Przeanalizowałem 31 810 wybić kryptowalutowych. Oto co faktycznie przewiduje prawdziwe i fałszywe.

Większość przekonań traderów na temat wybić jest błędna. Dane opowiadają zupełnie inną historię.

Przetestowałem wszystkie popularne filtry wybić — skoki wolumenu, stopy finansowania, otwarte zainteresowanie — na 546 kryptowalutowych kontraktach perpetual futures. Trzy z pięciu hipotez się nie potwierdziły. Te, które przetrwały, stały się strategią tradingową ze współczynnikiem Sharpe'a 0,93.

Cena przebija górną wstążkę Bollingera. Wolumen jest 3-krotnie wyższy od dziennej średniej. Stopa finansowania jest ujemna — krótkie pozycje zaraz zostaną zmiażdżone. Każdy sygnał mówi: zajmij długą pozycję.

Wchodzisz na rynek. Cztery godziny później cena wraca poniżej wstążki, a Ty patrzysz na stratę.

Byłem w tej sytuacji. Więc przestałem zgadywać i zacząłem liczyć. Przeanalizowałem 31 810 zdarzeń wybicia na 546 kontraktach perpetual futures Binance, skonfrontowałem otwarte zainteresowanie z 457 symboli Bybit i przetestowałem każdy popularny filtr wybić, jaki udało mi się znaleźć. To, co odkryłem, podważyło większość tego, co myślałem, że wiem — a trzy z najczęściej cytowanych „sygnałów potwierdzających" okazały się bezwartościowe.

TL;DR

• Autokorelacja jest predyktorem nr 1 tego, czy moneta będzie kontynuować wybicie, czy wróci do średniej (p=0,002)
• Spadające otwarte zainteresowanie przewiduje LEPSZE wybicia (57,1% vs 50,6%) — przeciwieństwo tego, w co wierzy większość traderów
• Skoki wolumenu, stopy finansowania i kapitalizacja rynkowa są bezużyteczne jako filtry wybić na dużą skalę
• Wysoki wskaźnik wygranych NIE oznacza wysokiego zysku — mój najbardziej „dokładny" sygnał miał UJEMNE zwroty (najważniejsze odkrycie tego projektu)
• Najlepsza strategia: kombinacja S1+S3 (Sharpe 0,93, CAGR 25,0%, Maks DD -36,8%) — obiecująca, ale jeszcze nie gotowa do wdrożenia

Część 1: Pytanie

Czy mogę statystycznie odróżnić prawdziwe wybicia od fałszywych przed wejściem w transakcję?

Zdefiniowałem „prawdziwe" jako wybicie, w którym cena kontynuuje ruch o co najmniej 1 ATR w kierunku wybicia w ciągu 5 dni, a „fałszywe" jako takie, w którym cena przesuwa się mniej niż 0,5 ATR korzystnie, ale więcej niż 1 ATR niekorzystnie.

Zbiór danych: 546 kontraktów perpetual futures Binance, 31 810 dziennych zdarzeń wybicia (metoda wstążek Bollingera) i 787 635 zdarzeń godzinowych obejmujących lata 2020–2026. Do analizy otwartego zainteresowania skonfrontowałem 457 symboli z danymi OI Bybit (5,6 lat z granulacją 4-godzinną).

Część 2: Co znalazłem — i trzy mity, które obaliłem

Potwierdzone sygnały

Przetestowałem wiele potencjalnych filtrów wybić. Tylko pięć przetrwało statystyczną weryfikację na dużą skalę:

Najsilniejszymi predyktorami były: typ monety (FADE/FOLLOW, rozpiętość 8pp), dzień tygodnia (czwartek = 62% prawdziwych, poniedziałek = 47%) oraz ranking kwintyli autokorelacji (Q1 = 59,6% vs Q5 = 51,2%, rozpiętość 8,4pp, p < 0,0001).

Czym są monety FADE i FOLLOW? Odkryłem, że monety grupują się w dwa typy behawioralne:

• Monety FOLLOW (218/327 = 67%): Wybicia mają tendencję do kontynuacji. Handluj ZGODNIE z wybiciem.
• Monety FADE (109/327 = 33%): Wybicia mają tendencję do odwrócenia. Handluj PRZECIWKO.

