← 返回 Quant Digests · 站点首页

别把这份 crypto stat-arb repo 只读成“又一个 pairs 回归模板”：对 short-cycle crypto desk，更该先拆的是「rolling-OLS residual z-score fade × cost-aware notional scaling × split-local state machine」这条完整 raw alpha 壳

• 时间：2026-04-22 02:04 UTC
• 类型：2026 GitHub repo source audit + Binance USDⓈ-M public-data portability probe
• 主题类型：raw alpha
• 基础 alpha：先用 rolling OLS 估计两腿相对定价关系；当 residual / spread 的 z-score 偏离足够深时做 long cheap leg / short rich leg，赌价差向局部中枢回归
• 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 / rolling-ols / residual-zscore / cost-aware-sizing / split-local-state / roll-slippage / Binance / 15m / 5m / repo / public-data
• 证据类型：工程实现 + repo 完整策略壳 + public-data first probe

1. 这次看了什么

这次看的是 2026 GitHub repo Rah9742 / Crypto-Stat-Arb。如果只看标题，它像一份普通的 crypto stat-arb 课程仓；但真正值得 desk 保留的，不是“pair trading 这四个字”，而是它把一条 更接近可实盘研究流程的完整 shell 写得很清楚：

1. 先做 pair admission：rolling formation window 里评估 cointegration / hedge ratio 稳定性；
2. 再做 strategy sweep：对 formation / z-window / entry / exit / stop / max-hold 做 train / validation / test；
3. split-local state machine：每个 split 内单独生成信号，不让 train 状态泄露到 validation / test；
4. cost-aware position sizing：不是所有 entry 都打满仓，而是看“预期回归幅度相对 round-trip cost 值不值”；
5. 最后单独重跑 cost stage：用 Roll slippage 估计做 gross vs net 分离。

这比我们前面见过的很多 pairs repo 更像一个真正能进入 desk intake 的“研究骨架”。

2. 一句话核心结论

这篇东西的真正价值，不是再次证明“spread 会回归”，而是把 pair MR 从信号研究推进到 cost-aware deployment shell：

> rolling residual z-score fade 这条 raw alpha 本身不新，但“split-local 防泄露 + cost-aware 缩仓 + asset-level Roll slippage”这一整套，明显比只写 |z|>2 就进 的 pairs 模板更有迁移价值。

3. 它是怎么证明这点的

不是靠一句“我们做了 stat-arb”，而是直接把研究流程拆成可检查的代码和产物：

• src/crypto_trader/signals/pairs.py
• build_pair_research_frame(...)：rolling OLS hedge ratio → spread → rolling mean/std → z-score
• generate_pair_signal_state(...)：entry / exit / stop / max-hold 的状态机
• build_pair_target_notionals(...)：把 expected move / cost 变成实际 target notionals
• src/crypto_trader/analysis/pairs_research.py
• build_split_local_signal_frame(...)：在 warmup / train / validation / test 内分别生成信号，避免状态穿越
• data/processed/pairs/strategy/pairs_comparison_summary.csv
• 给出 shortlisted pair 的 train/validation/test 指标
• data/processed/costs/roll_slippage_summary.csv
• 给出 asset-level Roll slippage
• README.md
• 明确区分原始 strategy sweep 与独立 rerun 的 cost-adjusted comparison

也就是说，这个 repo 不是“有个 idea”，而是把 alpha → state → sizing → cost rerun 这条链条都摆出来了。

4. base alpha 到底是什么

先把话说死一点：

• base alpha 不是 “cointegration 这个词”；
• base alpha 也不是 “cost-aware sizing”；
• 这篇东西的 base alpha 是：

> 当两腿 residual 相对其 rolling 中枢出现异常偏离时，做 spread mean reversion。

剩下这些东西都属于“把 raw alpha 变得更像可交易系统”的二层组件：

• pair admission
• split-local state machine
• max-hold / stop
• cost-aware sizing
• Roll slippage cost stage

所以它符合这轮优先级：raw alpha 候选，而且是能直接落地成完整策略的 raw alpha 壳。

5. repo 里最值得学的，不是 pair entry，而是这三个细节

5.1 split-local signal frame：防止 state leakage

build_split_local_signal_frame(...) 的核心思想很朴素，但非常值得 desk 直接抄：

• warmup / train / validation / test 四段分开跑状态机
• 每段内部各自决定 entry / exit / holding period
• 不允许 train 的持仓状态直接“带进” validation / test

这件事听起来像卫生习惯，但很多 pair / trend 回测仓都没做干净。对 有状态策略（尤其是 MR 和 trailing stop）来说，这个细节很关键。

5.2 cost-aware target notionals：不是每个 z-score 都值得打满

repo 的 sizing 不是简单 fixed gross，而是：

• 先算 expected_move ≈ (|z|-exit_z) × spread_std
• 再除以当前 pair gross reference，得到一个近似 expected_return
• 再和 round_trip_cost_rate 比，得到 cost_efficiency
• 再结合 conviction = min(|z| / entry_threshold, 2) / 2
• 最后决定一个 scale ∈ [cost_aware_min_scale, 1]

