Что такое mean reversion в крипто-рынках
Введение в mean reversion для новичков — что это, почему работает и где искать в крипте.
Если ты крутился вокруг quant-трейдинга, то слышал термин «mean reversion». Звучит технично, но идея старше компьютеров и встречается везде — в природе и в рынках: вещи, ушедшие далеко от среднего, склонны возвращаться.
Крипто-рынки обычно ассоциируются с обратным — дикие тренды, параболические рынки, капитуляционные днища. Так зачем здесь искать mean reversion?
Ответ: не вся крипта трендит. Внутри конкретных отношений — пар коррелированных активов, ratio между похожими токенами — mean reversion жива-здорова. Просто надо знать, где искать.
Простой пример
Скажем, ты год держишь 1 BTC и 10 ETH. Биткоин уходит +50%, эфир только +10%. Ratio BTC/ETH растянулся в пользу BTC.
Исторически, когда этот ratio становится слишком экстремальным, он обычно возвращается. Может BTC встанет, ETH догонит. Может BTC откатится, ETH удержит. Так или иначе, ratio сжимается.
Если ты свопаешь часть BTC на ETH в этой растяжке, тебе не нужно угадывать абсолютную цену. Тебе нужно чтобы ratio сжался — что статистически случается чаще не в крупных regime change'ах, в ликвидных парах.
Это и есть mean reversion в двух словах: ставка на возврат отношений к норме, не на абсолютные ценовые движения.
Почему это работает?
Две монеты в одном секторе — два layer-1 альта или два LSD — обычно имеют общие fundamental drivers. Общий sentiment крипто-рынка, секторный нарратив, USD-сила, регуляторные новости — всё это влияет на обе монеты. Когда одна вырывается вперёд из-за временного ликвидного события или news cycle'а, underlying drivers не меняются, и разрыв обычно закрывается.
Это работает хуже когда:
- Drivers действительно расходятся (у одного проекта major-катализатор, у другого нет)
- Одна монета входит в устойчивый тренд, который другая не делит
- Ликвидность коллапсит, фрагментируя price discovery
Хороший ratio-скринер фильтрует пары, где mean reversion работает прямо сейчас, не те где она может работать в теории.
Как протестировать на mean reversion
Два основных статистических теста:
Hurst exponent (1951): измеряет mean-revert'ит серия (H < 0.5), random-walk'ит (H ≈ 0.5) или трендит (H > 0.5).
Augmented Dickey-Fuller (1979): тестирует есть ли у серии стабильное среднее к которому возвращаться (низкое p-value = стационарно).
Применять оба к log-ratio двух цен. Если оба проходят — пара статистически mean-reverting на тестируемом окне.
Полная математика с Python-кодом — в гайде по Hurst, ADF и walk-forward.
Что это не
Это не способ предсказывать цену. Ты не ставишь что BTC пойдёт вверх или вниз — ставишь что BTC и ETH вернутся к типичному отношению.
Это не high-frequency. Типичный hold time между свопами на парах которые мы скриним — 1–6 месяцев.
Это не free money. У нас целый пост о том где стратегия фейлится. Сильные направленные тренды, low-volume альты, делистинги, tokenized активы с короткой историей — всё ломает её по-разному.
С чего начать
Если хочешь копать глубже:
- Страница методологии на PairScan проходит по полному filter pipeline.
- Open-source утилита на github.com/pairscan/ratio-mean-reversion позволяет прогонять фильтры на своих ценовых данных.
- Пост про BTC vs Apple tradable ratio показывает mean reversion применённую к cross-asset паре (крипта vs tokenized US equity).
Или просто открой pairscan.io — он гоняет four-filter pipeline плюс walk-forward бэктест на 170+ парах каждые 6 часов, включая cross-asset с tokenized US equities. Free показывает топ-3 пары ежедневно.
Стратегия не секретная. Это классическая статистика применённая к крипто- и tokenized-equity парам. Понять её — примерно такая же работа как понять compound interest. Прибыльно её исполнять — больше работы, и здесь важны фильтры и дисциплина.