Trzy popularne przekonania zniszczone przez dane

Mit 1: „Skok wolumenu potwierdza wybicie". W moim początkowym 23-symbolowym zestawie, wolumen >= 2x średniej wykazywał 63,2% wskaźnik prawdziwych (p=0,008). Wygląda świetnie, prawda? Ale gdy rozszerzyłem badanie do 546 symboli, liczba ODWRÓCIŁA SIĘ do 49,5% — gorzej niż losowo. Początkowe odkrycie było czystym błędem selekcji w kierunku płynnych, dobrze zachowujących się monet. W szerszym uniwersum skoki wolumenu w małych kapitalizacjach sygnalizują manipulację, a nie prawdziwy popyt.

Mit 2: „Rosnące OI oznacza napływ nowych pieniędzy = prawdziwe wybicie". To być może najczęściej cytowany „sygnał potwierdzający" w społecznościach handlu kryptowalutami. Dane mówią dokładnie odwrotnie: spadające OI przewiduje lepszą kontynuację wybicia (57,1% vs 50,6%, p = 0,000003). Mechanizm: spadające OI oznacza, że pozycje zostały już zamknięte, tworząc czystą kartę dla ruchów napędzanych przekonaniem. Rosnące OI oznacza zatłoczone pozycjonowanie — kruche i podatne na odwrócenie.

Mit 3: „Stopa finansowania przewiduje jakość wybicia". Ujemne finansowanie + wybicie w górę = short squeeze = silna kontynuacja, prawda? Błąd. Każdy test stopy finansowania dał wartości p powyżej 0,23. Zerowa moc predykcyjna. Finansowanie odzwierciedla obecny sentyment pozycjonowania, a nie jakość wybicia.

Początkowe hipotezy: karta wyników

Część 3: Jak to testowałem

• Detekcja wybić: Przebicia wstążek Bollingera — cena zamyka się powyżej górnej wstążki (będąc poniżej na poprzednim słupku) lub poniżej dolnej wstążki. 20-dniowa SMA z 2x zmiennością EWMA (lambda=0,94).
• Klasyfikacja: Każde wybicie oznaczone jako REAL, FAKE lub AMBIGUOUS na podstawie 5-dniowej przyszłej ścieżki ceny. „Real" = kontynuacja >= 1 ATR w kierunku wybicia. „Fake" = < 0,5 ATR korzystnie + > 1 ATR niekorzystnie.
• Walidacja Walk-Forward: 6 segmentów z 365-dniowym treningiem i 180-dniowym testowaniem. Brak optymalizacji parametrów w okresach testowych — trening służył tylko do selekcji uniwersum i kalibracji kwintyli.
• Koszty transakcyjne: 22 pkt bazowe w obie strony (7 pkt bazowych opłat + 5 pkt bazowych poślizgu + 10 pkt bazowych spreadu).

Pełne szczegóły metodologii w sekcji Metodologia na dole tego wpisu.

Część 4: Od statystyki do strategii

Uzbrojony w te odkrycia, zaprojektowałem pięć strategii tradingowych:

• S1 (FADE/FOLLOW): Handluj zgodnie z wybiciem na monetach FOLLOW, przeciwko na monetach FADE. Uniwersum sklasyfikowane za pomocą detekcji typu monety walk-forward.
• S2 (Autokorelacja Long/Short): Long na monetach o niskiej autokorelacji (najwyższy wskaźnik prawdziwych), short na monetach o wysokiej autokorelacji (najniższy wskaźnik prawdziwych).
• S3 (Reżim OI): Handluj wybiciami tylko wtedy, gdy otwarte zainteresowanie spada — sygnał „czystej karty".
• S4 (Filtr wolumenu): Handluj wybiciami tylko wtedy, gdy towarzyszy im skok wolumenu >= 2x średniej.
• S5 (Timing dnia/godziny): Handluj wybiciami tylko podczas statystycznie korzystnych okien dnia tygodnia i godziny dnia.

Wyniki przed backtestem

Dwie strategie zostały odrzucone, zanim w ogóle przeprowadziłem backtest. To jest moc walidacji statystycznej przed backtestem — zaoszczędziłem godziny obliczeń, sprawdzając najpierw podstawy.

