ฉันวิเคราะห์การเบรกเอาต์คริปโต 31,810 ครั้ง นี่คือสิ่งที่บอกได้จริงๆ ว่าอันไหนจริง อันไหนปลอม

สิ่งที่เทรดเดอร์ส่วนใหญ่เชื่อเกี่ยวกับการเบรกเอาท์นั้นผิด ข้อมูลบอกเรื่องราวที่แตกต่างออกไปอย่างมาก

ฉันทดสอบฟิลเตอร์การเบรกเอาท์ยอดนิยมทุกตัว — ปริมาณการซื้อขายที่พุ่งสูง อัตราค่าใช้จ่าย open interest — ใน 546 crypto perpetual futures สมมติฐานห้าข้อมีสามข้อที่ล้มเหลว สิ่งที่รอดมาได้กลายเป็นกลยุทธ์การเทรดที่มี Sharpe ratio 0.93

ราคาเบรกเหนือแถบ Bollinger Band ตอนบน ปริมาณการซื้อขายเป็น 3 เท่าของค่าเฉลี่ยรายวัน อัตราค่าใช้จ่ายเป็นลบ — ฝั่ง short กำลังจะถูกบีบ สัญญาณทุกตัวบอกให้เปิด long

คุณเข้าสู่การเทรด สี่ชั่วโมงต่อมา ราคากลับลงมาต่ำกว่าแถบแล้ว และคุณกำลังจ้องมองการขาดทุน

ฉันเคยผ่านมาแล้ว ดังนั้นฉันจึงหยุดเดาและเริ่มนับ ฉันดึงเหตุการณ์การเบรกเอาท์ 31,810 ครั้งจาก 546 Binance perpetual futures อ้างอิง open interest จาก 457 สัญลักษณ์ Bybit และทดสอบฟิลเตอร์การเบรกเอาท์ยอดนิยมทุกตัวที่ฉันหาได้ สิ่งที่ฉันค้นพบได้พลิกคว่ำสิ่งที่ฉันคิดว่ารู้ส่วนใหญ่ — และ "สัญญาณยืนยัน" สามตัวที่ถูกอ้างถึงบ่อยที่สุดกลับกลายเป็นไร้ค่า

TL;DR

• Autocorrelation เป็นตัวทำนายอันดับ 1 ว่าเหรียญจะเบรกเอาท์ต่อเนื่องหรือกลับค่าเฉลี่ย (p=0.002)
• Open interest ที่ลดลงทำนายการเบรกเอาท์ที่ดีกว่า (57.1% เทียบกับ 50.6%) — ตรงข้ามกับที่เทรดเดอร์ส่วนใหญ่เชื่อ
• ปริมาณการซื้อขายที่พุ่งสูง อัตราค่าใช้จ่าย และมูลค่าตลาดไร้ประโยชน์ในฐานะฟิลเตอร์การเบรกเอาท์ในระดับใหญ่
• อัตราชนะสูงไม่ได้เท่ากับกำไรสูง — สัญญาณที่ "แม่นยำ" ที่สุดของฉันมีผลตอบแทนติดลบ (การค้นพบที่สำคัญที่สุดตัวเดียวของโครงการนี้)
• กลยุทธ์ที่ดีที่สุด: S1+S3 combo (Sharpe 0.93, CAGR 25.0%, Max DD -36.8%) — มีแนวโน้มดีแต่ยังไม่พร้อมใช้งานจริง

ส่วนที่ 1: คำถาม

ฉันสามารถแยกแยะการเบรกเอาท์จริงจากการเบรกเอาท์ปลอมทางสtatisticsก่อนเข้าสู่การเทรดได้หรือไม่?

ฉันกำหนด "จริง" เป็นการเบรกเอาท์ที่ราคาเคลื่อนต่อไปอย่างน้อย 1 ATR ในทิศทางเบรกเอาท์ภายใน 5 วัน และ "ปลอม" เป็นการที่ราคาเคลื่อนที่น้อยกว่า 0.5 ATR ในทางที่เอื้ออำนวยในขณะที่เคลื่อนที่มากกว่า 1 ATR ในทางตรงกันข้าม

ชุดข้อมูล: 546 Binance perpetual futures, 31,810 เหตุการณ์การเบรกเอาท์รายวัน (วิธี Bollinger Band) และ 787,635 เหตุการณ์รายชั่วโมงตั้งแต่ 2020–2026 สำหรับการวิเคราะห์ open interest ฉันอ้างอิง 457 สัญลักษณ์กับข้อมูล Bybit OI (5.6 ปีของความละเอียด 4 ชั่วโมง)

