backtesting

我爲加密交易者構建軟件：用於策略研究與回測的 XTester Studio，以及面向希望向自身受衆提供交易跟單的交易者的 CopyTrader。

在這裏，我會分享我正在做的事情、支撐這些工作的實驗，以及過程中做出的產品決策。內容包括如何測試一個策略想法、回測能告訴你什麼，以及搭建交易跟單服務的實際工作。

如果你研究策略或運營交易社區，我很想聽聽在你的工作流程中，最耗時的部分是什麼。

我的項目： https://easytrading.pw

#Backtesting #CopyTrading

這只是尾部捕獲，不是收入。現實情況下，在平穩市場中它基本沒用，只會在急劇下跌時纔會支付。指望它每個月都能賺到錢，這就是人們在策略真正奏效前就退出的方式。

以下是這些數據來源。

我策略的三分之二利潤來自一年。那不是優勢（edge），那是一種事件。

標題數字是來自短線突破（short breakouts）的 +134.12 USDT。然後我按年份把它拆開。

2022——LUNA 崩盤與 FTX 失敗的那一年——貢獻了其中的 88.54。把這一年剔除後，接下來的四年交易一共回報了 45.59 USDT，其中大部分來自 2025。

截至 2026 年目前是持平（flat）。

公開實驗的一部分：從 5,063 USDT 到 1,000,000 USDT，發佈每一次結果——包括那些會讓我看起來不太好看的結果。

在 $BTC $LTC 上運行

#Binance #Futures #Backtesting #TradingBot #CryptoData

我是如何測試的

2026 年動量反轉了。顯而易見的修正：觀察近期表現，當動量不再有效時，把規則切換到相反的方向。

我用超過六個不同的回看窗口來測試。最佳方案在每次再平衡時帶來了 +1.783%，對照基線爲 +1.737%——兩者差異大到足以被噪聲淹沒。其他所有窗口都更差。沒有任何方案修復了 2026 年。

