Korniejczuk & Slepaczuk (2024) — Multi-Pair Stat Arb via Graph Clustering
大白话：这篇论文在 SPONGEsym 的基础上把调仓周期从 3 天拉长到 10 天，并加了 5 个分类器做机器学习集成过滤，只做预测盈利最高的那 10% 信号；标普 500 上多空篮子交易成本前表现很好，但这个增益后来被独立研究者复现不出来。
作者：Adrian Korniejczuk、Robert Slepaczuk。
发表于：arXiv 2406.10695，日期 2024 年 6 月 15 日。
贡献
在 Cartea Cucuringu Jin 2023 SPONGE 的 SPONGEsym 框架上做了两项实用工程改造：
- 把调仓周期从 3 天延长到 10 天，以降低换手和交易成本拖累。
- 机器学习集成信号过滤器：5 个分类器 —— HistGradientBoosting、AdaBoost、MLP、Logistic Regression、SGD —— 用基准聚类策略回测产生的二值盈利标签训练。软投票聚合的权重按 Brier 分数（不是准确率）确定。只在按预测盈利能力排序的前 10% 信号上建仓 → 平均组合规模约 45 只股票。
盈利有两条定义：(a) 基于阈值：10 天持有期内任一时点累计收益超过 4%；(b) 扣除交易成本：即使没触及阈值，只要下次调仓时收益超过交易成本。两个条件任一满足即算盈利交易。
复现问题
「机器学习过滤带来大幅增益」这一头条结论未能被 Fanshawe Masih Cameron 2025 THGNN Correlation Forecasting 的作者复现。分类器的 Brier 分数和精确率与原论文吻合，说明差异出在组合构造或回测管道上，而不是机器学习实现本身。这就是统计套利回测脆弱性的经典例子。
对本 wiki 的意义
- 它是 THGNN 那篇论文的直接前身 —— 后者复用同一套交易引擎，只改进依赖度量（滚动相关 → 前瞻预测相关）。
- 4% 阈值 / 扣除交易成本的标签定义，是任何针对持有期策略做二值盈利分类的可复用标注配方。