• S2 została odrzucona, ponieważ jej współczynnik informacji był ujemny (więcej o tej kluczowej lekcji w Części 6).
• S4 została odrzucona, ponieważ sygnał skoku wolumenu odwrócił się na dużą skalę — przewidywał gorsze wybicia, nie lepsze.

Część 5: Wyniki backtestów Walk-Forward

Przeprowadziłem rygorystyczny backtest walk-forward: 6 niepokrywających się segmentów testowych od lipca 2021 do lutego 2026, z kosztami transakcyjnymi 22 pkt bazowe w obie strony.

Spektakularna porażka S5 zasługuje na uwagę. Ta strategia przeszła WSZYSTKIE 6 bram walidacji przed backtestem — wzorce dnia tygodnia i godziny dnia były statystycznie istotne na 573 symbolach z znikająco małymi wartościami p (tak niskimi jak 10^-217). Jednak w testach walk-forward osiągnęła Sharpe'a -0,02 z 3 kolejnymi przegranymi segmentami (2023–2025). Godzinowy wzorzec czwartek 14:00 UTC był prawdziwy w agregacji, ale zależny od reżimu — wyparował podczas okresów bessy.

Kombinacje portfelowe

Przetestowałem wszystkie 7 możliwych kombinacji (3 pojedyncze + 3 pary + 1 potrójna):

Zwycięzca: S1+S3 ze Sharpe'em 0,93, maksymalnym obsunięciem -36,8% i CAGR 25,0%.

Dlaczego połączenie S1 i S3 pokonuje każdą z osobna? Ich korelacja wynosi zaledwie 0,10 — rzadko tracą pieniądze w tych samych dniach.

Krzywe kapitału

Krzywa kapitału pokazuje silne wyniki w 2024 i na początku 2026, z bolesnym obsunięciem w 2025-H1, gdzie WSZYSTKIE strategie straciły pieniądze.

Strategia nigdy nie pozostaje poniżej tego progu na długo, ale często go narusza.

Spójność w poszczególnych segmentach

Część 6: Paradoks S2 — dlaczego wskaźnik wygranych nie równa się zyskowi

To było najważniejsze odkrycie całego projektu.

S2 została zaprojektowana, aby zajmować długie pozycje na monetach o najniższej autokorelacji (Q1, najwyższy wskaźnik prawdziwych 59,6%) i krótkie pozycje na monetach o najwyższej autokorelacji (Q5, najniższy wskaźnik prawdziwych 51,2%). Sygnał doskonale przewidywał, które monety będą kontynuować częściej.

Miesięczny współczynnik informacji był ujemny: -0,016.

Jak to możliwe? Ponieważ częstotliwość sukcesu nie jest tym samym co wielkość sukcesu. Monety Q5 wybijają się rzadziej, ale gdy to robią, przesuwają się DALEJ. Zwycięzcy w Q5 byli większi niż zwycięzcy w Q1, wystarczająco, aby zrównoważyć niższy wskaźnik wygranych.

Innymi słowy: sygnał poprawnie przewiduje, KTO wygra częściej, ale przegrani w Q1 i zwycięzcy w Q5 mają asymetryczne wielkości, które odwracają oczekiwany zwrot.

Część 7: Kluczowe wnioski

1. Istotność statystyczna nie gwarantuje rentowności. S5 przeszła każdy test chi-kwadrat z znikająco małymi wartościami p (10^-217). Jednak przewaga 1,4pp (55,2% vs 53,8%) wyparowała po kosztach 22 pkt bazowych w niekorzystnych reżimach rynkowych. Wymagaj zarówno statystycznej, JAK I ekonomicznej istotności.

2. Wysoki wskaźnik wygranych nie oznacza wysokich zwrotów. Paradoks S2: możesz doskonale przewidzieć, które monety będą wybijać się częściej i nadal tracić pieniądze, ponieważ częstotliwość != wielkość. Zawsze obliczaj IC względem przyszłych zwrotów, nie tylko wskaźników wygranych.

3. Rozszerz swoje uniwersum przed zaufaniem odkryciu. Skoki wolumenu „potwierdzały" wybicia przy 23 symbolach, ale ODWRÓCIŁY SIĘ przy 546. Błąd selekcji w kierunku płynnych, dobrze zachowujących się monet maskował rzeczywistość manipulacji w mniejszych kapitalizacjach.

