من ۳۱,۸۱۰ شکست را در کریپتو تحلیل کردم. در اینجا آنچه واقعاً شکست‌های واقعی را از شکست‌های جعلی پیش‌بینی می‌کند.

بیشتر آنچه معامله‌گران درباره بریک اوت‌ها باور دارند اشتباه است. داده‌ها داستان بسیار متفاوتی را بیان می‌کنند.

من هر فیلتر محبوب بریک اوت را آزمایش کردم — افزایش حجم معاملات، فاندینگ ریت‌ها، اوپن اینترست — در 546 فیوچرز دائمی کریپتو. سه مورد از پنج فرضیه شکست خوردند. مواردی که باقی ماندند به استراتژی معاملاتی با نسبت شارپ 0.93 تبدیل شدند.

قیمت از باند بولینگر بالایی عبور می‌کند. حجم معاملات 3 برابر میانگین روزانه است. فاندینگ ریت منفی است — شورت‌ها در شرف فشار قرار گرفتن هستند. هر سیگنالی می‌گوید لانگ شوید.

شما وارد می‌شوید. چهار ساعت بعد، قیمت به زیر باند برگشته است و شما به ضرر خیره می‌شوید.

من این را تجربه کرده‌ام. بنابراین حدس زدن را متوقف کردم و شروع به شمارش کردم. من 31,810 رویداد بریک اوت را در 546 فیوچرز دائمی بایننس استخراج کردم، اوپن اینترست را از 457 نماد بایبیت مرجع قرار دادم، و هر فیلتر محبوب بریک اوتی که توانستم پیدا کردم را آزمایش کردم. آنچه کشف کردم بیشتر آنچه فکر می‌کردم می‌دانم را واژگون کرد — و سه مورد از پرذکرترین "سیگنال‌های تایید" بی‌ارزش از آب درآمدند.

خلاصه مطلب

• خودهمبستگی شماره 1 پیش‌بینی‌کننده این است که آیا یک سکه بریک اوت‌ها را دنبال می‌کند یا به میانگین بازمی‌گردد (p=0.002)
• کاهش اوپن اینترست بریک اوت‌های بهتر را پیش‌بینی می‌کند (57.1% در مقابل 50.6%) — برعکس آنچه بیشتر معامله‌گران باور دارند
• افزایش حجم معاملات، فاندینگ ریت‌ها و ارزش بازار به عنوان فیلتر بریک اوت در مقیاس بی‌فایده هستند
• درصد پیروزی بالا به معنای سود بالا نیست — "دقیق‌ترین" سیگنال من بازده منفی داشت (مهم‌ترین یافته این پروژه)
• بهترین استراتژی: ترکیب S1+S3 (نسبت شارپ 0.93، CAGR 25.0%، حداکثر افت -36.8%) — امیدوارکننده اما هنوز آماده استقرار نیست

بخش 1: سوال

آیا می‌توانم از نظر آماری بریک اوت‌های واقعی را از بریک اوت‌های جعلی قبل از ورود به معامله تشخیص دهم؟

من "واقعی" را به عنوان بریک اوتی تعریف کردم که در آن قیمت حداقل 1 ATR در جهت بریک اوت ظرف 5 روز پیش می‌رود، و "جعلی" را به عنوان بریک اوتی که قیمت کمتر از 0.5 ATR مطلوب حرکت می‌کند در حالی که بیش از 1 ATR نامطلوب حرکت می‌کند.

مجموعه داده: 546 فیوچرز دائمی بایننس، 31,810 رویداد روزانه بریک اوت (روش باند بولینگر)، و 787,635 رویداد ساعتی در بازه 2020 تا 2026. برای تحلیل اوپن اینترست، من 457 نماد را با داده‌های OI بایبیت (5.6 سال دانه‌بندی 4 ساعته) مرجع قرار دادم.

بخش 2: آنچه یافتم — و سه افسانه که شکستم

سیگنال‌های تایید شده

من چندین فیلتر بالقوه بریک اوت را آزمایش کردم. تنها پنج مورد بررسی دقیق آماری در مقیاس را پشت سر گذاشتند:

قوی‌ترین پیش‌بینی‌کننده‌ها نوع سکه (FADE/FOLLOW، اختلاف 8pp)، روز هفته (پنجشنبه = 62% واقعی، دوشنبه = 47%)، و رتبه‌بندی پنجک خودهمبستگی (Q1 = 59.6% در مقابل Q5 = 51.2%، اختلاف 8.4pp، p < 0.0001) بودند.

