anatoly/crypto-5m-research
Archived
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

research(5m): разбор 133 источников по 5 направлениям + сводка «что брать в бэктест»

Browse Source 
ЧТО: directions/*.md+json (поток заявок, кросс-секция, издержки и исполнение, ML, волатильность),
сводный sources/ALL_SOURCES.json (133 источника с URL, горизонтом, заложенными издержками, вердиктом),
docs/SYNTHESIS.md — итог со страницы вики.
ПОЧЕМУ: сверить наши прогоны с литературой и взять готовые проверяемые формулировки правил.
ГЛАВНОЕ: ни одной работы с net-плюсом на 1-15м при издержках >=10 б.п.; пик валового эджа 1,3 б.п. на 15м
и 0,15 б.п. на 5м (Kitron & Wengrowicz 2026, 183 пары) против нашего круга 11 б.п.
КАК ПРОВЕРЕНО: JSON всех пяти направлений валидны (15/24/27/29/38 = 133 записи), отчёты 43-61 КБ.
This commit is contained in:
anatoly
2026-09-29 00:28:51 +03:00
parent 73ae5aa885
commit 84635f5f72
24 changed files with 23927 additions and 29683 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.sources/arxiv_meanrev.pdf
BIN
View File
Binary file not shown.
.sources/arxiv_meanrev_v1.pdf
BIN
View File
Binary file not shown.
.sources/bianchi2022.pdf
+19468
View File
File diff suppressed because it is too large Load Diff
.sources/zaremba2021.pdf
BIN
View File
Binary file not shown.
_ext1.json
-1
View File
File diff suppressed because one or more lines are too long
_raw/gao_intraday_momentum.pdf
BIN
View File
Binary file not shown.
_raw/harvey_voltarget.pdf
-29274
View File
File diff suppressed because one or more lines are too long
_raw/mdpi_ijfs.pdf
-10
View File
@@ -1,10 +0,0 @@
<HTML><HEAD>
<TITLE>Access Denied</TITLE>
</HEAD><BODY>
<H1>Access Denied</H1>
You don't have permission to access "http&#58;&#47;&#47;www&#46;mdpi&#46;com&#47;2227&#45;7072&#47;14&#47;4&#47;90&#47;pdf&#63;" on this server.<P>
Reference&#32;&#35;18&#46;afce2d8b&#46;1790630139&#46;200774
<P>https&#58;&#47;&#47;errors&#46;edgesuite&#46;net&#47;18&#46;afce2d8b&#46;1790630139&#46;200774</P>
</BODY>
</HTML>
_raw/mdpi_rv.html
-10
View File
@@ -1,10 +0,0 @@
<HTML><HEAD>
<TITLE>Access Denied</TITLE>
</HEAD><BODY>
<H1>Access Denied</H1>
You don't have permission to access "http&#58;&#47;&#47;www&#46;mdpi&#46;com&#47;2227&#45;7072&#47;14&#47;4&#47;90" on this server.<P>
Reference&#32;&#35;18&#46;bd6a645f&#46;1790630127&#46;c559ac2
<P>https&#58;&#47;&#47;errors&#46;edgesuite&#46;net&#47;18&#46;bd6a645f&#46;1790630127&#46;c559ac2</P>
</BODY>
</HTML>
_raw/moreira_muir.pdf
BIN
View File
Binary file not shown.
_raw/ssrn_intraday_pred.pdf
-1
View File
File diff suppressed because one or more lines are too long
_raw/ssrn_liquidity.pdf
-1
View File
File diff suppressed because one or more lines are too long
_search1.json
-386
View File
@@ -1,386 +0,0 @@
{
"HAR model realized volatility Bitcoin high-frequency forecasting accuracy": [
{
"title": "[PDF] High-Frequency Forecasting of Bitcoin Volatility: Evaluating HAR Models ...",
"url": "https://spectrum.library.concordia.ca/995904/1/Sarrafshirazi_MSc_F2025.pdf",
"desc": "HAR-J delivers the most accurate day-ahead, while HAR-RS leads at weekly and monthly horizons due to persistent downside risk. At quarterly ..."
},
{
"title": "Forecasting volatility of Bitcoin - ScienceDirect.com",
"url": "https://www.sciencedirect.com/science/article/pii/S0275531921001616",
"desc": "# Forecasting volatility of Bitcoin\n## Highlights\n- •\nWe consider many GARCH and two heterogeneous autoregressive (HAR) models.\n- •\nHAR models perform better than GARCH models.\n\n## Abstract\nSince we utilize realized variance estimated from high frequency data as a proxy for true volatility, we can d"
},
{
"title": "A Comparative Analysis of GARCH, EGARCH, IGARCH, GJR ... - MDPI",
"url": "https://www.mdpi.com/2227-7072/14/4/90",
"desc": "# Predicting the Volatility of Cryptocurrencies’ Returns Using High-Frequency Data: A Comparative Analysis of GARCH, EGARCH, IGARCH, GJR-GARCH, LRE, and HAR Models\n## 1. Introduction\n### 1.2. Literature Review\n#### 1.2.3. Realized Volatility and High-Frequency Approaches\nThe advent of high-frequency"
},
{
"title": "High-Frequency Forecasting of Bitcoin Volatility: Evaluating HAR Models ...",
"url": "https://spectrum.library.concordia.ca/id/eprint/995904/",
"desc": "# High-Frequency Forecasting of Bitcoin Volatility: Evaluating HAR Models with Realised Semivariance and Jump Components\nSarrafshirazi, Raheleh\n\n(2025)\n\n_High-Frequency Forecasting of Bitcoin Volatility: Evaluating HAR Models with Realised Semivariance and Jump Components._\n\n## Abstract\nThis thesis "
},
{
"title": "Crypto Volatility Forecasting: Mounting a HAR, Sentiment, and Machine ...",
"url": "https://link.springer.com/article/10.1007/s10690-024-09510-6",
"desc": "# Crypto Volatility Forecasting: Mounting a HAR, Sentiment, and Machine Learning Horserace\n## 4 Methodology\n### 4.1 Forecasting models\nWith this set of models, we generate one-step ahead forecasts of realized volatility, respectively. 80% of the total number of observations, i.e. 1,169 out of 1,461 "
},
{
"title": "[PDF] GARCH-type Models with Jumps and Inverse Leverage Effect - UKM",
"url": "http://www.ukm.edu.my/jsm/pdf_files/SM-PDF-51-3-2022/25.pdf",
"desc": "The long memory HAR-GARCH model with jumps and continuous components provided better forecasting accuracy for Bitcoin volatility as compared to other realized."
}
],
"forecasting realized volatility cryptocurrency 5-minute intraday GARCH HAR comparison": [
{
"title": "Comparison of Cryptocurrency and Stock Market Volatility Forecast ...",
"url": "https://ideas.repec.org/a/hig/ecohse/202313.html",
"desc": "It is shown that GARCH models are inferior to HAR models in the accuracy of forecasting both the realized volatility of Bitcoin and the E-mini S&P 500."
},
{
"title": "A Comparative Analysis of GARCH, EGARCH, IGARCH, GJR ... - MDPI",
"url": "https://www.mdpi.com/2227-7072/14/4/90",
"desc": "# Predicting the Volatility of Cryptocurrencies’ Returns Using High-Frequency Data: A Comparative Analysis of GARCH, EGARCH, IGARCH, GJR-GARCH, LRE, and HAR Models\n## Abstract\nThe exponential generalized autoregressive conditional heteroskedastic (EGARCH), integrated GARCH (IGARCH), standard GARCH, "
},
{
"title": "[PDF] High-Frequency Forecasting of Bitcoin Volatility: Evaluating HAR Models ...",
"url": "https://spectrum.library.concordia.ca/995904/1/Sarrafshirazi_MSc_F2025.pdf",
"desc": "A GARCH(1,1) benchmark provides a parametric comparison, with HAR variants outperforming it at short horizons, while GARCH exceeds performance ..."
},
{
"title": "Forecasting volatility of Bitcoin - ScienceDirect.com",
"url": "https://www.sciencedirect.com/science/article/pii/S0275531921001616",
"desc": "# Forecasting volatility of Bitcoin\n## Highlights\n- •\nWe consider many GARCH and two heterogeneous autoregressive (HAR) models.\n- •\nRealized variance estimated is used as a proxy for true volatility.\n- •\nEGARCH and APARCH perform best among the GARCH models.\n- •\nHAR models perform better than GARCH "
},
{
"title": "Predicting volatility of cryptocurrencies: Deep learning and GARCH family ...",
"url": "https://mf-journal.com/article/view/370/352",
"desc": "# Predicting volatility of cryptocurrencies: Deep learning and GARCH family models\n## 3. Data and Methodology\n### 3.3. HAR-RV\nThe HAR-RV model incorporates lagged daily, weekly, and monthly realized volatilities to capture multiple volatility components.\n\n- Lagged 1-day realized volatility.\n- Lagged"
},
{
"title": "GARCH and Multivariate LSTM forecasting models for Bitcoin ...",
"url": "https://github.com/chibui191/bitcoin_volatility_forecasting",
"desc": "The objective of this project is to forecast the average daily Realized Volatility of BTC-USD 7 days out, using an Interval Window of 30 days."
}
],
"deep learning realized volatility forecasting crypto LSTM HAR outperform": [
{
"title": "Can machine learning models better volatility forecasting? A combined ...",
"url": "https://www.tandfonline.com/doi/full/10.1080/1351847X.2025.2553053",
"desc": "Our results indicate a significant clear improvement in volatility forecasting regarding both the model's in-sample and out-of-sample accuracy."
},
{
"title": "Predicting volatility of cryptocurrencies: Deep learning and GARCH family ...",
"url": "https://mf-journal.com/article/view/370/352",
"desc": "# Predicting volatility of cryptocurrencies: Deep learning and GARCH family models\n## 2. Literature Review\nShaimaa Alghamdi et al. (2022) used an LSTM-based sentiment analysis model to forecast cryptocurrency volatility. This highlights LSTM's suitability for detecting nonlinear dynamics in crypto m"
},
{
"title": "Crypto Volatility Forecasting: Mounting a HAR, Sentiment, and Machine ...",
"url": "https://link.springer.com/article/10.1007/s10690-024-09510-6",
"desc": "Our results show that the machine learning models outperform traditional volatility forecasting methods (i.e.,the HAR model), indicating the ..."
},
{
"title": "Machine learning approaches to forecasting cryptocurrency volatility",
"url": "https://www.sciencedirect.com/science/article/pii/S1057521923004301",
"desc": "# Machine learning approaches to forecasting cryptocurrency volatility: Considering internal and external determinants\n## 7. Empirical results\n### 7.2. Universal model\nFirst, LSTM outperforms RF regarding prediction power, effectively extracting hidden and meaningful information from financial time-"
},
{
"title": "CRYPTO PRICE PREDICTION USING LSTM+XGBOOST - arXiv",
"url": "https://arxiv.org/html/2506.22055v1",
"desc": "the LSTM+XGBoost hybrid consistently outperforms standalone models and traditional forecasting methods."
},
{
"title": "GARCH and Multivariate LSTM forecasting models for Bitcoin ...",
"url": "https://github.com/chibui191/bitcoin_volatility_forecasting",
"desc": "Multivariate LSTM could potentially give investors an advantage in terms of higher forecasting accuracy. would translate to a magnitude accuracy of 94.65% on ..."
}
],
"intraday volatility seasonality cryptocurrency hour of day UTC volume patterns": [
{
"title": "Intraday and daily dynamics of cryptocurrency - ScienceDirect.com",
"url": "https://www.sciencedirect.com/science/article/pii/S1059056024006506",
"desc": "# Intraday and daily dynamics of cryptocurrency\n## 1. Introduction\nThey documented higher volatility of Bitcoin on Mondays, which is in line with our results on Bitcoin. The periodicity in Bitcoin intraday and intraweek volatility and volume was examined in a more recent study of [Hansen et al. (202"
},
{
"title": "Are There Seasonal Intraday or Overnight Anomalies in Bitcoin?",
"url": "https://quantpedia.com/are-there-seasonal-intraday-or-overnight-anomalies-in-bitcoin/",
"desc": "# Are There Seasonal Intraday or Overnight Anomalies in Bitcoin?\n## Seasonality Effects in Various Asset Classes\nAs we observe markets, we tend to identify various patterns that continuously repeat. However, the seasonality is not stock market exclusive. Overall, plenty of seasonality effects can be"
},
{
"title": "(PDF) Time-of-Day Periodicities of Trading Volume and Volatility in ...",
"url": "https://www.researchgate.net/publication/334727071_Time-of-Day_Periodicities_of_Trading_Volume_and_Volatility_in_Bitcoin_Exchange_Does_the_Stock_Market_Matter",
"desc": "# Time-of-Day Periodicities of Trading Volume and Volatility in Bitcoin Exchange: Does the Stock Market Matter?\n## Abstract and Figures\nEmpirical results indicate that the trading activity resembles a reverse V-shaped pattern throughout the day. The Bitcoin market exhibits noticeably higher trading "
},
{
"title": "[PDF] Intraday Liquidity Patterns and Volatility Effects in Cryptocurrency ...",
"url": "https://papers.ssrn.com/sol3/Delivery.cfm/6f2e36a8-b571-47bb-8166-834ef6d86e02-MECA.pdf?abstractid=7434697&mirid=1",
"desc": "Volume peaks at the same hours too, so in the raw data volume and spreads appear to move together. Once we condition on the time of day, however ..."
},
{
"title": "Bayesian Analysis of Bitcoin Volatility Using Minute-by-Minute Data and ...",
"url": "https://www.mdpi.com/2227-7390/13/16/2691",
"desc": "Intraday volatility follows a similar U-shaped pattern [22,23]. However, some studies attribute intraday seasonality and day-of-the-week effects ..."
},
{
"title": "Time-of-day periodicities of trading volume and volatility i - IDEAS/RePEc",
"url": "https://ideas.repec.org/a/eee/finlet/v34y2020ics1544612319301904.html",
"desc": "# Time-of-day periodicities of trading volume and volatility in Bitcoin exchange: Does the stock market matter?\n## Abstract\nBoth variables are substantially higher on weekdays than weekends."