ส่วนที่ 2: สิ่งที่ฉันพบ — และตำนานสามข้อที่ฉันทำลาย

สัญญาณที่ได้รับการยืนยัน

ฉันทดสอบฟิลเตอร์การเบรกเอาท์ที่มีศักยภาพหลายตัว มีเพียงห้าตัวเท่านั้นที่รอดการตรวจสอบทางสถิติในระดับใหญ่:

ตัวทำนายที่แข็งแกร่งที่สุดคือประเภทเหรียญ (FADE/FOLLOW, ส่วนต่าง 8pp) วันในสัปดาห์ (วันพฤหัสบดี = 62% จริง, วันจันทร์ = 47%) และการจัดอันดับ quintile autocorrelation (Q1 = 59.6% เทียบกับ Q5 = 51.2%, ส่วนต่าง 8.4pp, p < 0.0001)

FADE และ FOLLOW coins คืออะไร? ฉันค้นพบว่าเหรียญแบ่งกลุ่มเป็นสองประเภทพฤติกรรม:

• FOLLOW coins (218/327 = 67%): การเบรกเอาท์มักจะเคลื่อนต่อไป เทรดไปกับการเบรกเอาท์
• FADE coins (109/327 = 33%): การเบรกเอาท์มักจะกลับตัว เทรดตรงข้ามการเบรกเอาท์

ความเชื่อยอดนิยมสามข้อที่ถูกทำลายด้วยข้อมูล

ตำนานที่ 1: "ปริมาณการซื้อขายที่พุ่งสูงยืนยันการเบรกเอาท์" ในตัวอย่าง 23 สัญลักษณ์เริ่มต้นของฉัน ปริมาณ >= 2 เท่าของค่าเฉลี่ยแสดงอัตราจริง 63.2% (p=0.008) ดูดีใช่ไหม? แต่เมื่อฉันขยายไปเป็น 546 สัญลักษณ์ ตัวเลขกลับตัวเป็น 49.5% — แย่กว่าการสุ่ม การค้นพบเริ่มต้นเป็นอคติในการคัดเลือกล้วนๆต่อเหรียญที่มีสภาพคล่องและมีพฤติกรรมดี ในจักรวาลที่กว้างขึ้น ปริมาณการซื้อขายที่พุ่งสูงในหุ้นมูลค่าต่ำส่งสัญญาณการบิดเบือน ไม่ใช่ความต้องการที่แท้จริง

ตำนานที่ 2: "OI ที่เพิ่มขึ้นหมายถึงเงินใหม่เข้ามา = การเบรกเอาท์จริง" นี่อาจเป็น "สัญญาณยืนยัน" ที่ถูกอ้างถึงมากที่สุดในชุมชนเทรดคริปโต ข้อมูลบอกตรงข้าม: OI ที่ลดลงทำนายการเบรกเอาท์ที่ดีกว่า (57.1% เทียบกับ 50.6%, p = 0.000003) กลไก: OI ที่ลดลงหมายถึงสถานะถูกปิดไปแล้ว สร้างแผ่นใหม่สะอาดสำหรับการเคลื่อนไหวที่ขับเคลื่อนด้วยความเชื่อมั่น OI ที่เพิ่มขึ้นหมายถึงการวางสถานะแน่น — เปราะบางและเสี่ยงต่อการกลับตัว

ตำนานที่ 3: "อัตราค่าใช้จ่ายทำนายคุณภาพการเบรกเอาท์" ค่าใช้จ่ายติดลบ + การเบรกเอาท์ขึ้น = การบีบ short = การเคลื่อนต่อที่แข็งแกร่ง ใช่ไหม? ผิด การทดสอบอัตราค่าใช้จ่ายทุกครั้งให้ค่า p-values สูงกว่า 0.23 ไม่มีอำนาจทำนาย ค่าใช้จ่ายสะท้อนความรู้สึกการวางสถานะปัจจุบัน ไม่ใช่คุณภาพการเบรกเอาท์