سکه‌های FADE و FOLLOW چه هستند؟ من کشف کردم که سکه‌ها به دو نوع رفتاری خوشه‌بندی می‌شوند:

• سکه‌های FOLLOW (218/327 = 67%): بریک اوت‌ها تمایل به پیگیری دارند. با بریک اوت معامله کنید.
• سکه‌های FADE (109/327 = 33%): بریک اوت‌ها تمایل به معکوس شدن دارند. علیه آن معامله کنید.

سه باور محبوب که توسط داده‌ها نابود شد

افسانه 1: "افزایش حجم معاملات بریک اوت را تایید می‌کند." در نمونه اولیه 23 نمادی من، حجم معاملات >= 2 برابر میانگین نرخ واقعی 63.2% را نشان داد (p=0.008). عالی به نظر می‌رسد، درست است؟ اما وقتی به 546 نماد گسترش دادم، عدد معکوس شد به 49.5% — بدتر از تصادفی. یافته اولیه تعصب انتخاب خالص به سمت سکه‌های نقدشونده و خوش‌رفتار بود. در جهان گسترده‌تر، افزایش حجم معاملات در سهام کوچک نشانه دستکاری است، نه تقاضای واقعی.

افسانه 2: "افزایش OI به معنای ورود پول جدید = بریک اوت واقعی است." این شاید رایج‌ترین "سیگنال تایید" ذکرشده در جوامع معاملاتی کریپتو باشد. داده‌ها دقیقاً برعکس می‌گویند: کاهش OI پیگیری بریک اوت بهتر را پیش‌بینی می‌کند (57.1% در مقابل 50.6%، p = 0.000003). مکانیسم: کاهش OI به این معنی است که پوزیشن‌ها قبلاً باز شده‌اند، که یک وضعیت پاک برای حرکات مبتنی بر اعتقاد ایجاد می‌کند. افزایش OI به معنای پوزیشن‌دهی شلوغ است — شکننده و آسیب‌پذیر در برابر واژگونی.

افسانه 3: "فاندینگ ریت کیفیت بریک اوت را پیش‌بینی می‌کند." فاندینگ منفی + بریک اوت صعودی = فشار شورت = پیگیری قوی، درست است؟ اشتباه. هر آزمایش فاندینگ ریت مقادیر p بالای 0.23 را تولید کرد. قدرت پیش‌بینی صفر. فاندینگ احساسات پوزیشن‌دهی فعلی را منعکس می‌کند، نه کیفیت بریک اوت.

فرضیه‌های اولیه: کارت امتیاز

بخش 3: چگونه این را آزمایش کردم

• تشخیص بریک اوت: شکست باند بولینگر — قیمت بالای باند بالایی بسته می‌شود (در حالی که در میله قبلی زیر آن بوده) یا زیر باند پایینی. SMA 20 روزه با نوسانات EWMA 2x (lambda=0.94).
• طبقه‌بندی: هر بریک اوت بر اساس مسیر قیمت 5 روزه آینده به عنوان واقعی، جعلی، یا مبهم برچسب‌گذاری شد.
• اعتبارسنجی Walk-Forward: 6 برابر با آموزش 365 روزه و آزمایش 180 روزه. بهینه‌سازی پارامتر در دوره‌های آزمایش نیست — آموزش فقط برای انتخاب جهان و کالیبراسیون پنجک استفاده شد.
• هزینه‌های تراکنش: 22 bps رفت و برگشت (7 bps کارمزد + 5 bps اسلیپیج + 10 bps اسپرد).

جزئیات کامل روش‌شناسی در بخش روش‌شناسی در پایین این پست.

بخش 4: از آمار به استراتژی

مسلح به این یافته‌ها، من پنج استراتژی معاملاتی طراحی کردم:

• S1 (FADE/FOLLOW): با بریک اوت روی سکه‌های FOLLOW معامله کنید، روی سکه‌های FADE آن را محو کنید. جهان با استفاده از تشخیص نوع سکه walk-forward طبقه‌بندی شد.
• S2 (خودهمبستگی لانگ/شورت): لانگ سکه‌های کم‌خودهمبستگی (بالاترین نرخ واقعی)، شورت سکه‌های پرخودهمبستگی (کمترین نرخ واقعی).
• S3 (رژیم OI): معامله بریک اوت‌ها فقط زمانی که اوپن اینترست در حال کاهش است — سیگنال "وضعیت پاک".
• S4 (فیلتر حجم معاملات): معامله بریک اوت‌ها فقط زمانی که با افزایش حجم معاملات >= 2 برابر همراه باشد.
• S5 (زمان‌بندی روز/ساعت): معامله بریک اوت‌ها فقط در پنجره‌های روز هفته و ساعت روز آماری مطلوب.

نتایج پیش از Backtest

دو استراتژی قبل از اینکه من تا به حال یک backtest اجرا کنم کشته شدند. این قدرت اعتبارسنجی آماری پیش از backtest است — من ساعت‌ها محاسبات را با بررسی اصول اولیه ابتدا ذخیره کردم.

