Si estás basándote en datos históricos de intercambio para hacer backtesting de tus estrategias de trading de ETH, presta mucha atención a esta actualización de datos. 📉
Coin Metrics recientemente reconstruyó sus Métricas Históricas de Flujo Estándar de Ethereum desde la génesis. Si bien identificar monederos de exchanges recién descubiertos ayuda a reconstruir movimientos pasados de oferta con mayor precisión, introduce una gran trampa para los traders: el sesgo de revisión.
Los gráficos descargados hoy reflejan el conocimiento de entidades recopilado mucho tiempo después de que ocurrieran esas operaciones. Si haces backtesting usando métricas hoy, ya pulidas, tu modelo esencialmente está operando con datos de direcciones “del futuro” que no estaban disponibles en ese momento. Para evitar pruebas de señales distorsionadas, los analistas necesitan aislar las «fechas de la información» (data vintages) o recurrir a métricas Point-in-Time (PIT).
Para traders algorítmicos e investigadores cuantitativos, no tener en cuenta esta distinción puede llevar a un rendimiento de estrategia demasiado optimista que no se sostiene en mercados en vivo.
¿Cómo manejas el sesgo de anticipación al probar métricas on-chain: te basas en datos Point-in-Time o te quedas con una simple acción del precio?
#Ethereum #Crypto #Onchain #tradingStrategy
Coin Metrics recientemente reconstruyó sus Métricas Históricas de Flujo Estándar de Ethereum desde la génesis. Si bien identificar monederos de exchanges recién descubiertos ayuda a reconstruir movimientos pasados de oferta con mayor precisión, introduce una gran trampa para los traders: el sesgo de revisión.
Los gráficos descargados hoy reflejan el conocimiento de entidades recopilado mucho tiempo después de que ocurrieran esas operaciones. Si haces backtesting usando métricas hoy, ya pulidas, tu modelo esencialmente está operando con datos de direcciones “del futuro” que no estaban disponibles en ese momento. Para evitar pruebas de señales distorsionadas, los analistas necesitan aislar las «fechas de la información» (data vintages) o recurrir a métricas Point-in-Time (PIT).
Para traders algorítmicos e investigadores cuantitativos, no tener en cuenta esta distinción puede llevar a un rendimiento de estrategia demasiado optimista que no se sostiene en mercados en vivo.
¿Cómo manejas el sesgo de anticipación al probar métricas on-chain: te basas en datos Point-in-Time o te quedas con una simple acción del precio?
#Ethereum #Crypto #Onchain #tradingStrategy