Pairs Trading یا «معاملهٔ جفتی» یکی از قدیمیترین استراتژیهای خنثی از بازار (Market Neutral) است که از دههٔ 1980 در بازارهای سهام آمریکا شکل گرفت و امروز نسخهٔ کریپتویی آن میان تریدرهای کمی (Quant) طرفدار زیادی پیدا کرده. ایدهٔ اصلی ساده است: بهجای پیشبینی جهت کلی بازار، روی رابطهٔ نسبی قیمت دو دارایی همبسته شرط میبندیم. وقتی این رابطه از حالت تعادل تاریخیاش منحرف میشود، روی یکی لانگ و روی دیگری شورت میگیریم و منتظر بازگشت اسپرد به میانگین میمانیم. در این مقاله مبانی آماری، فرمولهای محاسباتی، یک مثال عددی کامل و ملاحظات خاص بازار کریپتو را با جزئیات فنی بررسی میکنیم.
1. مبانی آماری: همبستگی، همانباشتگی و بازگشت به میانگین
پیش از هر چیز باید فرق بین دو مفهوم را روشن کرد، چون بسیاری از تریدرهای تازهکار این دو را با هم اشتباه میگیرند.
ضریب همبستگی (Correlation) رابطهٔ خطی بین بازده دو دارایی را نشان میدهد و بین 1- تا 1 در نوسان است:
ρ(X,Y) = Cov(X,Y) / (σX × σY)
برای مثال، بازده روزانهٔ ETH و BTC در بیشتر بازههای زمانی همبستگی بالایی (معمولاً بین 0.75 تا 0.9) دارند، چون هر دو تحت تأثیر ریسک سیستماتیک کل بازار کریپتو قرار میگیرند. اما همبستگی بالا بهتنهایی برای Pairs Trading کافی نیست، چون همبستگی فقط رابطهٔ بازده کوتاهمدت را میسنجد و تضمینی برای بازگشت نسبت قیمت به یک محور مشخص نمیدهد.
آنچه واقعاً اهمیت دارد همانباشتگی (Cointegration) است: دو سری زمانی وقتی همانباشتهاند که ترکیب خطی مشخصی از آنها (اسپرد) حول یک میانگین ثابت نوسان کند، حتی اگر هرکدام بهتنهایی روندی (Non-Stationary) باشند. رایجترین روش آزمون آن، تست دومرحلهای Engle-Granger است:
- رگرسیون خطی قیمت دو دارایی برای یافتن نسبت هج (β):
Price_A = α + β × Price_B + ε
- اجرای آزمون دیکی-فولر تعمیمیافته (ADF) روی باقیماندهٔ ε برای بررسی ایستا (Stationary) بودن آن. اگر آمارهٔ ADF از مقدار بحرانی (معمولاً در سطح اطمینان 95%) کوچکتر باشد، فرضیهٔ صفر (وجود ریشهٔ واحد) رد میشود و میتوان گفت جفت همانباشته است.
بدون این تست، بسیاری از جفتهایی که «بهنظر» همحرکت میکنند در واقع فقط بهخاطر روند صعودی کل بازار همجهت شدهاند و اسپردشان میتواند برای ماهها بدون بازگشت به میانگین دور بزند — دقیقاً همان ریسکی که استراتژی را از خنثی به جهتدار تبدیل میکند.
2. انتخاب جفت ارز مناسب
برای فیلتر کردن کاندیداهای مناسب، سه معیار را بهترتیب اعمال کنید:
- همبستگی حداقلی: معمولاً ضریب همبستگی 90 روزهٔ بالای 0.7 بهعنوان فیلتر اولیه در نظر گرفته میشود (این آستانه انتخابی رایج است، نه یک قانون ثابت).
- همانباشتگی معنادار: عبور از تست ADF با p-value کمتر از 0.05.
- همجنس بودن بنیادی: جفتهایی از یک دسته یا زیرساخت مشابه معمولاً پایدارتر هستند، مثل:
- جفتهای Layer 1 رقیب هم: SOL/AVAX، ETH/BNB
- توکنهای DeFi با مدل کسبوکار مشابه: UNI/SUSHI، AAVE/COMP
- نسخههای استخراجی و غیر استخراجی یک اکوسیستم: ETH/BTC بهعنوان کلاسیکترین جفت کریپتو
نکتهٔ فنی مهم: همبستگی و همانباشتگی هر دو پایدار در زمان نیستند. یک جفت که در سهماههٔ گذشته همانباشته بوده، ممکن است بعد از یک رویداد بنیادی (مثل آپدیت پروتکل، هک یا تغییر توکنومیکس) رابطهاش کاملاً بههم بریزد. به همین دلیل، تست همانباشتگی باید بهصورت غلتان (Rolling Window) و نه یکباره انجام شود.
