กลยุทธ์

การกลับตัวสวนทางฝูงชนรายย่อยแบบลอง-ชอร์ต (3-สินทรัพย์ ตะกร้า USD-M ที่รายย่อยมีสัดส่วนสูง DOGE/XRP/SOL, แท่ง 4h + ฟีดอัตราส่วนลอง/ชอร์ต GLOBAL ACCOUNT, สวนทางฝูงชน ONLY เมื่อการวางสถานะสุดขั้วตามสถิติ — ชอร์ตเมื่อรายย่อยถือสถานะลองสุทธิสูงสุด / ซื้อเมื่อรายย่อยถือสถานะชอร์ตสุทธิสูงสุด, ออกจากสถานะเมื่อกลับสู่ค่าเฉลี่ย, 3 พารามิเตอร์)

ผลลัพธ์: ยกเลิก

RetailCrowdingContrarianReversalLS

สรุปผลลัพธ์

RetailCrowdingContrarianReversalLS พยายามสวนทางฝูงชนรายย่อยในตะกร้า DOGE/XRP/SOL โดยเทรดสวนเมื่ออัตราส่วนลอง/ชอร์ตบัญชีทั่วโลกถึงจุดสุดขั้ว ในการออกแบบเป็นกลางต่อตลาดที่จำกัดพารามิเตอร์ไว้ 3 ค่า กลยุทธ์ทำผลตอบแทนสะดุดตา +1814% จาก 1,695 เทรดและเป็นบวกทุกปีเต็ม แต่ Sharpe มีเพียง 0.285 โดยช่วงความเชื่อมั่นคร่อมศูนย์ และกำไรเป็นผลจากหางหนาที่ขับเคลื่อนด้วยวันตลาดร่วงสุดขั้วราวหกวัน (โดยเฉพาะ +80.8% ระหว่างการทรุดตัวของ FTX) มากกว่าจะมาจากความได้เปรียบที่สม่ำเสมอ ปัญหาซ้ำเติมคือไปป์ไลน์เสริมของแบ็กเทสต์ส่งอัตราส่วนบัญชีให้เฉพาะขาหลัก ดังนั้น XRP และ SOL จึงเทรดตาม z-score ของ DOGE จริง และสมมติฐานหลักเรื่องการกระจายความเสี่ยงไม่เคยเกิดขึ้นจริง ซึ่งเป็นข้อจำกัดของเอนจินที่ผู้พัฒนาแก้ไม่ได้ นักวิเคราะห์ยกเลิกกลยุทธ์ที่ด่านทบทวนแบ็กเทสต์เนื่องจากคุณภาพความเสี่ยงและนัยสำคัญของความได้เปรียบไม่ผ่าน และกลยุทธ์ไม่ได้เข้าสู่การปรับแต่ง การทบทวนความเสี่ยง หรือการเทรดจำลอง

รายงานกลยุทธ์

สมมติฐาน

คอนทราเรียน LONG-SHORT หลายสินทรัพย์ในสัญญาเพอร์เพทชวล Binance USD-M ที่มีผู้ค้ารายย่อยเข้าร่วมสูงสามรายการ (DOGEUSDT, XRPUSDT, SOLUSDT) บนแท่ง 4 ชั่วโมง โดยขับเคลื่อนด้วยอัตราส่วน GLOBAL long/short ของ ACCOUNT (ตัวแทนการวางสถานะของรายย่อยที่นับตามจำนวนในเมตริก Binance Vision CSV — count_long_short_ratio — ซึ่งมีประวัติ MULTI-YEAR ต่างจากฟีดเทรดเดอร์ชั้นนำที่มีเฉพาะ API ซึ่งทำให้ตะกร้า 'Informed-Positioning' ก่อนหน้านี้หยุดทำงานหลัง 2021) ความได้เปรียบมาจากพฤติกรรมและโครงสร้าง ไม่ใช่การคาดการณ์ราคา: ฝูงบัญชีรายย่อยมักผิดอย่างเป็นระบบเมื่อถึงจุดสุดขั้ว — เมื่อบัญชีรายย่อยส่วนใหญ่ท่วมท้นถือสถานะสุทธิฝั่งซื้อในสินทรัพย์หนึ่ง ผู้ซื้อส่วนเพิ่มก็หมดแรง และผลตอบแทนข้างหน้ามักอ่อนแอ เมื่อรายย่อยถือสถานะสุทธิฝั่งขายมากที่สุด แรงกดดันขาลงก็หมดไปและเกิดการดีดกลับ สิ่งสำคัญคือ นี่เป็นการอ่านพฤติกรรมรายย่อยแบบ CONTRARIAN (สวนฝูงชน) NOT การอ่านแบบตามแนวโน้มของบัญชีรายใหญ่หรือผู้มีข้อมูล ซึ่งล้มเหลวไปแล้ว กลยุทธ์นี้จงใจใช้พารามิเตอร์ 3 (z_lookback, entry_z, atr_stop_mult) เพื่อหลีกเลี่ยงความเสี่ยงจากการฟิตเกิน และตะกร้า 3 รายการช่วยลดการฟิตเส้นโค้งกับสินทรัพย์เดียวและเพิ่มจำนวนการเทรดเพื่อความน่าเชื่อถือทางสถิติ

