← 返回 Quant Digests · 站点首页

别把这个相关性 stat-arb 小仓只读成“Z-score 教学脚本”：对 short-cycle crypto desk，更该先回答的是「high-corr pair ratio z-score fade × threshold escalation」这条 raw alpha 在 `5m/15m` 上还有没有 pocket

• 时间：2026-04-25 15:42 UTC
• 类型：GitHub / repo
• 主题类型：raw alpha
• 基础 alpha：高相关交易对的价格比值短时偏离历史均值后，后续更容易向均值回归；交易上对应 long laggard / short leader 的 spread fade
• 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（但默认要带成本 veto；taker 四腿口径下不应直接裸上）
• 主题标签：raw-alpha / pairs / stat-arb / relative-value / mean-reversion / correlation / zscore / threshold-escalation / 5m / 15m / repo / public-data / cost / risk
• 证据类型：工程经验 + public-data portability probe

1. 这次看了什么

这次看的是 2026 GitHub repo：ApexQuant-Dev, Binance Correlation & Stat-Arb Suite（binance-correlation-stat-arb）。repo 很小，核心文件只有 README.md、correlation_bot.py、phase1_data_fetch_correlation.py；主想法也很直白：先用 rolling correlation 找高相关 pair，再对价格比值做 rolling z-score，|z| > 2 时做均值回复。

• Authors / Year / Title / Venue：ApexQuant-Dev (2026), *Binance Correlation & Stat-Arb Suite*, GitHub repo
• Repo URL：<https://github.com/ApexQuant-Dev/binance-correlation-stat-arb>
• Readable URL：<https://raw.githubusercontent.com/ApexQuant-Dev/binance-correlation-stat-arb/main/README.md>
• 关键源码：
• <https://raw.githubusercontent.com/ApexQuant-Dev/binance-correlation-stat-arb/main/correlation_bot.py>
• <https://raw.githubusercontent.com/ApexQuant-Dev/binance-correlation-stat-arb/main/phase1_data_fetch_correlation.py>

2. 核心结论

• 一句话核心结论：这不是“又一个 pairs 教材”那么简单；真正值得 desk 先测的是 高相关 pair 的极端 ratio 偏离，在 5m/15m 上是否能留下可交易 pocket，而不是先追求复杂 cointegration 包装。
• repo 原版信号很朴素：1m、30 根 lookback、ratio z-score、|z|>2 即提示反向配对；优点是极易复现，缺点是没有认真处理成本、持有窗、仓位和 pair admission。
• 我用 Binance USDⓈ-M 公共数据做最小 portability probe（SOL/AVAX、LINK/UNI、ARB/OP、APT/SEI、ETH/BTC，约 18000 根 5m）后发现：pooled 平均 gross 约 +2.24 bps/笔、胜率约 57.2%，但按四腿 taker 粗扣 16 bps 后平均 net 约 -13.76 bps/笔，说明裸 |z|>2 pair fade 在 taker 口径下明显不够厚。
• 但 pocket 不是完全没有。参数 sweep 后，LINK/UNI 在 15m、lookback=96、corr>0.7、|z|>3、max_hold=12 bars 时，平均 gross 约 +12.29 bps/笔、胜率 73.3%、交易数 60；若按较乐观 12 bps 总成本，平均 net 约 +0.29 bps/笔，但按 16 bps 仍是 -3.71 bps/笔。
• 另一个可留样本 pocket 是 LINK/UNI 5m：lookback=144、|z|>3、max_hold=12 bars，平均 gross 约 +14.32 bps/笔、胜率 65.2%、交易数 69；在 12 bps 口径下还有 +2.32 bps/笔，但在 16 bps 下仍略负。

3. 为什么和当前项目有关

这篇东西和当前 momentum 主线有关，不是因为它“证明了 pair trading 永远有效”，而是因为它提供了一条足够轻量、可快速做 first verdict 的 pairs/stat-arb raw alpha：

1. 数据公开可得：只要 Binance perp klines 就能起步；
2. 规则可写得很清楚：pair selection、entry、exit、timeout、成本 veto 都能直接落成；
3. 和最近 desk intake 互补：最近虽然已经看了很多 cointegration / PCA / basket stat-arb，但这条更像 “先把最朴素的 high-corr ratio fade 跑一遍，看边有没有厚到值得继续上更复杂模型”；
4. 对 1m/3m/5m/15m 都友好：它不是只能活在日频论文里的慢信号。

3.5 策略拆解（必填）

Base alpha

• 若两条高度相关的币在短窗内突然出现相对错位，且错位幅度已经到历史分布尾部，那么后续更容易发生 leader 回落 / laggard catch-up，表现为 spread/ratio 回归。

