Vai al contenuto
Tutte le strategie

Strategie

ETH USD-M Momentum su serie storica con filtro di efficienza, long-short (BINANCE perp su singolo strumento, barre da 4h; opera sul trend di N barre ONLY solo quando il Kaufman Efficiency Ratio conferma un movimento SMOOTH e direzionale; salta i trend irregolari in cui i whipsaw erodono il PnL; sizing con target di volatilità e uscita trailing ATR, 3 parametri)

Esito: Abbandonato

EthEfficiencyGatedTimeSeriesMomentumLS

Riepilogo esito

In questa sessione, questa strategia è apparsa la più promettente della famiglia trend: un filtro basato sull’efficiency ratio che operava solo nei movimenti direzionali regolari, insieme a sizing con target di volatilità e lato short, ha prodotto un profilo di rischio davvero sano — drawdown massimo 18%, skew positivo, un book bilanciato quasi neutrale al mercato e una distribuzione per regime (solo -6.7% in 2022) mai raggiunta dai panieri long-only. Ha superato il filtro prima dell’ottimizzazione con verdetto……Mostra altroMostra meno

In questa sessione, questa strategia è apparsa la più promettente della famiglia trend: un filtro basato sull’efficiency ratio che operava solo nei movimenti direzionali regolari, insieme a sizing con target di volatilità e lato short, ha prodotto un profilo di rischio davvero sano — drawdown massimo 18%, skew positivo, un book bilanciato quasi neutrale al mercato e una distribuzione per regime (solo -6.7% in 2022) mai raggiunta dai panieri long-only. Ha superato il filtro prima dell’ottimizzazione con verdetto «ottimizzare», ma l’ottimizzazione in 3 fasi ha rivelato lo stesso difetto fatale delle strategie simili: lo Sharpe in-sample di 1.058 è crollato a 0.135 out-of-sample, con una finestra negativa; PBO ha raggiunto 0.68 e lo Sharpe deflazionato di 0.416 ha indicato rumore da migliore tra -225 prove. Anche la configurazione selezionata non ha raggiunto nessuna soglia di promozione e l’unica regione robusta dei parametri si fermava a uno Sharpe non promuovibile di circa 0.5. Al primo ciclo, l’analista l’ha abbandonata come overfit conclamato, senza una regione robusta verso cui ottimizzare: il vantaggio trend di ER, filtrato da ETH, era reale ma troppo debole per superare la correzione per test multipli.

Ipotesi

Una strategia direzionale LONG-SHORT su un singolo strumento, su ETHUSDT.BINANCE (USD-M perp, barre da 4h), deliberatamente NOT rispetto alla semplice strategia trend basata sull’incrocio delle medie mobili, che continua a fallire ed essere classificata come «altro», e NOT qualsiasi strategia di mean reversion (le strategie di fading sono morte). Il meccanismo affronta direttamente la ragione ONE per cui il trend following fallisce nel mercato crypto: il whipsaw nei regimi laterali, subordinando ogni ingresso al……Mostra altroMostra meno