สมมติฐานเริ่มต้น: บัตรคะแนน

ส่วนที่ 3: วิธีที่ฉันทดสอบสิ่งนี้

• การตรวจจับการเบรกเอาท์: Bollinger Band breaks — ราคาปิดเหนือแถบบน (หลังจากอยู่ด้านล่างในแท่งก่อนหน้า) หรือต่ำกว่าแถบล่าง SMA 20 วันกับความผันผวน EWMA 2x (lambda=0.94)
• การจัดหมวดหมู่: การเบรกเอาท์แต่ละครั้งถูกติดป้าย REAL, FAKE หรือ AMBIGUOUS โดยพิจารณาจากเส้นทางราคา 5 วันข้างหน้า
• Walk-Forward Validation: 6 folds กับการฝึกอบรม 365 วันและการทดสอบ 180 วัน ไม่มีการปรับพารามิเตอร์ในช่วงการทดสอบ — การฝึกอบรมใช้เฉพาะสำหรับการคัดเลือกจักรวาลและการปรับเทียบ quintile
• ต้นทุนการทำธุรกรรม: 22 bps รอบเที่ยว (ค่าธรรมเนียม 7 bps + slippage 5 bps + spread 10 bps)

รายละเอียดวิธีการทั้งหมดในส่วนวิธีการที่ด้านล่างของโพสต์นี้

ส่วนที่ 4: จากสถิติสู่กลยุทธ์

ด้วยการค้นพบเหล่านี้ ฉันออกแบบกลยุทธ์การเทรดห้าตัว:

• S1 (FADE/FOLLOW): เทรดไปกับการเบรกเอาท์บน FOLLOW coins, เทรดตรงข้ามบน FADE coins จักรวาลถูกจัดหมวดหมู่โดยใช้การตรวจจับประเภทเหรียญแบบ walk-forward
• S2 (Autocorrelation Long/Short): Long เหรียญ autocorrelation ต่ำ (อัตราจริงสูงสุด) short เหรียญ autocorrelation สูง (อัตราจริงต่ำสุด)
• S3 (OI Regime): เทรดการเบรกเอาท์เฉพาะเมื่อ open interest กำลังลดลง — สัญญาณ "แผ่นสะอาด"
• S4 (Volume Filter): เทรดการเบรกเอาท์เฉพาะเมื่อมาพร้อมปริมาณการซื้อขายที่พุ่งสูง >= 2 เท่าของค่าเฉลี่ย
• S5 (Day/Hour Timing): เทรดการเบรกเอาท์เฉพาะในช่วงวันในสัปดาห์และชั่วโมงในวันที่เอื้ออำนวยทางสถิติ

ผลลัพธ์ก่อน Backtest

กลยุทธ์สองตัวถูกฆ่าก่อนที่ฉันจะเรียกใช้ backtest นี่คือพลังของการตรวจสอบทางสถิติก่อน backtest — ฉันประหยัดเวลาคำนวณหลายชั่วโมงโดยการตรวจสอบพื้นฐานก่อน

• S2 ถูกปฏิเสธเพราะ Information Coefficient ของมันเป็นลบ (ดูรายละเอียดเพิ่มเติมในบทเรียนสำคัญนี้ในส่วนที่ 6)
• S4 ถูกปฏิเสธเพราะสัญญาณปริมาณการซื้อขายที่พุ่งสูงกลับตัวในระดับใหญ่ — มันทำนายการเบรกเอาท์ที่แย่กว่า ไม่ใช่ดีกว่า

ส่วนที่ 5: ผลลัพธ์ Walk-Forward Backtest

ฉันรัน walk-forward backtest อย่างเข้มงวด: 6 test folds ที่ไม่ทับซ้อนกันตั้งแต่กรกฎาคม 2021 ถึงกุมภาพันธ์ 2026 พร้อมต้นทุนการทำธุรกรรม 22 bps รอบเที่ยว

ความล้มเหลวอย่างน่าทึ่งของ S5 สมควรได้รับความสนใจ กลยุทธ์นี้ผ่านประตูการตรวจสอบก่อน backtest ทั้ง 6 ประตู — รูปแบบวันในสัปดาห์และชั่วโมงในวันมีความสำคัญทางสถิติใน 573 สัญลักษณ์ด้วยค่า p-values ที่เล็กจนหายไป (ต่ำถึง 10^-217) แต่ในการทดสอบ walk-forward มันโพสต์ Sharpe -0.02 พร้อม 3 folds แพ้ติดต่อกัน (2023–2025) รูปแบบรายชั่วโมงวันพฤหัสบดี 14:00 UTC เป็นจริงในภาพรวมแต่ขึ้นอยู่กับระบอบ — มันหายไปในช่วงหมีแย่

การผสมผสานพอร์ตโฟลิโอ

ฉันทดสอบการผสมผสานที่เป็นไปได้ทั้งหมด 7 แบบ (3 เดี่ยว + 3 คู่ + 1 สาม):

ผู้ชนะ: S1+S3 ด้วย Sharpe 0.93, max drawdown -36.8% และ CAGR 25.0%

ทำไมการรวม S1 และ S3 ถึงดีกว่าใช้แต่ละตัว? ความสัมพันธ์ของพวกมันอยู่ที่ 0.10 เท่านั้น — พวกมันแทบไม่เคยขาดทุนในวันเดียวกัน

