Backtests auditables de futuros perpetuos cripto con costes

Resumen

El documento presenta AutoQuant, un marco de apoyo a la toma de decisiones basado en reglas para seleccionar configuraciones de trading en futuros perpetuos de criptomonedas. Especifica el momento de ejecución, el tratamiento de los pagos de financiación, las comisiones, el deslizamiento y los requisitos de viabilidad, y después utiliza búsqueda bayesiana y filtros por etapas en distintas ventanas de evaluación y supuestos de costes. Los resultados deterministas y las comprobaciones contables buscan que la selección sea trazable y reproducible dentro de una familia de señales predefinida.

En los contratos de BTC, ETH, SOL y AVAX, el estudio observa que omitir la financiación y el deslizamiento puede hacer que los resultados parezcan sustancialmente mejores que en simulaciones con todos los costes incluidos. El proceso por etapas no garantiza rentabilidades mayores; en el caso de referencia de BTC y en algunas réplicas, identifica en cambio alternativas con menores caídas desde máximos o resultados menos extremos bajo las mismas reglas de ejecución. Las comparaciones, ablaciones, pruebas de diagnóstico e inferencia, y evaluaciones mediante reproducción respaldan su función como proceso de validación. La evidencia se limita a simulaciones con cuentas pequeñas y costes lineales, sin impacto de mercado ni restricciones de capacidad a escala institucional.

Ideas clave

• Las reglas explícitas de ejecución y financiación hacen visibles los supuestos de selección de configuraciones.
• La búsqueda bayesiana se combina con filtros en distintas ventanas y escenarios de costes de transacción.
• Ignorar la financiación y el deslizamiento puede sobrevalorar sustancialmente el rendimiento simulado.
• Los filtros por etapas pueden favorecer alternativas con menores caídas desde máximos, pero no garantizan rentabilidades mayores.
• Los resultados proceden de simulaciones con cuentas pequeñas y no incluyen impacto de mercado ni límites de capacidad a gran escala.

Etiquetas

# 2512.22476


# AutoQuant: An Auditable Expert-System Framework for Execution-Constrained Auto-Tuning in Cryptocurrency Perpetual Futures









Backtests of cryptocurrency perpetual futures are sensitive to execution timing, funding alignment, trading costs, and reuse of evaluation windows during parameter search. In high-friction markets, attractive results may therefore reflect hidden implementation choices as much as signal quality. Using BTC/USDT, ETH/USDT, SOL/USDT, and AVAX/USDT perpetual contracts, this study examines whether an auditable execution-aware configuration-selection pipeline can reduce performance overestimation and expose parameter fragility more clearly than naive one-stage tuning. This paper proposes AutoQuant, an expert-system-style decision-support framework for configuration selection. AutoQuant encodes strict execution timing, funding visibility, cost realism, and feasibility constraints as explicit rules; combines Bayesian search with two-stage screening across windows and cost scenarios; and exports deterministic artifacts with accounting-invariant checks for traceability. The resulting governance protocol selects and documents configurations within a pre-specified signal family under strict semantics. Empirically, fee-only and zero-cost backtests materially inflate apparent performance relative to fully costed runs with funding and slippage. Two-stage screening does not guarantee higher returns; in the BTC anchor case and several replications, it more often surfaces lower-drawdown or less extreme alternatives under identical strict semantics. Same-budget optimizer comparison, module and screening-policy ablations, funding-rule diagnostics, inferential checks, cross-asset replications, and third-party replay checks position AutoQuant as auditable validation infrastructure for configuration selection under explicit execution and cost assumptions. The experiments use small-account simulations under linear costs and exclude market impact and institutional capacity constraints.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.