Una strategia direzionale LONG-SHORT su un singolo strumento, su ETHUSDT.BINANCE (USD-M perp, barre da 4h), deliberatamente NOT rispetto alla semplice strategia trend basata sull’incrocio delle medie mobili, che continua a fallire ed essere classificata come «altro», e NOT qualsiasi strategia di mean reversion (le strategie di fading sono morte). Il meccanismo affronta direttamente la ragione ONE per cui il trend following fallisce nel mercato crypto: il whipsaw nei regimi laterali, subordinando ogni ingresso al Kaufman Efficiency Ratio (ER = |close_t - close_{t-N}| / Σ|close_i - close_{i-1}| sulle ultime N barre). ER≈1 indica un movimento direzionale netto; ER≈0 indica che lo stesso movimento netto è avvenuto attraverso oscillazioni rumorose avanti e indietro. Seguiamo il trend su N barre solo quando ER supera una soglia (il trend è davvero EFFICIENT) e restiamo flat quando ER è basso (mercato laterale), proprio il regime in cui il trend basato sugli incroci perde denaro. La direzione è il segno del rendimento su N barre: movimento rialzista efficiente → LONG, movimento ribassista efficiente → SHORT (le posizioni short distribuiscono i rendimenti tra i diversi regimi e limitano il drawdown nei mercati ribassisti, a differenza dei panieri momentum long-only, tutti falliti con drawdown superiori a 50% / leva legata a un singolo regime). Il dimensionamento delle posizioni è VOLATILITY-TARGETED (rischio frazionario costante tramite ATR), così nessuna singola operazione o regime può provocare l’esplosione dovuta alla leva e non al vantaggio statistico che ha affossato il paniere di 15 nomi scalato per volatilità. Puro OHLCV: nessuna dipendenza da dati supplementari o da venue incrociate, quindi nessun rischio data_unavailable. Questo non è NOT un paniere rank/rotation (L12/L24: un singolo strumento, senza ordinamento cross-sectional), NOT carry (inefficace al di fuori di BTC), NOT opzioni (L23), NOT dipendente dalle liquidazioni (L3), NOT direzionale rispetto al funding (L13). Parametri 3: lookback ER N, soglia di ingresso ER, moltiplicatore del trailing stop ATR.

Implementa direttamente l’ipotesi con esattamente i 3 parametri centrali dichiarati (ER lookback N=20, soglia d’ingresso ER=0.30, moltiplicatore trailing ATR=3.0), più i normali parametri di rischio. Il filtro di efficienza è il meccanismo: opera sul trend solo quando il movimento è davvero EFFICIENT e salta i trend irregolari, proprio il regime che distrugge il trend basato su crossover nelle criptovalute. Long e short distribuiscono i rendimenti tra i regimi e limitano il drawdown nei mercati ribassisti (non è……Mostra altroMostra meno

Implementa direttamente l’ipotesi con esattamente i 3 parametri centrali dichiarati (ER lookback N=20, soglia d’ingresso ER=0.30, moltiplicatore trailing ATR=3.0), più i normali parametri di rischio. Il filtro di efficienza è il meccanismo: opera sul trend solo quando il movimento è davvero EFFICIENT e salta i trend irregolari, proprio il regime che distrugge il trend basato su crossover nelle criptovalute. Long e short distribuiscono i rendimenti tra i regimi e limitano il drawdown nei mercati ribassisti (non è un paniere di momentum solo long). Il sizing ATR con target di volatilità mantiene costante il rischio frazionale (L15: rischio per operazione = stop_distance x size ~= 1% del capitale; il nozionale lordo è limitato separatamente a 1x del capitale), evitando le esplosioni da capitalizzazione e leva che hanno compromesso i precedenti panieri scalati per volatilità. calculate_signal restituisce a ogni barra il valore continuo RAW ER*sign (varia da una barra all’altra, con unità naturali, senza azzeramento imposto dal filtro); should_enter lo confronta con una soglia nella stessa unità, rispettando le indicazioni sui segnali continui. Il rischio di zero operazioni (L21/L25) è stato verificato esplicitamente su dati reali ETH a 4h: con N=20 / soglia=0.30, il filtro d’ingresso è attivo su circa 34% delle barre (circa 744 di 2170 in una finestra sandbox di 365 giorni), garantendo con ampio margine almeno 1 operazione; il warmup di 22 barre è una frazione trascurabile della finestra. Tutti i metodi helper sono metodi d’istanza (nessun @staticmethod), così restano validi quando il proxy di verifica Layer-2 riassocia i metodi con MethodType. Strategia pura OHLCV su un singolo strumento: NOT un paniere di ranking/rotazione (L12/L24), NOT carry (L1/L13), NOT opzioni (L23), NOT dipendenza dalle liquidazioni (L3), NOT mean reversion e nessun rischio data_unavailable. Mercato futures (BINANCE) perché la strategia apre posizioni short; la leva resta 1.0 e non entra nel sizing, quindi non scatta il filtro leverage_set_but_unused.