原因很簡單：當滯後表現告訴你行情已經換了方向時，你早就已經爲那次信號付出了虧損。

數據
基線：+1.737%/次再平衡
最佳自適應規則：+1.783%/次再平衡
差異：噪聲
2026 年最佳修復方案：仍爲 -0.66%

自適應規則看起來像是應對行情切換的答案。它們通常只是同一筆下注的更慢版本，而你已經爲該信號付過了虧損。

公開實驗的一部分：5,063 USDT 到 1,000,000 USDT；每一項結果都被髮布——包括那些讓我看起來不好的。

在 $SOL $BTC 上運行

#Binance #Futures #Backtesting #TradingBot #CryptoData

我如何測試它

在這個系統中，典型交易會虧損 1.535 美元泰達（USDT）。幾乎三筆交易裏有兩筆是虧損單。

但它依然是盈利的，因爲盈利者的收益遠遠大於虧損者的損失。平均每筆交易是正數，而中位數卻明顯爲負。

而且它的形狀和我測試過的馬丁格爾（Martingale）相反：那套策略在 96% 的情況下獲勝，但最終仍虧損了 519.83 USDT。

數字
勝率：35.6%
單筆中位數：-1.535 USDT
單筆平均值：+0.036 USDT
總計，3,209 筆交易：+116.29 USDT

大多數時候虧一點是可以承受的。一次大虧卻不行。評判一個系統要看它的虧損規模，而不是它贏的頻率。

公開實驗的一部分：將 5,063 USDT 變成 1,000,000 USDT，每一個結果都會發布——包括那些讓人覺得我表現很差的結果。

運行於 $BTC $XRP $LTC

#Binance #Futures #Backtesting #TradingBot #CryptoData

我是如何測試的

同一個宇宙，同一套排名規則，同一持有周期，五個不同年份。

2024 和 2025 承載了整個策略。2026 是這五個年份裏最差的一年——大約九個月內勝率爲 25%。

今年“買入最強的幣、做空最弱的幣”已經不再有效。反過來做的話，在每次再平衡的基礎上能獲得 +1.47%，勝率 69%。

數字
2022：+0.510%
2023：-0.323%
2024：+5.008%
2025：+3.900%
2026 年度至今：-1.950%

策略不是對市場的“事實”，而是對某個“時期”的事實。任何人拿沒有按年拆分的回測給你看，就是在隱藏那些沒有奏效的年份。

公共實驗的一部分：5,063 USDT 到 1,000,000 USDT，所有結果都會發布——包括那些讓我看起來不太好看的結果。

在 <a>$SOL $BTC $ETH </a> 上運行

#Binance #Futures #Backtesting #TradingBot #CryptoData

只要足夠努力地在隨機數據中篩選，總會找到贏家。區分你找到優勢還是隻是噪聲披着外衣的唯一方法，是看樣本外測試。

下面是它帶來的結果。

我所謂“已驗證”的策略在回測中賺了 +1.74 USDT，隨後卻在它從未見過的數據上虧了 208.72 USDT。

我掃了 40 個標的，找到了三個看起來有利可圖的。我把它們稱爲“已驗證”，並上線運行。

然後我把同樣的設置拿去測試了這次搜索從未觸及過的 751 天價格歷史。三個都反轉了。不是輕微地反轉——而是完全反轉。

從 40 個裏剩下 3 個，這個樣本量下大致就是純粹隨機會產生的結果。

這是一個公開實驗的一部分：5,063 USDT 到 1,000,000 USDT，所有結果都會發布——包括那些讓我看起來很糟糕的。

在 $BTC $ETH $BNB 上運行

#Binance #Futures #Backtesting #TradingBot #CryptoData

🚨 $AI 模型藉助機構“時間機器”數據檢索消除先行偏差 🧠

Exa 已推出 Snapshot，索引了過去 20 年中超過 4000 億個歷史網頁，用於解決一個關鍵的機構性缺陷：數據評估中的先行偏差。

💡 現在，算法交易模型和金融回測流程可以將搜索參數鎖定到精確的歷史時間戳，確保模型只分析執行時可獲得的信息，而不會“偷看”未來答案。 🔍

儘管當前分級訪問將常規查詢限制在五個月的回溯窗口，但“定點時刻”的網頁讀取標誌着定量研究與代理式精度的結構性飛躍。 📊 💬 時間數據的完整性會重新定義機構量化模型如何回測市場結構搭建嗎？ 👇

⚠️ 不構成金融建議。請務必管理好你的風險。 🛡️

🏷️ #AI #Backtesting #Crypto #QuantitativeAnalysis

⚡ 📊

一個策略之所以不叫“被驗證了”，只是因爲它這周就贏了三次。🧪

這不是信心。這只是一個小樣本，披着大自負。

在冒真實資金之前，請用過去的圖表對這個想法做回測。

示例：
你的規則是：只有當價格在收盤時突破阻力位、隨後回踩驗證並保持住時，才進行交易。

不要只滑到一個“完美贏家”。至少回顧 30 個相似的設置，併爲每個設置記錄：

• 進場觸發條件
• 止損位置
• 目標或退出規則
• 以 R 表示的結果
• 當時的市場狀態：是趨勢還是區間？

爲什麼這很重要？

因爲一個在強趨勢裏看起來很棒的設置，可能在震盪（來回亂）條件下會反覆失敗。回測能揭示你的策略在哪裏有效、在哪裏喫力，以及你的規則是否真的清晰。

實用規則：每次都測試完全相同的規則。如果你在回顧過程中途修改了進場、止損或目標，你並不是在測試一個策略——你是在收集截圖。⚠️

回測無法預測下一筆交易。但它能把“我覺得這行得通”替換成證據。

先測試，後冒險。🎯

你有沒有把一個策略在 30+ 個過去的設置上跟蹤過？👇

#Backtesting #CryptoTrading #TradingEducation #RiskManagement

同樣的策略。同樣的交易對。同樣的五筆交易，在同樣的日期進行。兩個交易所，相隔14個點。

黃金交叉，50/200日均線，3倍做多 BTCUSDT 永續合約，時間從2020-03-25到今天；每個場所都收取各自結算資金費用。

Binance：−16% — 支付了$9,888的資金費用
Bybit：−29% — 支付了$9,641的資金費用

入場與出場完全相同。相同的信號日期——全部5個。而且兩邊的資金費用賬單相差幾百美元左右，所以這也不是解釋。

差異來自K線。每個交易所都會輸出自己的價格，而一條寫着“收盤價站上200日均線”的規則，在每個平臺上會對應略微不同的收盤結果。規則相同、報價不同、成交不同——到最後就差了14個點。

這意味着，回測的真實程度只和你回測在哪個平臺上運行一樣。如果你用某個交易所的數據做回測，卻在另一個交易所下單，那你測試的是一個並沒有被你實際部署的策略。

這也給精確度設定了下限。如果兩個誠實的數據源在同一條規則下相差14個點，那麼任何回測結果都不可能精確到小數位。有人如果給你報出到小數位的結果，那就是在賣東西。

選擇你實際交易的交易所 👉 https://virtuum-lab.com

#BTC #Binance #Bybit #Backtesting

0.1% 的交易成本使該策略獲得 486 點。

在 BTCUSDT 永續合約上採用 9/21 EMA 交叉信號，4 小時K線，1x，時間範圍爲 2019-10-23 至今天。共 318 筆交易。該策略從不改變——只改變每一筆交易的成本。

