В прошлый раз я подвёл итоги управления рисками в криптовалютных бессрочных контрактах. Стратегия с доходностью 62% имела максимальную просадку 73%. После добавления стоп-лосса на уровне 25% для каждой монеты доходность выросла до 109%, а просадка сократилась до 27%. Тогда я сделал вывод, что 25% — оптимальная ширина стоп-лосса: чем меньше, тем лучше.
После публикации я не стал сразу писать следующий выпуск, а решил сначала разобраться, чем вообще являются эти контракты. Оказалось, что в пуле криптовалютных бессрочных контрактов Binance вперемешку торгуются токенизированные американские акции, ETF, золото, нефть и стейблкоины. AAPL, TSLA, NVDA, SPY, XAU, USDC — всё это доступно для торговли 24/7, а структура дневного графика ничем не отличается от структуры графика бессрочного контракта.
В этом выпуске придётся отозвать выводы предыдущего. После полной очистки пула и срезов та же модель, с тем же процессом и теми же параметрами, была заново обучена на чистых данных. Базовый результат — доходность -5.52% и просадка -91.61%. Преимущество стоп-лосса на уровне 25% не подтвердилось.
Первое. На чём мы остановились в предыдущем выпуске
Сначала кратко расскажу предысторию тем, кто не видел предыдущий выпуск.
Стратегия торгует бессрочными контрактами Binance USDT-M на дневном таймфрейме: по 5 монет в лонг и шорт с равными весами, ребалансировка каждый день, комиссия — 5 bp. Стоимость финансирования пока не включена в бэктест. Симуляция на капитале в 10 млн, с июля 2025-го по сентябрь 2026-го, 457 торговых дней.
Базовый результат — доходность 62% и просадка 73%. Я разобрал прибыль и убытки по каждой монете за каждый день и выяснил: просадка возникла не постепенно, а из-за девяти внезапных убытков по отдельным монетам за один день. Восемь из них суммарно принесли убыток в 8.73 млн — больше, чем прибыль за весь период.
После добавления стоп-лосса в 25% для отдельной монеты доходность составила 109%, просадка — 27%, коэффициент Шарпа вырос с 0.88 до 1.50, а Calmar — с 0.68 до 3.2. Всего было 192 срабатывания. При проскальзывании 1% и 2% доходность всё ещё составляла 89.6% и 69.9%. Стоп-лосс 15% срабатывал слишком часто — 383 раза, а при проскальзывании 1% доходность падала до 66.9%. Значения 30% и 35% были слишком мягкими: просадка снова выросла до 34% и 40%. Поэтому тогда я и сказал, что 25% — оптимальный уровень.
В этом выпуске мы поставим этот вывод под сомнение. Если сам пул загрязнён, имеет ли смысл ранжировать ширину стоп-лосса?
Второе. Что попало в пул
Из 895 дневных контрактов Binance 217 не были криптовалютами.
Среди них были токенизированные американские акции AAPL, TSLA и NVDA, токенизированные ETF SPY, QQQ и SOXL, а также золото XAU, нефть CL, валюты, акции компаний до IPO и стейблкоин USDC. Они используют ту же систему сопоставления заявок, что и бессрочные контракты, торгуются 7×24 и имеют точно такую же структуру дневных свечей. Скрипт построения пула отбирал контракты только по объёму торгов и не фильтровал по типу актива, поэтому отличить их было невозможно.
Из них 73 действительно попали в пул кандидатов, а 31 контракт хотя бы раз оказался в портфеле; на них пришлось 295 дней удержания. Всего было 3208 дней удержания, то есть их доля составила 9.2%.
Эти контракты не приносили прибыль: в сумме они даже принесли убыток в 296 тысяч. Но они занимали почти десятую часть слотов и меняли выбор монет, срабатывания стоп-лоссов и периоды охлаждения. Ранжирование параметров зависит от траектории: когда траектория меняется, преимущество уровня 25% может оказаться мнимым.
Третье. Я чуть не опубликовал результаты первой очистки
Первый подход был простым: удалить эти контракты построчно только на уровне сигналов, сократив число активов с 734 до 661, и запустить процесс заново.
Результат: базовый вариант +62.86% / -68.32%, стоп-лосс 15% — +96.31% / -25.43%, стоп-лосс 35% — +120.89% / -36.31%.
Преимущество уровня 25% исчезло, а варианты с обоих краёв — 15% и 35% — показали результаты лучше. Я подготовил черновик публикации о том, что после очистки пула выводы изменились.
Но перед публикацией я ещё раз проверил данные по дням и обнаружил несоответствие.
Четвёртое. Почему недостаточно просто удалить строки
Некриптовалютные контракты встречались не только в тестовом периоде 2026 года:
- в TRAIN был USDC: 50 символо-дней
- в VALID были PAXG: 77 символо-дней, и USDC: 31, всего 108
- в TEST было 73 некриптовалютных символа, всего 7847 символо-дней
В TRAIN и VALID вместе было 158 символо-дней — на первый взгляд, просто шум. Но метки у меня представляют собой дневные поперечные перцентили, а признаки нормализуются каждый день робастным методом по срезу; используются медиана и MAD всего рынка за этот день.
Стоит добавить один стейблкоин с низкой волатильностью или золотой контракт — и медиана и MAD за день уже изменятся, а вместе с ними изменятся и перцентили меток и нормализованные значения признаков для всех монет. Одного контракта достаточно, чтобы изменить порядок оценок всех монет за день.
