استراتژی Pairs Trading در کریپتو: معامله‌گری آماری گام‌به‌گام

یکی از معدود استراتژی‌هایی که نه به پیش‌بینی جهت بازار، بلکه به رابطه آماری بین دو دارایی تکیه می‌کند، Pairs Trading است. این رویکرد در دهه ۱۹۸۰ توسط تیم کمّی Morgan Stanley معرفی شد و امروز در بازار کریپتو — با تمام نوسانات و خاص‌بودنش — جایگاه ویژه‌ای پیدا کرده است.

این مقاله برای تریدری نوشته شده که مفاهیم پایه را می‌داند و می‌خواهد عمیق‌تر برود: از ریاضیات پشت استراتژی تا انتخاب جفت، محاسبه سیگنال و مدیریت ریسک.

---

۱. Pairs Trading چیست و چرا در کریپتو کار می‌کند؟

Pairs Trading یا معامله‌گری جفتی یک استراتژی بازارخنثی (Market-Neutral) است. ایده اصلی این است: دو دارایی که در بلندمدت رابطه‌ای پایدار آماری دارند، اگر به‌طور موقت از هم فاصله بگیرند، در نهایت دوباره به هم نزدیک می‌شوند.

در این استراتژی به‌جای شرط‌بندی روی بالا یا پایین رفتن بازار، روی اختلاف نسبی دو دارایی معامله می‌کنید. اگر BTC نسبت به ETH بیش از حد تاریخی گران شده باشد، BTC را Short و ETH را Long می‌کنید. وقتی این اختلاف به میانگین برگشت، هر دو پوزیشن را می‌بندید.

دلیل جذابیت این استراتژی در کریپتو چند چیز است:

- نوسان بالا فرصت‌های Divergence بیشتری ایجاد می‌کند
- همبستگی ساختاری بین پروژه‌های هم‌رده (لایه اول، DeFi، توکن‌های صرافی) پایدارتر از بورس سهام است
- معاملات ۲۴/۷ امکان واکنش سریع‌تر به سیگنال‌ها را می‌دهد
- بازارخنثی بودن آن در برابر ریزش‌های ناگهانی کل بازار محافظت نسبی ایجاد می‌کند

---

۲. همبستگی در برابر همانباشتگی: تفاوتی که تریدرها نادیده می‌گیرند

بزرگ‌ترین اشتباه مبتدیان در Pairs Trading این است که همبستگی (Correlation) را با همانباشتگی (Cointegration) یکی می‌گیرند.

همبستگی فقط می‌گوید دو دارایی معمولاً در یک جهت حرکت می‌کنند. BTC و ETH ضریب همبستگی ۰.۸۵ تا ۰.۹۵ دارند — اما این به تنهایی کافی نیست. دو دارایی می‌توانند همبستگی بالا داشته باشند و در عین حال Spread بینشان هرگز به میانگین برنگردد.

همانباشتگی یک گام جلوتر می‌رود و می‌گوید ترکیب خطی این دو دارایی یک سری زمانی ایستا (Stationary) می‌سازد — یعنی Spread حول یک میانگین نوسان می‌کند و گرایش به بازگشت دارد.

آزمون استاندارد برای تشخیص همانباشتگی، آزمون Engle-Granger است:

python
from statsmodels.tsa.stattools import coint

قیمت‌های روزانه در بازه ۳۶۵ روز

score, pvalue, _ = coint(btc_prices, eth_prices)

if pvalue < 0.05:
print("جفت همانباشته است — سطح اطمینان ۹۵٪")
else:
print("رابطه آماری پایداری وجود ندارد")

اگر p-value زیر ۰.۰۵ باشد، با اطمینان ۹۵٪ می‌توانیم بگوییم این جفت همانباشته است و Pairs Trading روی آن قابل اعمال است. برای مطالعه بیشتر درباره ابزارهای آماری در تحلیل بازار، آکادمی تریدیار مرجع خوبی است.

---

۳. محاسبه Spread و Z-Score: قلب استراتژی

وقتی جفت مناسب پیدا شد، باید Spread را به‌درستی محاسبه کرد. Spread ساده (قیمت A منهای قیمت B) کافی نیست، چون واحدهای دو دارایی متفاوت است. باید نسبت پوشش (Hedge Ratio) را محاسبه کنیم.

