Ajuste auditável de backtests de futuros perpétuos de criptomoedas considerando custos
Resumo
O documento apresenta o AutoQuant, uma estrutura de apoio à decisão baseada em regras para selecionar configurações de trading em futuros perpétuos de criptomoedas. Ele explicita o momento de execução, o tratamento das taxas de financiamento, as taxas, o slippage e os requisitos de viabilidade; em seguida, usa busca bayesiana e triagem em etapas em diferentes janelas de avaliação e premissas de custo. Saídas determinísticas e verificações contábeis têm o objetivo de tornar a seleção rastreável e reproduzível dentro de uma família de sinais predefinida.
Nos contratos de BTC, ETH, SOL e AVAX, o estudo constata que omitir funding e slippage pode fazer os resultados parecerem materialmente melhores do que em simulações com todos os custos incluídos. O processo em etapas não garante retornos maiores; no caso de referência de BTC e em algumas replicações, ele identifica alternativas com drawdowns menores ou resultados menos extremos sob as mesmas regras de execução. Comparações, ablações, diagnósticos, verificações inferenciais e avaliações por replay sustentam seu papel como processo de validação. As evidências se limitam a simulações com contas pequenas e custos lineares, sem impacto de mercado nem restrições de capacidade em escala institucional.
Ideias principais
- Regras explícitas de execução e financiamento deixam visíveis as premissas da seleção de configurações.
- A busca bayesiana é combinada com triagem em diferentes janelas e cenários de custos de transação.
- Ignorar as taxas de financiamento e o slippage pode superestimar substancialmente o desempenho simulado.
- A triagem em etapas pode favorecer alternativas com menor drawdown sem garantir retornos maiores.
- Os resultados vêm de simulações com contas pequenas e não incluem impacto de mercado nem limites de capacidade em grande escala.
Tags
Texto completo
# 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.
Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0
Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.