Glassnode-onderzoek onthult kritieke fout in crypto-backtestingmethoden

Zach Anderson 13 mrt 2026 17:07

Nieuw onderzoek toont aan dat backtests die herziene on-chain data gebruiken misleidende resultaten opleveren. Point-in-time metrieken onthullen aanzienlijk slechtere prestaties in de praktijk.

Die winstgevende handelsstrategie die je hebt gebacktest? Die zou waarschijnlijk niet hebben gewerkt in real-time. Het nieuwste onderzoek van Glassnode toont aan hoe met terugwerkende kracht herziene on-chain data een gevaarlijke illusie van winstgevendheid creëert die verdampt wanneer deze wordt getest tegen informatie waar handelaren daadwerkelijk toegang toe hadden.

Het analysebedrijf voerde identieke backtests uit op een eenvoudige BTC exchange balance-strategie—één met standaard historische data, een andere met onveranderlijke point-in-time (PiT) metrieken. Dezelfde signaallogica, dezelfde parameters, dezelfde 0,1% handelskosten. De resultaten liepen dramatisch uiteen.

Het verborgen probleem met on-chain data

Metrieken zoals exchange-saldi zijn niet statisch. Ze worden herzien naarmate adresclustering verbetert en entiteitslabeling wordt bijgewerkt. Dat Binance BTC-saldo dat je bekijkt voor 15 januari 2024 komt mogelijk niet overeen met wat daadwerkelijk op die datum werd gepubliceerd.

Wanneer je backtest tegen herziene data, handel je op informatie die niet bestond toen beslissingen zouden zijn genomen. Deze look-ahead bias is bijzonder ernstig voor metrieken die afhankelijk zijn van entiteitsidentificatie—precies het soort data waar veel handelaren op vertrouwen voor exchange flow-analyse.

Glassnode's teststrategie was eenvoudig: ga long wanneer het 5-daags voortschrijdend gemiddelde van Binance's BTC-saldo onder het 14-daags gemiddelde zakt (aanhoudende uitstromen), sluit de positie wanneer deze weer boven komt (uitstromen keren om). Met een looptijd van januari 2024 tot maart 2026 met $1.000 startkapitaal, vertoonde de standaard backtest prestaties die ruwweg overeenkwamen met buy-and-hold.

De PiT-versie vertelde een ander verhaal. Hoewel beide strategieën gedurende het grootste deel van 2024 vergelijkbaar presteerden, miste de onveranderlijke dataversie de sterke rally's van november 2024 en maart 2025 die de herziene-data backtest wel ving. De cumulatieve prestaties eindigden "aanzienlijk lager," aldus Glassnode.

Waarom dit belangrijk is voor quant-handelaren

De implicaties reiken verder dan deze ene strategie. Elke backtest die afhankelijk is van data die onderhevig is aan herziening—exchange-saldi, entiteit-getagde flows, zelfs handelsvolumes van exchanges die met vertraging rapporteren—loopt hetzelfde contaminatierisico.

Dit sluit aan bij bredere zorgen in kwantitatieve financiering over datakwaliteit. Onderzoek van alternatieve dataproviders toont aan dat PiT-methodologie meerdere bias-types voorkomt: look-ahead bias door gebruik van toekomstige herzieningen, survivorship bias van datasets die mislukte entiteiten uitsluiten, en hindsight bias van herziene cijfers.

Specifiek voor crypto, waar on-chain analysebedrijven continu hun entiteitslabeling en clusteringalgoritmen verfijnen, verergert het herzieningsprobleem. Een wallet die vandaag als eigendom van Binance wordt geïdentificeerd, is mogelijk twee jaar geleden niet correct getagd toen je backtest veronderstelde dat je op dat signaal handelde.

De praktische oplossing

Glassnode biedt nu PiT-varianten voor alle metrieken via hun Professional-tier. Deze append-only datasets vergrendelen elk datapunt zoals het oorspronkelijk werd berekend—geen retroactieve wijzigingen.

De afweging is reëel: je backtests zullen er waarschijnlijk slechter uitzien. Maar ze zullen weerspiegelen wat daadwerkelijk zou zijn gebeurd. Voor handelaren die reëel kapitaal alloceren op basis van kwantitatieve signalen, kan die nauwkeurigheidskloof tussen een flatterende backtest en teleurstellende live-prestaties duur zijn.

Voordat je een strategie implementeert die is gebouwd op on-chain metrieken, is de vraag niet of de backtest winstgevend lijkt—het is of je hebt getest tegen de data die je daadwerkelijk zou hebben gezien.

• backtesting
• on-chain analytics
• glassnode
• handelsstrategieën
• datakwaliteit