完全不收成本：+574%
每邊 5 bps：+256%
每邊 10 bps：+88%

10 bps 相當於 0.1%。這大致就是你在把點差和滑點算進去後作爲“喫單方”實際支付的費用；它會把一場精彩的回測結果變成一場普通的表現。

之所以咬得這麼狠，是因爲有 318 筆交易。成本是按每筆交易計費的，所以會隨着交易頻率增長而放大，而你的優勢並不會等比例增加。慢吞吞的策略可以忽略手續費。每隔幾天才交易一次的策略做不到——它在 318 次交易裏都得“繳房租”。

這就是爲什麼最常見的回測錯誤並不是糟糕的指標。最常見的錯誤是：費用框裏填了 0。在 0 bps 的情況下，幾乎所有高頻策略看起來都非常輝煌。

如果你的回測器沒有按每邊收取佣金和滑點，它就沒有在測試你的策略。它測試的是一種“免費交易”的幻想版本。

按你的交易所向你收取的費用給自己“計費” 👉 https://virtuum-lab.com

#BTC #TradingFees #Backtesting

同樣的規則。三組時鐘。相差 1,301 個點。

9/21 EMA 交叉，3x 做多 BTCUSDT 永續，使用真實的 Binance 資金費率，三者同一窗口，確保沒有人搶先。

4 小時：+50% — 318 筆交易，最大回撤 98%
日線：+1,351% — 46 筆交易，最大回撤 96%
周線：+508% — 7 筆交易，最大回撤 91%

沒人會隨便選擇週期——你之所以選了它，是因爲你的圖表打開時默認就是那個週期。

4 小時版本交易 318 次，幾乎把賺到的全都還回去——每一次交叉都會帶來手續費、滑點和資金費率，而且在快節奏的時鐘上，大多數交叉只是噪聲。周線版本在 41 年裏只做 7 筆交易，卻保留了更多它賺到的東西。

不舒服但真實的解讀：如果一個策略只在某一個週期有效，那麼“週期”在起作用，而不是“策略”。真正的優勢在更換時鐘時會表現得更穩定、緩慢衰減。而這個不行——它會在 1,301 個點之間來回擺動。

在你信任回測之前，把它分別跑在你喜歡的那個週期前後各一個週期上。

換一換時鐘，看什麼還能活下來 👉 https://virtuum-lab.com

#BTC #TradingStrategy #Backtesting

我們相信，加密貨幣應該少一點像賭場的感覺。
多一些像是經過良好測試的可持續增長系統。
這就是CryptoGates存在的原因：

→ 構建策略——而不是盲目猜測
→ 在真實歷史數據上進行回測——而不是假設
→ 預測與優化——而不是希望
→ 有紀律地自動化——而不是被動反應

輕鬆賺取收益。
參與而不執着。
增長而不賭博。

無需註冊。無需信用卡。只需構建。👇
$BTC $BNB #Backtesting

我自己的回測器說：我的策略輸給了什麼都不做。

黃金交叉，50/200日均線，BTCUSDT 永續合約，1x 槓桿，時間範圍爲 2019-09-08 至今天。與同一窗口內的買入並持有（Buy and Hold）相比。

買入並持有：+651%，最大回撤 77%
黃金交叉：+202%，最大回撤 70%

七年裏總共做了六筆交易，最後卻落後於某個一次性買入並“放到外面曬”的人，差了 44,954 美元。

我之所以發出來，是因爲這是一項幾乎沒人會去運行的對照，而且只有它能決定一個策略是否“值錢”。策略不是在和零競爭。它在和你本來就會做的那件事競爭。

它的用處在哪裏——如果它真的有用的話：在於回撤。持有意味着眼睜睜看着 77% 蒸發而不賣出。策略最糟的階段是 70%——雖然更好，但還不足以證明需要做六次決策、並投入六年的關注。

這是我自己工具給出的真實結果，它表明這個策略還不夠好。只能讓你看起來更漂亮的回測器，只是玩具。

在你交易它之前，把它和買入並持有對比一下 👉 https://virtuum-lab.com

#BTC #Backtesting #TradingStrategy

你的交易信號到底真的有效，還是隻是圖表上看起來很漂亮？
LuxAlgo 的 Universal Signal Backtester 讓你在真正冒風險之前測試信號、TP/SL 組合、交易成本、市場時段以及績效指標。
我把它拆解給初學者了 👇
目標並不是找到一個“完美”的策略。而是去了解當你真正測試時，一個策略會如何表現。
📖 閱讀完整文章 here。
#trading #cryptotrading #Backtesting #TechnicalAnalysis #RiskManagement