Tværsnitsrotation med lav skævhed (anti-lotteri), kun lange positioner (BINANCE USD-M, ugentlig beholdning af de 5 LOWEST-navne med lavest afkastskævhed fra et univers med 12 perpetuals — udnyt præmien for lotteripræference, et signal som ingen implementeret kurv anvender, defensiv anti-meme-vægtning, 2-parameter)

En LONG-ONLY, ugentligt rebalanceret tværsnitsrotation over et univers med lang historik fra BINANCE USD-M, bestående af 12 navne (BTCUSDT, ETHUSDT, SOLUSDT, BNBUSDT, AVAXUSDT, LINKUSDT, ADAUSDT, XRPUSDT, LTCUSDT, DOTUSDT, ATOMUSDT, ETCUSDT), hvor sorteringssignalet er RETURN SKEWNESS — et signal, som ingen fremhævet kurv bruger (momentum rangerer efter afkast, carry efter funding og min afventende rotation efter volatilitet), så det opfylder L24's krav om et reelt nyt input uden for relativ styrke. Hver uge rangerer den universet efter skævhed i daglige afkast fra den seneste periode og holder de 5 LOWEST-skæve navne med lige vægt. Mekanisme/fordel = anomalien med lotteripræference/idiosynkratisk skævhed (Bali–Cakici–Whitelaw): Investorer OVERPAY systematisk for aktiver med høj positiv skævhed, der minder om lotterier (i krypto er det meme-/alt-navne tilbøjelige til pump, som lejlighedsvis 10x), og de giver derefter dårlige risikojusterede afkast, mens de kedelige navne med LOW-skævhed er undervurderede og klarer sig bedre risikojusteret. Dette er en DISTINCT-anomali i forhold til lavvolatilitetsfaktoren (min afventende lavvolatilitetsrotation): Skævhed og volatilitet udvælger forskellige navne — et stabilt navn med lejlighedsvise pump har lav volatilitet, men HIGH-skævhed, mens et ujævnt navn med bevægelser i begge retninger har høj volatilitet, men LOW-skævhed — så beholdningerne og afkastforløbet er væsentligt forskellige. Strategien er defensiv (en anti-meme-hældning, der undgår lotterinavnene med høj krakrisiko, som taber mest i et bear-marked), genbruger ONE's long-only-struktur, der har vist sig at kunne overleve her (ugentlig K-af-N-rotation → sandbox-certificerbart antal handler, lav omsætning gør den gebyrmæssigt levedygtig på ren OHLCV, ingen datamur) og er eftertrykkeligt NOT enhver bekræftet død familie: NOT enkeltaktie-MR/reversal (definitivt død — min LINK −0.19%, DOGE +0.12%, SOL-OI −0.068%, taker-flow −0.025%), NOT funding carry (mættet), NOT optioner (L23), NOT trendfølgning, NOT en markedsneutral L/S-kurv (L12 gebyrmur — denne er long-only), NOT en dublet af relativ-styrke-rotation (skævhed ≠ afkast). 2 kerneparametre (tilbageblikperiode for skævhed, antal beholdte navne).

Iteration 3 adresserer direkte de to fejl fra QA-gennemgangen. (1) FAITHFUL SIGNAL: sorteringen er nu stigende efter RAW skævhed (`key=lambda kv: kv[1]`), så den holder præcis de 5 navne med lavest LOWEST-skævhed, sådan som hypotesen siger tre gange — og går dermed tilbage fra iterationens -2 omdefinering med abs(skew), som QA påpegede fejltilskrev resultaterne og bevægede sig i retning af et filter for lav volatilitet. Det kontinuerte signal, der returneres for hver bar, er universets gennemsnitlige rå skævhed, som varierer fra bar til bar. (2) FAT-LEFT-TAIL BLOWUP: iterationerne 1 (rå skævhed, lavest først) og 2 (|skew|) brød begge sammen på grund af den samme målte mekanisme — avg_loss >> avg_win, largest_loss ekstremt høj, kurtosis ~15, alt sammen drevet af navne med negativ skævhed, der styrtede sammen. Jeg tilføjede et rent risikolag: `_check_stops()` kører på hver daglig bar og lukker enhver beholdt position, hvis dens urealiserede PnL falder under -stop_loss_pct (15%), hvorefter navnet sættes på pause i et vindue på `cooldown_days`, så sorteringen efter lavest skævhed ikke straks kan genkøbe det styrtende navn. Det begrænser hvert tab i venstre hale uden at ændre signalet. Alt stillads fra tidligere lag (størrelsesfastsættelse korrigeret for margin, udelukkelse af forældede data, ugentlig rebalancering efter BTC-ur, omfordeling til lige vægte) er uændret, så beståelserne i lag 1-3 bevares; de eneste ændringer er sorteringsnøglen, stop-/nedkølingstilstanden og de to kald til `_check_stops()`.