翻成人话就是：

> 偏离没多深、预期回归没多厚时，哪怕信号触发了，也别默认打满。

这和很多 pairs 研究的差别非常大。后者通常默认“信号是否交易”是二元的；这个 repo 则把它推进到“信号有了，但 size 可以按 edge/cost 比例缩放”。

5.3 cost stage 单独 rerun：gross / net 分开看

README 明确提醒：

• parameter sweep 里的 test return，不等于最终 cost rerun 的 net return；
• 选完策略后，会单独做一轮 Roll slippage rerun；
• 最终比较的是 gross/net/cumulative transaction cost 三套东西。

这个研究姿势是对的：

• 先找 alpha 壳；
• 再问它能不能穿过成本；
• 不要把两步混成一锅粥。

6. repo 自身给出的结果，说明了什么

README 的最终 headline：

• 最终 pairs 选中的是 AVAXUSDT / ICPUSDT
• cost rerun 后：
• gross PnL 3816.84 USDT
• net PnL 2573.95 USDT
• gross return 38.17%
• net return 25.74%
• total transaction cost 1242.89 USDT

更细一点看 pairs_comparison_summary.csv 里的最佳 run（a00a6c7066b7）：

• pair：AVAXUSDT / ICPUSDT
• formation 12096 bars
• z-score window 2016 bars
• entry 2.5
• exit 0.25
• max holding 48 bars
• test cumulative return 31.74%
• test annualised return 113.06%
• test Sharpe 1.34
• test max drawdown -29.82%
• test trades 23
• test win rate 56.5%
• test mean trade pnl 137.99 USDT

这组结果很有意思，因为它告诉我们两件事：

1. pairs MR 在 repo 的 spot 样本里不是“靠高胜率小钱”活着；
2. 它更像是 trade count 不高，但单笔厚度足够，再靠 max-hold 和 cost-aware sizing 把噪音削掉。

7. 为什么这轮值得写，而不是把它归进“又一篇 pairs”

我们最近确实已经写过不少 pairs / stat-arb，但这篇仍然值得保留，因为它补的是一个不同层级：

• 之前很多仓重点在 admission / spread construction / entry-exit 规则；
• 这篇重点在 如何把 pair alpha 包成更真实的研究-部署壳。

它最有迁移价值的，不是“AVAX/ICP 这对能不能继续赚钱”，而是下面这套方法论：

• train / validation / test 分层挑参数
• split-local state generation
• cost-aware sizing instead of binary full-size
• 独立 cost rerun

这四块可以迁到：

• pairs
• basis fade
• spread residual basket
• cross-sectional loser→winner fade
• 甚至 trend 里的 re-entry / partial sizing

8. 这轮 public portability probe：迁到 Binance USDⓈ-M 15m/5m 后像什么

为了不只复述 repo，我额外做了一个很轻的 public-data probe：

• 数据：Binance USDⓈ-M perpetual AVAXUSDT / ICPUSDT
• 周期：15m 与 5m
• 样本：最近约 120d
• 口径：沿用 repo 思路做 rolling-OLS residual z-score fade
• 但把窗口缩到更适合短样本 first verdict 的量级：
• 15m：formation 8064 bars，z-window 1344，entry 2.5，exit 0.25，timeout 48
• 5m：formation 12096 bars，z-window 2016，entry 2.5，exit 0.25，timeout 48

结果：

• 15m
• trades：5
• avg gross：+190.50 bps/笔
• win rate：80.0%
• avg hold：48.0 bars
• timeout rate：100%
• 5m
• trades：43
• avg gross：+10.57 bps/笔
• median gross：-3.61 bps/笔
• win rate：48.8%
• avg hold：47.37 bars
• timeout rate：97.7%

我对这组 first verdict 的读法是：

8.1 15m 看起来“厚”，但样本太稀，而且几乎全靠 timeout

15m 的单笔 gross 很厚，但只有 5 笔，而且 全部靠 timeout 才出来。这更像：

• 偶尔出现的大 residual excursion 被吃到；
• 但不是一个已经成熟到可直接 child-exec 的高频 pocket。

8.2 5m 有交易频率，但厚度明显不够舒服

5m 有 43 笔，看起来比 15m 更像研究对象；但：

• 平均 gross 只有 10.57 bps/笔
• 中位数已经是负的
• 绝大多数交易还是靠 timeout 出场

也就是说：

> 在 perp 5m 上，这条 residual fade 还没表现出“自然回中枢”的干净结构，更像是要么需要更强 admission，要么需要更厚 entry，要么干脆需要 maker-first / microstructure veto 才能成立。