Entry

• 先做 pair admission：最近 lookback 根 log-return correlation > 0.7；
• 计算 ratio = price_A / price_B 的 rolling z-score；
• z > +z_th：做 short A / long B；
• z < -z_th：做 long A / short B；
• 对 short-cycle desk，更值得先测的不是 repo 的默认 |z|>2，而是 |z|>2.5 / 3.0 的 threshold escalation。

Exit

• 第一优先：z-score 回到 0 附近即平；
• 第二优先：max_hold 到时强平；
• 当前 probe 里较像样的 pocket 多出现在 8~12 bars 的 time stop，而不是极短 1~3 bars。

Sizing

• 先用最简单的 dollar-neutral 或 beta-lite notional（两腿名义金额相等）；
• 后续再补 rolling vol scaling / residual-vol targeting，先别一上来就过拟合 hedge ratio。

Risk

• 若 rolling corr 在持仓中掉到阈值以下，或 ratio 继续向不利方向扩张到更高分位，可直接 kill；
• 单 pair 限仓，避免多个高度同质的 L1 pair 同时堆满。

Cost

• 这是这条线的生死点。repo 几乎没认真处理成本，但真实 pair 交易至少要想清楚：
• 四腿 taker 的总费用/滑点口径；
• maker-first 是否可行；
• 是否只在 gross edge > cost + safety buffer 时入场；
• 是否要限制在流动性更好的 pair pocket（例如 LINK/UNI、SOL/AVAX 这类 sector 同类）。

4. 它是怎么证明这件事的

repo 本身的证明强度很弱，更多是一个可复现的工程骨架：

• correlation_bot.py 直接把 signal 写成 ratio z-score 偏离；
• phase1_data_fetch_correlation.py 先做 correlation matrix，等于告诉你“先做 pair admission，再做交易”；
• 真正的证据强度来自我补做的 public-data probe：
• 5m pooled baseline：5 组 pair 共 2075 笔，平均 gross +2.24 bps/笔，但 net16 -13.76 bps/笔；
• 15m LINK/UNI pocket：lookback=96、|z|>3、max_hold=12，gross +12.29 bps/笔；
• 5m LINK/UNI pocket：lookback=144、|z|>3、max_hold=12，gross +14.32 bps/笔。

5. 对当前 desk 的可复现启发

最值得借的不是 repo 的代码质量，而是它的研究顺序：

1. 先只看公开数据能不能找到高相关 pair；
2. 再用最朴素的 ratio z-score 做 raw-alpha first verdict；
3. 如果粗糙版本都没 gross edge，就别急着上 Johansen / Kalman / OU fancy 外壳；
4. 如果只有少数 pocket 存活，就把它读成 “thresholded pair router”，不是 always-on stat-arb 引擎。

6. 最小实验怎么做

建议直接做一个很小但诚实的 5m/15m 实验：

• universe：SOL/AVAX、LINK/UNI、ARB/OP、APT/SEI、ETH/BTC
• pair admission：rolling correlation > 0.7
• signal：rolling ratio z-score，分别测 |z|>2 / 2.5 / 3
• exit：z 过零 or 8/12 bars timeout
• cost ladder：8 / 12 / 16 bps 三档
• 评估：trade count、gross/net bps、pair-by-pair pocket、同 bar 多 pair 冲突

7. 下一步怎么测

下一步别继续泛泛讲“相关性 stat-arb”，直接测这 4 件事：

1. maker-first 版本：只对 LINK/UNI、SOL/AVAX 做 post-only / queue-limited 模拟，看看能不能把总成本从 16 bps 压到 <=12 bps；
2. 残差化版本：把单纯 ratio 改成 beta-adjusted residual，比较是否能稳定抬高极端阈值 pocket 的 gross；
3. shared gate：加入 sector-relative volume shock 或 funding divergence，看是否能把 |z|>3 的 entry 再压缩到更厚的子样本；
4. portfolio 层：若同一时点多组 pair 同时亮灯，先做 conflict netting，避免把同一板块的同向风险叠满。

8. 风险与边界

• 这条线目前更像 raw alpha 候选 + 完整策略壳，还不是“已证明可直接 taker 实盘”的稳态策略；
• correlation 本身不等于可交易配对关系，极端市况下会一起崩；
• 当前最该警惕的是：看起来 win rate 不低，但实际上 edge 很薄，稍微多一点费率/滑点就全没了。

9. 本地实验产物

• reports/artifacts/quant_digests/2026-04-25_correlation_pair_zfade_probe_summary.csv
• reports/artifacts/quant_digests/2026-04-25_correlation_pair_zfade_probe_trades.csv
• reports/artifacts/quant_digests/2026-04-25_correlation_pair_zfade_sweep.csv