• S2 رد شد زیرا ضریب اطلاعات آن منفی بود (بیشتر در مورد این درس حیاتی در بخش 6).
• S4 رد شد زیرا سیگنال افزایش حجم معاملات در مقیاس معکوس شد — بریک اوت‌های بدتر را پیش‌بینی کرد، نه بهتر.

بخش 5: نتایج Backtest Walk-Forward

من یک backtest دقیق walk-forward اجرا کردم: 6 برابر آزمایش غیرهم‌پوشان از ژوئیه 2021 تا فوریه 2026، با 22 bps هزینه تراکنش رفت و برگشت.

شکست چشمگیر S5 شایسته توجه است. این استراتژی از همه 6 دروازه اعتبارسنجی پیش از backtest عبور کرد — الگوهای روز هفته و ساعت روز از نظر آماری در 573 نماد با مقادیر p بسیار کوچک (تا 10^-217) معنی‌دار بودند. با این حال در آزمایش walk-forward، یک نسبت شارپ -0.02 با 3 برابر متوالی بازنده (2023-2025) ثبت کرد. الگوی ساعتی پنجشنبه 14:00 UTC در کل واقعی بود اما وابسته به رژیم — در دوره‌های نزولی تبخیر شد.

ترکیبات سبد سهام

من همه 7 ترکیب ممکن را آزمایش کردم (3 تکی + 3 جفت + 1 سه‌گانه):

برنده: S1+S3 با نسبت شارپ 0.93، افت حداکثر -36.8%، و CAGR 25.0%.

چرا ترکیب S1 و S3 از هر کدام به تنهایی بهتر است؟ همبستگی آنها فقط 0.10 است — آنها به ندرت در روزهای یکسان پول از دست می‌دهند.

منحنی‌های ایکوئیتی

منحنی ایکوئیتی عملکرد قوی در 2024 و اوایل 2026 را نشان می‌دهد، با افت دردناک در 2025-H1 که در آن همه استراتژی‌ها پول از دست دادند.

استراتژی هرگز برای مدت طولانی زیر این آستانه نمی‌ماند، اما به طور مکرر آن را نقض می‌کند.

ثبات هر برابر

بخش 6: پارادوکس S2 — چرا درصد پیروزی برابر با سود نیست

این مهم‌ترین کشف کل پروژه بود.

S2 برای لانگ روی سکه‌های با کمترین خودهمبستگی (Q1، بالاترین نرخ واقعی 59.6%) و شورت سکه‌های با بالاترین خودهمبستگی (Q5، کمترین نرخ واقعی 51.2%) طراحی شده بود. سیگنال به طور کامل پیش‌بینی کرد که کدام سکه‌ها بیشتر پیگیری می‌کنند.

ضریب اطلاعات ماهانه منفی بود: -0.016.

چگونه این امکان‌پذیر است؟ زیرا فرکانس موفقیت مانند بزرگی موفقیت نیست. سکه‌های Q5 کمتر بریک اوت می‌کنند، اما وقتی این کار را می‌کنند، بیشتر حرکت می‌کنند. برندگان در Q5 بزرگتر از برندگان در Q1 بودند، به اندازه کافی برای جبران درصد پیروزی پایین‌تر.

به عبارت دیگر: سیگنال به درستی پیش‌بینی می‌کند که چه کسی بیشتر برنده می‌شود، اما بازندگان در Q1 و برندگان در Q5 بزرگی‌های نامتقارن دارند که بازده مورد انتظار را واژگون می‌کنند.

بخش 7: درس‌های کلیدی آموخته شده

1. اهمیت آماری سودآوری را تضمین نمی‌کند. S5 از هر آزمایش مربع کای با مقادیر p بسیار کوچک (10^-217) عبور کرد. با این حال یک برتری 1.4pp (55.2% در مقابل 53.8%) پس از 22 bps هزینه در رژیم‌های بازار نامطلوب تبخیر شد. هم اهمیت آماری و هم اقتصادی را نیاز دارید.

2. درصد پیروزی بالا به معنای بازده بالا نیست. پارادوکس S2: می‌توانید به طور کامل پیش‌بینی کنید که کدام سکه‌ها بیشتر بریک اوت می‌کنند و هنوز هم پول از دست بدهید، زیرا فرکانس != بزرگی. همیشه IC را در مقابل بازده‌های آینده محاسبه کنید، نه فقط درصد پیروزی.

3. جهان خود را قبل از اعتماد به یک یافته گسترش دهید. افزایش حجم معاملات بریک اوت‌ها را در 23 نماد "تایید کرد" اما در 546 معکوس شد. تعصب انتخاب به سمت سکه‌های نقدشونده و خوش‌رفتار واقعیت دستکاری در سهام کوچک‌تر را پنهان کرد.

