年化71%，夏普2.12的BTC量化协整策略

有时候统计协整蛮有趣的，一些简单的策略逻辑可能有比较好的收益表现，如果你增加套利对，可能也能有一个比较稳定的收益表现（但是过拟合危险时刻存在，这个问题大家见仁见智了）。
1. 识别具有长期均衡关系的套利对
对两种资产的对数价格（Y1,t​=log(P1,t​)、Y2,t​=log(P2,t​)）建立协整关系：Y1,t​=μ+γY2,t​+εt​，其中εt​为平稳误差项，表明两资产价格的价差（Spread）具有均值回归特性。
价差计算公式为：Spread(St​)=Y1,t​−γY2,t​，这一价差是策略套利的核心依据。
2. 交易信号生成
基于Z-score触发交易信号：
Z-score用于衡量价差偏离其滚动均值的程度，计算公式为：Zt​=σSt​​St​−μSt​​​，其中μSt​​和σSt​​分别为价差在回溯期内的滚动均值和标准差。
设定对称阈值（±0.7 个标准差）：
当Zt​≤−0.7时做多（买入低估资产、卖出高估资产）；
当Zt​≥0.7时做空（卖出高估资产、买入低估资产）；
否则不交易。
3. 参数优化：回溯期校准（个人感觉过拟合）
通过网格搜索优化回溯期（计算滚动均值、标准差的历史窗口长度），以提升策略适应性：
在样本内（IS）通过网格搜索（遍历可能的回溯期范围），选择使夏普比率最大化的最优回溯期（L∗）。
采用滚动窗口框架动态更新参数，确保策略能适应市场变化，而非依赖静态历史数据。
4. 风险管理机制
结合波动率过滤和动态跟踪止损，控制下行风险：
波动率过滤：当当前价差波动率超过样本平均波动率的 1.5 倍时，暂停交易，避免在极端波动期执行策略（通过二进制指标VolFiltert​实现）。
动态跟踪止损：根据持仓后的价格极值（多头跟踪最高价Ht​，空头跟踪最低价Lt​）设置止损触发点，并结合当前波动率动态调整止损阈值（如多头在价差低于Ht​(1−d)时平仓，d为 2.5% 基础阈值，随波动率缩放）。
参考论文《Trading Games: Beating Passive Strategies in the Bullish Crypto Market》-Futures Markets