การศึกษาของ Glassnode เปิดเผยข้อบกพร่องสำคัญในวิธีการ Backtesting คริปโต

Zach Anderson 13 มี.ค. 2026 17:07

งานวิจัยใหม่แสดงให้เห็นว่า backtests ที่ใช้ข้อมูล on-chain ที่แก้ไขแล้วให้ผลลัพธ์ที่ทำให้เข้าใจผิด เมตริก point-in-time เผยให้เห็นประสิทธิภาพในโลกแห่งความจริงที่แย่ลงอย่างมาก

การศึกษาของ Glassnode เปิดเผยข้อบกพร่องสำคัญในวิธีการ Backtesting คริปโต

กลยุทธ์การเทรดที่ทำกำไรได้ที่คุณทำ backtest ไว้? มันอาจจะไม่ได้ผลในเวลาจริง งานวิจัยล่าสุดของ Glassnode แสดงให้เห็นว่าข้อมูล on-chain ที่แก้ไขย้อนหลังสร้างภาพลวงตาของความสามารถในการทำกำไรที่เป็นอันตราย ซึ่งจะหายไปเมื่อทดสอบกับข้อมูลที่เทรดเดอร์สามารถเข้าถึงได้จริง

บริษัทวิเคราะห์ได้ทำการ backtests ที่เหมือนกันบนกลยุทธ์ยอดคงเหลือ BTC ในตลาดแลกเปลี่ยนอย่างง่าย—หนึ่งใช้ข้อมูลประวัติศาสตร์มาตรฐาน อีกหนึ่งใช้เมตริก point-in-time (PiT) ที่ไม่เปลี่ยนแปลง ตรรกะสัญญาณเดียวกัน พารามิเตอร์เดียวกัน ค่าธรรมเนียมการเทรด 0.1% เท่ากัน ผลลัพธ์แตกต่างกันอย่างมาก

ปัญหาที่ซ่อนอยู่ของข้อมูล On-Chain

เมตริกเช่นยอดคงเหลือในตลาดแลกเปลี่ยนไม่คงที่ มันได้รับการแก้ไขเมื่อการจัดกลุ่มที่อยู่ดีขึ้นและการติดป้ายกำกับหน่วยงานได้รับการอัปเดต ตัวเลขยอดคงเหลือ BTC ของ Binance ที่คุณกำลังดูสำหรับวันที่ 15 มกราคม 2024 อาจไม่ตรงกับสิ่งที่เผยแพร่จริงในวันนั้น

เมื่อคุณทำ backtest กับข้อมูลที่แก้ไขแล้ว คุณกำลังเทรดด้วยข้อมูลที่ไม่มีอยู่เมื่อควรจะต้องตัดสินใจ อคติการมองไปข้างหน้านี้รุนแรงเป็นพิเศษสำหรับเมตริกที่ขึ้นอยู่กับการระบุหน่วยงาน—ซึ่งเป็นประเภทข้อมูลที่เทรดเดอร์หลายคนพึ่งพาสำหรับการวิเคราะห์กระแสการแลกเปลี่ยน

กลยุทธ์ทดสอบของ Glassnode ตรงไปตรงมา: เปิดสถานะ long เมื่อค่าเฉลี่ยเคลื่อนที่ 5 วันของยอดคงเหลือ BTC ของ Binance ลดลงต่ำกว่าค่าเฉลี่ย 14 วัน (การไหลออกอย่างต่อเนื่อง) ออกเมื่อกลับขึ้นไปเหนือ (การไหลออกกลับตัว) ดำเนินการตั้งแต่มกราคม 2024 ถึงมีนาคม 2026 ด้วยเงินทุนเริ่มต้น $1,000 backtest มาตรฐานแสดงประสิทธิภาพที่ใกล้เคียงกับการซื้อและถือ

เวอร์ชัน PiT เล่าเรื่องที่แตกต่างออกไป ในขณะที่ทั้งสองกลยุทธ์ติดตามในลักษณะเดียวกันตลอดช่วงส่วนใหญ่ของปี 2024 เวอร์ชันข้อมูลที่ไม่เปลี่ยนแปลงพลาดการแข่งขันที่แข็งแกร่งในเดือนพฤศจิกายน 2024 และมีนาคม 2025 ที่ backtest ข้อมูลที่แก้ไขแล้วสามารถจับได้ ประสิทธิภาพสะสมลงเอยด้วยการ "ต่ำกว่ามาก" ตามที่ Glassnode กล่าว

ทำไมสิ่งนี้จึงสำคัญสำหรับเทรดเดอร์เชิงปริมาณ

ผลกระทบขยายไปไกลเกินกว่ากลยุทธ์เดียวนี้ backtest ใดๆ ที่พึ่งพาข้อมูลที่อาจมีการแก้ไข—ยอดคงเหลือในตลาดแลกเปลี่ยน กระแสที่ติดแท็กหน่วยงาน แม้แต่ปริมาณการเทรดจากตลาดแลกเปลี่ยนที่รายงานล่าช้า—เผชิญความเสี่ยงการปนเปื้อนเดียวกัน

สิ่งนี้สอดคล้องกับความกังวลที่กว้างขึ้นในด้านการเงินเชิงปริมาณเกี่ยวกับคุณภาพข้อมูล งานวิจัยจากผู้ให้บริการข้อมูลทางเลือกแสดงให้เห็นว่าวิธีการ PiT ป้องกันอคติหลายประเภท: อคติการมองไปข้างหน้าจากการใช้การแก้ไขในอนาคต อคติการอยู่รอดจากชุดข้อมูลที่ไม่รวมหน่วยงานที่ล้มเหลว และอคติการมองย้อนหลังจากตัวเลขที่ระบุใหม่

สำหรับคริปโตโดยเฉพาะ ที่บริษัทวิเคราะห์ on-chain ปรับปรุงอัลกอริทึมการติดป้ายกำกับหน่วยงานและการจัดกลุ่มอย่างต่อเนื่อง ปัญหาการแก้ไขทวีความรุนแรงขึ้น กระเป๋าเงินที่ระบุว่าเป็นของ Binance ในวันนี้อาจไม่ได้รับการติดแท็กอย่างถูกต้องเมื่อสองปีที่แล้วเมื่อ backtest ของคุณสันนิษฐานว่าคุณเทรดตามสัญญาณนั้น

การแก้ไขที่ใช้งานได้จริง

Glassnode ตอนนี้เสนอรูปแบบ PiT สำหรับเมตริกทั้งหมดผ่านระดับ Professional ชุดข้อมูลแบบเพิ่มเท่านั้นเหล่านี้ล็อคจุดข้อมูลแต่ละจุดตามที่คำนวณไว้ในตอนแรก—ไม่มีการเปลี่ยนแปลงย้อนหลัง

การแลกเปลี่ยนเป็นจริง: backtests ของคุณอาจจะดูแย่ลง แต่มันจะสะท้อนถึงสิ่งที่เกิดขึ้นจริง สำหรับเทรดเดอร์ที่จัดสรรเงินทุนจริงตามสัญญาณเชิงปริมาณ ช่องว่างความแม่นยำระหว่าง backtest ที่น่าพอใจและประสิทธิภาพสดที่น่าผิดหวังอาจมีราคาแพง

ก่อนที่จะใช้กลยุทธ์ใดๆ ที่สร้างขึ้นจากเมตริก on-chain คำถามไม่ใช่ว่า backtest ดูทำกำไรได้หรือไม่—แต่เป็นว่าคุณทดสอบกับข้อมูลที่คุณจะได้เห็นจริงหรือไม่

แหล่งที่มาของภาพ: Shutterstock