4. سیگنال‌های مخالف در معرض دید پنهان می‌شوند. محبوب‌ترین روایت OI ("افزایش OI = پول جدید = بریک اوت واقعی") از نظر تجربی اشتباه است. وضعیت‌های پاک (کاهش OI) بریک اوت‌های بهتری نسبت به پوزیشن‌دهی شلوغ تولید می‌کنند.

5. اعتبارسنجی پیش از backtest زمان زیادی را ذخیره می‌کند. S2 با یک محاسبه IC 30 ثانیه‌ای کشته شد، که 30+ دقیقه backtesting walk-forward را روی یک استراتژی که بازنده تضمین شده بود ذخیره کرد.

بخش 8: رای نهایی

آیا S1+S3 قابل معامله است؟ هنوز نه. نسبت شارپ 0.93 امیدوارکننده است، و CAGR 25.0% جذاب است، اما افت حداکثر -36.8% آن را برای استقرار در اندازه پوزیشن فعلی نامناسب می‌کند. با اندازه‌گیری محافظه‌کارانه‌تر (هدف نوسان 5-7% به جای 15%)، افت‌ها به ~18% نصف می‌شوند، که آن را به طور حاشیه‌ای قابل استقرار می‌کند.

آنچه برای عبور از نسبت شارپ 1.0 نیاز است:

• فیلتر رژیم برای کاهش قرار گرفتن در معرض در دوره‌هایی مانند 2025-H1
• منابع آلفای اضافی — میکروساختار دفتر سفارش یا سیگنال‌های بین صرافی‌ها
• اندازه‌گیری پوزیشن محافظه‌کارانه از ابتدا

پایه آماری محکم است. سیگنال (سکه‌های FOLLOW + کاهش OI + روز هفته مطلوب) واقعی و قوی در 546 نماد است. چالش ترجمه آن برتری آماری متوسط (5-8pp) به سودآوری پس از هزینه ثابت است.

چه فیلتر بریک اوتی را سوگند می‌خورید — و آیا آزمایش دقیق را پشت سر گذاشته است؟ من واقعاً دوست دارم بدانم. نظر بگذارید یا تماس بگیرید.

روش‌شناسی و داده‌ها

• تشخیص بریک اوت: شکست باند بولینگر — زمانی که قیمت بالای باند بالایی بسته می‌شود (در حالی که در میله قبلی زیر آن بوده) یا زیر باند پایینی. SMA 20 روزه با نوسانات EWMA 2x (lambda=0.94) برای عرض باند.
• طبقه‌بندی: هر بریک اوت بر اساس مسیر قیمت 5 روزه آینده به عنوان واقعی، جعلی، یا مبهم برچسب‌گذاری شد. "واقعی" = پیگیری >= 1 ATR در جهت بریک اوت. "جعلی" = < 0.5 ATR مطلوب + > 1 ATR نامطلوب.
• اعتبارسنجی Walk-Forward: 6 برابر با دوره‌های آموزش 365 روزه و آزمایش 180 روزه. بهینه‌سازی پارامتر در دوره‌های آزمایش نیست — آموزش فقط برای انتخاب جهان و کالیبراسیون پنجک استفاده شد.
• هزینه‌های تراکنش: 22 bps رفت و برگشت (7 bps کارمزد + 5 bps اسلیپیج + 10 bps اسپرد).
• منابع داده: فیوچرز دائمی USDM بایننس (1h OHLCV)، اوپن اینترست دائمی بایبیت (4h)
• جهان: 546 نماد (روزانه)، 573 نماد (ساعتی)
• دوره: 2020-2026 (آزمایش walk-forward: 2021/04/01 تا 2026/11/02)
• ابزارها: Python (pandas, numpy, matplotlib, scipy). بدون ML — فقط آمار و اعتبارسنجی walk-forward.

سلب مسئولیت: این تحقیق فقط برای اهداف آموزشی است. عملکرد گذشته نتایج آینده را تضمین نمی‌کند. همیشه قبل از تصمیم‌گیری‌های سرمایه‌گذاری تحقیق خود را انجام دهید.

برچسب‌ها: #QuantitativeFinance #Crypto #Breakouts #TradingStrategy #DataScience #WalkForward #StatisticalAnalysis

من 31,810 بریک اوت کریپتو را تحلیل کردم. در اینجا آنچه واقعاً واقعی در مقابل جعلی را پیش‌بینی می‌کند است. در ابتدا در Coinmonks در Medium منتشر شد، جایی که مردم با برجسته کردن و پاسخ به این داستان به گفتگو ادامه می‌دهند.