Sharpe deflazionato non superato: DSR=0.416, massimo atteso=0.834 su 225 prove. Lo Sharpe selezionato (IS ~1.22) è indistinguibile dal rumore del migliore tra N prove e lo Sharpe realizzato out-of-sample è solo 0.135. È un overfit conclamato, non un problema di ottimizzazione: i flag walk-forward indicano is_overfitted=true (IS media 1.058 contro OOS media 0.135), con finestre OOS [0.074, 0.824, -0.492] (una negativa: il vantaggio è confinato a una finestra, non è un segnale stabile); inoltre PBO 0.68 > 0.5 rende……Mostra altroMostra meno

Sharpe deflazionato non superato: DSR=0.416, massimo atteso=0.834 su 225 prove. Lo Sharpe selezionato (IS ~1.22) è indistinguibile dal rumore del migliore tra N prove e lo Sharpe realizzato out-of-sample è solo 0.135. È un overfit conclamato, non un problema di ottimizzazione: i flag walk-forward indicano is_overfitted=true (IS media 1.058 contro OOS media 0.135), con finestre OOS [0.074, 0.824, -0.492] (una negativa: il vantaggio è confinato a una finestra, non è un segnale stabile); inoltre PBO 0.68 > 0.5 rende la selezione dei parametri probabilmente overfit. Entrambi sono filtri inderogabili, quindi la promozione è impossibile. Anche la configurazione selezionata non raggiunge le soglie di promozione (Sharpe 0.768 < 1.5, win_rate 0.40 < 0.45, max_drawdown 16.1% > 10%, is_significant=false, sharpe_ci_low 0.106). L’iterazione non può salvarla: l’unica regione robusta, lontana dai precipizi, si ferma a uno Sharpe di circa 0.5, con un CI che attraversa lo zero — già non promuovibile. Non c’è quindi una regione robusta verso cui puntare con un secondo ciclo di ottimizzazione: si riselezionerebbe solo rumore dallo stesso vantaggio debole. È il classico profilo di overfit (alto IS, OOS crollato), che secondo la policy va abbandonato anziché modificato; lo conferma la calibrazione: anche il paniere di major quasi identico Kaufman-ER (similarità 0.72), il trend Donchian ETH e i trend follower BTC 200-MA sono stati abbandonati come overfit. Il vantaggio trend di ETH, filtrato da ER, è davvero troppo debole per superare la correzione per test multipli.

Implementazione

Momentum long-short su serie storica, direzionale e su un singolo strumento, su ETHUSDT.BINANCE (USD-M perp, barre da 4h), filtrato dal Kaufman Efficiency Ratio. A ogni barra calcola ER = |close_t - close_{t-N}| / sum|close_i - close_{i-1}| sulle ultime N barre (ER~1 = movimento regolare e direzionale; ER~0 = stesso movimento netto ottenuto con oscillazioni rumorose). Il segnale è ER * sign(rendimento su N barre), un valore continuo in [-1,1]. Entra nel trend su N barre ONLY quando |segnale| supera una soglia di……Mostra altroMostra meno

Momentum long-short su serie storica, direzionale e su un singolo strumento, su ETHUSDT.BINANCE (USD-M perp, barre da 4h), filtrato dal Kaufman Efficiency Ratio. A ogni barra calcola ER = |close_t - close_{t-N}| / sum|close_i - close_{i-1}| sulle ultime N barre (ER~1 = movimento regolare e direzionale; ER~0 = stesso movimento netto ottenuto con oscillazioni rumorose). Il segnale è ER * sign(rendimento su N barre), un valore continuo in [-1,1]. Entra nel trend su N barre ONLY quando |segnale| supera una soglia di efficienza (0.30) — LONG su un movimento rialzista efficiente, SHORT su uno ribassista efficiente — e resta flat quando ER è basso (il regime irregolare in cui il trend basato su crossover perde per i whipsaw). Il sizing punta alla volatilità: rischio frazionale costante (1% del capitale) diviso per una distanza di stop basata su ATR (atr_trail_mult x ATR); così, una volatilità maggiore riduce automaticamente la posizione e nessuna singola operazione o regime può causare un’esplosione della leva priva di vantaggio. Un limite rigido al nozionale (1x del capitale) e l’assenza di leva vincolano l’esposizione lorda. L’uscita è uno stop trailing ATR (segue l’estremo favorevole a una distanza di atr_trail_mult x ATR), più un’uscita su inversione efficiente che chiude la posizione quando compare il trend efficiente opposto. Solo OHLCV: nessun dato supplementare o da altri mercati.