}
],
"volatility targeting crypto Sharpe ratio improvement transaction costs": [
{
"title": "Volatility Targeting Improves Risk-Adjusted Returns",
"url": "https://alphaarchitect.com/volatility-targeting-improves-risk-adjusted-returns/",
"desc": "Sharpe ratio improves from 0.40 (unscaled) to between 0.48 and 0.51 (volatility scaled) of volatility estimate. reduce the likelihood of ..."
},
{
"title": "An Introduction to Volatility Targeting | QuantPedia",
"url": "https://quantpedia.com/an-introduction-to-volatility-targeting/",
"desc": "# An Introduction to Volatility Targeting\n## What is volatility and how to target it?\nNumerous researches argue that Sharpe Ratios increase under volatility targeting."
},
{
"title": "The Impact of Volatility Targeting | Man Group",
"url": "https://www.man.com/insights/the-impact-of-volatility-targeting",
"desc": "Volatility targeting improves the Sharpe ratio of “risk assets” (equities and credit), and that of “balanced” and “risk parity” portfolios"
},
{
"title": "Volatility Targeting Strategies: How Funds Size Positions by Risk",
"url": "https://riskhub.org/blogs/volatility-targeting-strategies-how-funds-size-positions-by-risk-395",
"desc": "Volatility targeting tends to improve the Sharpe ratio — return per unit of risk — for two reasons. First, because high-volatility periods are often also low- ..."
},
{
"title": "The Impact of Volatility Targeting (Digest summary)",
"url": "https://rpc.cfainstitute.org/research/cfa-digest/2019/07/dig-v49-7-2",
"desc": "# The Impact of Volatility Targeting (Digest summary)\nThis strategy effectively manages volatility and mean shortfall risk across several asset classes but improves the Sharpe ratio only for equity and credit portfolios."
},
{
"title": "The Quality of Returns: Crypto Risk-Adjusted Performance - XBTO",
"url": "https://www.xbto.com/resources/the-quality-of-returns-crypto-risk-adjusted-performance",
"desc": "## **Case study: active management vs. passive Bitcoin exposure**\n| Metric | Passive Bitcoin | XBTO Trend | Winner |\n|-|-|-|-|\n| **Sharpe ratio** | ~0.95 | 1.62 | Trend (1.7x higher) |"
}
],
"Moreira Muir volatility-managed portfolios alpha": [
{
"title": "[PDF] Volatility-Managed Portfolios - GitHub Pages",
"url": "https://amoreira2.github.io/alan-moreira.github.io/VolPortfolios_published.pdf",
"desc": "# Volatility-Managed Portfolios\nALAN MOREIRA and TYLER MUIR ∗\n\nManaged portfolios that take less risk when volatility is high produce large alphas, increase Sharpe ratios, and produce large utility gains for mean-variance investors.\n\nWe document that this simple trading strategy earns large alphas a"
},
{
"title": "Volatility Managed Portfolios | NBER",
"url": "https://www.nber.org/papers/w22208",
"desc": "# Volatility Managed Portfolios\nManaged portfolios that take less risk when volatility is high produce large alphas, substantially increase factor Sharpe ratios, and produce large utility gains for mean-variance investors."
},
{
"title": "Volatility-Managed Portfolios by Alan Moreira, Tyler Muir :: SSRN",
"url": "https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2659431",
"desc": "# Volatility-Managed Portfolios\n## [Tyler Muir](https://papers.ssrn.com/sol3/cf_dev/AbsByAuth.cfm?per_id=1399128)\n### Abstract\nManaged portfolios that take less risk when volatility is high produce large alphas, substantially increase factor Sharpe ratios, and produce large utility gains for mean-va"
},
{
"title": "[PDF] Volatility Managed Portfolios | NYU Stern",
"url": "https://www.stern.nyu.edu/sites/default/files/assets/documents/Volatility%20Managed%20Portfolios.pdf",
"desc": "Managed portfolios that take less risk when volatility is high produce large, positive alphas and increase factor Sharpe ratios by substantial amounts.\n\nWe call these volatility managed portfolios.\n\nportfolio and our volatility managed portfolio.\n\nalpha of this strategy decreases somewhat for the ma"
},
{
"title": "[PDF] A Multifactor Perspective on Volatility-Managed Portfolios",
"url": "http://wp.lancs.ac.uk/fofi2022/files/2022/08/FoFI-2022-076-Alberto-Martin-Utrera.pdf",
"desc": "# 1 Introduction\nFor instance, the bulk of the analysis byMoreira and Muir(2017, sections I.B and I.D) focuses on a portfolio of only an individual factor and its volatility-managed counterpart.\n\n# 3 Performance gains from volatility management\n## 3.1 Volatility-managed individual-factor portfolios\n"
},
{
"title": "On the performance of volatility-managed portfolios",
"url": "https://www.sciencedirect.com/science/article/abs/pii/S0304405X2030132X",
"desc": "# On the performance of volatility-managed portfolios [☆](https://www.sciencedirect.com/science/article/abs/pii/S0304405X2030132X#aep-article-footnote-id1)\n## Introduction\nSecond, despite this mixed evidence from direct performance comparisons, we confirm that Moreira and Muir’s (2017)) finding of s"
}
],
"Harvey Hoyle Korgaonkar Rattray van Hemert impact of volatility targeting": [
{
"title": "The Impact of Volatility Targeting",
"url": "https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3175538",
"desc": "# The Impact of Volatility Targeting\n28 PagesPosted: 17 May 2018Last revised: 11 Jul 2018\n\n[See all articles by Campbell R. Harvey](https://papers.ssrn.com/sol3/cf_dev/AbsByAuth.cfm?per_id=16198)\n\n## [Otto Van Hemert](https://papers.ssrn.com/sol3/cf_dev/AbsByAuth.cfm?per_id=346474)\n_affiliation not "
},
{
"title": "[PDF] The Impact of Volatility Targeting - Duke University",
"url": "https://people.duke.edu/~charvey/Research/Published_Papers/P135_The_impact_of.pdf",
"desc": "# The Impact of Volatility Targeting\nCampbell R. Harvey, Edward Hoyle, Russell Korgaonkar, Sandy Rattray, Matthew Sargaison and Otto Van Hemert\n\n_JPM_ 2018, 45 (1) 14-33 doi: [[https://doi.org/10.3905/jpm.2018.45.1.014](https://doi.org/10.3905/jpm.2018.45.1.014)](https://doi.org/10.3905/jpm.2018.45."
},
{
"title": "The Impact of Volatility Targeting - Portfolio Management Research",
"url": "https://www.pm-research.com/content/iijpormgmt/45/1/14",
"desc": "However, the impact of volatility targeting goes beyond the Sharpe ratio: It reduces the likelihood of extreme returns across all asset classes. Particularly ..."
},
{
"title": "An Introduction to Volatility Targeting | QuantPedia",
"url": "https://quantpedia.com/an-introduction-to-volatility-targeting/",
"desc": "# An Introduction to Volatility Targeting\n## What is volatility and how to target it?\nIn other words, to ensure that the amount of dollar risk remains the same.\n\nIf the volatility goes up, he/she has to scale down the portfolio. On the other hand, if the volatility goes down, he/she should take more"
},
{
"title": "Volatility Targeting Improves Risk-Adjusted Returns",
"url": "https://alphaarchitect.com/volatility-targeting-improves-risk-adjusted-returns/",
"desc": "# Volatility Targeting Improves Risk-Adjusted Returns\nHigh (low) volatility over the recent past _tends to_ be followed by high (low) volatility in the future.\n\nHarvey, Edward Hoyle, Russell Korgaonkar, Sandy Rattray, Matthew Sargaison, and Otto Van Hemert, contribute to the literature on managing v"
},
{
"title": "The Impact of Volatility Targeting | Man Group",
"url": "https://www.man.com/insights/the-impact-of-volatility-targeting",
"desc": "Volatility targeting seeks to counter the fluctuations in volatility.\n\n**Volatility targeting** seeks to counter the fluctuations in volatility:\n\n- It leads to leveraging a portfolio at times of low volatility, and scaling down exposures at times of high volatility.\n- This approach targets a constan"
}
],
"intraday momentum cryptocurrency first half hour predict last half hour": [
{
"title": "Intraday return predictability in the cryptocurrency markets",
"url": "https://www.sciencedirect.com/science/article/abs/pii/S1062940822000833",
"desc": "the first half-hour return, which contain overnight market information, significantly and positively predicts the last half-hour return of the same trading day."
},
{
"title": "Attention Prop Traders: The first half hour of trading predicts the last half ...",
"url": "https://alphaarchitect.com/attention-prop-traders-the-first-half-hour-of-trading-predicts-the-last-half-hour/",
"desc": "# Attention Prop Traders: The first half hour of trading predicts the last half hour…\n## **Abstract:**\nIn this paper, using intra data from January 4, 1999 to December 31, 2012, we document an intraday momentum pattern that the first half-hour return on the market predicts the market return in the l"
},
{
"title": "[PDF] Intraday Momentum: The First Half-Hour Return Predicts the Last ...",
"url": "https://c.mql5.com/forextsd/forum/173/intraday_momentum_-_the_first_half-hour_return_predicts_the_last_half-hour_return.pdf",
"desc": "Intraday Momentum: The First Half-Hour\n\n# Intraday Momentum: The First Half-Hour Return Predicts the Last Half-Hour Return\nBased on high frequency data of the S&P 500 ETF from 1993 – 2013, we document an intraday momentum pattern: the first half-hour return on the market predicts the last half-hour "
},
{
"title": "[PDF] Intraday return predictability in the cryptocurrency markets: momentum ...",
"url": "https://papers.ssrn.com/sol3/Delivery.cfm/SSRN_ID4135239_code2537556.pdf?abstractid=4080253&mirid=1&ref=aligrithm.com",
"desc": "This paper reports evidence of intraday return predictability, consisting of both intraday momentum and reversal, in the cryptocurrency market."
},
{
"title": "Bitcoin intraday time series momentum - University of Birmingham",
"url": "https://research.birmingham.ac.uk/en/publications/bitcoin-intraday-time-series-momentum/",
"desc": "# Bitcoin intraday time series momentum\n## Cite this\nTherefore, we use trading volume as a proxy for the market trading time and show that the first half-hour positively predicts the last half-hour return.\n\nTherefore, we use trading volume as a proxy for the market trading time and show that the fir"
},
{
"title": "Bitcoin intraday time series momentum - Wiley Online Library",
"url": "https://onlinelibrary.wiley.com/doi/10.1111/fire.12290",
"desc": "The intraday time series momentum of Gao et al. (2018) suggests that the first half-hour of the equity trading day predicts the final half-hour."
}
],
"opening range breakout crypto 5 minute backtest": [
{
"title": "Backtest Results for the Opening Range Breakout Strategy - Reddit",
"url": "https://www.reddit.com/r/algotrading/comments/1j9pxsr/backtest_results_for_the_opening_range_breakout/",
"desc": "Summary: This strategy uses the first 15 minute candle of the New York open to define an opening range and trade breakouts from that range.Trading the Opening Range Breakout(ORB) Strategy - Reddit$BLNK - 5 minute opening range breakout (ORB) strategy reference.More results from www.reddit.com"
},
{
"title": "Opening Range Breakout Strategy up 400% This Year (Strict Rules, Fully ...",
"url": "https://tradethatswing.com/opening-range-breakout-strategy-up-400-this-year/?srsltid=AU7gw4V3TOcIEwZ5ZMAfwfUTkHMGG4B1do3jxbKqLEx1tRzblGXCDAsf",
"desc": "ORB Strategy buys or sells when the price has a 5-minute candle close outside the high or low of the first 15 minutes. So 5-min chart, with high ..."
},
{
"title": "I Backtested 1178668 Opening Range Breakout Trades. Here's the Data.",
"url": "https://www.youtube.com/watch?v=MOG-DbgmzzI",
"desc": "# I Backtested 1,178,668 Opening Range Breakout Trades. Here's the Data.\nThe 5-minute is \"too noisy.\"\n\n[**5-minute ORB wins (53.78%)**](https://www.youtube.com/watch?v=MOG-DbgmzzI&t=83s)\n\n[**TSLA, META, SPY: symbol breakdown** **TSLA, META, SPY: symbol breakdown** \\\n\\\n5:21](https://www.youtube.com/"
},
{
"title": "5 minute opening range breakout on ES: 108% return in 6 months - edgeful",
"url": "https://www.edgeful.com/blog/posts/5-minute-opening-range-breakout-es-strategy",
"desc": "# 5 minute opening range breakout on ES: 108% return in 6 months\n## table of contents\n- what is the 5 minute opening range breakout\n- the backtest results: 5 minute opening range breakout on ES\n\n## how to build your own 5 minute opening range breakout strategy\n5. **run the backtest.** get at least 6"
},
{
"title": "ORB Trading Strategy Collection | TrendSpider Store",
"url": "https://trendspider.com/trading-tools-store/collection/orb-trading-strategy/",
"desc": "This ORB Trading Strategy bot is built specifically for backtesting Opening Range Breakout setups using intraday charts. The strategy operates on 1 minute, 5 ..."
},
{
"title": "Opening Range Breakout Strategy (ORB): Backtest",
"url": "https://www.quantifiedstrategies.com/opening-range-breakout-strategy/",
"desc": "## What is an opening range breakout?\n#### An example of an opening range breakout\nThe opening range can, for example, be from the open of the daily session until the close of the first five-minute bar (obviously opening range breakout is intraday bars). Then you use the high and low within that 5-m"
}
],
"Markov switching regime detection intraday cryptocurrency trend range": [
{
"title": "Markov and Hidden Markov Models for Regime Detection in ...",
"url": "https://www.preprints.org/manuscript/202603.0831",
"desc": "This study investigates the application of Markov and Hidden Markov Models (HMMs) for detecting latent market regimes in cryptocurrency markets ..."