เส้นโค้งผลตอบแทน

เส้นโค้งผลตอบแทนแสดงผลงานที่แข็งแกร่งใน 2024 และต้น 2026 พร้อมการถอนที่เจ็บปวดใน 2025-H1 ที่กลยุทธ์ทั้งหมดขาดทุน

กลยุทธ์ไม่เคยอยู่ต่ำกว่าเกณฑ์นี้นาน แต่ฝ่าฝืนบ่อยครั้ง

ความสม่ำเสมอต่อ Fold

ส่วนที่ 6: ปริศนา S2 — ทำไมอัตราชนะไม่เท่ากับกำไร

นี่เป็นการค้นพบที่สำคัญที่สุดตัวเดียวของโครงการทั้งหมด

S2 ถูกออกแบบให้ไป long บนเหรียญที่มี autocorrelation ต่ำสุด (Q1, อัตราจริงสูงสุด 59.6%) และ short เหรียญที่มี autocorrelation สูงสุด (Q5, อัตราจริงต่ำสุด 51.2%) สัญญาณทำนายอย่างสมบูรณ์แบบว่าเหรียญใดจะเบรกเอาท์ต่อเนื่องบ่อยกว่า

Information Coefficient รายเดือนเป็นลบ: -0.016

เป็นไปได้อย่างไร? เพราะความถี่ของความสำเร็จไม่เหมือนกับขนาดของความสำเร็จ เหรียญ Q5 เบรกเอาท์น้อยกว่า แต่เมื่อพวกมันทำ พวกมันเคลื่อนที่ไกลกว่า ผู้ชนะใน Q5 ใหญ่กว่าผู้ชนะใน Q1 พอที่จะชดเชยอัตราชนะที่ต่ำกว่า

กล่าวอีกนัยหนึ่ง: สัญญาณทำนายได้อย่างถูกต้องว่าใครจะชนะบ่อยกว่า แต่ผู้แพ้ใน Q1 และผู้ชนะใน Q5 มีขนาดที่ไม่สมมาตรที่พลิกผลตอบแทนที่คาดหวัง

ส่วนที่ 7: บทเรียนสำคัญที่ได้เรียนรู้

1. ความสำคัญทางสถิติไม่รับประกันความสามารถทำกำไร S5 ผ่านการทดสอบ chi-squared ทุกครั้งด้วยค่า p-values ที่เล็กจนหายไป (10^-217) แต่ขอบ 1.4pp (55.2% เทียบกับ 53.8%) หายไปหลังต้นทุน 22 bps ในระบอบตลาดที่ไม่เอื้ออำนวย ต้องการทั้งความสำคัญทางสถิติและทางเศรษฐกิจ

2. อัตราชนะสูงไม่ได้หมายถึงผลตอบแทนสูง ปริศนา S2: คุณสามารถทำนายได้อย่างสมบูรณ์แบบว่าเหรียญใดเบรกเอาท์บ่อยกว่าและยังคงขาดทุน เพราะความถี่ != ขนาด คำนวณ IC กับผลตอบแทนไปข้างหน้าเสมอ ไม่ใช่แค่อัตราชนะ

3. ขยายจักรวาลของคุณก่อนเชื่อการค้นพบ ปริมาณการซื้อขายที่พุ่งสูง "ยืนยัน" การเบรกเอาท์ที่ 23 สัญลักษณ์แต่กลับตัวที่ 546 อคติในการคัดเลือกต่อเหรียญที่มีสภาพคล่องและมีพฤติกรรมดีปกปิดความเป็นจริงของการบิดเบือนในหุ้นมูลค่าต่ำ

4. สัญญาณตรงข้ามซ่อนตัวอยู่กลางแจ้ง เรื่องเล่า OI ที่ได้รับความนิยมมากที่สุด ("OI ที่เพิ่มขึ้น = เงินใหม่ = การเบรกเอาท์จริง") ผิดตามประจักษ์ แผ่นสะอาด (OI ที่ลดลง) สร้างการเบรกเอาท์ที่ดีกว่าการวางสถานะแน่น

5. การตรวจสอบก่อน backtest ประหยัดเวลามหาศาล S2 ถูกฆ่าโดยการคำนวณ IC 30 วินาที ประหยัด 30+ นาทีของ walk-forward backtesting บนกลยุทธ์ที่จะเป็นผู้แพ้ที่รับประกันได้