Risultati di verifica

La valutazione dell’analista sull’intera serie storica: drawdown contenuto e profilo a skew positivo ne fanno una candidata ragionevole per ottimizzazione e iterazione, anziché da abbandonare subito; tuttavia, il sandbox negativo di 1 anni e lo Sharpe che attraversa lo zero impongono cautela.

Esito del vantaggio per l’analista (non è un difetto del codice): il sandbox è moderatamente negativo — total_return -8.7%, Sharpe -0.67 (CI [-2.27, +0.90], attraversa lo zero), profit_factor 0.74, win_rate 0.36 su 59 operazioni, max_drawdown 19.5%. A differenza delle strategie della sessione con risultati disastrosi, questa ha un profilo trend-following HEALTHY (return_skew +0.52, avg_win $1173 > avg_loss $878, tail_ratio 1.14, drawdown 19.5% contenuto): il filtro di efficienza e il target di volatilità ATR limitano il drawdown come previsto; il problema è un tasso di successo sotto -50%, che in questa finestra annuale non ha coperto i costi. È una questione di misurabilità del vantaggio per BACKTEST_REVIEW, non di ricodifica.

Verifica che il backtest sull’intera serie storica produca almeno ~100 operazioni prima di trarre conclusioni definitive.

59 operazioni in 364 giorni sono al limite se considerate da sole (sotto la soglia di ~100 per finestra singola), ma, proiettate a ~59/anno, superano comodamente ~100 sull’intero backtest pluriennale. La misurabilità quindi non è un ostacolo, a differenza di un segnale intrinsecamente a bassa frequenza.

Revisione Backtest

Sharpe
0,64
Rendimento totale
97,04%
Drawdown massimo
18,04%
Operazioni totali
334
Tasso di successo
35,3%
Profit Factor
1,30

avg_trade_return_pct 0.79% — ben sopra la soglia delle commissioni futures di 0.15%; vantaggio reale al netto dei costi

profit_factor 1.30 con skew positivo 1.53 e tail_ratio 1.30: profilo dei rendimenti trend-following sano (piccole perdite, grandi guadagni)

max_drawdown 18.0% (molto sotto 50%), Calmar 4.44: rischio controllato, nessun segnale di esplosione della leva

Rendimenti distribuiti per regime: positivi in 2020/2021/2023/2024/2025 e solo -6.7% nel bear market 2022. Il design long-short ha offerto la protezione dai mercati ribassisti assente nei panieri long-only

Book bilanciato (170 long / 164 short), beta basso 0.05, alfa positiva 0.053: flusso di rendimenti differenziato e quasi neutrale al mercato

Campione ampio (334 operazioni), quindi la sensibilità ai parametri sarà statisticamente significativa

Lo Sharpe 0.637 è modesto e il suo minimo di CI (-0.03) sfiora lo zero: l’ottimizzazione deve rafforzare il vantaggio per superare la soglia di promozione

information_ratio -0.66 rispetto al buy-and-hold ETH è negativo (anche se il buy-and-hold non è un benchmark equo per una strategia long-short a beta basso)

2026 mostra una fase prolungata di drawdown (Sharpe mobile negativo): controlla la robustezza di OOS nella finestra recente durante l’analisi walk-forward

Analisi

Profilo di rischio pulito: max_drawdown 16.1% ottimizzato, nessuna liquidazione, skew positivo 1.38, tail_ratio 1.34: una vera struttura dei rendimenti trend-following

avg_trade_return_pct 1.42% supera ampiamente la soglia delle commissioni; la capacità di circa $42M è utilizzabile