},
{
"title": "What Is Market Regime Detection with Hidden Markov Models?",
"url": "https://www.cube.exchange/what-is/market-regime-detection-with-hidden-markov-models",
"desc": "A trend-following strategy can work well in persistent moves and then bleed in a choppy range; a mean-reversion strategy can do the opposite."
},
{
"title": "Market Regime Detection using Hidden Markov Models in QSTrader",
"url": "https://www.quantstart.com/articles/market-regime-detection-using-hidden-markov-models-in-qstrader/",
"desc": "## Python Implementation\n### Regime Detection Implementation\n#### Short-Term Trend Following Strategy\n```python\nclass MovingAverageCrossStrategy(AbstractStrategy):\n \"\"\"\n Requires:\n tickers - The list of ticker symbols\n events_queue - A handle to the system events queue\n short_window -"
},
{
"title": "Hidden Markov Model Market Regimes: How HMM Detects ...",
"url": "https://www.quantifiedstrategies.com/hidden-markov-model-market-regimes-how-hmm-detects-market-regimes-in-trading-strategies/",
"desc": "The HMM essentially acts as a regime switch, allocating capital to range-trading models instead of trending models during these periods. Volatility-Based ..."
},
{
"title": "Regime switches and commonalities of the cryptocurrencies asset class",
"url": "https://www.sciencedirect.com/science/article/abs/pii/S1062940821000577",
"desc": "In this paper we test for regime changes and possible regime commonalities in the price dynamics of Bitcoin, Ethereum, Litecoin and Monero, ..."
},
{
"title": "A Markov Regime Switching Approach to Characterizing Financial Time ...",
"url": "https://medium.com/@cemalozturk/a-markov-regime-switching-approach-to-characterizing-financial-time-series-a5226298f8e1",
"desc": "# A Markov Regime Switching Approach to Characterizing Financial Time Series\n## Get Cemal Öztürk, Ph.D.’s stories in your inbox\n- **p[0->0] (Probability of staying in Regime 0)**: 0.9775"
}
],
"ATR percentile filter breakout strategy low volatility": [
{
"title": "ATR Filter (MT5): Volatility Gate for Better Trade Quality - AlfaTactix",
"url": "https://alfatactix.com/academy/market-filters/atr-average-true-range",
"desc": "# ATR Filter (MT5): Volatility Gate for Better Trade Quality | AlfaTactix\n## Filter Explanation\n### ATR (Average True Range) Filter Explanation\n- Helps avoid trading during low-volatility periods when false signals are more common and profit potential is limited. Research indicates that trading duri"
},
{
"title": "Volatility Filter Indicator: ATR Percentile ... - Desire To Trade",
"url": "https://www.desiretotrade.com/docs/volatility-filter-indicator-atr-percentile-volatility/",
"desc": "The indicator built into the advanced trade filters DesireToTrade made algos takes any value below 50 as Low Volatility, anything between 50 and ..."
},
{
"title": "Volatility ATR Bands Strategy With a 33-Year Backtest (Rules, Results ...",
"url": "https://www.quantifiedstrategies.com/volatility-atr-bands-strategy/",
"desc": "ATR Bands strategy is a rules-based trading approach that uses volatility measures to time breakouts and reversals. It overlays dynamic price bands. These ..."
},
{
"title": "Rango Verdadero Medio (ATR) — Indicadores y estrategias",
"url": "https://es.tradingview.com/scripts/averagetruerange/page-11/",
"desc": "El Rango verdadero medio (ATR) es una herramienta que se utiliza en el análisis técnico para medir la volatilidad. — Indicadores y estrategias."
},
{
"title": "10 Volatility Filters Every Serious Trader Needs",
"url": "https://algomatictrading.substack.com/p/10-volatility-filters-every-serious",
"desc": "Description: ATR, introduced by J. Welles Wilder Jr., measures market volatility by calculating the average range between high and low prices ..."
},
{
"title": "ATR Trading Strategies Guide - Blog - TradersPost",
"url": "https://blog.traderspost.io/article/atr-trading-strategies-guide",
"desc": "Effective ATR breakout filters require price moves to exceed previous resistance or support by at least one ATR value. This filter eliminates ..."
}
],
"realized volatility long memory HAR vs EWMA out-of-sample forecast comparison horizon": [
{
"title": "Advances in forecasting realized volatility: a review of methodologies",
"url": "https://link.springer.com/article/10.1186/s40854-025-00809-5",
"desc": "# Advances in forecasting realized volatility: a review of methodologies\n## Analysis of applied forecasting models\\\n### Linear models\\\n#### HAR model\\\nAs noted, financial time series often exhibit features such as long memory (C4) and leptokurtosis (C3) (Cheng and Hung [2011](https://link.springer.c"
},
{
"title": "Forecasting Realized Volatility with Time Series Foundation Models",
"url": "https://arxiv.org/html/2607.05291v1",
"desc": "# Forecasting Realized Volatility with Time Series Foundation Models: A Comparison with Econometric Benchmarks\n## 1 Introduction\nForecasting realized volatility is central to risk management, derivative pricing, and portfolio allocation. Since the work of [Andersen and Bollerslev (1998)](https://a"
},
{
"title": "Volatility Forecasting Methods - Risk Hub",
"url": "https://riskhub.org/blogs/volatility-forecasting-methods",
"desc": "Decay factor ( λ ): the EWMA knob controlling how fast old data is forgotten; higher means longer memory and a smoother, slower forecast."
},
{
"title": "Volatility Forecasting: HAR Model - Portfolio Optimizer",
"url": "https://portfoliooptimizer.io/blog/volatility-forecasting-har-model/",
"desc": "## The HAR volatility forecasting model [Permalink](https://portfoliooptimizer.io/blog/volatility-forecasting-har-model#the-har-volatility-forecasting-model)\n### The original HAR model [Permalink](https://portfoliooptimizer.io/blog/volatility-forecasting-har-model#the-original-har-model)\nThe main id"
},
{
"title": "Prediction of realized volatility and implied volatility indices using AI ...",
"url": "https://www.sciencedirect.com/science/article/pii/S1057521924001534",
"desc": "Report improved out-of-sample forecasts on horizons from one day to one month. ANN and LSTM compared to AR and EGARCH across loss functions."
},
{
"title": "[PDF] Forecasting Realised Volatility Using ARFIMA and HAR Models",
"url": "https://eprints.lancs.ac.uk/id/eprint/133284/1/Volatility_Forecasting_Paper_QF.pdf",
"desc": "ARFIMA models are superior for the crisis and pre-crisis sub-samples. HAR forecasts are less sensitive to regime change and to longer forecasting horizons."
}
]
}
directions/ml-on-5m.json
+379
View File
@@ -0,0 +1,379 @@
[
{
"title": "Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting",
"authors": "Andrei Bysik, Robert Ślepaczuk",
"year": 2026,
"url": "https://arxiv.org/html/2606.00060v1",
"doi": "10.48550/arXiv.2606.00060",
"horizon": "1 час (hourly BTC/USDT returns); 27-fold walk-forward, train/valid/test",
"data": "BTC/USDT spot, ~70 000 часовых наблюдений, 2018–2026",
"costs_assumed": "10 б.п. за сделку (0,1% per unit of turnover)",
"key_numbers": "Gross: XGBoost long-only ARC 73,50%, iTransformer long-short 181,76%. После 10 б.п.: XGBoost LO -64,00%, LSTM -50,65%, iTransformer -83,93%, LS варианты -85...-98,6%; 24ч моментум -45,93%. Cost-aware фильтр сокращает оборот >10x, лучший LO XGBoost: ARC >65%, SR >1 (10 619 сделок) — но bootstrap (paired circular block, блоки 24/72/168ч, 10 000 повторов, Holm) не отвергает равенство с buy&hold; результаты неоднородны по режимам",
"verdict": "Ключевая работа: издержки 10 б.п. уничтожают наивные ML-стратегии; спасает только cost-aware правило исполнения. Прямая калибровка под наши 11 б.п. на круг",
"implementable": "да — конструкция cost-aware фильтра переносится напрямую"
},
{
"title": "Informer in Algorithmic Investment Strategies on High Frequency Bitcoin Data",
"authors": "Filip Stefaniuk, Robert Ślepaczuk",
"year": 2025,
"url": "https://arxiv.org/pdf/2503.18096",
"doi": "10.48550/arXiv.2503.18096",
"horizon": "5м / 15м / 30м, 6 тестовых периодов",
"data": "BTC/USDT Binance, 21.08.2019–24.07.2024, 1–60 мин данные",
"costs_assumed": "0,1% за смену позиции (Binance spot; проверено в тексте, сноска 8); переворот = 2 сделки ≈ 20 б.п.",
"key_numbers": "Informer + GMADL-лосс выигрывает от повышения частоты; на 5м превосходит остальные стратегии в большинстве тестовых периодов; RMSE-лосс ухудшается при переходе к высоким частотам; Quantile-лосс не превосходит бенчмарки; бенчмарк — buy&hold",
"verdict": "Единственная найденная работа с явным 5м-ML и заявленным выигрышем; но издержки выше наших (20 б.п./круг), а бенчмарк B&H в трендовом периоде BTC 2019–2024",
"implementable": "частично — идея lосса-функции (GMADL), не результат"
},
{
"title": "A novel approach to trading strategy parameter optimization using double out-of-sample data and walk-forward techniques",
"authors": "Tomasz Mroziewicz, Robert Ślepaczuk",
"year": 2026,
"url": "https://arxiv.org/pdf/2602.10785.pdf",
"doi": "10.48550/arXiv.2602.10785",
"horizon": "1м–60м интрадей (BTC), правило EMA-кроссовер",
"data": "BTC (18 месяцев-19 месяцев train, 21 месяц test), затем BNB и ETH; 81 комбинация окон walk-forward",
"costs_assumed": "0,1% за транзакцию (0,2% при перевороте); проверка чувствительности: точка безубыточности ≈ 0,4% за транзакцию",
"key_numbers": "На тестовом периоде стратегия совершила всего одну сделку за 21 месяц и дала результат, близкий к buy&hold, с меньшей просадкой; портфель B&H+WF снизил просадку на 50%; 8 комбинаций окон дали Sharpe > 1 на глобальном train",
"verdict": "Не ML, но эталон протокола: двойной OOS, отдельный невиданный период, bootstrap против случайных, анализ чувствительности к комиссии. Иллюстрирует «работает на тесте = почти не торгует»",
"implementable": "да — как протокол тестирования стенда"
},
{
"title": "Generalized Mean Absolute Directional Loss as a Solution to Overfitting and High Transaction Costs in Machine Learning Models Used in High-Frequency Algorithmic Investment Strategies",
"authors": "Jakub Michańków, Paweł Sakowski, Robert Ślepaczuk",
"year": 2024,
"url": "https://arxiv.org/pdf/2412.18405v1",
"doi": "10.48550/arXiv.2412.18405",
"horizon": "высокочастотные интервалы (общая методология; сравнение с MSE/MADL)",
"data": "методологическая работа; примеры на BTC и нефти (v1)",
"costs_assumed": "издержки не как ставка, а как целевая функция: штраф за частоту сделок через параметры a и b",
"key_numbers": "GMADL (дифференцируемая параметризация MADL) даёт лучшие результаты, чем MSE и MADL, независимо от архитектуры (Transformer/LSTM/Perceptron/RNN); главное — параметризация позволяет оптимизировать систему на конфигурации с меньшим числом сделок, чтобы издержки не обнуляли результат",
"verdict": "Дизайн-идея под нашу проблему (издержки/оборот), а не бэктест",
"implementable": "да — loss-функция для 5м-моделей"
},
{
"title": "Explainable Patterns in Cryptocurrency Microstructure",
"authors": "Bartosz Bieganowski, Robert Ślepaczuk",
"year": 2026,
"url": "https://arxiv.org/pdf/2602.00776",
"doi": "10.48550/arXiv.2602.00776",
"horizon": "секунды–минуты (короткий горизонт), taker и maker бэктесты",
"data": "Binance Futures perpetual LOB + trades, 1 сек, BTC/LTC/ETC/ENJ/ROSE, 01.01.2022–12.10.2025, CatBoost + GMADL + SHAP",
"costs_assumed": "«консервативный taker-бэктест по худшей стороне книги»; числовой уровень в доступном тексте не приведён",
"key_numbers": "Одни и те же семейства фич (OFI, спред, VWAP-mid) доминируют по SHAP на всех 5 активах с разбросом капитализации на порядок; формы зависимостей стабильны; OFI монотонен с вогнутостью на краях; широкий спред = меньше предсказуемости; мейкер-стратегия катастрофически потеряла на флешкрэше 10.10.2025 (adverse selection), тейкер устояла",
"verdict": "Лучший источник по кросс-активной универсальности фич для нашей корзины 20 пар; и предупреждение против мейкер-оптимизма",
"implementable": "да — фиче-библиотека; риск мейкера учитывать"
},
{
"title": "Algorithmic crypto trading using information-driven bars, triple barrier labeling and deep learning",
"authors": "Financial Innovation (Springer), авторы не подтверждены в доступном фрагменте",
"year": 2025,
"url": "https://link.springer.com/article/10.1186/s40854-025-00866-w",
"doi": "10.1186/s40854-025-00866-w",
"horizon": "информационные бары (CUSUM/range/volume/dollar) + triple barrier; тест на кварталах Q2.2022–Q2.2023",
"data": "BTC и ETH, тиковые данные Binance, 01.01.2018–30.06.2023, расширяющееся окно (5 тестовых кварталов)",
"costs_assumed": "заявлено «положительно после учёта transaction costs», конкретный уровень издержек не подтверждён (результатный раздел не отдан движком извлечения)",
"key_numbers": "CUSUM-фильтр + triple barrier превосходит time bars и next-bar-таргет; авторы прямо называют next-bar-схему непрактичной из-за транзакционных издержек даже на 60м-интервалах; сравнение Transformer (vanilla/FEDformer/Autoformer) с DL и классическим ML",
"verdict": "Главный источник по дизайну разметки (CUSUM + triple barrier). Доходность непроверяема — на неё не опираться",
"implementable": "да — дизайн разметки"
},
{
"title": "Multi-Timeframe Feature Engineering for Bitcoin Market Prediction: A Price-Level-Agnostic Machine Learning Approach",
"authors": "MDPI Forecasting, том 8, вып. 3, статья 40 (авторский состав по странице журнала)",
"year": 2026,
"url": "https://www.mdpi.com/2571-9394/8/3/40",
"doi": "10.3390/forecast8030040",
"horizon": "сигнал на 15м, удержание по барьерам SL/TP",
"data": "BTC, 37 фич, таймфреймы 15м/4ч/1д/3д, 01.2020–11.2025, 6 951 сбалансированный сэмпл, OOS-2025 = 1 136 сэмплов",
"costs_assumed": "round-trip комиссии «realistic», точный уровень не указан; вывод — чистый результат практически обнуляется",
"key_numbers": "CV ROC-AUC 0,57–0,61 (RF 0,6086); OOS-2025 у Logistic Regression 0,6087; валовый upper-bound +35,97% (185 сделок, SL 1%/TP 2%, порог 0,7, Sharpe 0,14) → после издержек negligible; наивное выравнивание старших ТФ завышало ROC-AUC примерно на 0,20 (look-ahead)",
"verdict": "Сильнейший отрицательный результат: AUC ≈0,60 недостаточно для экономики; AUC 0,8+ в литературе — артефакт утечки",
"implementable": "да — как процедура выравнивания ТФ и как бенчмарк AUC"
},
{
"title": "Exploring Microstructural Dynamics in Cryptocurrency Limit Order Books: Better Inputs Matter More Than Stacking Another Hidden Layer",
"authors": "не подтверждены в доступном фрагменте (Bybit-исследование)",
"year": 2025,
"url": "https://arxiv.org/html/2506.05764v2",
"doi": "10.48550/arXiv.2506.05764",
"horizon": "100мс / 500мс / 1с",
"data": "Bybit BTC/USDT LOB-снапшоты 100мс, один день 2025-01-30 (100k–1M снапшотов)",
"costs_assumed": "не заложены (нет P&L-бэктеста)",
"key_numbers": "Бинарная точность 0,5215…0,7281; тернарная 0,3594…0,5434 (лучшие — Savitzky-Golay + XGBoost/логрег, 40 уровней); простые модели обходят DeepLOB/CNN+LSTM на 1–2%; Kalman-фильтр местами хуже сырых данных; глубина 40 уровней: 0,715 на 5 442 сэмплах против 0,580 на 18 336",
"verdict": "Точность без издержек и на одном дне: перенос на 5м запрещён; ценно опровержение «сложнее = лучше»",
"implementable": "частично — идея препроцессинга (Savitzky-Golay), не сигнал"
},
{
"title": "Deep Learning for Digital Asset Limit Order Books",
"authors": "Rakshit Jha, Mattijs De Paepe, James West, Shaun Ng",
"year": 2020,
"url": "https://arxiv.org/html/2010.01241v1",
"doi": "10.48550/arXiv.2010.01241",
"horizon": "2 секунды (горизонт предсказания), walk-forward 1 день обучения/1 день теста",
"data": "Coinbase BTC/USD, LOB 100мс, 50 уровней, 9 дней (12–20.06.2019)",
"costs_assumed": "не заложены",
"key_numbers": "Общая accuracy 71% на сбалансированной выборке; precision: down 0,42 (recall 0,61), up 0,40 (recall 0,66), stable 0,90 (recall 0,73); предсказуемость держится до ~1 минуты; уровни глубже 10 не дают прироста",
"verdict": "Ориентир по масштабу «правды»: precision по up 0,40 — существенно ниже безубыточного уровня",
"implementable": "нет (2с горизонт, нет издержек)"
},
{
"title": "The Quarter-Hour Effect: Periodic Algorithmic Trading and Return Predictability in Cryptocurrency Futures",
"authors": "Chan Kim, Peter Reinhard Hansen",
"year": 2026,
"url": "https://arxiv.org/pdf/2607.09426v2",
"doi": "10.48550/arXiv.2607.09426",
"horizon": "10-секундный возврат на границе четверти часа; предсказание возвратов на 4–12 часов по imbalance (1м/5м/15м фазы)",
"data": "Binance USDT-perp, BTC, ETH, XRP, SOL, DOGE, ADA, 01.01.2021–31.10.2024; ~117 000 границ четверти часа на актив; 40 ежемесячных рефитов, окно обучения 6 мес.",
"costs_assumed": "не заложены (прогнозный, не торговый дизайн)",
"key_numbers": "R2_OOS: лаги 2,464% (макс. ADA 5,2%), техиндикаторы 2,090%, вместе — 3,37%; AUC направления 0,6011; эффект сконцентрирован на четвертьчасовой фазе, на более мелких частотах слабее; placebo-сдвиг фазы подтверждает привязку к истинной границе",
"verdict": "Прямо про нашу фазу баров, но полезный горизонт — часы; 3,37% R2 не покрывают 11 б.п. издержек",
"implementable": "частично — clock-phase фичи + placebo-тест фазы"
},
{
"title": "When Does Order Flow Matter? State-Dependent L2 Liquidity-State Transitions in Crypto Futures",
"authors": "Joohyoung Jeon",
"year": 2026,
"url": "https://arxiv.org/pdf/2607.09230v1",
"doi": "10.48550/arXiv.2607.09230",
"horizon": "1м и 5м (переход состояния ликвидности)",
"data": "Binance BTCUSDT и ETHUSDT futures 2023–2026, top-20 L2 + trade flow + макро-события; rolling-month OOS, event-clustered bootstrap, blocked permutation",
"costs_assumed": "не заложены (не P&L-задача)",
"key_numbers": "Грубое пред-состояние L2 — первый порядок сигнала (+0,034 на 1м / +0,045 на 5м к маргиналу); логиты на непрерывных L2-фичах ХУЖЕ базы (-0,048/-0,034 и -0,052/-0,047, интервалы целиком ниже нуля); нелинейная L2-форма +0,044/+0,060; поток заявок поверх L2: ETH +0,020/+0,016 (нуль-порог 0,006/0,003), BTC не установлено (+0,001/+0,003)",
"verdict": "Отрицательный результат по BTC ровно на 1м/5м: поток заявок не добавляет ничего сверх состояния книги",
"implementable": "да — state-first дизайн и требование улучшения над базой"
},
{
"title": "The Price Impact of Order Book Events",
"authors": "Rama Cont, Arseniy Kukanov, Sasha Stoikov",
"year": 2011,
"url": "https://arxiv.org/pdf/1011.6402",
"doi": "10.1093/jjfinec/nbt003",
"horizon": "10 секунд (и робастность до 10 минут)",
"data": "50 акций США, TAQ/NBBO, апрель 2010; 273 получасовых подвыборки",
"costs_assumed": "не заложены (объяснительная регрессия)",
"key_numbers": "OFI линейно объясняет изменение mid-price: средний R2 = 65% (35–60% при исключении price-changing событий, т.е. часть R2 — тавтология); imbalance по сделкам даёт R2 = 32% и незначим при добавлении OFI; соотношение quote updates / trades ≈ 40:1",
"verdict": "Фундамент OFI: это ОДНОВРЕМЕННОЕ объяснение, не прогноз. Обязательная поправка при переносе на 5м",
"implementable": "да — как определение OFI и как предупреждение о тавтологии"
},
{
"title": "The Price Impact of Generalized Order Flow Imbalance",
"authors": "Su, Sun, Li, Yuan",
"year": 2021,
"url": "https://arxiv.org/abs/2112.02947",
"doi": "10.48550/arXiv.2112.02947",
"horizon": "30 сек, 1 мин, 5 мин",
"data": "CSI-500, 10 акций, снапшоты книги",
"costs_assumed": "не заложены (объяснение цены)",
"key_numbers": "R2_OOS log-GOFI: 83,57% / 85,37% / 86,01% на 30с/1м/5м; OFI: 32,89% / 38,13% / 42,57%",
"verdict": "Подтверждает информативность 5м-OFI по конструкции, но снова contemporaneous — не торговый сигнал",
"implementable": "частично — конструкция GOFI-фичи"
},
{
"title": "Deep order flow imbalance: Extracting alpha at multiple horizons from the limit order book",
"authors": "Petter N. Kolm, Jeremy Turiel, Nicholas Westray",
"year": 2023,
"url": "https://ideas.repec.org/a/bla/mathfi/v33y2023i4p1044-1081.html",
"doi": "10.1111/mafi.12413",
"horizon": "мультигоризонт (минуты) — точные горизонты по абстракту не раскрыты",
"data": "115 акций NASDAQ, LOB",
"costs_assumed": "не заложены в аннотации",
"key_numbers": "По абстракту: DL по многоуровневому и многошкальному OFI улучшает прогноз высокочастотных доходностей на нескольких горизонтах. Полный текст не читал — числовых результатов не привожу",
"verdict": "Цитирую как направление (многоуровневый OFI), цифры не подтверждены",
"implementable": "частично"
},
{
"title": "Order Book Filtration and Directional Signal Extraction at High Frequency",
"authors": "не подтверждены в доступном фрагменте",
"year": 2025,
"url": "https://arxiv.org/html/2507.22712v1",
"doi": "10.48550/arXiv.2507.22712",
"horizon": "тиковый/секундный (Lagged/regime метрики)",
"data": "LOB-событийные данные; три схемы структурной фильтрации (время жизни ордера, число апдейтов, задержка)",
"costs_assumed": "не заложены",
"key_numbers": "Структурная фильтрация улучшает ассоциативные метрики (корреляция, режимный R2), но даёт лишь ограниченный выигрыш в причинных метриках (Hawkes excitation нормы); OBI, посчитанный по СДЕЛКАМ, имеет сильнее причинное согласование с будущим движением цены, чем OBI по книге",
"verdict": "Практическая поправка: для OFI-прокси использовать trade-based imbalance; не путать корреляцию с причинностью",
"implementable": "да — определение прокси"
},
{
"title": "Forecasting high frequency order flow imbalance using Hawkes processes",
"authors": "Aditya Nittur Anantha, Shashi Jain",
"year": 2024,
"url": "https://arxiv.org/abs/2408.03594",
"doi": "10.48550/arXiv.2408.03594",
"horizon": "тиковый / внутридневной OFI",
"data": "tick-by-tick данные NSE (Национальная фондовая биржа Индии)",
"costs_assumed": "не заложены (прогноз индикатора)",
"key_numbers": "Hawkes-процесс с sum-of-exponentials ядром — лучший прогноз распределения OFI среди конкурентов; учёт времени между сделками существенно улучшает качество выбора модели",
"verdict": "Метод для OFI-фич; торговой экономики нет",
"implementable": "частично"
},
{
"title": "Learning to Predict Short-Term Volatility with Order Flow Image Representation",
"authors": "Artem Lensky, Mingyu Hao",
"year": 2023,
"url": "https://arxiv.org/html/2304.02472v2",
"doi": "10.48550/arXiv.2304.02472",
"horizon": "реализованная волатильность на следующие 60 секунд",
"data": "BTC/USDT perpetual Binance, тиковые сделки + 20 уровней книги, январь 2021, снапшоты по 10 сек",
"costs_assumed": "не заложены (прогноз волатильности)",
