DOGE-SHIB 模因币配对价差均值回归

假设

一种针对币安（Binance）两个流动性最高的模因币期货 DOGEUSDT 和 1000SHIBUSDT 的市场中性（美元中性）配对交易策略。两者都是顶级模因币，主要受散户情绪、社交媒体趋势和加密新闻周期驱动，因此它们的日收益相关性约为 0.70-0.85，但也经常出现短期分化，因为其中一个会短暂地比另一个更受散户关注（例如关于 DOGE 的马斯克（Elon）推文、SHIB 的交易所上线，以及 Shibarium 等生态系统上线）。该策略同时持有等美元名义规模的对冲仓位，因此对加密货币的净贝塔约为零。入场使用基于 DOGE/SHIB 价格比率的单一条件 z 分数信号。在架构上与两个已上线（production）配对策略（夏普比率 >6）完全相同——仅使用 4 个核心参数，以最大限度降低过拟合风险，并避免多条件策略普遍存在的信号冻结失效问题。为投资组合增加了模因币/散户情绪敞口，与现有的 L1、主流币比率以及 DeFi 配对交易形成互补。

精确实现了该假设：基于 DOGE/1000SHIB 价格比率的单一条件 z 分数，构建市场中性的模因币配对均值回归策略，在架构上与两个已上线配对策略（夏普比率 >6）完全相同。它使用基类的同周期跨腿对齐屏障（barrier），使 z 分数和两腿成交都使用同一时刻的 DOGE 和 SHIB 价格，并将对数比率保存在同一个同步缓冲区中（每处理一根主仓 K 线仅追加一次），使滚动统计量保持索引对齐——避免了独立截断导致的错位对齐陷阱。calculate_signal 每根 K 线都返回连续的原始 z 分数（逐根 K 线变化，不做门控），而 should_enter/should_exit 以相匹配的 z 单位对其设阈值，从而避免了信号冻结的失效模式。仅使用 4 个核心信号参数（回溯期、z_entry、z_exit、z_regime），将过拟合降至最低。每腿按等额的 40% 权益名义规模建仓，使其成为美元中性（净贝塔约为零），且单笔交易的优势（对波动剧烈的模因币进行 2 个标准差的价差回归，通常 >1%）明显超过两腿合计约 0.10% 的往返吃单成本。由于策略需要做空一腿，因此必须使用期货交易场所（BINANCE）；由于总敞口约为权益的 80%，杠杆保持在 1.0。

不值得优化：在样本量大、统计上充分（738 笔交易，跨越 6 年）的情况下，该策略表现出持续的、灾难性的负向优势——total_return -82.8%，夏普比率 -1.18，整个 CI 都在零以下（sharpe_ci_high -0.29），profit_factor 0.79，期望值为每笔交易 -$112，max_drawdown 85.4%，PSR 0.0009——并且在每种市场环境下都在亏损（2021 -54%，2022 -23%，2024 -43%，2025 -16%）。这不是偶然异常值的问题，而是前提假设的问题：DOGE/SHIB 对数比率并非平稳/协整关系。模因币在收益上高度相关（约 0.7-0.85），但会出现脱钩并 TREND 分道扬镳（偏度 -8.5，峰度 138，-38.6% 个爆仓式交易日，largest_loss -$36.8k），因此固定窗口的 z 分数反向操作会系统性地做空赢家、做多输家——这正是该假设声称想要避免（ETH/BTC）、却从未针对 DOGE/SHIB 进行检验的非平稳性失效问题。唯一可调的参数是 4 个 z 阈值，而没有任何入场/离场阈值能把一个持续走高的价差转变为均值回归的价差，因此再花 2 小时优化也只会证实这一负向优势。该配对机制之所以在已上线的姊妹策略上得到验证，是因为 THOSE 配对确实是协整的；这里的修复方案是找到一个真正协整的配对，这属于研究负责人（Research Lead）层面的假设重新定向，而非开发者的参数迭代。FAILURE PATTERN：高收益相关性不等于协整——对一个相关但存在趋势的模因币比率进行美元中性 z 分数反向操作，会在大样本下持续失血（PF 0.79，夏普比率 CI 完全为负），因为该价差是趋势性的而非均值回归的；配对模板只有在经验上平稳的配对上才能达标，而 DOGE/SHIB 并非如此。

