ALMAZOV TRADE
ALMAZOV TRADE
АккаунтДокументацияСвязаться с менеджеромRU/EN

Исследования рынка и разработка

Для сайта мы отобрали четыре работы о торговых системах. В них разбираем, сколько стоила ликвидация шорта по SUI, где искать вход на откате ETH, как подбирать параметры и почему отжиг может привести к переобучению.

Мы потеряли 1 000 долларов за 8 секунд

Исходная маржа 1 000 $

≈250 $Ход цены
750 $Заработала биржа

Биржа заработала на этой ликвидации 750 долларов — три четверти нашей исходной маржи. Мы буквально подарили ей эти деньги.

Почему это существенно? Мы вошли по 4,2358. В секунду ликвидации максимальная цена сделок составляла 4,2410: даже при закрытии по этому максимуму движение цены объясняло бы около 250 долларов убытка. Оставшиеся 750 долларов — разница между потерянной маржой и этим расчётом по рыночной цене.

При ликвидации расчёт с трейдером и последующее закрытие позиции на рынке — разные операции. Если биржа закрывает принятую позицию выгоднее цены её передачи, разница остаётся у неё. В нашем случае эти 750 долларов пошли бирже в плюс: наша потеря стала её заработком.

Секундные свечи SUI

Бессрочный SUIUSDT · сделки, 1 с27.07.2025 · UTC+3 · USDT
Интервал графика
Вход в шорт
4,2358Наша цена входа совпала с минимумом секунды.
Сделки в секунду ликвидации
4,2401–4,2410Даже максимальная цена сделки была всего на 0,123 % выше нашего входа.
Карточка шорта Rom_Bog по бессрочному фьючерсу SUIUSDT. Плечо 200×; мы потеряли 1 000 долларов за 8 секунд.
Карточка позицииУвидеть оригинал

В карточке средняя цена закрытия — 4,2570 USDT. Это расчётная цена потери всей исходной маржи. При плече 200× маржа составляет 0,5% от суммы позиции. Для шорта такой рост цены от входа означает потерю всей маржи без учёта комиссий.

1200=0,005=0,5%\frac{1}{200}=0{,}005=0{,}5\%4,2358×1,005=4,256979≈4,2570{4{,}2358\times1{,}005}\allowbreak{{}=4{,}256979}\allowbreak{{}\approx4{,}2570}

В нашем случае биржа выкупила шорт на второй отмеченной свече, в 17:00:27 UTC+3. Цена выкупа попала в диапазон рыночных сделок за эту секунду — от 4,2401 до 4,2410 USDT.

Если не всегда, то в большинстве случаев ликвидация — самый невыгодный выход из позиции по издержкам. Выходите раньше, чтобы сохранить остаток маржи.

Выбор параметров

Ищите область хороших результатов, а не один рекорд.

В этом учебном примере можно менять две настройки:

  • AПериод скользящей средней: 10–74 свечи.
  • BСрок удержания позиции: 1–41 свеча.

С шагом в одну свечу получаем 65×41=2 66565\times41=2\,665 пар. Каждая пара получает оценку на одном участке истории при одинаковых условиях. Высота и цвет показывают балл.

2 665 пар настроек
Высота и цвет · баллы
04080120
Узкий пик слева достигает 120 баллов. Справа салатовым контуром выделено плато для дальнейшей проверки.
Балл выбранных параметров82
Координаты точки на графике
Синтетическая иллюстрация · баллы, не доходность.

Одиночный пик

Самая высокая точка набирает 120 баллов. Но стоит изменить один из параметров на шаг, и оценка падает до 70. Такой рекорд слишком чувствителен к точной настройке, чтобы выбирать его только за первое место.

Зона поиска

Рядом есть другая область: 255 соседних комбинаций дают от 74 до 82 баллов. Здесь высокий результат сохраняется у множества близких настроек. Такую область стоит проверить на другом участке истории.

Стоит проверить те же пары настроек на другом участке истории, который не участвовал в подборе. Постройте второй график в той же шкале и сравните его с первым. Сохранились ли высокие оценки у тех же соседних пар?

Рекорд показывает, какая пара однажды оказалась лучшей. Если на новом периоде плато возникает в том же месте, это говорит об устойчивости этой области настроек.

Наш уровень для отката

Используя собственные бэктестеры и историю более десяти лет рыночных данных, мы рассчитали авторский уровень и определили зону, в которой при условии продолжения текущего тренда наиболее вероятно завершение текущей коррекции — достижение предельной глубины отката перед возобновлением движения по тренду.

Лимитные заявки размещаем у границы этой зоны. Ниже — примеры ETH.

