ADA 4H Лонг на пробое после N баров подряд с повышающимися минимумами (ступенчатый паттерн растущей поддержки)

Стратегия только для длинных позиций, одного инструмента и таймфрейма на барах ADAUSDT.BINANCE 4H (проблема audit_stale RESOLVED). Реализует структурный механизм NEW, аналогичный проверенному аналитиком пробою максимумов в последовательности двух баров (коэффициент Шарпа 1.86, коэффициент walk-forward IS/OOS 1.11), но работающий на LOWS, а не на HIGHS: он улавливает формирование защитной поддержки, а не ускорение импульса. Механизм: выявлять 3+ последовательных баров, где LOW каждого выше, чем LOW предыдущего (последовательные растущие минимумы формируют ступенчатую растущую поддержку). Когда паттерн завершается пробоем текущим баром недавнего максимума Дончиана за 20 баров, а фильтр тренда AND удерживается, открывается длинная позиция. Сигнал отличается от последовательности растущих максимумов: растущие LOWS показывают, что покупатели систематически защищают всё более высокие уровни, даже не обновляя максимумы; это более скрытое накопление, часто предшествующее ускорению. Механизм принципиально отличается от всех существующих ADA механизмов на 4H: (a) NOT XRPTwoBarSequentialHigherHighBreakoutLong (использует LOWS, а не HIGHS; 3+ баров, а не 2); (b) возврат к поддержке после двойного дна NOT (использует последовательность растущих минимумов, а не совпадение минимумов); (c) возврат к средней линии канала Дончиана NOT (использует последовательность + пробой канала, а не разворот у средней линии); (d) кластер внутренних баров NOT (использует последовательно растущие минимумы HIGHER, а не сужающиеся диапазоны); (e) статистические сигналы NOT. SEQUENCE-BASED + RANGE-STATISTICS согласно явному описанию успешного паттерна аналитиком.

Итерация 2 устраняет статистический сбой на этапе оптимизации (PBO 0.73, deflated_sharpe 0.74 < 0.95, доля контрольной выборки 0.37) — это не NOT дефект логики (преимущество устойчиво: все OOS окна положительны, sharpe_ci_low 1.51, обрывы чувствительности 0). По заключению аналитика, поиск по 225 пробам и NINE параметрам завысил ожидаемый максимум при шуме, повысив PBO и снизив коэффициент Шарпа. Оптимизатор (walk_forward.py) формирует пространство поиска из каждого числового ключа в config["parameters"], варьируя каждый на +-50%. Решение — сократить этот словарь до ONLY трёх действительно важных настроек преимущества с монотонной реакцией (sequence_bars, donchian_period, stop_loss_pct). Шесть почти плоских параметров удаляются из конфигурации, чтобы Optuna их не предлагала; код стратегии использует резервное значение self.parameters.get(name, default), где значения по умолчанию уже совпадают с заданными константами (sma_period=50, take_profit_pct=6, max_holding_bars=30, regime_breakdown_pct=5, per_trade_pct=0.20, min_notional=5); таким образом, они фиксируются как константы без ZERO изменений поведения. sequence_bars оставлен на базовом уровне 3 (устойчивая точка с большим числом сделок: 214 сделок / коэффициент Шарпа 1.97), а не на чрезмерно исследованном 4. Сокращение пространства с 9-мерного до 3-мерного напрямую снижает PBO и повышает DSR в направлении >=0.95, сохраняя реальное преимущество. Код не менялся; импорты без изменений; все предыдущие этапы остаются успешными.