"key_numbers": "Лучший результат — CNN по «изображениям» потока заявок, дополненная 393 агрегированными фичами; ResNet-18 и ConvMixer НЕ лучше; CNN+LSTM не улучшил; наивная догадка (волатильность прошлой минуты) временами точна, но с намного большей дисперсией",
"verdict": "Подтверждает: на минутных горизонтах волатильность предсказуема лучше направления — основа для слоя сайзинга, а не входов",
"implementable": "да — как слой vol-targeting"
},
{
"title": "A Frequency-Controlled Comparison of Tick- and Minute-Based Information Bars for Cryptocurrency Markets",
"authors": "не подтверждены в доступном фрагменте",
"year": 2026,
"url": "https://arxiv.org/html/2608.26158v1",
"doi": "10.48550/arXiv.2608.26158",
"horizon": "конструкция баров (не горизонт прибыли)",
"data": "BTCUSDT USDT-perp, Binance aggTrade тики и 1-мин OHLCV, 01.2020–12.2025 (6 лет)",
"costs_assumed": "не применимо",
"key_numbers": "Преимущество тиковых баров зависит от типа бара: tick Renko — наименьшее отклонение от random walk, tick volatility-бары снижают серийную зависимость на 69% относительно минутной базы; Ljung-Box отвергает независимость на всех сериях; календарные бары — конкурентная база; преимущество тика на дистрибутивных критериях в значительной степени артефакт частоты",
"verdict": "Опровергает универсальность тезиса «информационные бары лучше»; календарные 5м-бары — не худший выбор",
"implementable": "да — как чек-лист сравнения типов баров"
},
{
"title": "TLOB: A Novel Transformer Model with Dual Attention for Price Trend Prediction with Limit Order Book Data",
"authors": "Leonardo Berti, Gjergji Kasneci",
"year": 2025,
"url": "https://arxiv.org/abs/2502.15757",
"doi": "10.48550/arXiv.2502.15757",
"horizon": "10/50/100 событий (tick-горизонты)",
"data": "FI-2010 (финские акции), NASDAQ TSLA и INTC, BTC-датасет",
"costs_assumed": "полноценный P&L не считался; порог разметки тренда задан средним спредом (прокси транзакционных издержек)",
"key_numbers": "Авторы прямо в Limitations: предложенные методологии «недостаточно зрелы для практического применения в live-торговых средах»; определение порога через средний спред существенно влияет на оценку и потенциальную прибыльность; MLP-модель (MLPLOB) превосходит SOTA-трансформеры",
"verdict": "Прямая цитата «незрелости» + правило привязки барьеров к спреду/издержкам",
"implementable": "да — правило разметки"
},
{
"title": "Deep Limit Order Book Forecasting: A microstructural guide (LOBFrame)",
"authors": "Antonio Briola, Silvia Bartolucci, Tomaso Aste",
"year": 2024,
"url": "https://arxiv.org/html/2403.09267v4",
"doi": "10.48550/arXiv.2403.09267",
"horizon": "горизонты 10/50/100 событий (H10/H50/H100)",
"data": "15 акций NASDAQ, 2017–2019, DeepLOB, 135 экспериментов, 959 GPU-часов",
"costs_assumed": "торговые симуляции намеренно исключены; вместо этого предложена «вероятность корректного полного трейда»",
"key_numbers": "Ключевой вывод: высокая прогнозная сила НЕ обязательно соответствует исполнимому торговому сигналу; традиционные ML-метрики неадекватны для LOB; предсказуемость привязана к микроструктурным свойствам (tick size как прокси «information richness») до 10с/10-100с распределений",
"verdict": "Методологический вывод №1: accuracy/F1 не экономика; нужна метрика на уровне сделки",
"implementable": "да — замена метрики"
},
{
"title": "Deep Learning modeling of Limit Order Book: a comparative perspective",
"authors": "Antonio Briola, Jeremy Turiel, Tomaso Aste",
"year": 2020,
"url": "https://arxiv.org/abs/2007.07319",
"doi": "10.48550/arXiv.2007.07319",
"horizon": "тик-горизонты LOB",
"data": "единый датасет и фиче-пространство; сравнение Random, LogReg, LSTM, Attention-LSTM, CNN-LSTM, MLP",
"costs_assumed": "не заложены",
"key_numbers": "MLP сопоставим или лучше state-of-the-art CNN-LSTM: динамические пространственно-временные измерения — хорошее приближение, но не истинные размерности динамики LOB",
"verdict": "Опровергает «сложнее = лучше» на LOB",
"implementable": "нет"
},
{
"title": "Microstructure and Market Dynamics in Crypto Markets",
"authors": "David Easley, Maureen O'Hara, Songshan Yang, Zhibai Zhang",
"year": 2024,
"url": "https://stoye.economics.cornell.edu/docs/Easley_ssrn-4814346.pdf",
"doi": "10.2139/ssrn.4814346",
"horizon": "высокочастотные метки (знаки изменений RV, автокорреляции, скью, куртозиса, JB)",
"data": "Binance, BTC/ETH/XRP/SOL/ADA, 01.2021–07.2023, случайный лес; собственные и кросс-рыночные эффекты",
"costs_assumed": "не заложены (не торговый бэктест)",
"key_numbers": "Средний AUC > 0,55; по отдельным фичам 0,54–0,61; skewness AUC = 0,50 (не предсказуема); предсказуемость несут Roll measure и VPIN; собственные и кросс-эффекты BTC/ETH значимы; результаты практически не изменились в crypto winter",
"verdict": "Ответ на «какие фичи несут сигнал»: токсичность/автокорреляция (Roll, VPIN), а не объём и не моменты высшего порядка",
"implementable": "да — Roll/VPIN-прокси для 5м"
},
{
"title": "The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting and Non-Normality",
"authors": "David H. Bailey, Marcos López de Prado",
"year": 2014,
"url": "https://www.davidhbailey.com/dhbpapers/deflated-sharpe.pdf",
"doi": "10.2139/ssrn.2460551",
"horizon": "методология",
"data": "методология (JPM 2014)",
"costs_assumed": "не применимо",
"key_numbers": "DSR корректирует SR на (а) selection bias при множественном тестировании и (б) ненормальность доходностей; формула ожидаемого максимума SR по числу независимых испытаний N; «бэктест без числа попыток бесполезен независимо от доходности»; holdout не контролирует множественное тестирование (при 20 применениях ложноположительный — ожидаемое событие)",
"verdict": "Обязательный статистический фильтр для нашего стенда",
"implementable": "да — gate перед деньгами"
},
{
"title": "Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance (MinBTL); цифры — по слайдам Bailey–López de Prado 2022",
"authors": "David H. Bailey, Jonathan M. Borwein, Marcos López de Prado, Qiji Jim Zhu",
"year": 2014,
"url": "https://www.ams.org/notices/201405/rnoti-p458.pdf",
"doi": "10.1090/noti1105",
"horizon": "методология",
"data": "теория + Монте-Карло",
"costs_assumed": "не применимо",
"key_numbers": "2 года дневных данных → не более 7 вариаций стратегии; 5 лет дневных данных → не более 45 вариаций (Minimum Backtest Length). Источник цифр вторичный: слайды Bailey & López de Prado, 2022, https://cdar.econ.berkeley.edu/sites/default/files/dhb-risk-2022.pdf",
"verdict": "Жёсткое ограничение на число переборов на наших данных",
"implementable": "да — лимит на число испытаний"
},
{
"title": "Why financial research is prone to false statistical discoveries (слайды; репликации аномалий и ETF)",
"authors": "David H. Bailey, Marcos López de Prado",
"year": 2022,
"url": "https://cdar.econ.berkeley.edu/sites/default/files/dhb-risk-2022.pdf",
"doi": "нет (материалы конференции)",
"horizon": "методология / репликации",
"data": "обзор: ETF 1993–2014; аномалии (Hou–Xue–Zhang 2020)",
"costs_assumed": "не применимо",
"key_numbers": "ETF: среднее годовое превышение ≈ +5% до запуска → ≈ 0% после запуска. Hou–Xue–Zhang (2020): из 452 аномалий 65% не проходят t ≥ 1,96 и 82% — t ≥ 2,78 (цитируется по слайдам; первоисточник RFS 33, SSRN 3275496 — не читал)",
"verdict": "Масштаб деградации «бэктест → реальность» и планка значимости",
"implementable": "да — планка t ≥ 2,78…3,0"
},
{
"title": "Backtesting",
"authors": "Campbell R. Harvey, Yan Liu",
"year": 2015,
"url": "https://people.duke.edu/~charvey/Research/Published_Papers/P120_Backtesting.PDF",
"doi": "10.3905/jpm.2015.42.1.013",
"horizon": "методология",
"data": "Journal of Portfolio Management, Fall 2015; данные HLZ по факторам",
"costs_assumed": "не применимо",
"key_numbers": "Правило «срезать SR на 50%» — эвристика; haircut нелинейный: высокие SR штрафуются умеренно, маржинальные — почти полностью; t = 3,0 в одиночном тесте может не быть значимым при множественном тестировании; в HLZ зафиксировано ≥316 протестированных факторов; t-ratio = SR·√T",
"verdict": "Рабочий инструмент: haircut SR и требование t > 3 для новых сигналов",
"implementable": "да"
},
{
"title": "All that Glitters Is Not Gold: Comparing Backtest and Out-of-Sample Performance on a Large Cohort of Trading Algorithms",
"authors": "Thomas Wiecki, Andrew Campbell, Justin Lent, Jessica Stauth",
"year": 2016,
"url": "https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2745220",
"doi": "10.3905/joi.2016.25.3.069",
"horizon": "минутные данные (вход/выход), позиции — по дневным ценам",
"data": "888 алгоритмических стратегий (акции США), IS 2010 → деплой в 01–06.2015, OOS 06.2015–02.2016; издержки учтены",
"costs_assumed": "«robustly estimated trading frictions» (точная ставка не указана)",
"key_numbers": "IS→OOS линейные регрессии: R2 = 0,01–0,02 для SR/Sortino/годовой доходности (для годовой доходности корреляция слегка отрицательная); волатильность R2 = 0,67, max DD R2 = 0,34; чем больше дней бэктеста использовал разработчик, тем БОЛЬШЕ разрыв IS–OOS; портфель топ-10 по IS-Sharpe дал OOS SR 0,7 против 1,8 у отбора через ML",
"verdict": "Каноническое доказательство, что интенсивность бэктестинга ухудшает перенос в live",
"implementable": "да — как ориентир ожидаемой деградации"
},
{
"title": "The Statistics of Sharpe Ratios",
"authors": "Andrew W. Lo",
"year": 2002,
"url": "https://econpapers.repec.org/article/tafufajxx/v_3a58_3ay_3a2002_3ai_3a4_3ap_3a36-52.htm",
"doi": "10.2469/faj.v58.n4.2453",
"horizon": "методология (оценка SR по конечной выборке)",
"data": "Financial Analysts Journal 58(4):36–52",
"costs_assumed": "не применимо",
"key_numbers": "Стандартная ошибка оценки SR ≈ sqrt((1+SR²/2)/T) → t = SR·√T. Использовано как основание расчётов в §4 нашего отчёта (сами расчёты — наши, не цитата чисел Ло; полный текст не читал)",
"verdict": "Основание для расчёта необходимого размера выборки",
"implementable": "да — формула для таблицы размера выборки"
},
{
"title": "Technical Analysis Meets Machine Learning: Bitcoin Evidence",
"authors": "José Ángel Islas Anguiano, Andrés García-Medina",
"year": 2025,
"url": "https://arxiv.org/pdf/2511.00665",
"doi": "10.48550/arXiv.2511.00665",
"horizon": "дневной",
"data": "BTC, обучение 2021-01-10…2024-01-09, тест 2024-01-10…2024-12-31 (после одобрения спотовых ETF)",
"costs_assumed": "не раскрыты; сравнение с buy&hold",
"key_numbers": "LSTM ≈ +65,23% кумулятивно и лучше LightGBM, EMA-кроссовера, MACD+ADX и buy&hold",
"verdict": "Приведено как пример типовой нереплицируемой публикации (один короткий период, издержки не раскрыты) — доказательством не является",
"implementable": "нет"
}
]
directions/ml-on-5m.md
+185
View File
@@ -0,0 +1,185 @@
# ML/DL на 5-минутных данных — что реально работает, что нет
Направление 4 репозитория `crypto-5m-research`. Дата сборки: **2026-09-29** (все URL — дата обращения 29.09.2026).
Наши инварианты (из `README.md`, не перепроверяются здесь): средний |доход| 5м = **22,8 б.п.**, 1ч = **78,0 б.п.**;
издержки на круг **11 б.п.** (тейкер Bybit) / **4 б.п.** (мейкер); порог безубыточности
p\* = (Стоп+Издержки)/(Цель+Стоп): 0,2%/0,2% → **0,775**, 0,5%/0,3% → **0,7625**, 1,0%/0,5% → **0,74**, мейкер 0,2%/0,2% → 0,60.
Термин «издержки» ниже означает **уровень, заложенный в чужой бэктест** (и сравнивается с нашими 11 б.п. на круг).