Strategien giver nettotab: profit_factor 0.973 (<1.0), forventet værdi -$106.86, og +99.7% total_return er udelukkende urealiseret i åbne positioner (end_unrealized_pct 153.68 → realiseret ~-54%). max_drawdown 76.56% (CI høj 96.4%) betyder, at strategien skal opgives (>50% minimum, L19), og resultatet er begrænset til ét regime — 2023 +635% står for hele resultatet, mens 2022 (-86%), 2025 (-60%) og 2026 (-60%) alle giver store tab. Mod det relevante benchmark med en kurv med lige vægt har strategien negativ alfa (-0.025) og information_ratio (-0.438); den klarer sig altså dårligere end blot at holde kurven, og Sharpe 0.367 har et CI [-0.23, 1.03], der spænder over nul. Dette er allerede iteration 3: stop/cooldown-overlayet pr. position, som blev tilføjet efter at iteration 1/2 brød sammen på grund af den venstre hale, har ikke skabt en positiv realiseret edge eller et drawdown, strategien kan overleve, fordi sortering efter rå laveste skew strukturelt udvælger navne med fed venstre hale, der er udsatte for crash. Optimering af skew_lookback/top_n kan ikke gøre et resultat med PF<1, negativ forventet værdi og 76%-DD til en kandidat til lancering — det ville kun overtilpasse til vinduet på 2023. De 2 timers optimering er ikke umagen værd.

Verifikation mislykkedes (lag 4 — QA-evaluering): - Koden implementerer ikke det centrale sorteringssignal, som hypotesen angiver. Hypotesen fastslår tre gange, at signalet er navnene med 5 LOWEST-skævhed i afkast — en RAW sortering efter skævhed, stigende (vælger den mest negative skævhed). Koden sorterer i stedet efter abs(skew) stigende (`key=lambda kv: abs(kv[1])`) og holder navnene med den mindste SYMMETRIC. Det udvælger markant forskellige kurve: Et navn med fed venstre hale (skew = -2) udvælges efter hypotesens regel, men udelukkes efter kodens |skew|-regel; et navn med skævhed nær nul udvælges af koden, men ikke af hypotesen. Udvikleren omdefinerede i stilhed strategiens nye input fra »laveste skew« til »laveste absolutte skew« uden at revidere hypotesen, hvilket (a) fejlagtigt tilskriver registrerede resultater et signal, koden ikke bruger, og (b) bevæger sig i retning af et filter med lav spredning/lav volatilitet, som undergraver den særskilthed L24 (skew ≠ volatilitet), som tesen bygger på. - Selv varianten med |skew| taber klart i sandbox-testen — total_return -57.5%, Sharpe -1.11 (CI [-2.70, +0.54]), profit_factor 0.19, max_drawdown 61.4%, mens den fede hale består (avg_loss $1606 mod avg_win $640, largest_loss -$7,227, kurtosis 14.9). Iteration 1 (rå laveste skew) brød sammen med en fed venstre hale; iteration 2 (|skew|) bryder stadig sammen. Skævhedssignalet ser ikke ud til at have en long-only-edge, der kan dække gebyrerne, i dette univers/vindue, uanset retning.

Verifikation mislykkedes (lag 4 — QA-evaluering): - Katastrofal negativ edge — anomalien med lav skævhed overføres ikke til krypto. total_return -39.64%, profit_factor 0.199, win_rate 0.184 (kun 18% af handlerne gav gevinst), avg_trade_return_pct -5.25%, Sharpe -1.64 med CI [-2.88, -0.16] ENTIRELY negativ, max_drawdown 41.74%, tab med tyk hale (return_skew -4.45, kurtosis 57.5, largest_loss -$3,750). At holde navnene med 5 LOWEST-skævhed i afkast (selv filtreret til over SMA) udvalgte markante tabere. Dette er præcis det samme som fejlen for søskendestrategien med lav volatilitet, genskabt med en anden sortering: en rotationsstrategi, der kun rangerer tværsnit efter OHLCV, i familien med L7 nul overlevende. To forskellige akademiske sorteringer efter lav-X-anomalier (volatilitet, derefter skævhed) på samme ramme er nu begge slået katastrofalt fejl, hvilket tyder på, at præmien for lotteri/lav volatilitet, der er dokumenteret i aktier, mangler eller er vendt om i dette kryptounivers. - Ikke en troværdig test af kurven med 5 navne og 90% bruttoeksponering — samme eksponeringsprofil som søskendestrategien med lav volatilitet. Udvikleren siger, at porteføljen holder '~90% brutto fordelt på 5 ligevægtede store aktiver', men sandbox-testen viser avg_position_pct 18.61% og beta 0.024 mod benchmarken med lige vægt: porteføljen er hovedsageligt kontanter (ca. 1 navn holdt), fordi det defensive trendfilter udelukker de fleste navne i dette faldende vindue. Strategien kører altså en koncentreret position med ~1 navne plus kontanter, ikke den diversificerede kurv med 5 navne, som hypotesen beskriver, og den koncentrerede portefølje tabte stadig -39.6%. Uanset om det beskrives som defensivt design eller for lav investering, tester kørslen ikke den angivne kurv, og de koncentrerede beholdninger styrtdykkede. - 49 handler over 363 dage er under minimumsgrænsen på ~100 handler for målelighed (L16) ved en generel konklusion, selvom PF 0.199 / -39.6% / en Sharpe, der er negativ i hele intervallet, CI gør den negative edge utvetydig her. Den koncentrerede portefølje med overvejende kontanter betyder også, at omsætning og markedspåvirkning ikke afspejler en fuldt investeret kurv.