Каждые несколько месяцев на рынок выходит новая волна инструментов для ИИ-трейдинга, которые обещают сказать вам, куда пойдет цена. Подача всегда представляет собой какую-то версию той же фразы: модель видит закономерности, которые людям недоступны.
Честная версия этой фразы гораздо короче и гораздо полезнее. У машинного обучения действительно есть работа на криптовалютных рынках. Просто это не та работа, которую обычно продают. Вот где на самом деле проходит эта линия и как проверить любое заявление об ИИ, с которым вы сталкиваетесь.
Почему сложнее всего предсказать направление, а не что-нибудь другое
Ликвидный рынок — это не головоломка, неподвижно ожидающая решения. Это толпа, которая уже оценила всё, что ваша модель только что заметила.
К тому времени, когда направленный паттерн становится видимым в публичных данных, он виден всем, у кого те же данные и тот же канал связи. По крупнейшим парам это также включает компании с более быстрой инфраструктурой и большим капиталом, чем когда-либо сможет себе позволить любой розничный инструмент. Предсказывать направление следующего шага в такой среде — почти то же самое, что угадывать монету, которую уже перевернул кто-то другой.
Это не ограничение, которое исчезает с более крупной моделью. Это структура задачи. Информация, которая подскажет, куда цена скорее всего пойдёт дальше, — это ровно та информация, которую глубокий рынок «выключает» быстрее всего.
Так что когда AI-инструмент открывает презентацию ценовыми целями, это не доказательство продвинутости. Это доказательство того, что он продаёт то, что людям хочется купить.
Что машинное обучение действительно хорошо предсказывает
Четыре вещи — и ни одна из них не «стрелка» на графике.
Не «какой стороной», а «насколько». Волатильность имеет свойство, которого нет у доходностей: она сохраняется. Тихие дни группируются с тихими, бурные — с бурными, и шок сегодня повышает шансы на большой ход завтра. Эта автокорреляция величины достаточно стабильна, чтобы из неё учиться. Модель может сказать, насколько широки правдоподобные исходы, даже когда центр действительно неизвестен — и это единичное предположение определяет размер позиции, размещение стопов и то, заслуживает ли сегодняшняя ситуация больше осторожности, чем вчера.
В каком вы режиме. Трендовый или боковой рынок, расширяющаяся или сжимающаяся ликвидность, перегруженная позиционировка или лёгкая. Классификация режима — обычная задача supervised-обучения с наблюдаемыми входными данными, и она меняет, сколько доверия заслуживает любая другая оценка.
Классификация потока. Это операционная «подводка» транзакции или экономический умысел? Это крупный спрос на минтинг или расписание по казначейству? Глубина стакана реальная или «слоистая»? Эти задачи решаемы по реальным признакам — просто они настолько не выглядят гламурно, что почти никто их не продаёт.
Исполнение. Как разбить ордер так, чтобы он двигал цену меньше, когда стакан тонкий, на какой площадке прямо сейчас есть нужный инвентарь. Вот где машинное обучение тихо зарабатывает деньги последовательно — и оно никогда не появляется в рекламных тредах, потому что это не звучит как «предсказание».
Обратите внимание на паттерн. Всё в этом списке — про точное измерение настоящего вместо гадания о будущем. Это честный дом AI в рынках.
Ловушка измерения, которая уничтожает большинство AI-систем трейдинга
Предположим, вы собрали что-то, и бэктест выглядит отлично. Вот что обычно шло не так — в порядке того, как часто мы это видим.
Перекрывающиеся окна раздувают вашу выборку. Если вы измеряете 30-дневные доходности по дневным данным, то последовательные окна разделяют 29 из своих 30 дней. Три тысячи скользящих наблюдений могут происходить примерно из сотни действительно независимых. Ваши доверительные интервалы масштабируются по второй цифре, а не по первой — и сообщать первую проще всего, чтобы «сконструировать» уверенность, которую вы не заработали.