ส่วนที่ 8: คำตัดสินสุดท้าย

S1+S3 เทรดได้หรือไม่? ยังไม่ได้ Sharpe 0.93 น่าให้กำลังใจ และ CAGR 25.0% น่าดึงดูด แต่ max drawdown -36.8% ทำให้ไม่เหมาะสมสำหรับการใช้งานที่ขนาดสถานะปัจจุบัน ด้วยขนาดที่อนุรักษ์นิยมกว่า (เป้าหมาย vol 5–7% แทน 15%) drawdowns จะลดลงครึ่งหนึ่งเป็น ~18% ทำให้ใช้งานได้บางส่วน

สิ่งที่จำเป็นเพื่อผลักดัน Sharpe ผ่าน 1.0:

• ฟิลเตอร์ระบอบเพื่อลดการเปิดรับในช่วงเช่น 2025-H1
• แหล่ง alpha เพิ่มเติม — โครงสร้างจุลภาคสมุดคำสั่งซื้อหรือสัญญาณข้ามแลกเปลี่ยน
• ขนาดสถานะอนุรักษ์นิยมตั้งแต่เริ่มต้น

รากฐานทางสถิติมั่นคง สัญญาณ (FOLLOW coins + OI ที่ลดลง + วันในสัปดาห์ที่เอื้ออำนวย) เป็นจริงและแข็งแกร่งใน 546 สัญลักษณ์ ความท้าทายคือการแปลขอบทางสถิติที่เจียมเนื้อเจียมตัว (5–8pp) นั้นเป็นความสามารถทำกำไรหลังต้นทุนอย่างสม่ำเสมอ

ฟิลเตอร์การเบรกเอาท์ใดที่คุณสาบานได้ — และมันรอดการทดสอบอย่างเข้มงวดหรือไม่? ฉันอยากรู้จริงๆ แสดงความคิดเห็นหรือติดต่อมา

วิธีการและข้อมูล

• การตรวจจับการเบรกเอาท์: Bollinger Band breaks — เมื่อราคาปิดเหนือแถบบน (หลังจากอยู่ด้านล่างในแท่งก่อนหน้า) หรือต่ำกว่าแถบล่าง SMA 20 วันกับความผันผวน EWMA 2x (lambda=0.94) สำหรับความกว้างแถบ
• การจัดหมวดหมู่: การเบรกเอาท์แต่ละครั้งถูกติดป้าย REAL, FAKE หรือ AMBIGUOUS โดยพิจารณาจากเส้นทางราคา 5 วันข้างหน้า "Real" = การเคลื่อนต่อ >= 1 ATR ในทิศทางเบรกเอาท์ "Fake" = < 0.5 ATR ที่เอื้ออำนวย + > 1 ATR ที่ไม่เอื้ออำนวย
• Walk-Forward Validation: 6 folds กับช่วงการฝึกอบรม 365 วันและการทดสอบ 180 วัน ไม่มีการปรับพารามิเตอร์ในช่วงการทดสอบ — การฝึกอบรมใช้เฉพาะสำหรับการคัดเลือกจักรวาลและการปรับเทียบ quintile
• ต้นทุนการทำธุรกรรม: 22 bps รอบเที่ยว (ค่าธรรมเนียม 7 bps + slippage 5 bps + spread 10 bps)
• แหล่งข้อมูล: Binance USDM perpetual futures (1h OHLCV), Bybit perpetual open interest (4h)
• จักรวาล: 546 สัญลักษณ์ (รายวัน) 573 สัญลักษณ์ (รายชั่วโมง)
• ช่วงเวลา: 2020–2026 (การทดสอบ walk-forward: 2021–07 ถึง 2026–02)
• เครื่องมือ: Python (pandas, numpy, matplotlib, scipy) ไม่มี ML — เพียงสถิติและการตรวจสอบ walk-forward

ข้อจำกัดความรับผิดชอบ: การวิจัยนี้มีวัตถุประสงค์เพื่อการศึกษาเท่านั้น ผลงานในอดีตไม่รับประกันผลลัพธ์ในอนาคต ตรวจสอบข้อมูลด้วยตัวเองก่อนตัดสินใจลงทุนเสมอ

แท็ก: #QuantitativeFinance #Crypto #Breakouts #TradingStrategy #DataScience #WalkForward #StatisticalAnalysis

I Analyzed 31,810 Crypto Breakouts. Here's What Actually Predicts Real vs Fake. ถูกเผยแพร่ครั้งแรกใน Coinmonks บน Medium ซึ่งผู้คนกำลังสนทนาต่อด้วยการไฮไลต์และตอบกลับเรื่องราวนี้