La sensibilità è regolare, senza precipizi: il codice è corretto e si comporta come previsto

Il design long-short ha mantenuto 2022 positivo (+12.6% dopo l’ottimizzazione), ottenendo la distribuzione per regime prevista dall’ipotesi

HARD FAIL: walk-forward is_overfitted=true — lo Sharpe IS di 1.058 crolla a OOS 0.135, con finestre OOS [0.074, 0.824, -0.492] (una negativa, fortemente incoerenti)

HARD FAIL: PBO 0.68 > 0.5 — la selezione dei parametri è probabilmente overfit

deflated_sharpe 0.416 << 0.95, is_significant=false, sharpe_ci_low 0.106: lo Sharpe selezionato è un risultato artificiale del migliore tra -225 prove, non un vantaggio convalidato

Anche la configurazione selezionata non raggiunge le soglie: Sharpe 0.768 < 1.5, win_rate 0.40 < 0.45, max_drawdown 16.1% > 10%

L’unica regione robusta dei parametri, lontana dai precipizi, si ferma a uno Sharpe di circa 0.5, già sotto le soglie di promozione, con un CI che attraversa lo zero; non c’è una regione promuovibile verso cui ottimizzare

Calibrazione della famiglia: strategie ER/trend quasi identiche (simulazione del paniere di major Kaufman-ER 0.72, ETH Donchian, BTC 200-MA) sono state tutte abbandonate come overfit ALL

Riepilogo esito

Un filtro basato sull’efficiency ratio ha migliorato davvero il profilo dei rendimenti trend: drawdown controllato, skew positivo e protezione reale dal bear market 2022 grazie al lato short. Ma il vantaggio trend di ETH, filtrato da ER, era ancora troppo debole per superare la correzione per test multipli. Insieme al paniere quasi identico Kaufman-ER, a ETH Donchian e alle strategie simili BTC 200-MA, ciò conferma che questa classe trend su un singolo asset è soggetta a overfitting anziché generalizzare.

L’analista ha emesso un verdetto di abbandono per il superamento dei filtri inderogabili contro l’overfit: walk-forward is_overfitted=true con finestre OOS [0.074, 0.824, -0.492] (il vantaggio è concentrato in una sola finestra), PBO 0.68 > 0.5 e Sharpe deflazionato 0.416 contro un massimo atteso di 0.834 su 225 prove — lo Sharpe selezionato era quindi rumore da migliore tra N prove. L’unica regione robusta dei parametri, lontana dai precipizi, si fermava a uno Sharpe di circa 0.5, con un CI che attraversa lo zero: non resta alcuna regione promuovibile verso cui ottimizzare.

Strategia long-short di momentum su serie storica, direzionale e su un singolo strumento, su ETHUSDT.BINANCE (USD-M perp, barre da 4h). Opera sul trend di N barre solo quando il Kaufman Efficiency Ratio conferma un movimento regolare e direzionale (resta flat nei regimi irregolari), con sizing ATR basato sul target di volatilità e uscita trailing ATR; apre posizioni short per distribuire i rendimenti tra i regimi.

Il backtest iniziale è stato il più sano della famiglia: rendimento +97% su 334 operazioni bilanciate (170 long / 164 short), profit factor 1.30, avg_trade_return_pct 0.79%, skew positivo 1.53, drawdown massimo di appena 18.0% e solo -6.7% nel bear market 2022 — ma Sharpe modesto di 0.637 (CI vicino allo zero); l’ottimizzazione l’ha portato a Sharpe 0.768 / +256%, ma ha segnalato is_overfitted=true (IS 1.058 → OOS 0.135), PBO 0.68 e Sharpe deflazionato 0.416.

Stratmill è uno strumento di ricerca e paper trading, non una consulenza finanziaria né un broker. I risultati di backtest e paper trading sono ipotetici. Il trading comporta un rischio di perdita.