自適應規則看起來像是應對市場狀態變化的答案。但它們通常只是同一個押注的慢速版本——等信號出現時,虧損早已付出。
這就是事情的來龍去脈。
我試着讓機器人檢測動量何時反轉,但根本來不及。
動量在 2026 年反轉了。顯而易見的解決辦法是:觀察近期表現,在動量不再帶來收益時,切換到相反的規則。
我用六種不同的回溯窗口測試了這個辦法。表現最好的一種,每次再平衡的回報率是 +1.783%,而基準爲 +1.737%——兩者的差異與噪聲無異。其他所有窗口的表現都更差。沒有一種能彌補 2026 年的損失。
原因很簡單:等到近期表現告訴你市場狀態已經反轉時,你早已承受了那些讓你意識到這一點的虧損。
這是一個公開實驗的一部分:從 5,063 USDT 到 1,000,000 USDT,所有結果都會公佈——包括那些讓我看起來很糟的結果。
運行於 $SOL $BTC
#Binance #Futures #Backtesting #TradingBot #CryptoData
這就是事情的來龍去脈。
我試着讓機器人檢測動量何時反轉,但根本來不及。
動量在 2026 年反轉了。顯而易見的解決辦法是:觀察近期表現,在動量不再帶來收益時,切換到相反的規則。
我用六種不同的回溯窗口測試了這個辦法。表現最好的一種,每次再平衡的回報率是 +1.783%,而基準爲 +1.737%——兩者的差異與噪聲無異。其他所有窗口的表現都更差。沒有一種能彌補 2026 年的損失。
原因很簡單:等到近期表現告訴你市場狀態已經反轉時,你早已承受了那些讓你意識到這一點的虧損。
這是一個公開實驗的一部分:從 5,063 USDT 到 1,000,000 USDT,所有結果都會公佈——包括那些讓我看起來很糟的結果。
運行於 $SOL $BTC
#Binance #Futures #Backtesting #TradingBot #CryptoData
