Badanie Glassnode Ujawnia Krytyczną Wadę w Metodach Backtestingu Kryptowalut

Zach Anderson 13 mar 2026 17:07

Nowe badania pokazują, że backtesty wykorzystujące zrewidowane dane on-chain prowadzą do mylących wyników. Metryki punktowe w czasie ujawniają znacznie gorsze wyniki w rzeczywistych warunkach.

Badanie Glassnode Ujawnia Krytyczną Wadę w Metodach Backtestingu Kryptowalut

Ta rentowna strategia handlowa, którą przetestowałeś? Prawdopodobnie nie zadziałałaby w czasie rzeczywistym. Najnowsze badania Glassnode pokazują, jak retrospektywnie zrewidowane dane on-chain tworzą niebezpieczną iluzję rentowności, która znika, gdy są testowane względem informacji, do których traderzy faktycznie mieli dostęp.

Firma analityczna przeprowadziła identyczne backtesty prostej strategii salda BTC na giełdach — jeden przy użyciu standardowych danych historycznych, drugi przy użyciu niezmiennych metryk punktowych w czasie (PiT). Ta sama logika sygnałów, te same parametry, te same 0,1% opłat transakcyjnych. Wyniki radykalnie się różniły.

Ukryty Problem z Danymi On-Chain

Metryki takie jak salda giełdowe nie są statyczne. Są one aktualizowane w miarę poprawy grupowania adresów i aktualizacji etykietowania podmiotów. Liczba salda BTC na Binance, którą przeglądasz dla 15 stycznia 2024 r., może nie odpowiadać temu, co faktycznie zostało opublikowane w tym dniu.

Kiedy przeprowadzasz backtest na zrewidowanych danych, handlujesz na podstawie informacji, które nie istniały w momencie podejmowania decyzji. To wyprzedzające odchylenie jest szczególnie poważne dla metryk zależnych od identyfikacji podmiotów — dokładnie takiego rodzaju danych, na których wielu traderów polega w analizie przepływów giełdowych.

Strategia testowa Glassnode była prosta: otwórz długą pozycję, gdy 5-dniowa średnia krocząca salda BTC na Binance spadnie poniżej 14-dniowej średniej (utrzymujące się odpływy), zamknij, gdy przekroczy ponownie w górę (odwrócenie odpływów). Przeprowadzona od stycznia 2024 do marca 2026 z początkowym kapitałem 1000 USD, standardowy backtest wykazał wyniki mniej więcej odpowiadające strategii kupna i trzymania.

Wersja PiT opowiedziała inną historię. Podczas gdy obie strategie śledziły się podobnie przez większość 2024 roku, wersja z niezmiennymi danymi przegapiła silne wzrosty w listopadzie 2024 i marcu 2025, które backtest ze zrewidowanymi danymi uchwycił. Skumulowane wyniki okazały się „znacznie niższe", według Glassnode.

Dlaczego To Ma Znaczenie dla Traderów Kwantowych

Implikacje wykraczają poza tę pojedynczą strategię. Każdy backtest oparty na danych podlegających rewizji — saldach giełdowych, przepływach oznaczonych podmiotami, a nawet wolumenach handlowych z giełd, które raportują z opóźnieniem — stoi przed tym samym ryzykiem kontaminacji.

To jest zgodne z szerszymi obawami w finansach kwantowych dotyczących jakości danych. Badania dostawców alternatywnych danych pokazują, że metodologia PiT zapobiega wielu typom błędów systematycznych: błędowi wyprzedzającemu wynikającemu z użycia przyszłych rewizji, błędowi przetrwania z zestawów danych wykluczających nieudane podmioty oraz błędowi z perspektywy czasu wynikającemu z przeszacowanych liczb.

Szczególnie w przypadku kryptowalut, gdzie firmy analityczne on-chain stale udoskonalają swoje algorytmy etykietowania i grupowania podmiotów, problem rewizji się pogłębia. Portfel zidentyfikowany dziś jako należący do Binance mógł nie być poprawnie oznaczony dwa lata temu, kiedy twój backtest zakłada, że handlowałeś na podstawie tego sygnału.

Praktyczne Rozwiązanie

Glassnode oferuje teraz warianty PiT dla wszystkich metryk w ramach poziomu Professional. Te zestawy danych typu append-only blokują każdy punkt danych w takiej postaci, w jakiej był pierwotnie obliczony — bez zmian wstecznych.

Kompromis jest realny: twoje backtesty prawdopodobnie będą wyglądać gorzej. Ale będą odzwierciedlać to, co faktycznie by się wydarzyło. Dla traderów alokujących rzeczywisty kapitał na podstawie sygnałów kwantowych, ta luka w dokładności między pochlebnym backtestem a rozczarowującymi wynikami na żywo może być kosztowna.

Przed wdrożeniem jakiejkolwiek strategii opartej na metrykach on-chain, pytanie nie brzmi, czy backtest wygląda na rentowny — ale czy testowałeś względem danych, które faktycznie byś zobaczył.

Źródło obrazu: Shutterstock