การทำซ้ำ 4 แก้ความล้มเหลวของ Layer-4 QA (ชุดสินทรัพย์ไม่ตรงกันและวัดผลสินทรัพย์เดียว) โดยเปลี่ยนกลยุทธ์ให้เป็นตะกร้า 3 สินทรัพย์ตามที่สมมติฐานกำหนดจริง: ขณะนี้ extra_instruments มี XRPUSDT.BINANCE และ SOLUSDT.BINANCE, มีการเปลี่ยนค่า on_extra_bar และมีการเทรดขาเสริมทั้งสองขาจริง พร้อมจัดการสถานะ การออกจากสถานะ และการกำหนดขนาดครบถ้วน การทำเช่นนี้คืนการกระจายความเสี่ยงและจำนวนการเทรดราว 3x (ประมาณ 300 เทรด เทียบกับ 100 ก่อนหน้า) ตามกลไกหลักป้องกันการฟิตเกินและเพิ่มขนาดตัวอย่างที่สมมติฐานระบุ พร้อมแก้ข้อสังเกต QA ว่า Sharpe CI คร่อมศูนย์เมื่อใช้สินทรัพย์เดียว จัดการข้อจำกัดด้านข้อมูลอย่างตรงไปตรงมา: ฉันตรวจสอบกับ src/backtesting/supp_collector.py และเรียกใช้ load_for_subprocess แล้วพบว่าไปป์ไลน์แบ็กเทสต์โหลดอัตราส่วนบัญชี L/S ONLY สำหรับขาหลัก (ขาเสริมได้รับเฉพาะ funding) ดังนั้นหากใช้ ratio แยกแต่ละขาอย่างเคร่งครัด ข้อมูลของ XRP/SOL จะว่างและไม่มีการเทรด (เป็นตะกร้าปลอม) แทนที่จะเป็นเช่นนั้น ตะกร้าใช้ร่วมกันโดยอิงอัตราส่วนบัญชี DOGE ทั่วไป — โดย DOGE มีสัดส่วนรายย่อยสูงที่สุดในสามรายการ เป็นเครื่องวัดความเชื่อมั่นของรายย่อยในภาพรวม — ซึ่งยังคงอยู่ในกลไกคอนทราเรียนตามอัตราส่วนบัญชี L/S SAME (แทนที่จะเปลี่ยนไปใช้ตัวแทนจากราคาเพียงอย่างเดียว NOT) ขณะที่การส่งคำสั่งของแต่ละขา (จังหวะเข้าอิง z ร่วมกัน แต่แยกจุดตัดขาดทุน ATR การออกเมื่อกลับสู่ค่าเฉลี่ย ราคา และการกำหนดขนาดรายขา) แยกจากกันโดยสมบูรณ์ คณิตศาสตร์ของ z-score การเข้า การออก และการกำหนดขนาดตรงกับตรรกะที่ผ่าน Layer 3 สำหรับ DOGE แล้วทุกไบต์ (100 เทรด ปรับโครงสร้างเป็นเฮลเปอร์ร่วม _zscore_for_bars/_atr_of/_size_for) ดังนั้นพฤติกรรมของ DOGE จึงยังคงเดิม และขาเสริมทำงานเหมือนกัน ความปลอดภัยของ Layer-2: คำสั่งขาเสริมส่งผ่าน _submit_entry_instrument หลัก ซึ่งจะคืนค่าก่อนหากแคชม็อกไม่มีสินทรัพย์ ดังนั้นเส้นทาง on_extra_bar ที่เพิ่มเข้ามาจึงไม่ทำให้พร็อกซีสังเคราะห์ล้ม ตรวจสอบในเครื่องแล้วว่า Layer 1 (แบบสถิต) และทั้งหกสถานการณ์ Layer 2 ผ่าน การนำเข้าไม่เปลี่ยนแปลง (ไม่มีรายการที่ห้ามเพิ่ม); ตัวแยกวิเคราะห์ ratio ยังคงเป็น local closure เพื่อหลีกเลี่ยงกับดัก static binding ของพร็อกซี มีการอ้างอิงเลเวอเรจใน _size_for (max_size = ทุน*เลเวอเรจ/ราคา) จึงไม่มีการตั้งค่าแล้วไม่ได้ใช้

