Парная торговля 2.0

Как выжать 943% на 4H таймфрейме и почему Z-score 1.5 бьет классику

В мире крипты, где волатильность — норма, парная торговля остается одним из немногих подходов, дающих стабильную альфу без угадывания направления рынка. Но классика на дневных свечах устарела: она генерирует мало сделок и выдает всего +400% на длинном горизонте. Мы пошли дальше — адаптировали систему под 4-часовой таймфрейм, добавили фильтр волатильности из de Vries (2023) и оптимизировали пороги. Спойлер: бэктест показал +943% при 7717 сделках, с profit factor 1.62 и винрейтом 65%. Количество сделок выросло всего в 1.7 раза по сравнению с дневками (4540), но доходность удвоилась. Это не «робот на коленке», а проработанная стратегия на основе научных исследований Amberdata и de Vries.

Парная торговля строится на идее, что связанные активы, как BTC и ETH, движутся в тандеме. Когда они расходятся, мы хеджируем расхождение, ожидая возврата к норме. Никакого кода — только логика и формулы, которые вы можете применить в Excel или TradingView.

Сначала рассчитываем **бета-коэффициент (β)** — это hedge ratio, показывающий, сколько единиц второго актива нужно для баланса с первым. Например, если β=1.5, то на каждый BTC вы продаете 1.5 ETH для нейтрализации позиции.

Формула: β = Cov(log(PA), log(PB)) / Var(log(PB)), где PA и PB — цены активов A и B.

Простыми словами: β делает так, чтобы графики цен «наложились» друг на друга после корректировки. Без него спред будет искажен. Мы используем OLS-регрессию для расчета — это стандарт из Amberdata.

Далее **спред** — разница между скорректированными ценами.

Формула: Спред = log(PA) — β × log(PB).

Почему логарифмы? Они стабилизируют дисперсию, как рекомендует Amberdata: без них спред «разъезжается» при экспоненциальном росте цен крипты. Это делает стратегию устойчивой к трендам.

Наконец, **Z-score** — мера отклонения спреда от нормы.

Формула: Z = (Спред_t — μ) / σ, где μ — среднее спреда за окно, σ — стандартное отклонение.

Z показывает, на сколько сигм спред ушел от среднего. Если Z < -1.5, актив A недооценен — long спред (buy A, sell B). Если Z > 1.5, переоценен — short спред.

Почему 4H? Бенчмарк таймфреймов

Классика парной торговли (de Vries, Amberdata) ориентирована на дневки: там шум минимален, но и сделок мало — 4540 за период, +421%.

Мы протестировали варианты и нашли «золотую середину» в 4H.

— Daily: 4540 сделок, +421%, PF ~1.4, Win 60%.

— 4H: 7717 сделок, +943%, PF 1.62, Win 65%.

— 1H: Шумно, PF падает ниже 1.3 (бэктест показал рост ложных сигналов).

Вывод: 4H фильтрует рыночный шум, но ловит среднесрочные отклонения, не давая трендам развернуться. Рост сделок в 1.7 раза удвоил доходность без пропорционального риска.

Как работает система в реалтайме

Представьте архитектуру как конвейер: от данных к сигналу. 

— **Блок 1: Сбор данных.** Bybit (биржа) →  «История 4H свечей».

Backfill загружает минимум 60 баров для анализа.

— **Блок 2: Отбор пар.** Вход: 100+ монет .

Процесс: Круг с фильтрами «Корреляция > 0.7» и «0 < β ≤ 10».

Выход: Топ-70 пар (список: BTC/ETH, SOL/AVAX etc.). Сортировка по корреляции вниз.

— **Блок 3: Мониторинг.**  WebSocket (реалтайм поток) → к «Сканнеру».

Триггер: Закрытие 4H свечи.

— **Блок 4: Сканнер.**

Расчет μ (среднее спреда)", "σ (волатильность)", «Z-score». Блок  решение: " |Z| > 1.5? " → Да/Нет. Если фильтр волы: "σ_current > 0.8 × σ_long?". Выход: Зеленая «Сигнал Long спред (Buy A, Sell B)» или красная «Short спред».

Эта схема — мозг робота: она генерирует сигналы автоматически, без ручного вмешательства.

Параметры, которые делают систему 

Профи знают: доходность в мелочах. Мы не взяли параметры «с потолка», а оптимизировали sweep'ом (перебором) на исторических данных.

1. **Порог Z-score = 1.5.** Классика (de Vries, Amberdata) — 2.0, но для крипты это слишком консервативно: ловит только экстремы, пропуская 70% движений. Sweep показал, что 1.5 балансирует сделки и PF. 

2. **Фильтр волатильности (de Vries 2023).** Входим только если текущая σ спреда ≥ 0.8 × долгосрочной σ (lookback 60 баров). Идея: пары эффективны в «нервном» рынке, а не в боковике. Снижает сделки на 20-30%, но поднимает PF.

3. **Окно lookback = 30 баров (5 дней на 4H).** Компромисс: короткое — для быстрой реакции на расхождения, длинное — для статистики. 30 идеально ловит среднесрочку без шума.

4. **Rolling Beta (опция).** Фиксированная β из отбора может устареть. Включаем — и β пересчитывается по скользящему окну (60 баров), адаптируясь к изменению корреляции.

Результаты бэктеста: Цифры

Наглядно, как коррелированные монеты ходят идентично 

Ссылки на авторов :

Vries, M.C.J. de  — Pairs Trading in Cryptocurrency Market

thesis.eur.nl/pub/67552

Michael Marshall Amberdata — Constructing a Pairs Trading Strategy

blog.amberdata.io/crypto-pairs-trading-why-cointegration-beats-correlation
blog.amberdata.io/crypto-pairs-trading-part-2-verifying-mean-reversion-with-adf-and-hurst-tests
blog.amberdata.io/constructing-your-strategy-with-logs-hedge-ratios-and-z-scores
blog.amberdata.io/empirical-results-performance-analysis

По мере свободного времени буду обновлять статью