Выберите пример применения уровня на ETH
Поставили заявку
Заявка исполнилась
Бессрочный фьючерс ETHUSDT на Binance · 1 мин
Бессрочный фьючерс ETHUSDT на Binance · 1 мин · 15 сентября 2026 г. · Шорт · 2 452,01 USDT. Экстремум импульса: 2 431,05 USDT. От экстремума импульса до входа · 0,86 %
Поставили заявку
Заявка исполнилась
Бессрочный фьючерс ETHUSDT на Binance · 1 мин
Бессрочный фьючерс ETHUSDT на Binance · 1 мин · 18 сентября 2026 г. · Лонг · 2 546,03 USDT. Экстремум импульса: 2 578,55 USDT. От экстремума импульса до входа · 1,26 %
Поставили заявку
Заявка исполнилась
Бессрочный фьючерс ETHUSDT на Binance · 3 мин
Бессрочный фьючерс ETHUSDT на Binance · 3 мин · 23 сентября 2026 г. · Шорт · 2 679,12 USDT. Экстремум импульса: 2 645,99 USDT. От экстремума импульса до входа · 1,25 %
Поставили заявку
Заявка исполнилась
Бессрочный фьючерс ETHUSDT на Binance · 1 мин
Бессрочный фьючерс ETHUSDT на Binance · 1 мин · 7 октября 2026 г. · Шорт · 2 632,21 USDT. Два фрагмента · пропуск времени. Экстремум импульса: 2 587,76 USDT. От экстремума импульса до входа · 1,72 %
Поставили заявку
Заявка исполнилась
Бессрочный фьючерс ETHUSDT на Binance · 1 мин
Бессрочный фьючерс ETHUSDT на Binance · 1 мин · 5 ноября 2026 г. · Шорт · 2 311,49 USDT. Экстремум импульса: 2 275,25 USDT. От экстремума импульса до входа · 1,59 %

Алгоритм имитации отжига в трейдинге

Рекорд на одних данных. Провал на других.

Любителям спортивного программирования посвящается. Если цель — выжать максимальную оценку из заданных данных, сильный алгоритм поиска справится с этим убедительно. Но результат торговой модели должен выдерживать и данные, которые поиск ещё не видел.

Зачем иногда снижать оценку?

В этом эксперименте поиск начинается с набора весов θ. Случайно изменим один вес и оценим новый набор θ′ на той же синтетической выборке A. Оценка S — процент верных прогнозов. Улучшение принимаем всегда. Если иногда разрешать и шаг вниз, поиск сможет пройти через впадину между двумя вершинами.

Название метода отсылает к постепенному охлаждению нагретого металла. Чем выше температура T, тем охотнее поиск принимает потерю баллов. По мере охлаждения одно и то же падение всё реже проходит отбор. Текущие веса при этом меняются, а лучший найденный набор хранится отдельно.

Начинаем с двенадцати нулевых весов. На каждом шаге выбираем один из них равновероятно и добавляем случайное число из равномерного распределения от −0,8 до +0,8. Если вес выходит за пределы от −4 до +4, берём ближайшую границу. Температуру измеряем в процентных пунктах. За 6 000 шагов она падает с 18 до 0,09.

Изменение оценки

Δ=SA(θ′)−SA(θ){\Delta=S_A(\theta')}\allowbreak{{}-S_A(\theta)}

Шанс принять шаг

p=min⁡ ⁣(1,exp⁡ ⁣(ΔT))p=\min\!\left(1,\exp\!\left(\frac{\Delta}{T}\right)\right)

Охлаждение по шагам, начиная с нулевого

Ti=18⋅(0,005)i5999T_i=18\cdot\left(0{,}005\right)^{\frac{i}{5999}}

На одном из шагов эксперимента доля попаданий снизилась на 11,11 п. п. При температуре 17,98 шанс принять такой шаг составил 53,9 %. Выпавшее число 0,47 оказалось ниже порога. Оценка упала до 50%, а рекорд остался на уровне 61,11%.

Торговое правило на случайном рынке

Допустим, перед каждой сделкой мы видим двенадцать взвешенных критериев. Складываем их значения с учётом весов. Если сумма равна нулю или положительна, открываем лонг, если отрицательна — шорт. После входа цена с равной вероятностью проходит десять базисных пунктов вверх или вниз. Направление следующей свечи не зависит от этих критериев.

Закрываем позицию через одну свечу. Один базисный пункт — это 0,01% от размера позиции. Вход и выход вместе стоят два пункта. Верный прогноз приносит восемь пунктов после издержек, ошибка стоит двенадцать. Обозначим чистый результат сделки через J, а вероятность верного прогноза через h.

Матожидание сделки в базисных пунктах

E[J]=8h−12(1−h)=20h−12{\mathbb{E}[J]}\allowbreak{{}=8h-12(1-h)}\allowbreak{{}=20h-12}

Доля верных прогнозов для выхода в ноль

E[J]=0  ⟹  20h=12{\mathbb{E}[J]=0}\allowbreak{{}\implies 20h=12}h=1220=60%h=\frac{12}{20}=60\%

В этом эксперименте каждое новое движение цены независимо от критериев. Для любых заранее зафиксированных весов вероятность верного прогноза равна половине.