ผลตอบแทนส่วนเกินที่ปรับตามความเสี่ยงแล้วไม่มีนัยสำคัญ พร้อมหางหนาที่ขึ้นอยู่กับวันที่ตลาดร่วงหนัก ค่า Sharpe อยู่ที่เพียง 0.285 โดยมี 95% CI ช่วง [-0.326, 0.916] ซึ่งคร่อมศูนย์ จึงแยกผลตอบแทนส่วนเกินออกจากสัญญาณรบกวนไม่ได้ และการปรับพารามิเตอร์สามตัวก็ไม่อาจดันค่าให้เข้าใกล้ระดับ ~1.5 ที่พอเลื่อนขั้นได้ ผลตอบแทนรวม +1814% เป็นผลลวงจากการแจกแจงหางหนา (ความโด่ง 15.5, ความเบ้ 1.18) ซึ่งเกิดจากวันสุดขั้วเพียง ~6 วัน — +80.8% ในช่วงที่ 2022-11-01 FTX ร่วงหนัก, +40.3%, +37.5%, +32.9%, +30.2%, +30.0% — กล่าวคือเป็นการชอร์ตสวนทางตลาดที่ร่วงหนักและโชคดีเพียงไม่กี่ครั้ง ไม่ใช่ผลตอบแทนส่วนเกินที่ราบรื่นจากการสวนทางกับรายย่อย ประเด็นสำคัญคือหมายเหตุในโค้ดยอมรับว่าไปป์ไลน์ supp ของการทดสอบย้อนหลังส่งค่าอัตราส่วนบัญชี L/S ให้เฉพาะขาหลัก ดังนั้น XRP และ SOL จึงซื้อขายตามคะแนน z ของฝูงชนจาก DOGE แทนที่จะใช้ข้อมูลของตนเอง สมมติฐานหลักเรื่องการกระจายความเสี่ยง (สัญญาณการวางสถานะของรายย่อยที่เป็นอิสระต่อกันสามสัญญาณ) จึงไม่เกิดขึ้นจริง — มีเพียงสัญญาณเดียวบนสินทรัพย์หลักสามตัวที่มีความสัมพันธ์กัน ซึ่งเป็นเหตุให้ความแปรปรวนสูงมากและค่า Sharpe ทรุดลง ข้อบกพร่องนี้เป็นข้อจำกัดด้านการส่งมอบข้อมูลของระบบที่ผู้พัฒนาแก้ไม่ได้ ดังนั้นการปรับซ้ำจึงไม่ช่วย เมื่อรวมกับ max_drawdown 40.4% (CI ถึง 98.4%), อัตราหมุนเวียน 784x, ผลกระทบต่อตลาดคิดเป็น 14.6% ของผลตอบแทนขั้นต้น และความจุเพียง $4.67M แล้ว avg_trade_return_pct 0.716% ผ่านเกณฑ์ค่าธรรมเนียม ดังนั้นนี่คือการยุติด้วยเหตุผลด้านคุณภาพความเสี่ยง/นัยสำคัญของผลตอบแทนส่วนเกิน ไม่ใช่เพราะผลตอบแทนส่วนเกินไม่คุ้มค่าธรรมเนียม

