Du backtestet med $2,000 per handel og vil nå bruke $50,000: et brev om kapasitet

Du sendte meg resultatrapporten og stilte ett spørsmål: holder dette når du skalerer opp? Mean reversion på 5 minutter, rundt tretti mid-cap USDT-perper, hver handel i backtesten satt til en fast nominell verdi på $2,000, Sharpe utenfor utvalget like under 2, og en gjennomsnittlig bruttoedge per tur-retur på rundt 22 basispunkter før kostnader. Du har finansiert det med lommepenger, og nå vil du sette reell kapital bak det — si $50,000 per handel.

Det ærlige svaret er at kapasitet ikke er et tall noen gir deg. Det er en kurve, og jobben din denne uka er å tegne den. Men du kan komme det meste av veien med et regneark, og jeg vil heller at du gjør det før du finner det ut på den dyre måten.

Begynn med forholdstallet du allerede har data for

Før du bruker en modell for markedspåvirkning, regner du ut deltakelsesgraden. Ta volumkolonnen du allerede har i klines — indeks 7, omsetningen i USDT for candle-en — og finn ut hvor stor andel av et typisk inngangsbar ordren din vil utgjøre.

Slik ser det ut på tvers av et univers som ditt, basert på median quotevolum over 5 minutter:

Med $2,000 var du en avrundingsfeil overalt, og derfor ble aldri forutsetningene i backtesten om ordreutførelse satt på prøve. Med $50,000 utgjør ordren din, i den nederste halvdelen av lista, selve baren. Å stå for 83% av et femminuttersbar er ikke ordreutførelse, det er en hendelse. Uansett hva utførelsesmodellen din sier om å krysse spreaden, beskriver den en verden du ikke lenger befinner deg i.

Tommelfingerregelen min for en første vurdering: over 10% av barvolumet bør du slutte å stole på alt backtesten sier om den utførelsen. Mellom 1% og 10% må du modellere markedspåvirkningen nøye. Under 1% dominerer spreaden og gebyrene, og du kan gå videre.

Kalibrer kvadratrotsloven grovt mot dine egne symboler

Arbeidshesten er kvadratrotsloven for markedspåvirkning: kostnaden målt i avkastning skalerer med volatiliteten ganger kvadratroten av andelen av dagsvolumet du bruker.

markedspåvirkning ≈ Y × σ_daglig × √(Q / V_daglig)

Y er en konstant nær 1 i de fleste estimater, σ_daglig er symbolets daglige avkastningsvolatilitet, Q er den nominelle ordreverdien, og V_daglig er dagens nominelle volum. Ta ARB-lignende symbolet fra tabellen. Median omsetning over 5 minutter på $220,000 tilsvarer omtrent $63M per dag. Daglig volatilitet, si 4%.

Regn på tur-retur-handler. Ved $2,000: 4.5 bps i markedspåvirkning pluss 10 bps i taker-gebyrer med en 5-og-5-sats, altså omtrent 14.5 bps i kostnader mot 22 bps bruttoedge. Netto 7.5 bps, som omtrent stemmer med resultatrapporten din. Bra, modellen og backtesten er enige ved størrelsen du faktisk testet. Ved $50,000: 22.6 bps i markedspåvirkning pluss de samme 10 bps i gebyrer. Kostnad på 32.6 mot en edge på 22. Du betaler ti basispunkter per handel for privilegiet.

Sett netto til null og løs for Q, så får du omtrent $14,000 for det symbolet. Ikke 25x. Sju ganger, og den siste tredjedelen av dette intervallet er en strategi uten feilmargin. Kvadratroten gjør akkurat det kvadratrøtter gjør: 25 ganger større størrelse koster deg 5 ganger så mye per enhet, så tapet vokser like raskt som den nominelle verdien.

Bruk volumet du faktisk handler mot, ikke medianen

Her er justeringen som betyr mer enn valget av Y. Du beregnet nettopp deltakelsesgraden mot medianvolum. Du går ikke inn på medianbarer. Gå tilbake og beregn V betinget på at signalet ditt utløses.

Mean reversion på 5 minutter utløses vanligvis etter en voldsom bevegelse, som betyr at inngangsbarene dine har to eller tre ganger medianomsetningen. Det er en reell fordel og kan doble den faktiske kapasiteten din sammenlignet med det naive anslaget. Momentumbrudd får samme fordel. Strategier som går inn etter en tidsplan — en fast rebalansering eller et klokkeslettfilter — får den ikke, og strategier som går inn under rolig drift handler i en tynnere ordrebok enn medianen tilsier.