Матожидание на новой сделке, в базисных пунктах

E[J]=12⋅8+12⋅(−12)=−2{\mathbb{E}[J]=\frac{1}{2}\cdot 8}\allowbreak{{}+\frac{1}{2}\cdot(-12)}\allowbreak{{}=-2}

Что останется от рекорда?

На выборке A поиск пробует 6 000 изменений весов, каждый раз оценивая одни и те же 18 сделок. Сохраняем веса с наибольшей долей попаданий и применяем их без изменений к следующим 1 800 сделкам выборки B. Движения цены и издержки в обеих выборках заданы по одним правилам.

Средний результат сделки после издержекБазисные пункты
A · При подборе+8

Верных прогнозов — 18 из 18

B · С фиксированными весами-1,88

Верных прогнозов — 911 из 1 800

Насколько точно выборка B оценивает вероятность попадания? Обозначим число проверочных сделок через n, а вероятность верного прогноза через h. Если сделки независимы и вероятность у них одинаковая, двусторонний 95%-й интервал Уилсона образуют все значения h, удовлетворяющие неравенству ниже.

Наблюдаемая доля попаданий на выборке B

h^=9111 800≈50,61%{\hat h=\frac{911}{1\,800}}\allowbreak{{}\approx 50{,}61\%}

Интервал Уилсона с уровнем доверия 95%

∣h^−h∣≤1,96h(1−h)n{\lvert\hat h-h\rvert}\allowbreak{{}\le 1{,}96\sqrt{\frac{h(1-h)}{n}}}[48,30%; 52,92%]\left[48{,}30\%;\,52{,}92\%\right]

В интервал входит 50%. Даже его верхняя граница ниже 60%, необходимых для безубыточности. Подставив обе границы в формулу матожидания сделки, получаем 95%-й интервал для среднего результата после издержек — от -2,34 до -1,42 б. п.

Вывод интервала Уилсона · NIST

Переобучение

Зафиксируем правило до того, как увидим исходы. Если движения независимы и оба направления равновероятны, шанс угадать все 18 — один из 262 144. Если подбирать веса после того, как исходы известны, сколько последовательностей можно воспроизвести без ошибки?

Каждая из 18 сделок — точка в пространстве из 12 измерений, по одному на критерий. Веса задают гиперплоскость через начало координат. Знак взвешенной суммы определяет сторону каждой точки и направление сделки. Теорема Ковера даёт число последовательностей, для которых можно выбрать веса так, чтобы гиперплоскость разделила исходы и ни одна точка не попала на границу.

По условию теоремы любые 12 векторов признаков должны быть линейно независимы. Мы проверили все 18 564 таких наборов в выборке A. Веса можно умножить на достаточно малое положительное число, чтобы они вошли в диапазон поиска. Знак каждого прогноза при этом сохранится.

Число точно разделимых последовательностей на A

D=2∑k=011(17k)=243 340{D=2\sum_{k=0}^{11}\binom{17}{k}}\allowbreak{{}=243\,340}

Вероятность точной подгонки на A

D218=243 340262 144≈92,83%{\frac{D}{2^{18}}=\frac{243\,340}{262\,144}}\allowbreak{{}\approx 92{,}83\%}

Как часто поиск действительно находит такие веса? На каждой из 32 новых обучающих выборок даём ему 6 000 попыток. В 24 случаях он угадывает хотя бы 17 движений из 18, в 9 из них — все 18. Бюджет поиска ограничен. После подбора шанс угадать следующее движение у каждого зафиксированного правила по-прежнему равен 50%.

Теорема Ковера · формула (5)

Почему три отрезка из четырёх убыточны

Разобьём выборку B на 100 последовательных отрезков по 18 сделок. В минусе оказались 77 из 100. Для нашего случайного рынка вероятность такого убытка можно вычислить точно.

При независимых движениях число верных прогнозов K в 18 сделках имеет биномиальное распределение с вероятностью успеха 50%. Десять выигрышей ещё оставляют убыток, одиннадцать уже дают прибыль. Каждый биномиальный коэффициент считает, сколькими способами можно разместить k верных прогнозов среди 18 сделок.

Вероятность убыточного отрезка

Pr⁡(K≤10)=1218∑k=010(18k)≈75,97%{\Pr(K\le 10)}\allowbreak{{}=\frac{1}{2^{18}}\sum_{k=0}^{10}\binom{18}{k}}\allowbreak{{}\approx 75{,}97\%}

Эта вероятность рассчитана для нашего синтетического рынка. У рабочей стратегии долю попаданий, размер выигрыша и издержки проверяют на рыночных данных, отложенных до подбора. Если после проверки изменить правило, этот отрезок тоже повлияет на выбор.

Поиск успешно решил поставленную задачу: нашёл настройки для A. Но вместе с полезными зависимостями он мог подстроиться под случайные особенности этих данных. Это переобучение. Чем сильнее поиск и настойчивее погоня за рекордом, тем легче ошибиться, считая модель устойчивой.