Значит, загрязнены не те 158 строк, а срезы всех монет в эти символо-дни. Простого удаления строк недостаточно: даже если удалить все такие строки, значения всё равно останутся загрязнёнными. Получается, что значения, рассчитанные по смешанному срезу, сохраняются в чистых строках.
Вот почему результат первого раунда в +62.9% нельзя считать достоверным. Стратегия на самом деле не стала лучше — в наборе данных всё ещё оставались загрязнённые значения.
Пять. Что было сделано при полном перестроении пайплайна
На этот раз мы изменили не только слой сигналов, а перестроили весь процесс начиная с исходных данных.
Были очищены следующие уровни:
- число daily parquet-файлов сократилось с 895 до 678
- число ключей в contract.json сократилось с 895 до 678
- число символов в component/CRYPTO.LOCAL сократилось с 735 до 662; осталось 2473 торговых дня
- число строк в parsed klines сократилось с 610916 до 586158
- число строк в parsed funding и funding_df сократилось с 625566 до 602221
- число строк в signal сократилось с 92235 до 84388, а число символов — с 582 до 509
- число строк в risk table сократилось с 610916 до 586158
- число symbols сократилось с 895 до 678, а pool_union — с 735 до 662
- во всех таблицах набора данных осталось только 661 чистый криптовалютный символ
Затем заново рассчитали метки r/σ, сбросили learn_df и infer_df, повторно запустили process_replace_inf, process_fill_na и process_cs_norm и в конце атомарно заменили pickle-файл. Удалить только строки и не пересчитать срезы — всё равно что ничего не очищать.
Переобученная модель:
- 191138 строк в обучающей выборке
- 85954 строки в валидационной выборке
- 84388 строк в тестовой выборке
- 661 чистый криптовалютный символ
- ранняя остановка на 290-й эпохе
- средний дневной IC на валидационной выборке: +0.0373
- средний дневной IC на тестовой выборке: +0.0336, ICIR +5.91
Результаты бэктеста на чистых данных:
- базовый вариант: -5.52% / -91.61%
- стоп-лосс 10%: +37.84% / -24.10%
- стоп-лосс 35%: +36.12% / -47.38%
Тот же процесс, те же параметры — поменялись только данные, а доходность изменилась с +62.9% до -5.5%.
Шесть. Какие выводы предыдущего выпуска этот выпуск опроверг
Все выводы предыдущего выпуска — доходность от 62% до 109%, просадка от 73% до 27%, стоп-лосс 25% как оптимальный уровень, 192 срабатывания и результаты теста проскальзывания — отменяются. Предыдущая большая статья тоже отзывается.
Дело не в том, что модель внезапно стала хуже: раньше данные были нечистыми. В предыдущем выпуске мы видели бэктест смешанного пула, а в этом — бэктест чистого криптовалютного пула с чистыми срезами. Результаты различаются на порядок, и причина не в стратегии, а в данных.
Ранжирование параметров крайне чувствительно к траектории сделок. Стоит изменить методику подготовки данных — и преимущество стоп-лосса 25% исчезает. Поэтому не стоит бесконечно подбирать параметры на некорректных данных: найденное таким образом преимущество может быть всего лишь следствием зависимости от траектории.
Это первый случай в этой серии, когда мы сами опровергаем собственные выводы. Ответ, который казался верным в предыдущем выпуске, оказался лишь промежуточным. Публично фиксировать каждую ошибку полезнее, чем цепляться за красивую цифру.
Семь. Три урока
Первое: прежде чем разрабатывать криптовалютную стратегию, проверьте, нет ли в пуле токенизированных акций. Они выглядят как бессрочные фьючерсы, торгуются 7×24 и имеют такую же структуру дневных свечей. Если смотреть только на объём торгов и суффикс тикера, их легко не заметить.
Второе: если в пайплайне есть поперечная нормализация или метки-перцентили, удаления строк недостаточно. Нужно пересчитать метки, выполнить нормализацию заново и перестроить весь срез. Один загрязнённый контракт может через медиану и MAD повлиять на все монеты за день.
Третье: даже если цифры после очистки выглядят хуже, их всё равно нужно публиковать. +62.9% казались признаком мастерства, но на самом деле пул просто не был очищен. Только признав результат -5.5%, можно понять, что исправлять дальше.
И ещё: не подбирайте параметры на загрязнённых данных. Поверхность параметров неровная, и преимущество, найденное на некорректных данных, исчезнет при смене пула.
Восемь. Ограничения и следующий выпуск
Всё описанное выше — результаты бэктеста, а не реальной торговли. Стоимость финансирования ещё не учтена, правила ликвидации не смоделированы, дневные свечи не показывают внутридневную траекторию, а проскальзывание нужно калибровать по реальным торгам. Тестовый период длится всего 457 дней, и параметры многократно подбирались именно на нём, поэтому это не чистая вневыборочная проверка.
В следующем выпуске я добавлю стоимость финансирования, откалибрую проскальзывание по реальным торгам и проведу walk-forward-анализ, а затем решу, стоит ли сохранять параметры стоп-лосса. Если вы тоже разрабатываете стратегии для бессрочных контрактов вроде $BTC и $ETH, потратьте десять минут и проверьте, нет ли в пуле AAPL, TSLA, XAU и USDC: возможно, это полезнее, чем продолжать подбор параметров.
Эта количественная лаборатория продолжит публиковать записи обо всём процессе — от данных и факторов до управления рисками. Если материал был полезен, добавьте его в закладки. До встречи в следующем выпуске.
#количественнаяТорговля #управлениеРисками #криптовалюта #бэктест #качествоДанных