مومنتوم سری زمانی تک‌دارایی SOL با موقعیت خرید و فروش روی BINANCE روزانه (اعتبارسنجی دارایی سوم، Moskowitz-Ooi-Pedersen 2012، ابزار منفرد)

اعتبارسنجی سومین دارایی برای دستهٔ مکانیزم مومنتوم سری‌زمانیِ تک‌دارایی، که پشتهٔ تک‌ابزاریِ BTC + ETH + SOL از TSM را کامل می‌کند. BtcSingleAssetTimeSeriesMomentumLongShort و EthSingleAssetTimeSeriesMomentumLongShort در خط لولهٔ من هر دو تأیید iter-1 را گذراندند (پاک‌ترین مسیر در کارخانه). SOL سومین اعتبارسنجی طبیعی است: همان الگو، دارایی پایهٔ متفاوت، و پشتهٔ 3-داراییِ فهرست ایمنِ صریح سیستم را کامل می‌کند. قاعدهٔ تجربیِ پالوده و سخت‌گیرانهٔ تحلیلگر نیازمند «تکرارِ انتظارِ مثبت روی یک ابزار SECOND با همان پیاده‌سازی» است؛ گسترش به یک ابزار THIRD (SOL) شواهد اعتبارسنجیِ سه‌گانه فراهم می‌کند. SOL ویژگی‌های متمایزی نسبت به BTC و ETH دارد: (الف) پرنوسان‌تر است (نوسان سالانه‌شدهٔ حدود 95% در برابر ETH با حدود 80%، BTC با حدود 60%)، (ب) بیشتر تحت تأثیر معامله‌گران خرد است (DePIN، فرهنگ میم‌کوین)، (ج) چرخه‌های روندِ کوتاه‌تری دارد (نوسان‌های روایت‌محور هر 2-4 هفته در برابر چرخه‌های کلانِ فصلیِ BTC). این تفاوت‌ها پرسشی CLEAN TEST ایجاد می‌کنند درباره‌ی این‌که آیا TSM ONLY روی داراییِ کم‌نوسان‌تر و با چرخهٔ بلندتر (BTC، ETH) کار می‌کند OR و آیا به داراییِ پرنوسان‌تر و با چرخهٔ کوتاه‌تر (SOL) تعمیم می‌یابد. محدودهٔ تک‌دارایی یعنی NO نفرینِ ترجمهٔ چنددارایی؛ ترجمهٔ 4H که نسخهٔ 3-داراییِ قبلی را از بین برد، به فرضیهٔ 1-دارایی آسیبی نمی‌زند. SOLUSDT.BINANCE 1D در فهرست ایمنِ صریح سیستم است. این کار به سهمیهٔ جهت‌گیری کمک می‌کند (در حال حاضر 90.0% فقط خرید است) و موقعیت‌گیریِ خرید/فروش/خنثی اضافه می‌کند. اگر همهٔ 3 فرضیهٔ TSM تک‌دارایی شارپ مثبت بدهند، دستهٔ مکانیزم قطعاً تثبیت می‌شود؛ ترکیب‌های پرتفوی آینده می‌توانند هر سه را مستقل اجرا کرده و پس از آن در یک TSM پرتفوی چنددارایی ترکیب کنند، و هدف اولیهٔ چنددارایی را برآورده کنند، WITHOUT دامِ شکستِ ترجمهٔ داده.