---
## 1. Сводная таблица: работы, где ML/DL торговал крипту на 1–15м (и рядом) с издержками
| Работа | Авторы/год | Данные | Горизонт | Заложенные издержки | Цифры (как в источнике) | Вердикт |
|---|---|---|---|---|---|---|
| Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting ([arXiv 2606.00060](https://arxiv.org/html/2606.00060v1)) | Bysik, Ślepaczuk, 2026 | BTC/USDT, ~70 000 часовых наблюдений, 2018–2026, 27-фолдовый walk-forward | **1 час** (не 5м!) | **10 б.п.** за сделку (0,1%) | Без издержек: XGBoost long-only ARC +73,50%, iTransformer long-short +181,76%. С издержками 10 б.п.: XGBoost LO **−64,00%**, LSTM −50,65%, iTransformer **−83,93%**; LS: −92,58% / −87,08% / −98,62%; 24ч-моментум −45,93%. Cost-aware фильтр (вход только если \|прогноз\| > порога, пропорц. издержкам) снижает оборот **более чем в 10 раз**: лучший LO XGBoost даёт ARC >65%, SR >1 — но bootstrap (paired circular block, 10 000 повторов, Holm) **не подтверждает** превосходство над buy&hold; результат неоднороден по режимам | **Ключевая работа направления.** Издержки ломают наивную ML-стратегию полностью; спасает только правило исполнения по величине прогноза. Их 10 б.п. на сделку ≈ наши 11 б.п. на круг — порядок совпадает |
| Informer in Algorithmic Investment Strategies on High Frequency Bitcoin Data ([arXiv 2503.18096](https://arxiv.org/pdf/2503.18096)) | Stefaniuk, Ślepaczuk, 2025 | BTC/USDT, 21.08.2019–24.07.2024, **5м / 15м / 30м**, 6 тестовых периодов | **5м** (есть) | **0,1% за смену позиции** (Binance spot taker; проверено в тексте, сн. 8), переворот = 2 сделки ≈ 20 б.п. | Informer с **GMADL**-лоссом выигрывает от повышения частоты и на 5м обходит все прочие стратегии в большинстве периодов; RMSE-лосс **ухудшается** с ростом частоты; Quantile-лосс не лучше бенчмарков. Бенчмарк — buy&hold | Единственная найденная работа с явным 5м-торгованием и заявленным выигрышем. Критика: (а) их издержки (20 б.п. на круг) **выше наших** — значит задача ещё тяжелее; (б) «победа над B&H» на BTC 2019–2024 в значительной мере трендовая; (в) волатильностная база BTC несопоставима с корзиной 20 пар |
| A novel approach to trading strategy parameter optimization using double out-of-sample data and walk-forward ([arXiv 2602.10785](https://arxiv.org/pdf/2602.10785.pdf)) | Mroziewicz, Ślepaczuk, 2026 | BTC/BNB/ETH, интрадей **1м–60м**, обучение 19 мес (2018-02-08…2019-09-01), тест 21 мес | 1м–60м (правило EMA) | 0,1% за транзакцию (0,2% при перевороте); чувствительность: **точка безубыточности ≈0,4% за транзакцию** | На тесте стратегия совершила **всего одну сделку за 21 месяц** и дала результат, близкий к buy&hold, но с меньшей просадкой; портфель B&H+WF снизил просадку на 50% | Не ML, но **эталон протокола**: двойной OOS, анализ чувствительности к издержкам, bootstrap против случайных стратегий. Полезный вывод: «работает на тесте» часто = «почти не торгует» |
| Algorithmic crypto trading using information-driven bars, triple barrier labeling and deep learning ([Financial Innovation 2025, doi:10.1186/s40854-025-00866-w](https://link.springer.com/article/10.1186/s40854-025-00866-w)) | Financial Innovation (Springer), 2025 | BTC, ETH, тиковые данные Binance, 01.2018–06.2023, расширяющееся окно (тест Q2 2022–Q2 2023) | Информационные бары (CUSUM/range/volume/dollar) | Заявлено «положительно после учёта transaction costs»; **конкретный уровень издержек в доступном мне тексте не найден** (результатный раздел не отдался движком) — считать непроверенным | Комбинация CUSUM-бар + **triple barrier** обходит time bars и next-bar-таргет; авторы прямо пишут, что next-bar-схема «непрактична для большинства инвесторов» из-за комиссий даже на 60м-барах | **Главная работа по разметке.** Числа непроверяемы → не опираться на её доходность, опираться на дизайн (CUSUM + triple barrier) |
| Multi-Timeframe Feature Engineering for Bitcoin Market Prediction ([MDPI Forecasting 8(3):40, 2026](https://www.mdpi.com/2571-9394/8/3/40)) | Pinto et al., 2026 | BTC, 37 фич, 4 таймфрейма (**15м**, 4ч, 1д, 3д), 6 951 сэмпл, OOS-2025 = 1 136 сэмплов | Вход на 15м, удержание по барьерам | Round-trip комиссии («realistic») — уровень не указан; вывод: чистый результат практически обнуляется | CV ROC-AUC 0,57–0,61 (RF 0,6086; OOS LR 0,6087). Валовый upper-bound на 2025 OOS: **+35,97%** (185 сделок, SL 1%/TP 2%, порог 0,7, **Sharpe 0,14**); после издержек — «negligible». Найден look-ahead в выравнивании старших ТФ: **AUC завышался на ~0,20** до исправления | **Сильнейший отрицательный результат по фичам**: AUC ≈0,60 недостаточен для экономически значимого сигнала; а ROC-AUC 0,8+ в литературе — артефакт утечки |
| Deep Learning for Digital Asset Limit Order Books ([arXiv 2010.01241](https://arxiv.org/html/2010.01241v1)) | Jha, De Paepe, West, Ng, 2020 | Coinbase BTC/USD, LOB 100мс, 9 дней, top-50 | **2 секунды** | **Не заложены** (нет P&L) | Общая accuracy 71% на сбалансированной выборке; по классам **precision**: down 0,42 / up 0,40 (recall 0,61 / 0,66); предсказуемость держится до ~1 минуты; уровни глубже 10 ничего не добавляют | Полезно как ориентир: 2с-прогноз с precision 0,40 по «up» — это ниже безубыточности; на 5м переносить нельзя |
| Exploring Microstructural Dynamics in Cryptocurrency Limit Order Books ([arXiv 2506.05764](https://arxiv.org/html/2506.05764v2)) | (Bybit-исследование), 2025 | **Bybit** BTC/USDT, снапшоты LOB 100мс, **1 день** (2025-01-30), 100k–1M снапшотов | 100мс / 500мс / 1с | **Не заложены** | Бинарная точность 0,5215…**0,7281**; тернарная 0,3594…0,5434 (лучшее — Savitzky–Golay + XGBoost/logreg на 500мс/1с, 40 уровней). Сложные DL (DeepLOB, CNN+LSTM) **не превосходят** простые модели (проигрыш 1–2%); Kalman-фильтр местами **хуже сырых данных**; глубина 40 уровней даёт 0,715 на 5 442 сэмплах против 0,580 на 18 336 | Точность ≠ деньги: 0,73 на 1с-горизонте при издержках 11 б.п. на круг безубыточности не даёт; и это **один день данных** |
| The Quarter-Hour Effect: Periodic Algorithmic Trading and Return Predictability in Cryptocurrency Futures ([arXiv 2607.09426](https://arxiv.org/pdf/2607.09426v2)) | Kim, Hansen, 2026 | Binance USDT-perp, 6 контрактов (BTC, ETH, XRP, SOL, DOGE, ADA), 01.01.2021–31.10.2024; ~**117 000** границ четверти часа на актив; 40 ежемесячных рефитов, окно 6 мес | 10-секундный возврат на границе 15-минутки; **предсказание возвратов на 4–12 ЧАСОВ** по imbalance | **Не заложены** (нет P&L) | R²_OOS: лаги 2,464% (макс. ADA 5,2%), техиндикаторы 2,090%, вместе **3,37%**; AUC направления 0,6011 (лучшее). Эффект сконцентрирован на четвертьчасовой фазе; на мелких частотах слабее | **Прямо про наш горизонт по фазе** (5м-бары = границы четверти часа). Но полезный горизонт — часы, не 5м; и 3,37% R² против 11 б.п. издержек не считается экономикой |
| When Does Order Flow Matter? State-Dependent L2 Liquidity-State Transitions in Crypto Futures ([arXiv 2607.09230](https://arxiv.org/pdf/2607.09230v1)) | Jeon, 2026 | Binance BTCUSDT, ETHUSDT futures 2023–2026, top-20 L2 + trade flow | **1м и 5м** | **Не заложены** (задача — переход состояния ликвидности, не P&L) | Грубое пред-состояние L2 — первый порядок сигнала (+0,034/+0,045 к маргиналу). Логит на непрерывных фичах **хуже** базы (−0,048/−0,034). Порядок потока: ETH +0,020 (1м) / +0,016 (5м) при нулевой 95-й перцентили шума 0,006/0,003; **BTC — не установлено** (+0,001/+0,003) | Отрицательный результат по BTC ровно на 1м/5м: поток заявок не добавляет ничего поверх состояния книги |
| Explainable Patterns in Cryptocurrency Microstructure ([arXiv 2602.00776](https://arxiv.org/pdf/2602.00776.pdf)) | Bieganowski, Ślepaczuk, 2026 | Binance Futures perp, BTC/LTC/ETC/ENJ/ROSE, LOB+trades **1 сек**, 01.01.2022–12.10.2025 | Секунды-минуты (короткий горизонт) | «Консервативный taker-бэктест с худшей стороной книги» — числовой уровень не приведён в доступном тексте | Одни и те же семейства фич (OFI, спред, VWAP−mid) доминируют по SHAP **на всех активах**, формы зависимостей стабильны: OFI монотонен с вогнутостью на краях, широкий спред = снижение предсказуемости. Мейкер-стратегия **уничтожена** на флешкрэше 10.10.2025 (adverse selection), тейкер-версия устояла | Полезно как **список фич**, переносимых между парами (мы торгуем 20 пар). Осторожно с мейкером: риск не в комиссии, а в adverse selection |
| Technical Analysis Meets Machine Learning: Bitcoin Evidence ([arXiv 2511.00665](https://arxiv.org/pdf/2511.00665)) | Islas Anguiano, García-Medina, 2025 | BTC, дневные данные, обучение 2021–2024-01, тест 2024-01…12 | Дневной | Издержки не раскрыты; сравнение с buy&hold | LSTM ≈65,23% кумулятивно, лучше LightGBM/EMA/MACD+ADX и B&H | Слабый дизайн (один короткий период, нет издержек) — **не использовать как доказательство**; приведено как пример типовой публикации, которую нельзя воспроизвести |
| Deep Limit Order Book Forecasting: a microstructural guide ([arXiv 2403.09267](https://arxiv.org/html/2403.09267v4)) | Briola, Bartolucci, Aste, 2024 | 15 акций NASDAQ, 2017–2019, DeepLOB, горизонты 10/50/100 событий | Событийное время (≈сек–минуты) | Торговые симуляции **намеренно исключены** | «Высокая прогнозная сила **не обязательно** соответствует исполнимому торговому сигналу»; предсказуемость стока привязана к микроструктуре (tick size как прокси «information richness»); предложен operational framework (вероятность корректного полного трейда) вместо accuracy/F1 | Методологический вывод №1 для нас: accuracy и F1 не являются экономикой |
| TLOB: Transformer with Dual Attention for Price Trend Prediction ([arXiv 2502.15757](https://arxiv.org/abs/2502.15757)) | Berti, Kasneci, 2025 | FI-2010, NASDAQ (TSLA, INTC), BTC | 10/50/100 событий | Порог разметки задан **средним спредом** (т.е. стоимостью транзакции); полноценный P&L-бэктест не сделан | MLPLOB/TLOB обходят SOTA, но авторы прямо пишут в Limitations: *«предложенные методологии недостаточно зрелы для практического применения в live-торговле»*; «определение порога тренда через средний спред существенно влияет на модель и потенциальную прибыльность» | Прямая цитата для раздела «незрелость метода» + правило: **барьеры разметки привязывать к спреду/издержкам** |
| Deep Learning modeling of LOB: a comparative perspective ([arXiv 2007.07319](https://arxiv.org/abs/2007.07319)) | Briola, Turiel, Aste, 2020 | LOB, сравнение MLP/LSTM/CNN-LSTM/attention | Сек–мин | Не заложены | MLP сопоставим или лучше SOTA CNN-LSTM → «динамические пространственно-временные измерения — хорошее приближение, но не истинные размерности LOB» | Опровергает тезис «сложнее = лучше» (совпадает с Bybit-исследованием) |
| Microstructure and Market Dynamics in Crypto Markets ([SSRN 4814346](https://stoye.economics.cornell.edu/docs/Easley_ssrn-4814346.pdf)) | Easley, O'Hara, Yang, Zhang, 2024 | **Binance**, BTC/ETH/XRP/SOL/ADA, 01.2021–07.2023, случайный лес | Высокочастотные, метки = знаки изменений статистик распределения доходностей | Не заложены (не торговля) | Средний **AUC > 0,55**, по отдельным фичам 0,54–0,61; асимметрия не предсказуется (AUC 0,50). Предсказуемость несут **Roll measure и VPIN**; собственные и кросс-эффекты BTC/ETH значимы; эффекты **не изменились в crypto winter** | Ключ к вопросу «какие фичи несут сигнал»: Roll/VPIN (токсичность, автокорреляция), а не «объём» и не асимметрия |
| The Price Impact of Order Book Events ([arXiv 1011.6402](https://arxiv.org/pdf/1011.6402), JFE 2014) | Cont, Kukanov, Stoikov | 50 акций США, TAQ, интервал **10 сек** | 10 сек – 10 мин | Не заложены (объяснение, не торговля) | OFI линейно объясняет изменение mid-price со средним **R² 65%**; без «price-changing» событий R² падает до 35–60%; imbalance по сделкам даёт лишь **R² 32%**, и статистически незначим при добавлении OFI | Фундамент: OFI — **одновременный** регрессор. Это объяснение, а не прогноз; перенос в 5м требует проверки затухания |
| The Price Impact of Generalized Order Flow Imbalance ([arXiv 2112.02947](https://arxiv.org/abs/2112.02947)) | Su, Sun, Li, Yuan, 2021 | CSI-500 (10 акций), 30с / 1м / **5м** | 30с/1м/5м | Не заложены | R²_OOS log-GOFI: **83,57% / 85,37% / 86,01%** против OFI 32,89% / 38,13% / 42,57% | Высокие R² снова **одновременные**; не торговый сигнал, но подтверждает «5м-OFI информативен по конструкции» |
| Deep order flow imbalance: Extracting alpha at multiple horizons from the LOB ([Mathematical Finance 33(4):1044–1081](https://ideas.repec.org/a/bla/mathfi/v33y2023i4p1044-1081.html)) | Kolm, Turiel, Westray, 2023 | 115 акций NASDAQ, LOB | Мультигоризонт (минуты) | Не заложены | DL по многоуровневому/многошкальному OFI улучшает прогноз доходностей на нескольких горизонтах | Только аннотация/библиорекорд прочитаны — **полный текст не читал**, цифры не привожу |
| Order Book Filtration and Directional Signal Extraction at High Frequency ([arXiv 2507.22712](https://arxiv.org/html/2507.22712v1)) | (2025) | LOB, три схемы фильтрации событий (время жизни, число апдейтов, задержка) | Тики | Не заложены | Структурная фильтрация улучшает **ассоциативные** метрики (корреляция, режимный R²), но даёт лишь **ограниченный** выигрыш в причинных (Hawkes excitation). OBI по **сделкам** причинно согласован с будущими ценами лучше, чем OBI по книге | Практическая поправка: считая OFI-прокси, используем trade-based imbalance, а не книгу; корреляция ≠ причинность |
| Forecasting high frequency order flow imbalance using Hawkes processes ([arXiv 2408.03594](https://arxiv.org/abs/2408.03594)) | Nittur Anantha, Jain | Тики NSE | Тики | Не заложены | Hawkes с sum-of-exponential ядром — лучший прогноз распределения OFI; учёт времени между сделками улучшает выбор модели | Метод для OFI-фич; торговой экономики нет |
| Learning to Predict Short-Term Volatility with Order Flow Image Representation ([arXiv 2304.02472](https://arxiv.org/html/2304.02472v2)) | Lensky, Hao, 2023 | BTC/USDT perp Binance, тики+20 уровней, январь 2021 | **Реализованная волатильность на следующие 60 сек** | Не заложены | Лучший — CNN по «изображениям» потока заявок с 393 агрегированными фичами; тяжёлые модели (ResNet-18, ConvMixer) **не лучше**; CNN+LSTM не улучшил; «наивная догадка» иногда точна, но с высокой дисперсией | Подтверждает: **волатильность предсказывается лучше направления** на секундных-минутных горизонтах |
| A Frequency-Controlled Comparison of Tick- and Minute-Based Information Bars for Crypto ([arXiv 2608.26158](https://arxiv.org/html/2608.26158v1)) | (2026) | BTCUSDT perp Binance, 01.2020–12.2025, aggTrade ticks vs 1-мин OHLCV | Бары (не горизонт) | Нет (свойства рядов) | Преимущество тиковых баров **зависит от типа бара**: tick Renko — наименьшее отклонение от random walk, tick volatility-бары снижают серийную зависимость на 69% относительно минутной базы; Ljung-Box отвергает независимость на всех сериях; календарные бары — конкурентная база | Важно: «информационные бары лучше» — не универсальный факт, а артефакт частоты; календарные 5м-бары не так плохи, как принято считать |
Дополнительно (протоколы/статистика, не бэктесты):
| Работа | Авторы/год | Что даёт | Цифры |
|---|---|---|---|
| The Deflated Sharpe Ratio ([SSRN 2460551](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2460551), [PDF](https://www.davidhbailey.com/dhbpapers/deflated-sharpe.pdf)) | Bailey, López de Prado, 2014 | DSR корректирует SR на (а) selection bias под множественным тестированием и (б) ненормальность; формула ожидаемого максимума SR по числу независимых испытаний N; MinTRL/MinBTL | «Бэктест, в котором не указано число попыток, бесполезен, как бы хороша ни была доходность»; DSR строится на N испытаний и первых 4 моментах |
| Pseudo-Mathematics and Financial Charlatanism ([Notices AMS 61(5):458–471](https://www.ams.org/notices/201405/rnoti-p458.pdf); цифры — по [слайдам Bailey–LdP 2022](https://cdar.econ.berkeley.edu/sites/default/files/dhb-risk-2022.pdf)) | Bailey, Borwein, LdP, Zhu, 2014 | Сколько вариаций можно перебрать на данном объёме данных | **2 года дневных данных → не более 7 вариаций; 5 лет → не более 45** |
| Why financial research is prone to false statistical discoveries (слайды, [PDF](https://cdar.econ.berkeley.edu/sites/default/files/dhb-risk-2022.pdf)) | Bailey, López de Prado, 2022 | Репликации и деградация | ETF: до запуска средняя годовая превышение ≈**+5%**, после запуска ≈**0%**; Hou–Xue–Zhang (2020): из 452 аномалий **65%** не проходят t ≥ 1,96, а **82%** — t ≥ 2,78 |
| Backtesting ([JPM Fall 2015, PDF](https://people.duke.edu/~charvey/Research/Published_Papers/P120_Backtesting.PDF)) | Harvey, Liu, 2015 | Haircut для SR из-за множественного тестирования; t-статистика вместо SR | Правило «срезать SR на 50%» — только эвристика; haircut **нелинеен** (высокие SR режутся умереннее); t = 3,0 в одном тесте может не быть значимым при множественных тестах; в HLZ зафиксировано ≥316 протестированных факторов |
| All that Glitters Is Not Gold ([SSRN 2745220](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2745220); сводка — [CXO Advisory](https://www.cxoadvisory.com/big-ideas/in-sample-vs-out-of-sample-performance-of-888-trading-strategies/)) | Wiecki, Campbell, Lent, Stauth, 2016 | 888 алгоритмических стратегий (акции США, минутные данные, комиссии+проскальзывание в модели), IS 2010→2015, OOS 06.2015–02.2016 | IS→OOS R² по SR = **0,01–0,02** (годовая доходность — слегка **отрицательная** корреляция); волатильность R² 0,67, max DD 0,34; чем больше дней бэктеста, тем **больше** разрыв IS–OOS; портфель топ-10 по IS-Sharpe дал OOS SR 0,7 против 1,8 у отбора через ML |
| The Statistics of Sharpe Ratios ([FAJ 58(4):36–52, 2002](https://econpapers.repec.org/article/tafufajxx/v_3a58_3ay_3a2002_3ai_3a4_3ap_3a36-52.htm)) | Lo, 2002 | Стандартная ошибка оценки SR ≈ sqrt((1+SR²/2)/T); отсюда t = SR·√T | Использую как основание для расчётов в §4 (сами расчёты — наши, не цитата) |
---
## 2. Какие фичи несут сигнал на 1–15м, а какие — нет
**Несут (подтверждено на крипто-данных):**
* **OFI / дисбаланс потока — но как одновременный объясняющий фактор.** Cont et al.: R² 65% на 10с; Su et al. на 5м: R²_OOS до 86%. Это объяснение цены *здесь и сейчас*, а не прогноз. Практическое следствие: строить сигнал нужно из **запаздывающих** OFI-прокси и проверять затухание, иначе получим фиктивную «предсказуемость».
