CryptoPainter

Er zijn al meerdere projecten die me hebben gevraagd om hun AI trading-structuur te testen. Ik zal een paar punten kort toelichten: 1. Neem een lange termijn live trading, kortetermijn meme coins zonder max dd betekenen niets, het is gewoon survivorship bias. Kies willekeurig een coin die al naar nul is gegaan en backtest, de curve ziet er ook mooi uit. 2. Als de Sharpe ratio > 5 is, kun je er vrijwel zeker van zijn dat het overfitting, look-ahead bias of datalek is. Medallion heeft meestal maar 2-3, als jij thuis een 7 haalt, moet je jezelf wel iets vertellen. 3. Het is niet hetzelfde om data van een crypto bull market te testen als data van een grote markt. Het is volledig overfitting, ik kijk er in principe niet naar. Tenminste, als je de twee berenmarkten van 2018 en 2022 kunt doorlopen en daarna een walk-forward test doet, dan pas heb je een strategie. 4. Handelskosten, slippage en funding rate moeten allemaal worden meegenomen. De maker/taker fees van Binance, VIP-niveaus en BNB-kortingen, als het model niet klopt, kan de backtest en live trading een verschil van een factor twee in jaarlijkse rendement hebben, dat is normaal. 5. Strategiecapaciteit is belangrijker dan rendement. Als 100.000 dollar werkt, betekent dat niet dat 1.000.000 dollar ook werkt. De diepte van kleine coins is beperkt, als je instapt, verstoort je je eigen signalen, dat reflecteert niet in de backtest. 6. Het is waar dat crypto quant niet zo competitief is, maar arbitragemogelijkheden worden steeds minder - funding arb, spot-futures basis, cross-exchange prijsverschillen zijn in principe al door market makers en HFT opgegeten. Hoge frequentie is niet mogelijk, pure factoren hebben geen ruimte meer, de enige dingen die nog te doen zijn, zijn trend en mean reversion, de twee oude paden. 7. Alpha heeft een halveringstijd. Als een strategie drie maanden kan draaien, is dat voldoende; als het er nog zes maanden is, is dat goed; als het er een jaar is, is de kans groot dat het geluk is of dat je schaal nog niet groot genoeg is om opgemerkt te worden. Beschouw de voordelen van een bull run niet als een blijvende alpha, je bent nog niet zo goed. 8. De "optimale parameters" die uit grid search komen zijn voor 99% overfitting. Echte stabiele parameters zijn die je in een bereik kunt kiezen en die werken, niet alleen die tot op twee decimalen nauwkeurig zijn. Parameter robuustheid is honderd keer belangrijker dan enkelvoudige opbrengst, dat begrijpt iedereen die het heeft gedaan. 9. De ICO van 2017, de DeFi-zomer van 2020, meme van 2021, LUNA/FTX van 2022, AI-narratief van 2023, elke marktstructuur is volledig anders. De "regels" die je in de vorige fase hebt gefit, kunnen in een andere regime direct naar nul gaan, en je verliest zelfs op de handelskosten. 10. De risico's van exchanges zijn altijd groter dan je denkt. FTX ging naar nul, API throttling, liquidatie door spikes, kleine exchanges die failliet gaan, Binance die plotseling stopt met handelen, dit zijn allemaal dingen die "één keer het spel beëindigen". Je jaarlijkse rendement van 50% kan niet op tegen één grote exchange-crash, dat heeft niets te maken met hoe goed je strategie is, als je in altcoins handelt, moet je rekening houden met liquiditeit en "delisting risico". 11. De fluctuaties in de backtest zien er mooi uit, maar als je drie weken achter elkaar een daling in je accountwaarde hebt, zal 90% van de mensen het programma afsluiten en handmatig de parameters aanpassen. 12. Maak onderscheid tussen of je alpha of beta verdient. In een bull market zijn alle mensen quant masters, maar als de bear market komt, blijven alleen de beta-mensen over. Kijk naar de alpha curve door de long exposure te isoleren, de meeste zogenaamde "strategieën" hebben helemaal geen alpha, het is gewoon een verkapte long op BTC met een beetje volatiliteit. 13. ML heeft veel schijnbare bloei in quant. LSTM, Transformer, reinforcement learning worden de lucht in geprezen, maar in de financiële tijdreeksen met een extreem lage SNR kan een eenvoudige momentumfactor met redelijke risicobeheersing beter presteren dan jouw XGBoost die je tienduizend keer hebt afgesteld. Echt leren is moeilijk, quant is echt een uitdaging.

Ik kwam net dit video tegen, het legt heel eenvoudig uit waarom visolie een enorme reclamefraude is… Zeggen dat visolie effectief is, is gelijk aan zeggen dat je op de weg naar huis een sprongetje maakt, het verkort inderdaad de afstand, maar de betekenis…