3. محاسبه اسپرد، Z-Score و سیگنال معاملاتی
پس از تعیین نسبت هج β از مرحلهٔ رگرسیون، اسپرد بهصورت زیر تعریف میشود:
Spread_t = ln(Price_A,t) − β × ln(Price_B,t)
استفاده از لگاریتم قیمت باعث میشود اسپرد نسبت به تغییرات درصدی حساس باشد، نه تغییرات مطلق قیمت — نکتهای حیاتی وقتی دو دارایی رنج قیمتی کاملاً متفاوت دارند (مثلاً BTC در محدودهٔ دهها هزار دلار و یک آلتکوین زیر یک دلار).
سپس Z-Score اسپرد روی یک پنجرهٔ زمانی مشخص (مثلاً 30 یا 60 کندل) محاسبه میشود:
Z_t = (Spread_t − μ_spread) / σ_spread
قوانین ورود و خروج معمول (که باید با بکتست برای هر جفت خاص تنظیم شوند، نه بهصورت کورکورانه کپی شوند):
- ورود شورت اسپرد: وقتی Z ≥ +2 → شورت دارایی A، لانگ دارایی B (اسپرد بیش از حد باز شده)
- ورود لانگ اسپرد: وقتی Z ≤ −2 → لانگ دارایی A، شورت دارایی B
- خروج: وقتی Z به نزدیکی صفر (مثلاً |Z| ≤ 0.5) بازمیگردد
- استاپلاس ساختاری: اگر |Z| از 3.5 عبور کند، یعنی فرض همانباشتگی احتمالاً نقض شده و باید پوزیشن را بدون توجه به Z بست
4. مثال عملی محاسبهشده: جفت ETH/BTC
فرض کنید روی یک پنجرهٔ 30 روزه، رگرسیون لگاریتم قیمت ETH روی BTC نسبت هج β = 0.82 را نتیجه داده و باقیماندهٔ آن (اسپرد) دو پارامتر زیر را دارد:
- میانگین اسپرد (μ) = 0.0450
- انحراف معیار اسپرد (σ) = 0.0120
حال فرض کنید امروز:
- ln(Price_ETH) = 8.05 (معادل تقریبی قیمت 3,130 دلار)
- ln(Price_BTC) = 11.28 (معادل تقریبی قیمت 79,000 دلار)
اسپرد امروز:
Spread = 8.05 − (0.82 × 11.28) = 8.05 − 9.25 = −1.20
از آنجا که این عدد با μ در مقیاس متفاوتی محاسبه شده (برای سادگی مثال، فرض کنید بعد از نرمالسازی پنجرهٔ رگرسیون، اسپرد نرمالشدهٔ امروز برابر 0.0696 بهدست آمده)، Z-Score اینطور محاسبه میشود:
Z = (0.0696 − 0.0450) / 0.0120 = 2.05
چون Z از آستانهٔ +2 عبور کرده، سیگنال شورت اسپرد صادر میشود: شورت ETH، لانگ BTC با نسبت وزنی برابر β. یعنی اگر 10,000 دلار روی پای شورت ETH اختصاص میدهید، پای لانگ BTC باید 10,000 × 0.82 ≈ 8,200 دلار باشد تا پوزیشن از نظر بتا خنثی (Beta-Neutral) بماند، نه صرفاً از نظر دلاری برابر.
اگر اسپرد ظرف چند روز به میانگین 0.0450 بازگردد، سود تقریبی معامله از تفاوت نسبی حرکت دو دارایی حاصل میشود، مستقل از اینکه کل بازار کریپتو در آن بازه صعودی بوده یا نزولی — همین ویژگی است که استراتژی را «خنثی از بازار» میکند.
5. مدیریت ریسک و اندازهٔ پوزیشن
سه لایهٔ ریسک در Pairs Trading کریپتو باید همزمان مدیریت شوند:
ریسک اسپرد: با استاپلاس ساختاری روی |Z| (مثلاً 3.5) کنترل میشود، نه با درصد ضرر ثابت، چون منطق معامله بر پایهٔ انحراف آماری است نه سطح قیمتی.
ریسک نسبت هج: β میتواند در طول زمان تغییر کند. توصیه میشود β بهصورت غلتان (مثلاً هر هفته) بازمحاسبه شود و اگر تغییر آن از یک آستانه (مثلاً 20%) بیشتر شد، پوزیشن بازتنظیم یا بسته شود.