การนำไปใช้

การกลับตัวแบบคอนทราเรียน long-short ในตะกร้า Binance USD-M จำนวน 3 สินทรัพย์ที่มีสัดส่วนผู้ค้ารายย่อยสูง (DOGEUSDT เป็นหลัก และ XRPUSDT, SOLUSDT เป็นรายการเสริม ทั้งหมดใช้แท่ง 4 ชั่วโมง) สัญญาณคือ z-score แบบเลื่อนช่วงเวลาของลอการิทึมอัตราส่วน long/short GLOBAL ของ ACCOUNT (ตัวแทนการวางสถานะรายย่อยที่นับตามจำนวนจากฟีด Binance Vision metrics/global_account_ratio) การจับคู่สัญญาณแบบสวนฝูงชนจะสวนทางเมื่อถึงจุดสุดขั้ว: z >= +entry_z (รายย่อยถือสถานะสุทธิฝั่งซื้อสูงสุด) -> ขายชอร์ต; z <= -entry_z (รายย่อยถือสถานะสุทธิฝั่งขายสูงสุด) -> ซื้อ แต่ละขาในสามขาเข้าและออกแยกกัน — ใช้จุดตัดขาดทุน ATR ของตัวเอง ออกจากสถานะเมื่อกลับสู่ค่าเฉลี่ย (z ตัดกลับผ่าน 0 สำหรับฝั่งที่ถือ) และกำหนดขนาดตามความเสี่ยง (risk_frac ของทุนต่อระยะจุดตัดขาดทุน ATR โดยจำกัดมูลค่าสถานะตามทุนที่มีเลเวอเรจ) การเทรด DOGE ใช้โฟลว์หลักพื้นฐาน ส่วน XRP และ SOL จัดการผ่าน on_extra_bar ด้วย _submit_entry_instrument / _submit_exit_position

ผลการตรวจสอบ

การตรวจสอบล้มเหลว (ชั้น 4 — การทบทวน QA): - ชุดตราสารไม่ตรงกัน: สมมติฐานระบุชัดว่าเป็นตะกร้า 3 สินทรัพย์ (DOGEUSDT, XRPUSDT, SOLUSDT) และระบุว่าตะกร้า IS กลไกหลักเพื่อต้านการฟิตเกินและเพิ่มจำนวนเทรด ('ตะกร้า 3 รายการช่วยเจือจางการฟิตเส้นกราฟกับสินทรัพย์เดียวและเพิ่มจำนวนเทรดเพื่อความน่าเชื่อถือทางสถิติ') แต่โค้ดที่ส่งมามีเพียง DOGE รายการเดียว: config.instrument_id=DOGEUSDT.BINANCE, extra_instruments=[], เอกสารกำกับคลาสระบุว่า 'ชื่อเดียว' และไม่มีการจัดการหลายตราสาร (ไม่ได้เขียนทับ on_extra_bar) สองในสามตราสารที่ระบุ (XRP, SOL) หายไป โค้ดจึงไม่ได้ทำตามสมมติฐานที่ระบุไว้ และสูญเสียการกระจายความเสี่ยงกับขนาดตัวอย่างที่สมมติฐานพึ่งพา - Sharpe ในแซนด์บ็อกซ์ 1.05 CI อยู่ที่ [-0.57, 2.66] (คร่อมศูนย์) จาก 100 เทรด และผลลัพธ์พึ่งพาขาสั้น (short_win_rate 0.596 เทียบกับ long_win_rate 0.417) ตลอดช่วงเวลา 363 วันเพียงช่วงเดียว เมื่อลดตะกร้าเหลือหนึ่งรายการ ความได้เปรียบอยู่ที่ขอบล่างของระดับที่วัดได้

พิจารณาว่า DOGE แบบชื่อเดียวตรงตามเจตนาหรือไม่ หากต้องการตะกร้าจริง จำเป็นต้องมีข้อมูลสนับสนุน L/S แยกตามแต่ละขา หากยอมรับแบบชื่อเดียว ให้ให้น้ำหนักกับ OOS/ชุดกันไว้ทดสอบอย่างมาก