Утечки прогнозирования незаметно просачиваются внутрь. Любой шаг в вашем пайплайне, который использует информацию, недоступную на момент принятия решения — нормализация, посчитанная по всему датасету, фильтр, выбирающий периоды на основе того, что внутри них происходило — даёт красивый и бесполезный результат. Это почти никогда не делают намеренно. Такое происходит в строке препроцессинга, которую никто больше не перечитывал.
Выживанческая селекция формирует данные ещё до того, как вы их увидите. Биржевые листинги приходят и уходят. История, построенная из текущих пар, тихо исключает всё, что не пережило провал. Модель учится на мире, где ничего не умирало.
Дрейф режима ломает модель без какого-либо сообщения об ошибке. Этот случай стоил нам напрямую, так что цифры — наши. Мы строим прогнозные диапазоны на реализованной истории актива. Проверка на 20 058 исторических наблюдениях по восьми крупным монетам: наш безусловный метод давал диапазоны, покрывавшие 55,6% исходов против целевых 50% — лишь слегка свободно. Но если разбить тест по рыночным условиям, то самый спокойный пятый дней показывал 67,1%. Диапазон включал постоянное «допущение на турбулентность», и в тихом рынке это допущение было незаслуженным. Условное выборочное обучение по текущей волатильности вернуло всё к 50,8%.
Ничего в том сбое не было видно в ежедневной рутине. Результаты продолжали попадать в заданный диапазон. Вот в чём суть: слишком щедрая модель выдаёт ровный поток тихих успешных случаев и не подаёт никаких симптомов.
Как оценить любое утверждение об AI-трейдинге по пяти вопросам
Подходит для любого инструмента, сервиса или треда, с которым вы столкнётесь.
Он предсказывает величину или направление? Утверждения о величине защищаемы. Утверждения о направлении на ликвидных парах заслуживают жёсткого скепсиса независимо от того, как описана модель.
Была зафиксирована претензия до наступления результата? Скриншот, сделанный после, — не доказательство. График эффективности, собранный человеком, который уже знал результаты, — тоже не доказательство. Проверить можно только то утверждение, которое было зафиксировано заранее.
Какую метрику сообщают и может ли она быть неверной в обе стороны? Точность на редких событиях бессмысленна — модель, которая никогда не срабатывает, получает блестящие оценки. Для прогнозов по диапазонам просите coverage (покрытие): оно показывает, что модель слишком узкая И слишком широкая.
Какой размер независимой выборки? Не количество строк. Число реально независимых наблюдений. Если никто не может ответить на это, значит бэктест никогда толком не проверяли.
Публикуют ли провалы? Трек-рекорд, в котором бывают только успехи, отфильтрован — независимо от того, собирался ли кто-то это фильтровать. Отсутствие видимых промахов — уже само по себе результат.
Любой инструмент, который проходит эти пять вопросов, стоит вашего времени. Большинство не проходит уже второй.
Чему именно стоит быть особенно скептичным
Гарантированные доходности — в любом формулировании. Процент точности без указанной выборки или временного периода. Бэктесты без проверки walk-forward. «Проприетарность» как ответ на вопрос «как это работает». И ценовые цели, поданные с уверенностью, особенно по крупнейшим парам, где эта уверенность меньше всего оправдана.
Ничто из этого не доказывает недобросовестность. Большинство — честные люди, которым просто не задавали вопрос номер два.
Дефляция — то, что должно быть в конце всего подобного
Ни один метод надёжно не обходит ликвидный рынок, и любой, кто обещает обратное, что-то продаёт — обычно подписку, иногда токен, а почти всегда скриншот.
То, что машинное обучение даёт в крипто, — это не предвидение. Это более точное измерение настоящего: насколько этот рынок способен двигаться, в каком он состоянии, сколько на самом деле стоит ваше исполнение, и насколько неопределённы любые из этих цифр. Это более скромные утверждения, чем категория обычно заявляет. У них есть преимущество: они переживают проверку и остаются правдой ещё через год.
Возьмите одну привычку: когда вы видите «зону вероятности», нарисованную вокруг цены, посчитайте, как часто реальные исходы попадают внутрь. Если зона, заявляющая 50%, почти всё ловит, то это не точность — это размытость, а размытость — это и есть то, как точность выглядит изнутри.
Образовательный контент — не финансовый совет.