实现

在币安 USD-M 期货、4H 周期上，针对两个流动性最高的模因币永续合约（主仓 DOGEUSDT，对冲仓 1000SHIBUSDT）进行美元中性多空配对交易。每根对齐后的收盘价计算对数比率 R=log(DOGE/1000SHIB) 以及 40 根 K 线的滚动 z 分数。z>=+2 时做空 DOGE / 做多 SHIB；z<=-2 时做多 DOGE / 做空 SHIB，每一腿按 40% 权益名义规模建仓（总敞口约 80%，杠杆 1.0）。平仓条件为均值回归（|z|<=0.5）、发散止损（|z|>=3.5）、30 根 K 线的时间止损，或 12% 的单腿回撤止损。两腿保持同步持有，使整体持仓的净加密货币贝塔约为零，并隔离出 DOGE/SHIB 特有的价差。

回测评审

夏普

-1.18

总收益率

-82.79%

最大回撤

85.38%

总交易数

738

胜率

49.9%

盈利因子

0.79

简洁、参数量少（4 个核心 z 参数），构建正确的美元中性（dollar-neutral），并具备正确的同时间戳跨腿对齐；交易样本充足（738 笔交易）

推进了投资组合所需的市场中性和配对策略配额——该机制本身已在已上线的协整配对姊妹策略上得到验证

在大样本下持续存在灾难性的负向优势：total_return -82.8%，夏普比率 -1.18，ENTIRE CI 都在 0 以下（sharpe_ci_high -0.29），profit_factor 0.79，期望值为每笔交易 -$112，max_drawdown 85.4%，PSR 0.0009

在每种市场环境下都在亏损：年度收益 2021 -54%、2022 -23%、2024 -43%、2025 -16%（仅 2023/2026 微弱为正）；滚动夏普比率在 6 年中大部分时间为负——这是持续性的失血，而非偶然异常值

DOGE/SHIB 对数比率并非平稳/协整关系：随着模因币彼此脱钩，它呈现趋势性（偏度 -8.5，峰度 138，largest_loss -$36.8k，-38.6% 个爆仓式（blow-out）交易日），因此 z 分数反向操作系统性地做空了赢家、做多了输家——这正是该假设声称要避免、却从未针对该配对进行检验的非平稳性失效问题

唯一可调的参数是 4 个 z 阈值，而这无法把一个持续走高（trending）的价差转变为均值回归的价差——这是配对选择/前提假设的失败，而非参数问题

结局总结

高收益相关性（约 0.70-0.85）不等于协整——均值回归的 z 分数反向操作只在经验上平稳的价差上才有效，对于像 DOGE/SHIB 这样相关但存在趋势的配对，必须先检验其平稳性，才能假定配对模板可以套用。

该策略在优化前的 BACKTEST_REVIEW 环节被判定为“放弃（abandon）”而终止，未通过所有标准（夏普比率、最大回撤、总收益率、盈亏比、sharpe_ci_high）；分析师判定 DOGE/SHIB 对数比率非平稳/非协整，因此 z 分数反向操作系统性地做空了赢家、做多了输家，而四个 z 阈值无法修复前提假设层面的缺陷——分析师、风险及优化环节均未曾进入。

一种基于币安 USD-M 期货的美元中性配对交易，在 4H 周期上对 DOGE/1000SHIB 对数价格比率的滚动 40 根 K 线 z 分数进行反向操作（fade），做空偏贵的一腿、做多偏便宜的一腿，以在净加密货币贝塔近乎为零的情况下，隔离出模因币特有的价差。

在 986 个数据交易日和 738 笔交易中持续亏损：总收益率 -82.79%，夏普比率 -1.18，整个置信区间都在零以下（CI 上限 -0.29），盈亏比（profit factor）0.79，期望值为每笔交易 -$112，最大回撤 85.4%，胜率约 50%，概率夏普比率为 0.0009。