UNIVERSE REDUCED FROM 3-ASSET BASKET TO SINGLE-NAME DOGE (นักวิเคราะห์/PM ตามกฎ) สมมติฐานระบุชัดว่าเป็นตะกร้า 3 สินทรัพย์ (DOGE/XRP/SOL) ซึ่งอาศัยตะกร้าเพื่อเจือจางการฟิตเส้นกราฟกับสินทรัพย์เดียวและเพิ่มจำนวนเทรด แต่ config เป็นตราสารเดียว DOGEUSDT ผู้พัฒนาเปิดเผยข้อจำกัดของกรอบงาน (ฟีดเสริม L/S ป้อนให้เฉพาะตัวหลัก) และปฏิเสธอย่างถูกต้องที่จะใช้ตัวแทนรายย่อยข้ามสินทรัพย์เพราะไม่เหมาะกับสัญญาณ DOGE เป็นสินทรัพย์ที่ระบุชื่อและกลไกเหมือนกัน จึงไม่ใช่ความคลาดเคลื่อนด้านสินทรัพย์ที่ผิดร้ายแรง — แต่ทำให้สูญเสียความสามารถในการต้านการฟิตเกินและความน่าเชื่อถือจากจำนวนเทรดที่สมมติฐานต้องการ

ส่งไปปรับค่า/ทดสอบกับชุดข้อมูลกันไว้ ตรวจสอบความเสถียรโดยตัดผู้ชนะรายใหญ่ที่สุดออก และยืนยันผลนอกตัวอย่าง

ผลบวกในแซนด์บ็อกซ์มีฐานบางและขับเคลื่อนด้วยหางหนา: +36% / Sharpe 1.02 แต่ CI [-0.58, 2.64] คร่อมศูนย์, largest_win $11,287 เทียบกับ avg_win $2,096 (~5x), ความเบ้ +0.53, มีเพียง 100 เทรด จุดที่น่าสนใจคือ NOT รูปแบบ RR กลับด้านที่ไม่เคลื่อนไหว (avg_win $2,096 > avg_loss $1,447, ชนะ 0.51) และใช้ฟีดรายย่อยที่ไม่ใช่ข้อมูลราคาอย่างแท้จริง จึงมีความเป็นไปได้ว่าจะมีความได้เปรียบ แต่ต้องยืนยันด้วย OOS

ตรวจสอบว่า long_short_ratio ที่โหลดแมปไปยัง count_long_short_ratio (บัญชีทั่วโลก) ไม่ใช่เทรดเดอร์ชั้นนำหรือเทคเกอร์ และเลือกคอลัมน์อย่างชัดเจนหากกำกวม

ยืนยันว่าฟิลด์อัตราส่วนเป็นตัวแทน RETAIL ตามที่ต้องการหรือไม่ โค้ดอ่าน long_short_ratio/longShortRatio แต่ CSV ของเมตริกมี count_long_short_ratio (บัญชีทั่วโลก=รายย่อย) อัตราส่วนเทรดเดอร์ชั้นนำ และอัตราส่วนปริมาณเทคเกอร์ ความได้เปรียบของการเทรดสวนทางนี้อาศัยอัตราส่วน GLOBAL ACCOUNT แบบนับจำนวนโดยเฉพาะ การสวนทางกับเทรดเดอร์ชั้นนำหรือเทคเกอร์จะเป็นสัญญาณคนละแบบ และอาจให้ทิศทางตรงข้าม

ทบทวนผลทดสอบย้อนหลัง

Sharpe: 0.29
ผลตอบแทนรวม: 1814.71%
การถอยของทุนสูงสุด: 40.43%
จำนวนเทรดทั้งหมด: 1695
อัตราชนะ: 46.2%
ตัวคูณกำไร: 1.35

avg_trade_return_pct 0.716% สูงกว่าค่าธรรมเนียมขั้นต่ำของฟิวเจอร์ส ส่วน 1695 เทรดเป็นกลุ่มตัวอย่างที่ชี้ขาด

เป็นบวก 5 จาก 5 ปีเต็ม (2022 +82%, 2023 +22%, 2024 +74%, 2025 +209%, 2026 +76% YTD) — ไม่ได้จำกัดอยู่ในภาวะตลาดแบบเดียว

benchmark_meaningful=false และเบตา ~0 — โครงสร้างเป็นกลางต่อตลาดอย่างแท้จริง (อย่าหักคะแนนเทียบกับการซื้อแล้วถือ)

Sharpe 0.285 โดยมี 95% CI [-0.326, 0.916] คร่อมศูนย์ — ความได้เปรียบเมื่อปรับตามความเสี่ยงแยกจากศูนย์ไม่ได้ และปรับแต่งให้เข้าใกล้ระดับส่งต่อ ~1.5 ไม่ได้

ผลตอบแทน +1814% เป็นผลจากหางหนา (kurtosis 15.5) ขับเคลื่อนด้วยวันเดียวในช่วงตลาดร่วงราว 6 วัน รวมถึง +80.8% ระหว่างการทรุดตัวของ FTX — ผลกระจุกตัว ไม่ใช่ความได้เปรียบที่สม่ำเสมอ