مرحله اول: محاسبه Hedge Ratio با رگرسیون OLS

python
from sklearn.linear_model import LinearRegression
import numpy as np

model = LinearRegression()
model.fit(eth_prices.reshape(-1, 1), btc_prices)
hedge_ratio = model.coef_[0] # مثلاً: ۱۵.۳

spread = btc_prices - hedge_ratio * eth_prices

مثال عددی:

فرض کنید در یک روز مشخص:
- BTC = 65,000 دلار
- ETH = 3,400 دلار
- Hedge Ratio = 15.3

Spread = 65,000 − (15.3 × 3,400) = 65,000 − 52,020 = 12,980

مرحله دوم: محاسبه Z-Score

Z-Score نشان می‌دهد Spread فعلی چند انحراف معیار از میانگین تاریخی فاصله دارد:

Z-Score = (Spread_فعلی − میانگین_Spread) / انحراف_معیار_Spread

اگر میانگین تاریخی Spread برابر ۱۳,۲۰۰ و انحراف معیار ۴۵۰ باشد:

Z-Score = (12,980 − 13,200) / 450 = −0.49

Z-Score منفی یعنی BTC نسبت به ETH ارزان‌تر از حد تاریخی است — هنوز به آستانه سیگنال نرسیده‌ایم.

---

۴. سیگنال‌های ورود، خروج و Stop-Loss

قوانین کلاسیک Pairs Trading بر اساس Z-Score تعریف می‌شود:

| Z-Score | اقدام |
|---------|-------|
| بیشتر از +۲.۰ | فروش Spread: Short دارایی قوی‌تر + Long دارایی ضعیف‌تر |
| کمتر از −۲.۰ | خرید Spread: Long دارایی قوی‌تر + Short دارایی ضعیف‌تر |
| بازگشت به محدوده ±۰.۵ | بستن معامله و شناسایی سود |
| بیشتر از +۳.۰ یا کمتر از −۳.۰ | Stop-Loss اجباری |

مثال عملی کامل:

فرض کنید Z-Score جفت BTC/ETH به +۲.۳ رسیده — یعنی BTC نسبت به ETH گران‌تر از حد معمول است:

ورود به معامله:
- Short BTC به ارزش ۱۰,۰۰۰ دلار
- Long ETH به ارزش ۱۰,۰۰۰ دلار (تعداد واحد مطابق Hedge Ratio)

سناریوی بازگشت:

اگر در ۵ روز بعد BTC 6% افت کند و ETH فقط 1.5% افت کند:
- سود از Short BTC: +۶۰۰ دلار
- زیان از Long ETH: −۱۵۰ دلار
- سود خالص: +۴۵۰ دلار — بدون توجه به اینکه بازار کلاً صعودی یا نزولی بوده

برای پیگیری سیگنال‌های جفت‌ارزها در لحظه، بخش سیگنال‌های تریدیار را دنبال کنید.

---

۵. انتخاب جفت مناسب در بازار کریپتو

انتخاب جفت درست ۷۰٪ موفقیت این استراتژی را تعیین می‌کند. معیارهای کلیدی:

الف) ارتباط بنیادی واقعی

دو دارایی باید در یک اکوسیستم باشند یا نقش مشابهی در بازار داشته باشند:
- BTC / ETH: هر دو دارایی ذخیره ارزش و پایه شبکه
- SOL / AVAX: هر دو پلتفرم قرارداد هوشمند رقیب با سرعت بالا
- BNB / CRO: توکن‌های صرافی با مدل‌های اقتصادی مشابه
- LTC / BCH: فورک‌های نسل اول بیتکوین با کاربرد پرداختی

ب) نقدینگی کافی

هر دو دارایی باید حجم معاملاتی روزانه بالای ۵۰ میلیون دلار داشته باشند. نقدینگی پایین یعنی Slippage بالا، که سود استراتژی را به‌سرعت از بین می‌برد.

ج) پایداری رابطه در طول زمان

رابطه همانباشتگی ممکن است در طول زمان بشکند. رویدادهایی که باید هشیار بود:
- ارتقاء شبکه اساسی (مثل Merge اتریوم)
- هک یا اکسپلویت بزرگ
- تغییر اساسی در توکنومیک
- نقدشوندگی یا ادغام پروژه

جفت‌هایی که باید از آن‌ها پرهیز کرد:
- Meme Coinها: حرکت‌شان احساسی و غیرقابل مدل‌سازی آماری است
- توکن‌هایی با تاریخچه کمتر از ۶ ماه: داده کافی برای آزمون همانباشتگی ندارند
- جفت‌هایی با اختلاف Market Cap بیش از ۱۰ برابر: دینامیک متفاوت دارند

---

۶. مدیریت ریسک و ابعاد پوزیشن

Pairs Trading بازارخنثی است، اما ریسک صفر ندارد. درک ریسک‌های اصلی ضروری است:

ریسک Divergence پایدار: گاهی Spread نه‌تنها به میانگین برنمی‌گردد، بلکه بیشتر گسترش می‌یابد. این معمولاً ناشی از تغییر بنیادی رابطه است — نه نوسان موقت.

ریسک اهرم: بسیاری از معامله‌گران برای افزایش بازده از اهرم استفاده می‌کنند. اما اهرم در Pairs Trading می‌تواند یک Divergence موقت ۳ روزه را به Margin Call تبدیل کند.