* **Поток заявок по сделкам (trade-based imbalance), а не по книге.** Фильтрация книги даёт выигрыш только в ассоциативных метриках (2507.22712).
* **Токсичность/автокорреляция: VPIN и Roll measure.** Easley et al. (Binance, 5 монет): AUC > 0,55 в среднем, 0,54–0,61 по фичам, устойчиво включая crypto winter; асимметрия (skewness) — AUC 0,50, т.е. **не предсказуется**.
* **Волатильность и режимы — предсказуются лучше направления.** Lensky & Hao: RV на 60 сек прогнозируется CNN по потоку заявок; Easley et al.: знаки изменений RV/автокорреляции/куртозиса предсказуются.
* **Спред как нормировка контекста:** широкий спред ассоциирован со *снижением* предсказуемости (2602.00776). Плюс TLOB: порог разметки, заданный средним спредом, меняет выводы.
* **Часы/фаза бара.** Kim & Hansen: на границах 1м/5м/15м есть периодические всплески активности и предсказуемость открывающего 10-секундного возврата (R²_OOS 2,46–3,37%, AUC 0,60); но **полезный горизонт — 4–12 часов**, на мелких частотах эффект слабее.
* **Кросс-активные эффекты BTC/ETH** на остальные пары (Easley et al.).
* **Универсальность фич между активами:** одни и те же семейства (OFI, спред, VWAP−mid) доминируют по SHAP на BTC/LTC/ETC/ENJ/ROSE (2602.00776) → допустимо строить единую фиче-библиотеку на наши 20 пар.
**Не несут / приносят мало:**
* **Только OHLCV-техиндикаторы на 15м** → AUC ≈0,60 и Sharpe 0,14 у валового бэктеста (MDPI 2026). Причём внутри multi-timeframe-настроек доминируют **средние ТФ** (позиция в полосах Боллинджера на 4ч + RSI), а не 15м-сигнал.
* **Сложные DL-архитектуры** (DeepLOB, CNN+LSTM): проигрывают/не превосходят XGBoost/логрег на LOB (2506.05764 — на 1–2%; 2007.07319 — MLP ≥ CNN-LSTM). Более глубокие сети при этом ещё и медленнее, что съедает альфу (в 2506.05764 это прямо оговорено).
* **Экзогенные «объёмные» признаки** на 5м: Kim & Hansen фиксируют, что сигнал imbalance есть, но концентрируется на четвертьчасовой фазе; у Jeon на BTC **добавка потока заявок поверх состояния L2 не установлена** (+0,001/+0,003 против нуля 0,002/0,002).
* **EGARCH-признаки**: в 2606.00060 «не дают равномерно устойчивого прироста» (в отличие от техиндикаторов, которые в части конфигураций помогали).
* **Кросс-секционные momentum/reversal и т.п.** — наша уже проверенная территория, здесь не расширяю.
---
## 3. Дизайн разметки и метрик при шумном ряде
1. **Triple barrier ≻ next-bar.** Financial Innovation 2025: связка CUSUM-фильтр + triple barrier обходит time bars + next-bar. Причина проста и совпадает с нашей арифметикой: next-bar таргет на 5м требует p\* ≈ 0,775, что недостижимо.
2. **Барьеры привязывать к спреду/издержкам, не к «красивым» числам.** TLOB (Berti & Kasneci) вводит порог по среднему спреду и показывает, что от него «существенно зависит модель и потенциальная прибыльность». Наша рекомендация: **TP/SL ≥ 2× издержек круга** (для 11 б.п. это ≥ 0,25%/0,25%, лучше 0,5%/0,3%), тогда p\* = 0,74–0,7625, а не 0,775.
3. **Информационные бары вместо календарных — только если мерить.** 2608.26158: преимущество тиковых баров зависит от типа бара (Renko/volatility лучше), а Ljung-Box отвергает независимость **на всех** сериях; календарные бары — конкурентная база. Т.е. «CUSUM/volume bars» — гипотеза, а не факт.
4. **Метрики: не accuracy и не F1.** Briola et al. (2403.09267): высокая прогнозная сила ≠ исполнимый сигнал; вместо F1 предлагается вероятность корректного *полного* трейда (с учётом исполнения). Наши эквиваленты: net edge на сделку в б.п. после 11 б.п., доля сделок с \|edge\| > издержек, оборот/день.
5. **Единицы времени и утечки.** MDPI 2026: наивное выравнивание старших ТФ (по open-таймстемпу) завышает ROC-AUC на **~0,20**. Для 5м это значит: фичи со старших ТФ (15м/1ч) сдвигать на **последний закрытый** бар, а не на текущий.
6. **Валидация:** walk-forward с расширяющимся окном + purged/embargo разбиение (López de Prado 2018 — на него опираются и Financial Innovation 2025, и 2602.00776, где CPCV применён «для митигации перекрытия информации между train и test»); 2606.00060 — 27-фолдовый walk-forward; 2602.10785 — «двойной OOS» (параметры выбираются на глобальном train, тест — отдельные 21 мес без повторной оптимизации).
7. **Статистика:** paired circular block bootstrap на **разностях доходностей** с блоками 24/72/168 ч (2606.00060), Holm-коррекция для множественных сравнений; DSR Bailey–LdP как обязательный фильтр; haircut Harvey–Liu; PBO/CSCV.
8. **Явно сообщать число испытаний.** Без N ни один SR нельзя интерпретировать (Bailey–LdP 2014). Для нашего стенда это значит вести журнал всех прогонов, включая плацебо.
---
## 4. Размер выборки и статистическая значимость
**Что говорят источники (числами):**
* **MinBTL (Pseudo-Mathematics, 2014):** 2 года дневных данных → максимум **7** вариаций; 5 лет → **45**. Если мы перебираем сотни фич/гиперпараметров на 1–2 годах 5м-данных, ожидаемый «лучший» результат почти наверняка фиктивен.
* **Wiecki et al. (2016):** IS→OOS R² для SR = 0,01–0,02, а чем **интенсивнее** бэктестинг (больше дней), тем **больше** разрыв IS–OOS. То есть увеличение числа прогонов на тех же данных вредит, а не помогает.
* **Bailey–LdP (2022):** ETF: +5% годовых до запуска → ~0% после. Hou–Xue–Zhang: 65% аномалий не проходят t ≥ 1,96 и 82% — t ≥ 2,78.
* **Harvey–Liu (2015):** при множественном тестировании порог значимости выше: t = 3,0 в одиночном тесте может не быть значимым.
**Наш расчёт (формула и подстановка проверены скриптом, 29.09.2026):**
N = (t·σ_per_trade/μ_net)², где μ_net — чистое матожидание сделки после издержек, σ_per_trade — разброс P&L сделки, t = 3 (с поправкой на множественное тестирование):
| μ_net, б.п. | σ сделки, б.п. | N сделок для t = 3 | эквивалент в 5м-барах | при 20 сделках/день |
|---|---|---|---|---|
| 2 | 100 | 22 500 | 78,1 дня данных | 1 125 дней |
| 2 | 50 | 5 625 | 19,5 дня | 281 день |
| 5 | 100 | 3 600 | 12,5 дня | 180 дней |
| 5 | 50 | 900 | 3,1 дня | 45 дней |
| 10 | 100 | 900 | 3,1 дня | 45 дней |
| 10 | 50 | 225 | 0,8 дня | 11 дней |
| 15 | 100 | 400 | 1,4 дня | 20 дней |
(5м-баров в сутках 288, в году 105 120 — арифметика проверена. «дней» — календарных дней, соответствующих такому числу баров; при меньшем числе сделок на бар календарное время растёт пропорционально.)
**Порог безубыточности по точности (проверено скриптом по формуле README):**
| Цель / Стоп | p\* тейкер (0,11%) | p\* мейкер (0,04%) |
|---|---|---|
| 0,2% / 0,2% | **0,7750** | 0,6000 |
| 0,5% / 0,3% | **0,7625** | 0,6750 |
| 1,0% / 0,5% | **0,7400** | 0,6933 |
**Сколько «точности» нужно на 5м при нашей волатильности (наш расчёт):** при барьере +степени уверенности, что модель угадывает направление следующего 5м-движения со средней амплитудой 22,8 б.п. в одну сторону, валовое матожидание = (2p−1)·22,8 б.п.:
| accuracy | валовый доход/сделку | минус 11 б.п. |
|---|---|---|
| 0,55 | 2,28 б.п. | −8,72 б.п. |
| 0,60 | 4,56 б.п. | −6,44 б.п. |
| 0,65 | 6,84 б.п. | −4,16 б.п. |
| **0,73** | **10,49 б.п.** | **−0,51 б.п.** |
| 0,775 | 12,54 б.п. | +1,54 б.п. |
Вывод, который надо держать в голове при чтении любых ML-статей про 5м: **публикуемые точности 0,52–0,73 (Bybit LOB, 100мс–1с) на 5м и при издержках 11 б.п. на круг по-прежнему убыточны**. Чтобы появилась положительная экономика, нужна либо точность ≥ ~0,78 при симметричных барьерах, либо **асимметричные барьеры** (0,5%/0,3% → p\* = 0,7625) + отбор сделок по величине прогноза (cost-aware фильтр из 2606.00060) — то есть малое число сделок с большим матожиданием.
---
## 5. Свежие отрицательные результаты: «методологии незрелы для live»
1. **Прямая цитата.** TLOB (Berti & Kasneci, arXiv 2502.15757, Limitations): методологии «**недостаточно зрелы для практического применения в live-торговых средах**»; главный барьер — порог разметки, привязанный к издержкам.
2. **Сигнал не равен сделке.** Briola et al. (2403.09267): высокая прогнозная сила не соответствует исполнимому торговому сигналу; торговые симуляции авторы **вообще не включили** в свою работу.
3. **Издержки обнуляют всё наивное.** 2606.00060: целые группы ML-моделей превращаются из +73…+182% годовых в −50…−99% при 10 б.п. — то есть при затратах, меньших, чем наши 11 б.п. на круг.