ช่องว่างเชิงโครงสร้าง: ไปป์ไลน์ supp ส่งค่าอัตราส่วน L/S เฉพาะขาหลัก ดังนั้นทุกขา 3 ซื้อขายตามคะแนน z ของฝูงชนจาก DOGE — การกระจายความเสี่ยงตามสมมติฐานที่มีสัญญาณอิสระต่อกัน 3 สัญญาณจึงไม่เกิดขึ้นจริง (และเป็นข้อจำกัดของระบบที่ผู้พัฒนาแก้ไม่ได้)

max_drawdown 40.4% (CI สูง 98.4%), ค่า Sortino 0.345, อัตราหมุนเวียน 784x, ผลกระทบต่อตลาดคิดเป็น 14.6% ของผลตอบแทนขั้นต้น, ความจุเพียง $4.67M — เปราะบางต่อค่าธรรมเนียม/ผลกระทบต่อตลาด, เหมาะกับขนาดเล็ก, ความเสี่ยงหางสูง

การวิเคราะห์

ผู้ตรวจสอบความหมายพบว่าโค้ดไม่ได้ทำตามสมมติฐานNOT เขียนโค้ดกลยุทธ์ใหม่ให้ทำตามสมมติฐานEXACTLY (สินทรัพย์ กรอบเวลา ทิศทาง ความได้เปรียบหรือกลไกที่ระบุ และการกำหนดขนาดสถานะ) ปัญหาที่พบ: สมมติฐาน (ชื่อเรื่องและเนื้อหา) กำหนดตะกร้า LONG-SHORT จำนวน 3 สินทรัพย์ตลอดช่วง DOGEUSDT/XRPUSDT/SOLUSDT โดยระบุจุดประสงค์เพื่อลดการฟิตเส้นโค้งกับสินทรัพย์เดียวและเพิ่มจำนวนการเทรด แต่ config.extra_instruments และ extra_bar_types ว่างทั้งคู่ (มีเพียง DOGEUSDT.BINANCE) และโค้ดใช้กลยุทธ์สินทรัพย์เดียว (มี _ts_arr/_ratio_arr ชุดเดียว ใช้ self.instrument_id ชุดเดียว ไม่มีตรรกะ on_extra_bar/ตะกร้า และ docstring ระบุว่า 'สินทรัพย์เดียว') ช่องเหตุผลของกลยุทธ์เองยอมรับว่าละทิ้งตะกร้า DOGE/XRP/SOL ว่า 'ทำไม่ได้' เนื่องจากข้อจำกัดของเฟรมเวิร์กฟีดเสริม ดังนั้นกลยุทธ์ที่ส่งมาจึงเป็นการกลับตัวของสินทรัพย์เดียว แทนที่จะเป็นตะกร้า long-short 3 สินทรัพย์ตามที่สมมติฐานกล่าวอ้าง

ประวัติรอบทดสอบ

การตรวจสอบล้มเหลว (ชั้น 2 — สถานการณ์จำลอง): พารามิเตอร์ที่ใช้: ['entry_z', 'risk_frac', 'atr_period', 'z_lookback', 'min_notional', 'atr_stop_mult', 'min_ratio_pts'] ตรวจสอบว่า __init__ กำหนดแอตทริบิวต์ทั้งหมดจาก self.parameters.get() หรือไม่ - steady_uptrend: TypeError: RetailCrowdingContrarianReversalLS._extract() รับอาร์กิวเมนต์ตำแหน่งได้ 1 รายการ แต่ได้รับ 2 รายการ (เวลาแท่ง: 1735692540000) - steady_downtrend: TypeError: RetailCrowdingContrarianReversalLS._extract() รับอาร์กิวเมนต์ตำแหน่งได้ 1 รายการ แต่ได้รับ 2 รายการ (เวลาแท่ง: 1735692540000) - flat_ranging: TypeError: RetailCrowdingContrarianReversalLS._extract() รับอาร์กิวเมนต์ตำแหน่งได้ 1 รายการ แต่ได้รับ 2 รายการ (เวลาแท่ง: 1735692540000) - volatility_spike: TypeError: RetailCrowdingContrarianReversalLS._extract() รับอาร์กิวเมนต์ตำแหน่งได้ 1 รายการ แต่ได้รับ 2 รายการ (เวลาแท่ง: 1735692540000) - zero_volume: TypeError: RetailCrowdingContrarianReversalLS._extract() รับอาร์กิวเมนต์ตำแหน่งได้ 1 รายการ แต่ได้รับ 2 รายการ (เวลาแท่ง: 1735692540000) - price_gap: TypeError: RetailCrowdingContrarianReversalLS._extract() รับอาร์กิวเมนต์ตำแหน่งได้ 1 รายการ แต่ได้รับ 2 รายการ (เวลาแท่ง: 1735692540000)