ریسک اندازهٔ پوزیشن: از آنجا که این استراتژی معمولاً با اهرم و روی دو پای همزمان اجرا میشود، مجموع ریسک هر پا باید طوری محاسبه شود که ضرر کل معامله (در بدترین حالت واگرایی اسپرد) از درصد مشخصی از سرمایهٔ کل (مثلاً 1 تا 2 درصد) تجاوز نکند. فرمول ساده:
اندازهٔ پوزیشن = (سرمایه × درصد ریسک مجاز) / (فاصلهٔ Z تا حد استاپ × σ_spread)
برای درک بهتر رابطهٔ بین آمار پرتفوی و مدیریت ریسک، مطالعهٔ محتوای آموزشی آکادمی تریدیار دربارهٔ سایزینگ پوزیشن و مدیریت سرمایه میتواند مکمل خوبی برای این بخش باشد.
6. چالشهای خاص بازار کریپتو
Pairs Trading در کریپتو چند تفاوت مهم با نسخهٔ سهام دارد که نادیده گرفتن آنها میتواند استراتژی را از خنثی به پرریسک تبدیل کند:
- نرخ فاندینگ (Funding Rate): چون این استراتژی معمولاً با فیوچرز پرپچوال روی هر دو پا اجرا میشود، فاندینگ رِیت هر دارایی میتواند هزینه یا درآمد اضافهای ایجاد کند که باید در محاسبهٔ سود خالص لحاظ شود. اگر پای شورت شما فاندینگ منفی بدهد و پای لانگ فاندینگ مثبت بگیرد، هزینهٔ نگهداری پوزیشن بهمرور میتواند بخش قابلتوجهی از سود اسپرد را ببلعد.
- نقدشوندگی نامتقارن: در جفتهایی مثل یک آلتکوین کوچک در برابر BTC، عمق بازار دو دارایی میتواند بسیار متفاوت باشد و اسلیپیج روی پای کمنقد، محاسبات نظری Z-Score را در اجرای واقعی مخدوش کند.
- ریسک رویداد گسسته: آپدیت پروتکل، تغییر رژیم صرافی، یا حتی یک هک میتواند رابطهٔ آماری دو دارایی را در چند دقیقه از بین ببرد — چیزی که در جفت سهام دو شرکت همصنعت معمولاً نادرتر و کندتر رخ میدهد.
- بازار 24/7: نبود ساعات بسته شدن بازار یعنی گپ قیمتی شبانه که در سهام باعث تعدیل ریسک میشود، در کریپتو عملاً وجود ندارد؛ در عوض نوسان پیوسته یعنی مانیتورینگ اسپرد باید مداوم و ترجیحاً خودکار باشد.
7. ابزارها، بکتست و اجرای عملی
پیش از اجرای زنده، هر جفت کاندیدا باید حداقل روی یک بازهٔ 6 تا 12 ماهه بکتست شود، با توجه ویژه به:
- محاسبهٔ نرخ برد به همراه نسبت سود به زیان واقعی از دادهٔ بکتست (نه عدد فرضی)، چون این نرخ برای هر جفت و هر رژیم بازار متفاوت است.
- اعمال کارمزد صرافی و اسپرد بید-اسک واقعی در محاسبات، که در بکتستهای ساده اغلب نادیده گرفته میشود.
- بررسی رفتار استراتژی در دورههای مختلف (رونق، رکود، رنج) چون Pairs Trading معمولاً در بازارهای رنج و پرنوسان بهتر از بازارهای تکروند عمل میکند.
برای تریدرهایی که میخواهند بدون ساخت زیرساخت کمی از صفر، سیگنالهای آماری آماده را دنبال کنند، صفحهٔ سیگنالهای تریدیار میتواند نقطهٔ شروع مناسبی برای مشاهدهٔ فرصتهای شناساییشده باشد؛ هرچند اجرای مستقل و درک منطق پشت هر سیگنال همچنان ضروری است. برای مرور عمیقتر مفاهیم آماری مشابه در تحلیل بازار، آرشیو بلاگ تریدیار نیز منابع تکمیلی در این حوزه دارد.
نتیجهگیری
Pairs Trading یک استراتژی جذاب برای تریدرهایی است که بهجای حدس جهت بازار، میخواهند از ناکارآمدیهای نسبی بین دو دارایی همبسته سود ببرند. موفقیت در این روش به سه چیز بستگی دارد: انتخاب دقیق جفت بر پایهٔ تست همانباشتگی (نه صرفاً همبستگی ظاهری)، محاسبهٔ درست نسبت هج و Z-Score برای زمانبندی ورود و خروج، و مدیریت ریسکی که فاندینگ رِیت، نقدشوندگی نامتقارن و ریسک رویدادهای گسستهٔ خاص کریپتو را در نظر بگیرد. این استراتژی جادویی نیست و در بازههایی که رابطهٔ آماری دو دارایی بههم میریزد میتواند ضرر بدهد؛ اما با بکتست منظم، بازمحاسبهٔ دورهای پارامترها و نظم در اجرای قوانین ورود/خروج، میتواند ابزار ارزشمندی برای تنوعبخشی به سبک معاملاتی یک تریدر باشد که مستقل از جهت کلی بازار عمل میکند.