Wenn Sie sich bei der Backtests Ihrer ETH-Handelsstrategien auf historische Wechselkursdaten verlassen, sollten Sie besonders auf dieses Daten-Update achten. 📉
Coin Metrics hat kürzlich seine historischen Ethereum-Standard-Flow-Metriken von Genesis neu aufgebaut. Während das Auffinden neu entdeckter Exchange-Wallets dabei hilft, frühere Supply-Bewegungen mit höherer Präzision zu rekonstruieren, führt das zu einer großen Falle für Trader: Revision Bias.
Charts, die heute heruntergeladen wurden, spiegeln Entity-Wissen wider, das lange nachdem diese Trades stattgefunden haben, gesammelt wurde. Wenn Sie mit den heutigen, aufpolierten Metriken backtesten, handeln Sie im Grunde mit „zukünftigen“ Adressdaten, die zum damaligen Zeitpunkt nicht verfügbar waren. Um verzerrte Signaltests zu vermeiden, müssen Analysten Daten-Vintages isolieren oder auf Point-in-Time-(PIT)-Metriken zurückgreifen.
Für Algorithmic Trader und quantitative Forscher kann das Übersehen dieser Unterscheidung zu übermäßig optimistischer Performance von Strategien führen, die im Live-Markt nicht standhält.
Wie gehen Sie mit Look-ahead Bias um, wenn Sie On-Chain-Metriken testen—verlassen Sie sich auf Point-in-Time-Daten oder bleiben Sie bei einfachem Price Action?
#Ethereum #Crypto #Onchain #tradingStrategy
Coin Metrics hat kürzlich seine historischen Ethereum-Standard-Flow-Metriken von Genesis neu aufgebaut. Während das Auffinden neu entdeckter Exchange-Wallets dabei hilft, frühere Supply-Bewegungen mit höherer Präzision zu rekonstruieren, führt das zu einer großen Falle für Trader: Revision Bias.
Charts, die heute heruntergeladen wurden, spiegeln Entity-Wissen wider, das lange nachdem diese Trades stattgefunden haben, gesammelt wurde. Wenn Sie mit den heutigen, aufpolierten Metriken backtesten, handeln Sie im Grunde mit „zukünftigen“ Adressdaten, die zum damaligen Zeitpunkt nicht verfügbar waren. Um verzerrte Signaltests zu vermeiden, müssen Analysten Daten-Vintages isolieren oder auf Point-in-Time-(PIT)-Metriken zurückgreifen.
Für Algorithmic Trader und quantitative Forscher kann das Übersehen dieser Unterscheidung zu übermäßig optimistischer Performance von Strategien führen, die im Live-Markt nicht standhält.
Wie gehen Sie mit Look-ahead Bias um, wenn Sie On-Chain-Metriken testen—verlassen Sie sich auf Point-in-Time-Daten oder bleiben Sie bei einfachem Price Action?
#Ethereum #Crypto #Onchain #tradingStrategy