สรุปผลลัพธ์

ผลตอบแทนพาดหัวที่สูงมากอาจเป็นภาพลวงจากหางหนา — ตรวจสอบว่าความได้เปรียบมีนัยสำคัญทางสถิติหรือไม่ (Sharpe CI ห่างจากศูนย์) และไม่ได้เกิดจากวันตลาดร่วงเพียงไม่กี่วัน พร้อมตรวจสอบว่าสมมติฐานการกระจายความเสี่ยงหลายสินทรัพย์เกิดขึ้นจริงหรือถูกข้อจำกัดการส่งข้อมูลทำให้ทุกขาใช้สัญญาณร่วมเพียงชุดเดียว

กลยุทธ์ถูกยกเลิกในด่านทบทวนแบ็กเทสต์ก่อนการปรับแต่ง เพราะความได้เปรียบเมื่อปรับตามความเสี่ยงแยกจากศูนย์ไม่ได้ (Sharpe CI คร่อมศูนย์) และผลตอบแทนพึ่งพาการชอร์ตในวันตลาดร่วงที่โชคดีเพียงไม่กี่วัน มากกว่าจะมาจากความได้เปรียบที่ราบรื่นจากการสวนทางรายย่อย จึงข้ามการปรับแต่ง เพราะพารามิเตอร์ทั้งสามไม่อาจยกระดับ Sharpe ที่ไม่มีนัยสำคัญให้เข้าใกล้ระดับส่งต่อ ~1.5

กลยุทธ์สวนทางตลาดแบบเป็นกลางต่อตลาดและถือสถานะซื้อ-ขาย ที่ใช้ตะกร้า USD-M ของสินทรัพย์ 3 ซึ่งมีสัดส่วนรายย่อยสูงบน Binance (DOGE/XRP/SOL, แท่งเวลา 4h) โดยสวนทางกับฝูงชนเมื่อค่าอัตราส่วนบัญชี long/short ทั่วโลกอยู่ที่ระดับสุดขั้วทางสถิติ — ชอร์ตเมื่อรายย่อยถือสถานะสุทธิฝั่งซื้อสูงสุด และซื้อเมื่อถือสถานะสุทธิฝั่งขายสูงสุด จากนั้นปิดสถานะเมื่อค่าเฉลี่ยกลับคืนหรือเมื่อถึงจุดตัดขาดทุน ATR โดยปรับจูนพารามิเตอร์เพียงสามตัว

ตลอดตัวอย่าง 1,695 เทรดที่ชี้ขาด กลยุทธ์ให้ผลตอบแทน +1814.7% และเป็นบวกครบทั้งห้าปีเต็ม แต่คุณภาพเมื่อปรับตามความเสี่ยงต่ำ: Sharpe 0.285 โดยมี 95% CI ที่ [-0.326, 0.916] คร่อมศูนย์, Sortino 0.345, profit factor 1.35, อัตราชนะ 46.2% และดรอดาวน์สูงสุด 40.4% ผลตอบแทนเป็นสิ่งที่เกิดจากหางหนา (kurtosis 15.5) โดยมีวันสุดขั้ววันเดียวราว 6 วันเป็นตัวขับเคลื่อน รวมถึงการร่วงของ 2022 FTX ที่ +80.8% พร้อมกับอัตราหมุนเวียน 784x, ต้นทุนผลกระทบ 14.6% และความจุเพียงประมาณ $4.67M

Stratmill เป็นเครื่องมือสำหรับการวิจัยและ paper trading ไม่ใช่คำแนะนำทางการเงินหรือโบรกเกอร์ ผลการทดสอบย้อนหลังและ paper trading เป็นเพียงสมมติฐาน การเทรดมีความเสี่ยงที่จะขาดทุน