8.3 成本敏感度仍是第一风险

repo 自己给的 Roll slippage（15m，spot）是：

• AVAX：约 4.32 bps
• ICP：约 11.31 bps

如果按双腿 round-trip 粗看，单次完整进出就是 低双位数到三十多 bps 量级的摩擦。这当然不能直接照搬到 Binance perp，但它至少提醒一件事：

• 5m probe 的 +10.57 bps/笔 gross，厚度明显不保险；
• 15m 虽然 gross 很厚，但 trade count 太低、timeout 过高，不像稳健 pocket。

所以当前 first verdict 不是“这条 alpha 死了”，而是：

> raw alpha 还在，但短周期迁移后更像“需要更强 admission + 更真实 execution”的 sparse RV shell，而不是可以直接 taker 化的分钟级主策略。

9. desk 最该怎么复用这篇东西

如果把这篇 repo 当作 desk 组件库，我最想保留的不是某个固定 pair，而是下面三层：

9.1 raw alpha 层

• rolling-OLS residual z-score fade
• entry：深偏离才进
• exit：center reclaim / stop / timeout

9.2 research hygiene 层

• split-local state machine
• validation evidence gate
• 不把 sweep return 和 cost rerun 混读

9.3 deployment shell 层

• cost-aware sizing
• gross exposure cap
• asset-level slippage rerun
• max-holding escape hatch

对我们当前素材池来说，这层壳不只服务 pairs，也很适合迁去：

• spot-perp basis fade
• perp-calendar spread fade
• cross-sectional residual baskets
• dual-anchor fair-value residual systems

10. 最小可复现实验

数据源

• Binance USDⓈ-M 公共 K 线：/fapi/v1/klines
• 标的：AVAXUSDT / ICPUSDT，后续可扩到 SOL/ADA、XRP/DOGE、LTC/LINK 一类替代 pair
• 公开性：公开可得
• 更新频率：分钟级
• 可映射周期：5m / 15m（如需更快可继续压到 1m / 3m，但要先补 execution realism）

最小实验口径

1. 用 rolling OLS 估 hedge ratio，构造 spread 与 z-score；
2. entry 先测 |z| >= 2.5 / 3.0 / 3.5；
3. exit 对照：

• |z| <= 0.25
• |z| <= 0.5
• timeout 24 / 48 / 96 bars

1. admission 对照：

• cointegration / p-value gate
• hedge-ratio stability gate
• spread-std / liquidity gate

1. execution/cost：

• taker flat fee
• maker-first
• slippage ladder（4 / 8 / 12 / 20+ bps per round-trip per pair）

1. 统计：

• trade_count
• gross_bps / net_bps
• timeout_rate
• center-reclaim rate
• median trade bps
• per-pair contribution

11. 这轮我保留的判断

这份 repo 不是“最性感的新 alpha”，但它很适合进研究池，因为它补的是 如何把 raw alpha 壳做得更像能部署的研究单元。我当前更愿意把它定义成：

> 一条仍值得保留的 pairs raw alpha shell，但它真正的增量在 cost-aware deployment design，而不是在 pair entry idea 本身。

再直白一点：

• 如果你想找“又一个 pair 入场规则”，这篇不是最该记住的；
• 如果你想找“怎么把 pair MR 做成更可靠的 research shell”，这篇很值。

12. 下一步怎么测

1. 先测更厚 entry：2.5 -> 3.0 -> 3.5，看能不能明显降低 timeout-rate，别让交易几乎都靠 time-stop 出。
2. 把 admission 放到前面：不要只看 z-score，要联合看 hedge-ratio stability / spread volatility / liquidity。
3. 做 maker-first 对照：如果 5m gross 本来就薄，必须直接问 execution 能不能救，而不是继续假设 taker 也行。
4. 把 pair alpha 和 sizing 分开评估：先看 fixed-size 是否有 edge，再看 cost-aware sizing 是否只是“把亏损缩小”，还是能真正改善 net efficiency。
5. 扩成多 pair pocket test：优先找 alt-alt 里更容易出现稳定 residual excursion 的组合，不要被 AVAX/ICP 单一案例锁死。

13. 来源

• Rahman, R. (GitHub user Rah9742) (2026), Crypto Trading Research Repo / Crypto-Stat-Arb. Repo URL: <https://github.com/Rah9742/Crypto-Stat-Arb>
• Readable README URL: <https://raw.githubusercontent.com/Rah9742/Crypto-Stat-Arb/main/README.md>
• Source audit 文件：
• README.md
• config/default.yaml
• src/crypto_trader/signals/pairs.py
• src/crypto_trader/analysis/pairs_research.py
• data/processed/pairs/strategy/pairs_comparison_summary.csv
• data/processed/costs/roll_slippage_summary.csv
• 本地 artifacts：
• reports/artifacts/quant_digests/rollols_pairfade_probe_2026-04-22.py
• reports/artifacts/quant_digests/rollols_pairfade_avax_icp_probe_2026-04-22.csv
• reports/artifacts/quant_digests/rollols_pairfade_avax_icp_trades_2026-04-22.csv