ریسک ارتباط زمانی (Look-Ahead Bias در بک‌تست): اگر در بک‌تست از داده‌های آینده برای محاسبه Hedge Ratio استفاده شود، نتایج به‌شدت خوش‌بینانه خواهد بود.

قوانین مدیریت ریسک پیشنهادی:

۱. Dollar-Neutral بودن: ارزش دلاری Long و Short دقیقاً برابر باشد
۲. حداکثر ریسک هر معامله: ۲٪ از سرمایه کل (Stop-Loss = اختلاف Z-Score تا ۳)
۳. Rolling Window برای پارامترها: هر ۳۰ روز Hedge Ratio و میانگین Spread را با داده‌های جدید بازمحاسبه کنید
۴. حداکثر تعداد پوزیشن همزمان: بیش از ۳ جفت به‌طور همزمان نداشته باشید

محاسبه سایز پوزیشن با Half-Kelly:

python

فرض: win_rate و نسبت‌های برد/باخت از بک‌تست

win_rate = 0.58
avg_win_pct = 0.045 # 4.5% میانگین سود
avg_loss_pct = 0.025 # 2.5% میانگین زیان

kelly_f = win_rate - (1 - win_rate) / (avg_win_pct / avg_loss_pct)

kelly_f ≈ 0.347

نیمی از Kelly برای محافظت در برابر خطای مدل

position_size = kelly_f / 2 # ≈ 17% از سرمایه

---

۷. بک‌تست و ارزیابی واقعی استراتژی

پیش از اجرای واقعی، بک‌تست دقیق با در نظر گرفتن کارمزد، Slippage و داده‌های Out-of-Sample ضروری است. متریک‌های کلیدی ارزیابی:

Sharpe Ratio: نسبت بازده اضافی به انحراف معیار. برای این استراتژی هدف Sharpe بالای ۱.۵ است. Sharpe زیر ۱.۰ نشانه این است که ریسک گرفته‌شده توجیه کافی ندارد.

Maximum Drawdown: حداکثر افت سرمایه از اوج. در استراتژی Pairs Trading بدون اهرم، Drawdown بالای ۲۰٪ معمولاً نشانه انتخاب جفت نامناسب یا پارامترهای اشتباه است.

میانگین مدت معامله: در کریپتو این عدد معمولاً بین ۳ تا ۱۴ روز است. اگر میانگین بالای ۲۱ روز باشد، احتمالاً آستانه Z-Score خیلی بالا تنظیم شده.

نمونه ساختار نتایج بک‌تست (برای درک چارچوب ارزیابی):

| متریک | مقدار هدف | علامت هشدار |
|-------|-----------|-------------|
| Sharpe Ratio | بالای ۱.۵ | زیر ۱.۰ |
| Max Drawdown | زیر ۲۰٪ | بالای ۳۰٪ |
| میانگین مدت معامله | ۳ تا ۱۴ روز | بالای ۲۱ روز |
| نرخ برد | ۵۵٪ تا ۶۵٪ | زیر ۴۵٪ |
| تعداد معاملات سالانه | ۳۰ تا ۸۰ | کمتر از ۱۵ |

توجه مهم: بک‌تست را In-Sample و Out-of-Sample جداگانه انجام دهید. اگر نتایج Out-of-Sample به‌طور چشمگیری از In-Sample ضعیف‌تر بود، استراتژی احتمالاً Overfit شده است.

---

نتیجه‌گیری

Pairs Trading یکی از معدود استراتژی‌هایی است که با رویکرد علمی و آماری به بازار نگاه می‌کند و در برابر نوسانات شدید کریپتو سپر نسبی ایجاد می‌کند. اما «نسبی» کلید است — این استراتژی ریسک صفر ندارد و نیاز به اجرای دقیق دارد.

موفقیت در این رویکرد به سه عامل بستگی دارد:

۱. انتخاب صحیح جفت بر اساس همانباشتگی واقعی، نه صرفاً همبستگی ظاهری
۲. مدیریت پارامترهای دینامیک — Hedge Ratio و Spread باید به‌صورت دوره‌ای بازمحاسبه شوند تا رابطه بین دو دارایی به‌روز بماند
۳. انضباط در Stop-Loss — بزرگ‌ترین آسیب‌ها از نگه داشتن پوزیشن Divergent با امید به بازگشت رخ می‌دهد

برای تریدر متوسط، توصیه می‌شود ابتدا روی یک یا دو جفت شناخته‌شده (BTC/ETH یا SOL/AVAX) تمرکز کنید، با حساب کاغذی یا سرمایه کوچک بک‌تست واقعی انجام دهید و تنها پس از اطمینان از درک کامل مکانیزم، سرمایه اصلی را وارد کنید. عجله در این استراتژی دشمن سودآوری است.