تحلیلگر وجود برتری REAL را تأیید کرد (نسبت شارپ بهینه‌شده 1.01 > آستانه شانس 0.89؛ واک‌فوروارد بیش‌برازش نشده و همه بازه‌های OOS مثبت‌اند [0.34,1.80,0.24]؛ آزمون نگه‌داشته‌شده مثبت 0.42؛ sharpe_ci_low 0.30 > 0)، اما این مورد از آستانه‌های سخت‌گیرانه آزمون‌های چندگانه و آزمون نگه‌داشته‌شده ONLY گذشت (DSR 0.646، PBO 0.626، نسبت آزمون نگه‌داشته‌شده 0.533)، چون جست‌وجوی 225تایی روی SEVEN پارامتر، PBO را متورم و DSR را کاهش می‌دهد. بهینه‌ساز (walk_forward.py) فضای جست‌وجوی خود را از کلیدهای عددی در config[parameters] می‌سازد و برای هرکدام دامنه‌ای به‌اندازه +-50% جست‌وجو می‌کند. بنابراین، راه‌حل حداقلی و همسو با دستورالعمل، کاهش سطح پارامترهاست: پنج پارامتر تقریباً هموار را با مقادیر یافته‌شده بهینه‌ساز به‌عنوان پیش‌فرض کد ثابت کنید (entry_threshold=0.355، exit_threshold=0.13، stop_loss_pct=7.55، per_leg_pct=0.156، min_notional=5 از طریق پیش‌فرض پایه) و بازنگری ONLY و take_profit_pct را در config[parameters] در معرض جست‌وجو بگذارید. بهینه‌سازی مجدد اکنون به‌جای جست‌وجوی 7بعدی، جست‌وجوی 2بعدی انجام می‌دهد؛ آستانه بیشینه مورد انتظار در شرایط نویز و PBO را پایین می‌آورد و DSR را به‌سوی هدف‌های 0.95 / 0.70 / 0.5 بالا می‌برد. همه منطق سیگنال، ورود/خروج، هیسترزیس و اندازه‌گذاری، از نظر بایت با موارد هم‌خانواده BTC/ETH که اعتبارسنجی را گذرانده‌اند یکسان است (تکرار واقعی) — هیچ پس‌رفت در لایه‌های پیشین رخ نداده و واردسازی‌ها تغییر نکرده‌اند.

در تلاش 2 از 2، شارپ تعدیل‌شده بابت تورم و نمونهٔ نگه‌داشته‌شدهٔ پیش‌رو ناموفق بودند؛ این پس از اصلاح تکرار-2ای بود که مشخصاً برای رفع همین موارد طراحی شده بود. DSR=0.3159 (در برابر کندل 0.95)، با شارپ بهینه‌شدهٔ 0.781 BELOW آستانهٔ شانسِ بیشینهٔ موردانتظارِ 225 آزمونِ 0.9359تایی را رد می‌کند (is_significant=false، sharpe_ci_low 0.116 نزدیک 0، PBO 0.5304 >0.5) — پس از اصلاح آزمون‌های متعدد، پیکربندی منتخب از نظر آماری از نویزِ بهترینِ ان‌تایی قابل تمایز نیست. HOLDOUT FAILED مرتب‌شده بر اساس زمان (نسبت 0.331 <0.70؛ holdout_sharpe 0.226 در برابر WF-OOS 0.684) و، به‌طور تعیین‌کننده، کاهش سطح پارامترها در تکرار-2 (جست‌وجو از 7بعدی به 2بعدی کاهش یافت و پنج پارامترِ بی‌اثر بر حساسیت روی مقادیر یافته‌شده ثابت شدند) صراحتاً برای رساندن DSR به معناداری طراحی شده بود، اما DSR را جابه‌جا نکرد (0.316) و هم‌زمان نسبت نمونهٔ نگه‌داشته‌شده از 0.533 به 0.331 DEGRADED — شاهدی قطعی که نشان می‌دهد برتری از نظر آماری معنادار نیست، نه اینکه جست‌وجو بد انجام شده باشد. نشانه‌های امیدوارکننده (0 پرتگاه‌ها، آزمون پیش‌رونده is_overfitted=false، مثبت بودن همهٔ بازه‌های OOS، PSR 0.9922) ثبات را می‌سنجند، نه معناداری را — شکاف PSR/DSR (0.99 در برابر 0.32) نشانهٔ نمونه‌ایِ تورم ناشی از گزینش بهترینِ -225 است — و برتری به چند دادهٔ پرت وابسته است (کشیدگی 77، چولگی 4.41، tail_ratio 0.046) و اخیراً افت کرده است (2025 -0.46%، شارپ غلتان تا اواخر-2025 منفی). تکرار نکنید: تلاش 2 از 2 به پایان رسیده، اصلاح هدفمندِ معناداری پیشاپیش شکست خورده و سطح حساسیت، سکویی تخت با 0 پرتگاه است که هیچ ناحیهٔ پایداری بالاتر از آستانهٔ شانس برای تنظیم به سوی آن ندارد. revise_hypothesis را کنار نگذارید: TSM روزانهٔ تک‌دارایی سازوکاری اثبات‌شده نیست که در دارایی نامناسبی گیر افتاده باشد (SOL ابزار مناسبی است) — خانوادهٔ کامل TSM روزانهٔ تک‌دارایی این نشست (BTC DSR با هدف‌گذاری نوسان، 0.15، ETH COIN-M، ETH HL روزانه) بارها همین الگوی شکستِ تعدیل‌شده را نشان می‌دهد. FAILURE PATTERN: سازوکار مومنتوم سری زمانیِ روزانهٔ تک‌دارایی در سطحی معنادار به SOL با نوسان بالاتر و چرخهٔ کوتاه‌تر تعمیم NOT می‌یابد — پایه‌ای پاک، بدون بیش‌برازش و با پرتگاه کم، برتری متعادلی در حدود شارپِ 0.78 ایجاد می‌کند که مقدار منتخبِ بهترینِ -225 پایین‌تر از آستانهٔ شانسِ بیشینهٔ موردانتظار قرار می‌گیرد (BELOW DSR 0.316)؛ نمونهٔ نگه‌داشته‌شدهٔ پیش‌رو نیز ناموفق است (نسبت 0.331). اصلاح کاهش پارامترها که مشخصاً برای بالا بردن DSR انجام شد، آن را جابه‌جا نکرد و نتیجهٔ نگه‌داشته‌شده را بدتر کرد؛ این شاهدی تعیین‌کننده است که برتری از نظر آماری معنادار نیست، نه اینکه تنظیم پارامترها بد بوده باشد. این نتیجهٔ اعتبارسنجی دارایی سوم است که فرضیه برای آزمودنش مطرح شد و تأیید می‌کند این دستهٔ سازوکار از آستانهٔ تعدیل در SOL عبور نمی‌کند.

بهینه‌سازی این مورد را واقعاً بهبود داد (Sharpe از 0.57 به 1.01 رسید، نوسان نصف شد، max_dd از 33% به 14% رسید، PF 1.73) و لبهٔ معاملاتی واقعی است: Sharpe بهینه‌شده از آستانهٔ حداکثر مورد انتظار زیر نویز (0.89) 1.01 EXCEEDS بالاتر است، آزمون پیش‌رونده is_overfitted=FALSE با همهٔ OOS پنجرهٔ مثبت [0.34، 1.80، 0.24]، حساسیت پاک است (0 پرش ناگهانی)، نمونهٔ نگهداری‌شده مثبت است (0.42) و sharpe_ci_low 0.30 صفر را شامل نمی‌شود. با این حال، فقط با معیارهای سخت‌گیرانهٔ آزمون چندگانه و نمونهٔ نگهداری‌شده برای ارتقا کافی نیست: deflated_sharpe 0.646 (<0.95)، is_significant=FALSE، PBO 0.6256، نسبت نمونهٔ نگهداری‌شده 0.533 (<0.70) NOT. ریشهٔ مسئله همان ریشهٔ نمونهٔ همزادِ ADA است: جستجوی 225-آزمونی روی SEVEN پارامتر، PBO را بالا برده و DSR را پایین می‌آورد. برای رفع آن، SHRINKING سطح پارامترها: 1) FIX پارامترهای تقریباً تخت (بی‌اثر) را روی مقادیر یافت‌شدهٔ بهینه‌ساز تثبیت کنید؛ شبکهٔ حساسیت نشان می‌دهد Sharpe آن‌ها به سختی تغییر می‌کند: per_leg_pct=0.156، stop_loss_pct=7.55، exit_threshold=0.13، entry_threshold=0.355، min_notional=5. حذف آن‌ها از جستجو، آستانهٔ حداکثر مورد انتظار زیر نویز را پایین می‌آورد و PBO. 2) RE-OPTIMIZE ONLY پنجرهٔ بازنگری و take_profit_pct را نگه دارید؛ این دو پارامتر، تنها پارامترهایی هستند که در شبکه پاسخ واقعی Sharpe دارند. 3) هدف: DSR >= 0.95 AND، نسبت نمونهٔ نگهداری‌شده >= 0.70 AND PBO <= 0.5 (نه Sharpe خام بالاتر). از آنجا که Sharpe فعلی از آستانهٔ شانس بالاتر است و همهٔ OOS پنجره مثبت‌اند، کاهش تعداد آزمون‌های مؤثر شانس واقعی برای بالا بردن DSR از خط عبور دارد. اگر تلاش 2 پس از کاهش سطح پارامترها همچنان در DSR/نمونهٔ نگهداری‌شده شکست بخورد، کنار گذاشته شود؛ اما آزمون پیش‌رونده همه‌مثبت، Sharpe بالاتر از آستانهٔ شانس و مکانیزم MOP با پشتوانهٔ دانشگاهی، تلاش متمرکز مجدد را توجیه می‌کنند.