Провалены все проверки на будущих данных в попытке 2 из 2. Дефлированный коэффициент Шарпа DSR=0.0349 (против 0.95); оптимизированный коэффициент Шарпа 1.575 FAR ниже порога удачи ожидаемого максимума при 225 испытаниях: 2.853 (is_significant=false, PBO 0.5609). Для стратегии на 4H высокое эффективное число испытаний поднимает этот порог, и преимущество его не преодолевает. Решающе важный упорядоченный по времени HOLDOUT FAILED и NEGATIVE (holdout_sharpe -0.475, коэффициент -6.54 против WF-OOS 0.073): в нетронутом недавнем окне стратегия теряет деньги. Walk-forward is_overfitted=TRUE, среднее IS 3.40 рушится примерно с 47x до среднего OOS 0.073 (окна [-0.98, 0.90, 0.30]); конфигурация, выбранная как лучшая из -225, переобучилась на окнах обучающей выборки. Чистая сетка чувствительности (0 обрывов) и PSR 0.987 показывают устойчивость, а не значимость, и не отменяют отрицательный холдаут вместе с DSR 0.035 (ловушка PSR-против-DSR). Не повторять итерацию: попытка 2 из 2 завершена, а ключевой провал — отсутствие обобщения на будущие данные (отрицательный холдаут, обвал OOS), а не недостаточно исследованная область параметров. Не revise_hypothesis: семейство последовательных пробоев — не проверенный механизм, застрявший на неподходящем активе; его аналог (ADA, двухбарный пробой растущих максимумов) также отклонили после оптимизации из-за провала дефляции, и этот вариант с растущими минимумами пришёл к тому же исходу. FAILURE PATTERN: сильная, хорошо распределённая базовая модель (коэффициент Шарпа 1.81, положительный результат за 6/7 лет, низкий эксцесс 4.4, CI-низкий +0.43), выглядевшая лучшим кандидатом сессии до оптимизации, STILL, не проходит отбор. Выбор лучшей из -225 конфигураций даёт оптимизированный коэффициент Шарпа (1.575) ниже порога удачи 2.85 (DSR 0.035); walk-forward переобучен (IS 3.40 -> OOS 0.07), а нетронутый будущий холдаут NEGATIVE (-0.475). Привлекательная базовая модель с чистой сеткой чувствительности не подтверждает продвигаемое преимущество после дефляции и проверки на упорядоченном по времени холдауте; варианты последовательных пробоев одного актива на 4H на ADA не проходят проверки на множественное тестирование и будущие данные.

Преимущество реально и устойчиво (обрывы чувствительности 0; walk-forward-анализ is_overfitted=FALSE, все OOS окон положительны [2.97, 2.45, 0.80], среднее OOS 2.07; sharpe_ci_low 1.51 исключает 0; результат на контрольной выборке остаётся положительным: 0.76). Однако оно NOT проходит отбор, поскольку поиск по 225 пробам и NINE параметрам завысил PBO до 0.73, а deflated_sharpe остался на уровне 0.74 (<0.95); на контрольной выборке сохранилось лишь 37% от коэффициента Шарпа WF-OOS. Решение — SHRINK пространство параметров, чтобы оптимизатор меньше снижал результат и лучше обобщал: 1) FIX почти плоские (не влияющие на результат) параметры как константы — сетка чувствительности показывает, что коэффициент Шарпа почти не меняется при варьировании на +-20%: задать min_notional=5, regime_breakdown_pct=5, sma_period=50, take_profit_pct=6, max_holding_bars=30, per_trade_pct=0.20. Исключение этих параметров из поиска напрямую снижает порог ожидаемого максимума при шуме и PBO; ожидается, что DSR приблизится к 0.95 или превысит его, поскольку исходное преимущество реально. 2) RE-OPTIMIZE ONLY параметры, формирующие реальное преимущество: sequence_bars и donchian_period (при желании — stop_loss_pct). Только для этих настроек сетка чувствительности показывает реальную монотонную зависимость коэффициента Шарпа. 3) PREFER область с большим числом сделок и большей устойчивостью. Оптимизатор изменил sequence_bars с 3 на 4, сократив число сделок с 214 до 155 и ухудшив результат на контрольной выборке (коэффициент 0.37). Оставить sequence_bars=3 (проверять только 2-3); базовая конфигурация с 3 барами дала 214 сделок, коэффициент Шарпа 1.97 и sharpe_ci_low 0.68 — это более обобщаемая рабочая точка. Цель повторного запуска — DSR >= 0.95, коэффициент на контрольной выборке >= AND 0.70 AND <= PBO 0.5, а не более высокий абсолютный коэффициент Шарпа. Если попытка 2 всё ещё не пройдёт DSR/контрольную выборку после сокращения пространства параметров, следует отказаться от стратегии: недавнее ухудшение (2026 отрицательно) будет означать, что преимущество угасает, а не просто было чрезмерно исследовано.