Så mål det. Én groupby over inngangstidspunktene dine gir deg fordelingen, og jeg ville sett på 20-persentilen heller enn gjennomsnittet, fordi de dårlige utførelsene bestemmer risikoen din. Hvis 20-persentilen for inngangsbarvolum ligger under medianen, var det naive kapasitetsanslaget ditt for optimistisk, og det bør du finne ut nå.

Det som faktisk tar knekken på altcoin-ordrebøker når du skalerer opp

Tretti mid-cap-perper ser ut som tretti uavhengige veddemål i en backtest. I de to timene i måneden som betyr noe, er det ett veddemål. Når en likvidasjonsbølge ruller gjennom markedet, korrelerer alt med BTC, alle ordrebøker blir tynnere samtidig, og de tolv samtidige posisjonene dine på $50,000 er én retningsbestemt eksponering på $600,000 som avvikles i kvartalets dårligste likviditet.

Markedspåvirkningsmodellen din, kalibrert på medianforhold, aner ingenting. Det gjør heller ikke Sharpe-tallet ditt. Løsningen er ikke komplisert: beregn deltakelsesgraden på nytt med volumet fra dager i 5-persentilen, og sjekk om du i det hele tatt kan avvikle maksimal samtidig bruttoeksponering. Hvis det tar nitti minutter å handle seg ut av ordreboka med en deltakelsesgrense på 10%, og edgen din forsvinner på femten, har du ikke lenger en mean reversion-strategi på fem minutter. Du har en langsom retningsbestemt posisjon med en mean reversion-fortelling påklistret.

Før eller siden blir enhver samtale om kapasitet en samtale om holdeperiode. Markedspåvirkning er prisen for hastighet. Hvis du kan holde lenger, kan du handle større; hvis du ikke kan det, er størrelse den eneste variabelen du kan justere.

En annen begrensning som dukker opp mellom $2,000 og $50,000 og overrasker folk: girtrinn. På de fleste handelsplattformer trappes maksimal giring for en mid-cap-perp ned når den nominelle posisjonsverdien øker, og for de mindre symbolene slutter det øverste trinnet ofte godt før nivået du sikter mot. Marginen backtesten din la til grunn ved $2,000, er ikke marginen du får ved $50,000. Sjekk risikogrensetabellen for hvert symbol i universet ditt før du antar at kapitalkravet skalerer lineært.

Hva jeg faktisk ville gjort denne uka

1. Kjør den samme backtesten på nytt med seks størrelser — $2k, $5k, $10k, $25k, $50k, $100k — med en modell for markedspåvirkning som avhenger av ordreverdien delt på quotevolumet i den baren. Ikke en fast slippage-konstant. Det var en fast konstant som fikk deg til å tro på $50,000 i utgangspunktet.
2. Plott netto Sharpe mot størrelse. Du får en kurve som først er flat, så tipper nedover og deretter faller. Kapasiteten din ligger der kurven krysser Sharpe-nivået du er villig til å kjøre, minus et godt sikkerhetsfradrag, fordi alle modeller for markedspåvirkning er optimistiske i ytterkantene.
3. Del universet inn etter likviditetsnivå og tilpass størrelsen per symbol i stedet for å bruke samme størrelse overalt. Lik størrelse på tretti symboler betyr at symbolene i den tynne enden i det stille subsidierer de største, samtidig som det er de tynne som spiser 80% av en bar.
4. Paper-trad med størrelsen kurven tilsier, og loggfør realisert slippage mot modellanslaget for hver utførelse. Den sammenligningen er den eneste reelle kalibreringen du noensinne får for Y. I mine målinger har den ligget nærmere 1.4 enn 1.0 i tynne altcoin-ordrebøker.

Mitt anslag uten å ha sett dataene er at svaret ligger et sted rundt $8,000–$12,000 per handel på de to tredjedelene av universet ditt med best likviditet, og at du bør droppe den nederste tredjedelen helt i stedet for å godta utførelsene du får der. Det er fortsatt en solid oppskalering fra der du er nå. Det er bare ikke 25x, og det koster ingenting å finne det ut i et regneark.

Send meg størrelseskurven når du har den. Jeg er nysgjerrig på hvor din begynner å tippe.