Pengujian Kembali Kripto: Jebakan, Biaya, Slippage, dan Harapan Jujur

Apa yang Bisa dan Tidak Bisa Dilakukan Backtesting

Backtesting menjalankan aturan Anda pada candle atau perdagangan historis.

Hal ini menunjukkan bagaimana aturan tersebut akan berperilaku — bukan bagaimana aturan tersebut harus berperilaku selanjutnya.

• Dapat: memperkirakan tingkat kemenangan kasar, R:R, bentuk drawdown
• Tidak dapat: menjamin likuiditas atau rezim pendanaan di masa depan
• Tidak bisa: menangkap penghentian atau penghapusan bursa
• Keluarannya adalah hipotesis — uji maju sebelum ukuran

Selalu Sertakan Biaya dalam Simulasi

Backtest tanpa biaya meningkatkan tingkat kemenangan pada strategi jangka pendek.

Gunakan asumsi pembuat dan pengambil yang cocok dengan eksekusi langsung.

• Terapkan biaya masuk dan keluar pada setiap perdagangan
• Kulit kepala: asumsikan taker-taker kecuali terbukti sebaliknya
• Swing: masuknya pembuat ditambah keluarnya pengambil adalah garis dasar yang umum
• Perubahan tingkat VIP — jalankan kembali dengan kecepatan realistis untuk volume Anda

Pemodelan Slippage dan Spread

Harga penutupan historis tidak selalu merupakan harga isi Anda.

Tambahkan tanda centang slippage pada entri, keluar, dan berhenti.

• Memperbaiki selip centang per sisi — operan pertama yang sederhana
• Skala slippage persen dengan volatilitas pada alts
• Menghentikan selip seringkali lebih buruk daripada masuk — stress test lebih luas
• Periode dengan volume rendah dalam sejarah mungkin mengecilkan nilai live slip

Pendanaan pada Strategi Abadi

Penahanan multi-jam melalui interval pendanaan perlu dilakukan dalam backtest.

Seri pendanaan historis ada di banyak penyedia data.

• Terapkan pendanaan pada setiap interval untuk posisi terbuka
• Pendanaan bersih lindung nilai jangka pendek - modelkan kedua kaki
• Tanda pendanaan mengubah rezim — riwayat lengkap membantu
• Abaikan pendanaan dan kebohongan jangka panjang

Overfitting dan Penambangan Parameter

Mengoptimalkan dua puluh parameter pada satu kumpulan data akan menemukan noise, bukan edge.

Aturan sederhana dengan performa stabil di seluruh split mengalahkan kurva sempurna.

• Pembagian dalam sampel vs di luar sampel wajib dilakukan
• Berjalan maju: jendela kereta, uji jendela berikutnya, putar
• Lebih sedikit parameter — lebih sulit untuk menyesuaikan noise secara tidak sengaja
• Jika kurva ekuitas membutuhkan satu pengaturan ajaib, curigai adanya overfit

Bias Kelangsungan Hidup dan Kualitas Data

Hanya menguji koin yang bertahan akan mengabaikan ledakan yang dihapuskan.

Data tick yang buruk dan candle yang hilang mendistorsi sinyal.

• Sertakan pasangan yang dihapuskan jika strategi diperdagangkan secara luas
• Lilin khusus pertukaran berbeda — cocok dengan tempat langsung
• Sumbu lampu kilat memicu penghentian — gunakan model penghentian pengisian yang realistis
• Bersihkan data terlebih dahulu — sampah masuk, kepercayaan keluar

Asumsi Pandangan ke Depan dan Eksekusi

Menggunakan data candle masa depan dalam logika sinyal akan membatalkan hasil.

Entri bar yang sama pada penutupan adalah optimis kecuali terbukti dapat diisi.

• Sinyal pada penutupan, masuk ke pembukaan berikutnya — default konservatif
• Indikator yang memerlukan bar masa depan tidak valid saat aktif
• Batasi asumsi pengisian — verifikasi kedalaman yang ada
• Latensi pada strategi API tidak terlihat di backtest candle

Dari Tes Balik ke Tes Maju

Perdagangan kertas atau ukuran minimum hidup sebelum penskalaan.

Bandingkan slippage langsung dan biaya untuk menguji asumsi bulanan.

• Tes forward minimal 30 perdagangan atau satu bulan
• Lacak penyimpangan ekspektasi langsung vs backtest
• Perbarui asumsi biaya ketika tingkat VIP berubah
• Bunuh strategi jika penarikan langsung melebihi batas maksimum backtest dengan margin lebar

Ringkasan Singkat

Backtesting kripto hanya berguna jika sudah termasuk biaya, slippage, dan pendanaan.

Data yang berlebihan dan buruk menghasilkan kurva ekuitas yang indah dan tidak dapat bertahan lama.

Bandingkan asumsi biaya dengan tingkatan tempat sebenarnya sebelum memercayai hasilnya.

• Modelkan biaya pulang pergi pada setiap simulasi perdagangan
• Tambahkan slippage — terutama saat berhenti
• Uji di luar sampel sebelum mengalokasikan ukuran sebenarnya