4. Sygnały kontrariańskie kryją się na widoku. Najpopularniejsza narracja OI („rosnące OI = nowe pieniądze = prawdziwe wybicie") jest empirycznie błędna. Czyste karty (spadające OI) produkują lepsze wybicia niż zatłoczone pozycjonowanie.

5. Walidacja przed backtestem oszczędza ogromną ilość czasu. S2 została zabita przez 30-sekundowe obliczenie IC, oszczędzając 30+ minut backtestingu walk-forward na strategii, która byłaby gwarantowanym przegranym.

Część 8: Ostateczny werdykt

Czy S1+S3 nadaje się do handlu? Jeszcze nie. Sharpe 0,93 jest zachęcający, a CAGR 25,0% jest atrakcyjny, ale maksymalne obsunięcie -36,8% czyni ją nieodpowiednią do wdrożenia przy obecnym wielkościowaniu pozycji. Przy bardziej konserwatywnym wielkościowaniu (cel zmienności 5–7% zamiast 15%), obsunięcia zmniejszyłyby się o połowę do ~18%, czyniąc ją marginalnie nadającą się do wdrożenia.

Co jest potrzebne, aby przekroczyć Sharpe'a 1,0:

• Filtr reżimu, aby zmniejszyć ekspozycję podczas okresów takich jak 2025-H1
• Dodatkowe źródła alfa — mikrostruktura księgi zleceń lub sygnały międzygiełdowe
• Konserwatywne wielkościowanie pozycji od samego początku

Fundament statystyczny jest solidny. Sygnał (monety FOLLOW + spadające OI + korzystny dzień tygodnia) jest prawdziwy i solidny na 546 symbolach. Wyzwaniem jest przetłumaczenie tej skromnej przewagi statystycznej (5–8pp) na spójną rentowność po kosztach.

Którego filtru wybić przysiągasz — i czy przetrwał rygorystyczne testy? Naprawdę chciałbym wiedzieć. Zostaw komentarz lub napisz.

Metodologia i dane

• Detekcja wybić: Przebicia wstążek Bollingera — gdy cena zamyka się powyżej górnej wstążki (będąc poniżej na poprzednim słupku) lub poniżej dolnej wstążki. 20-dniowa SMA z 2x zmiennością EWMA (lambda=0,94) dla szerokości wstążki.
• Klasyfikacja: Każde wybicie oznaczone jako REAL, FAKE lub AMBIGUOUS na podstawie 5-dniowej przyszłej ścieżki ceny. „Real" = kontynuacja >= 1 ATR w kierunku wybicia. „Fake" = < 0,5 ATR korzystnie + > 1 ATR niekorzystnie.
• Walidacja Walk-Forward: 6 segmentów z 365-dniowymi okresami treningowymi i 180-dniowymi okresami testowymi. Brak optymalizacji parametrów w okresach testowych — trening służył tylko do selekcji uniwersum i kalibracji kwintyli.
• Koszty transakcyjne: 22 pkt bazowe w obie strony (7 pkt bazowych opłat + 5 pkt bazowych poślizgu + 10 pkt bazowych spreadu).
• Źródła danych: Binance USDM perpetual futures (1h OHLCV), Bybit perpetual otwarte zainteresowanie (4h)
• Uniwersum: 546 symboli (dziennie), 573 symbole (godzinowo)
• Okres: 2020–2026 (test walk-forward: 2021–07 do 2026–02)
• Narzędzia: Python (pandas, numpy, matplotlib, scipy). Bez ML — tylko statystyka i walidacja walk-forward.

Zastrzeżenie: To badanie służy wyłącznie celom edukacyjnym. Wyniki historyczne nie gwarantują przyszłych rezultatów. Zawsze przeprowadzaj własną należytą staranność przed podejmowaniem decyzji inwestycyjnych.

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

I Analyzed 31,810 Crypto Breakouts. Here's What Actually Predicts Real vs Fake. został pierwotnie opublikowany w Coinmonks na Medium, gdzie ludzie kontynuują rozmowę, wyróżniając i odpowiadając na tę historię.