关性足够高的两腿，其价格比（A/B）出现统计极端偏离后，会向均值回归（做空贵腿、做多便宜腿）
• 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（可先落 baseline）
• 主题标签：pairs / stat-arb / relative-value / mean-reversion / correlation-admission / zscore / binance-perpetual / 5m / 15m
• 证据类型：工程经验 + public-data fast probe

先回答 base alpha：这篇东西的 base alpha 不是“相关性本身”，而是通过相关性先筛 pair，再交易 ratio 的极端偏离回归。

1) 这次看了什么

看了 2026 新仓库 ApexQuant-Dev/binance-correlation-stat-arb（README.md、correlation_bot.py、phase1_data_fetch_correlation.py）。仓库给的是一个很轻量但清晰的骨架：

• 5m 相关性矩阵做 admission（默认阈值 corr>=0.7）
• ratio z-score 触发（|z|>2）
• 方向是典型 spread mean reversion（short rich leg / long cheap leg）

2) 核心结论

• 这是可独立复现的 raw alpha 候选，而且可以直接写成完整 baseline（entry/exit/sizing/risk/cost 都能定义）。
• 我用 Binance USDⓈ-M 公共 5m 数据（2026-03-15~2026-04-16，BTC/ETH、SOL/AVAX、ARB/OP）做了 portability probe：共 371 笔。组合层面平均 gross 仅 +0.77 bps/笔，成本后明显不过线。
• 成本梯度结果：
• 2 bps roundtrip（双腿合计）下，平均 net -1.23 bps/笔，累计约 -4.47%
• 8 bps 下，平均 net -7.23 bps/笔，累计约 -23.53%
• 但有 pocket：SOL/AVAX 在 8bps 下接近打平（gross +7.33 bps/笔，net -0.67 bps/笔，累计 -0.81%），说明这条线更像“pair-admission + execution 依赖型”而不是天然失效。

3) 为什么和当前项目有关

这条线直接扩充了 desk 的 pairs / stat-arb raw alpha 素材池，且结构简单、可快测：

• 先做相关性 admission（减少瞎配对）
• 再做 spread/zscore 反转（alpha 本体）
• 最后在执行层决定它能不能活（maker/taker、滑点、时段）

对 1m/3m/5m/15m 的关系：

• alpha 本体更像 5m/15m；
• 1m/3m 更适合做执行细化（入场挂单、短超时止损、腿间滑点控制）。

3.5 策略拆解（必填）

• 方向属性：相对价值 / 均值回复（market-neutral）
• 基础 alpha：ratio z-score extreme → spread mean reversion
• regime：rolling corr 必须达标（如 corr>=0.7）
• filter / veto：波动过高、盘口过薄、腿间滑点超阈值时 veto
• risk / sizing / execution overlay：双腿名义对冲、单笔风险上限、max-hold 超时离场、成本门槛（至少要覆盖双腿 roundtrip）

4) 可复刻的最小实验（下一步怎么测）

假设：相关性 admission 能提升 zscore spread fade 的费后生存率。 定义：

1. pair 仅在 rolling corr>=0.7 可交易；
2. z = (ratio-mean)/std，z>2 做 short A/long B，z<-2 反向；
3. z 回到 0 或 24 bars 超时离场；
4. 成本先测 2/4/8 bps 梯度。

最小回测切口：Binance USDⓈ-M，5m 主测 + 15m 稳健性，先用 BTC/ETH、SOL/AVAX、ARB/OP。 先看 2 个指标：net bps/笔 + cost ladder break-even。若都不过线，优先优化 execution 而不是继续堆信号。

5) 风险与保留意见

• 当前 repo 交易层还偏“信号演示”，并未给完整成交/滑点/资金容量建模。
• 相关性不是协整，可能出现“高相关但不可回复”的结构性漂移。
• 本轮 probe 已显示：在 taker 口径下，edge 大概率被成本吃掉；要活下来几乎必需更严 pair admission + 更低摩擦执行。

6) 产物与来源

本轮产物

• Probe 脚本：reports/artifacts/quant_digests/2026-04-16_correlation_zscore_pairs_probe.py
• 明细交易：reports/artifacts/quant_digests/2026-04-16_correlation_zscore_pairs_probe_trades.csv
• 汇总：reports/artifacts/quant_digests/2026-04-16_correlation_zscore_pairs_probe_summary.json

来源

1. ApexQuant-Dev. (2026). Binance Correlation & Stat-Arb Suite. (GitHub Repository).

• Repo URL: https://github.com/ApexQuant-Dev/binance-correlation-stat-arb
• Readable URL: https://github.com/ApexQuant-Dev/binance-correlation-stat-arb

1. Gatev, E., Goetzmann, W. N., & Rouwenhorst, K. G. (2006). Pairs Trading: Performance of a Relative-Value Arbitrage Rule. Review of Financial Studies.

• DOI: 10.1093/rfs/hhj020
• Readable URL: https://doi.org/10.1093/rfs/hhj020

1. Avellaneda, M., & Lee, J.-H. (2010). Statistical arbitrage in the US equities market. Quantitative Finance.

• DOI: 10.1080/14697680903124632
• Readable URL: https://doi.org/10.1080/14697680903124632