4. **Валовое ≠ чистое на нашем горизонте.** MDPI 2026: валовый +35,97% на 2025 OOS (Sharpe 0,14) → «negligible» после round-trip комиссий; AUC 0,60 недостаточен.
5. **Метрики предсказуемости не переносятся.** Bybit-исследование: 0,73 точности на 1с — но это **один торговый день** и без издержек; никакой оценки устойчивости нет (авторы сами это пишут).
6. **Поток заявок не универсален.** Jeon (2607.09230): на **BTC** добавка потока заявок поверх состояния L2 не установлена на 1м и 5м; для ETH — есть. То есть «OFI всегда работает» — отвергнуто.
7. **Мейкер — не бесплатный ланч.** Bieganowski & Ślepaczuk (2602.00776): мейкер-стратегия «катастрофически» потеряла на флешкрэше 10.10.2025 из-за adverse selection, тогда как тейкер-версия устояла. Это аргумент против «просто перейдём на мейкера, у него 4 б.п.» как способа спасти 5м-стратегию.
8. **Бэктест плохо предсказывает live.** Wiecki et al. (2016, 888 стратегий, минутные данные, издержки учтены): R² IS→OOS по SR = 0,01–0,02; более интенсивный бэктест = больший разрыв.
9. **Сложные модели не помогают, а латентность вредит.** 2506.05764 (проигрыш DL 1–2% простым моделям и явный аргумент про латентность), 2007.07319 (MLP ≥ CNN-LSTM).
10. **Публикационный сдвиг.** 2602.10785: типичная ошибка — «повторные оптимизации на данных, названных out-of-sample, либо полное отсутствие OOS»; в их собственном тесте стратегия совершила **одну** сделку за 21 месяц.
---
## 6. Что это значит для наших данных (синтез)
* **Мы в самом плохом, но не безнадёжном месте.** Наш горизонт (5м) — там, где издержки 11 б.п. сравнимы с самим движением (22,8 б.п.). Все найденные работы, где ML «побеждал», либо (а) торговали реже/крупнее (часовой горизонт, 2606.00060), либо (б) использовали cost-aware фильтр, который делает то же самое — резко сокращает число сделок, либо (в) сравнивались с buy&hold в трендовом бычьем периоде (2503.18096, 2511.00665).
* **Ни одной проверяемой работы с положительной экономикой на 1–15м с издержками ≥10 б.п. я не нашёл.** Максимум: 2606.00060 (1 час, cost-aware, «SR > 1» без статистической значимости против buy&hold), Financial Innovation 2025 (трипл-барьер, «положительно после издержек», но уровень издержек не подтверждён) и 2503.18096 (5м Informer + GMADL, 20 б.п. на круг, но бенчмарк — B&H). Это надо считать **отрицательным результатом литературы**, а не отсутствием поиска.
* **Направление поиска, которое литература поддерживает:** не «предсказать следующий 5м-бар», а (1) предсказать **волатильность/режим** (это работает: Lensky & Hao; Easley et al.; Jeon — состояние L2 — первый порядок), (2) применить это к **сайзингу и отбору** сделок, (3) размечать цели так, чтобы p\* ≤ 0,76, (4) отсеивать сделки фильтром «\|прогноз\| > k·издержки».
* **Обязательный минимум протокола:** журнал испытаний (N), purged/embargo CV + настоящий OOS, paired block bootstrap на разностях, DSR/haircut, cost-sensitivity (как 2602.10785: точка безубыточности по комиссии) и плацебо-контроль (сдвинутая фаза баров — как placebo phase shift в 2607.09426).
---
## 7. Что не подтвердилось (опровергнутое — не предлагать повторно)
| Утверждение | Чем опровергается |
|---|---|
| «Больше слоёв/сложнее DL → лучше на LOB» | 2506.05764 (XGBoost/логрег ≥ DeepLOB на 1–2%; доп. Conv-слой не дал прироста), 2007.07319 (MLP ≥ CNN-LSTM), TLOB (MLP-модель обыгрывает SOTA-трансформеры) |
| «OFI даёт торговый сигнал на 5м» (как есть) | R² 65% (Cont et al.) и 86% (Su et al.) — **одновременные** регрессии; Jeon: на BTC добавка потока сверх состояния L2 не установлена на 1м/5м |
| «Kalman/деноизинг улучшает сигнал» | 2506.05764: Kalman местами **хуже сырых данных**; устойчиво помогает только Savitzky–Golay |
| «Информационные бары всегда лучше календарных» | 2608.26158: преимущество зависит от типа бара; Ljung-Box отвергается на всех сериях; календарные бары — конкурентная база |
| «ROC-AUC 0,8+ достижим на минутных крипто-фичах» | MDPI 2026: AUC 0,57–0,61 при корректном выравнивании; значения выше — следствие look-ahead (завышение ~0,20) |
| «Мультитаймфрейм сам по себе даёт альфу» | MDPI 2026: валовый +35,97%, Sharpe 0,14 → после издержек negligible |
| «High-frequency ML на крипте прибылен после комиссий» (общее утверждение) | 2606.00060: −50…−99% годовых при 10 б.п. у наивных правил; Wiecki et al.: OOS ≈ неузнаваем |
| «Можно заменить тейкера мейкером и всё сойдётся» | 2602.00776: мейкер уничтожен на флешкрэше 10.10.2025 (adverse selection) |
| «Bootstrap/holdout докажет значимость» | Bailey–LdP: holdout не контролирует множественное тестирование (при 20 применениях ложноположительный — ожидаемое событие); Harvey–Liu: haircut нелинейный |
| «Асимметрия/куртозис предсказуемы» | Easley et al.: skewness AUC = 0,50 |
---
## 8. Десять ML-конструкций для проверки на наших данных (с экономикой после издержек)
1. **Cost-aware фильтр исполнения поверх существующих правил (OU-возврат, CLV+объём, sweep, breakout).** Основание: 2606.00060; фильтр «вход только если \|прогноз\| > k · издержки» сократил оборот >10× и вернул положительную net-доходность. Экономика: требуем \|прогноз\| ≥ 25 б.п. при барьерах 0,5%/0,3% (p\* = 0,7625); ожидаемый оборот ≤ 3–5 сделок/сутки на пару; kill-критерий: net edge ≤ 0 после 11 б.п.
2. **Meta-labeling (вторичная модель «брать/пропустить») поверх наших 4 правил.** Первичное правило даёт кандидатов, ML-модель на фичах бара решает, брать ли; метка = исход трипл-барьера. Экономика: цель — поднять precision кандидатов с ~0,5 до ≥ 0,76 при сохранении ≥ 100 сделок на выборке (иначе нет значимости — §4).
3. **Triple-barrier с барьерами, привязанными к издержкам, и вертикальным барьером 12 баров (1 час).** Основание: Financial Innovation 2025 (CUSUM + triple barrier ≻ next-bar), TLOB (порог по спреду). Экономика: 0,5%/0,3% → p\* = 0,7625; 1,0%/0,5% → 0,74; избегать 0,2%/0,2% (p\* = 0,775) и мейкер-надёжды (см. adverse selection).
4. **State-first модель: сначала режим (calm/mixed/stressed по спреду, диапазону, объёму), потом знак.** Основание: Jeon (грубое пред-состояние — первый порядок; логиты хуже базы). Тест на нашей корзине: требует улучшения над режимной базой; для BTC ожидание — **не установлено** (отрицательный контроль). Экономика: если добавка < издержек круга на сделку (11 б.п.), конструкция закрывается.
5. **Clock-phase фичи (минута часа).** Основание: Kim & Hansen — предсказуемость на границах; тест: автокорреляция 5м-доходностей по фазе + плацебо-сдвиг фазы. Экономика: торговать только бары :00/:15/:30/:45, где спред-adjusted цель ≥ 3× издержек; ожидаемый эффект — 3–5 б.п., что **ниже** 11 б.п. → рассматривать лишь как контекст для отбора, не как самостоятельный вход.
6. **Информационные бары (CUSUM / volume / dollar / range) вместо чистых 5м.** Основание: Financial Innovation 2025 (выигрыш у time bars) против 2608.26158 (эффект зависит от типа бара). Экономика: главный рычаг — **сделок в час**; критерий — net edge на сделку при том же 11 б.п.; если бар просто увеличивает среднее движение до ≥ 2× издержек без потери частоты — это и есть искомое.
7. **Запаздывающий OFI-прокси (tick-rule signed volume + CLV) и измерение затухания.** Основание: Cont 65% R² (одновременно) → Su 86% на 5м; trade-based imbalance причинно согласован лучше книжного (2507.22712). Тест: регрессия доходности на OFI-прокси с лагами 1–12 баров; ожидание — R²_прогноз ≤ 1–2% (как Kim & Hansen), т.е. **заранее ожидать отрицательный результат**; положительный сюрприз = повод заказать L2-данные.
8. **GMADL/turnover-penalized лосс вместо MSE.** Основание: 2412.18405 (параметризация штрафа за частоту торговли) + 2503.18096 (GMADL выигрывает на 5м, RMSE деградирует с ростом частоты). Экономика: сравнивать не RMSE, а net-доходность при 11 б.п. и число сделок; ожидаемая выгода — через сокращение сделок «на грани».
9. **Прогноз волатильности как слой сайзинга (vol targeting), а не вход.** Основание: Lensky & Hao (RV на 60с), Easley et al. (знаки изменений RV предсказуемы). Экономика: не добавляет сделок → не платит 11 б.п. лишний раз; выигрыш оценивать через Sharpe/MDD и оборачиваемость, а не через средний доход на сделку.
10. **Мультитаймфреймовые стеки (5м + 15м/1ч контекст) с честным выравниванием.** Основание: MDPI 2026 (средние ТФ дают основной вклад; наивное выравнивание завышает AUC на ~0,20). Экономика: проверять разницу «правильное выравнивание vs неправильное» как меру утечки; конструкция допускается к деньгам только если net edge после 11 б.п. остаётся положительным на настоящем OOS (последние 6 мес. + period 2022 bear, как в 2606.00060).
**Общий гейт для всех десяти:** журнал N испытаний → DSR (Bailey–LdP) → MinBTL (≤45 вариаций на 5 лет данных) → paired block bootstrap на разницах с Holm → cost-sensitivity с точкой безубыточности → плацебо (сдвиг фазы/перестановка меток). Ни одна конструкция не идёт в стенд без net-экономики на **настоящем** OOS.
directions/orderflow-microstructure.json
+534
View File
@@ -0,0 +1,534 @@
[
{
"title": "The Price Impact of Order Flow Events",
"authors": "Rama Cont, Arseniy Kukanov, Sasha Stoikov",
"year": 2014,
"url": "https://arxiv.org/abs/1011.6402",
"doi": "10.1093/jjfinec/nbt003",
"horizon": "Δt = 10 секунд (робастность 10 апдейтов … 10 минут)",
"data": "NYSE TAQ, 50 акций США, 21 торговый день апреля 2010",
"costs_assumed": "Издержки не моделируются (объясняющая регрессия, не стратегия)",
"key_numbers": "OFI объясняет изменения мид-цены со средним R²=65%; trade imbalance — R²=32%; при совместном включении t-стат TI падает в 4 раза (TI значим лишь в 31% подвыборок)",
"verdict": "Фундамент: цену на секундах–минутах двигает весь поток заявок (лимиты+маркеты+отмены). Доступный нам OHLCV-прокси ближе к trade imbalance, т.е. заведомо слабее (32% vs 65%). Полный текст читался (arXiv PDF).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Deep Order Flow Imbalance: Extracting Alpha at Multiple Horizons from the Limit Order Book",
"authors": "Petter N. Kolm, Jeremy Turiel, Nicholas Westray",
"year": 2023,
"url": "https://onlinelibrary.wiley.com/doi/abs/10.1111/mafi.12413",
"doi": "10.1111/mafi.12413",
"horizon": "Мультигоризонт; эффективный горизонт ≈ 2 средних изменения цены",
"data": "LOBSTER, 115 акций Nasdaq, максимальная гранулярность стакана",
"costs_assumed": "В доступной части (аннотация, SSRN-страница) PnL, Sharpe и описание издержек ОТСУТСТВУЮТ",
"key_numbers": "Модели на стационарных OFI-фичах превосходят модели на «сырых» стаканах; «information-rich» акции предсказуемее",
"verdict": "Полный текст за пейволом Wiley (читалась только аннотация + SSRN-страница), цифр прибыльности нет — сопоставить с нашими 0,11% невозможно. Ключевой рецепт (OFI вместо сырого стакана) подтверждён.",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "The Price Impact of Generalized Order Flow Imbalance",
"authors": "Yuhan Su, Zeyu Sun, Jiarong Li, Xianghui Yuan",
"year": 2021,
"url": "https://arxiv.org/abs/2112.02947",
"doi": null,
"horizon": "30 с, 1 мин, 5 мин",
"data": "CSI 500, 10 акций, снапшоты ордербука",
"costs_assumed": "Издержки не моделируются",
"key_numbers": "Out-of-sample R² объяснения изменения цены: OFI 32,89% / 38,13% / 42,57% (30с/1м/5м) → log-GOFI 83,57% / 85,37% / 86,01%",
"verdict": "На 5-минутном горизонте OFI-семейство почти механически объясняет цену, но это CONTEMPORANEOUS-связь, а не прогноз. Как торговое правило бесполезно; как требование «сначала убери синхронную механику» — обязательно. Полный текст читался (arXiv PDF).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Cross-impact of order flow imbalance in equity markets",
"authors": "Rama Cont, Mihai Cucuringu, Chao Zhang",
"year": 2023,
"url": "https://doi.org/10.1080/14697688.2023.2236159",
"doi": "10.1080/14697688.2023.2236159",
"horizon": "Внутридневной (кросс-инструментальный)",
"data": "не читалось",
"costs_assumed": "не проверено (нет доступа к тексту)",
"key_numbers": "не проверено",
"verdict": "Только метаданные проверены в Crossref (год, том, страницы). Включено как ориентир для направления xs-short-horizon; цифры не приводим.",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Order flow analysis of cryptocurrency markets",
"authors": "Eduard Silantyev",
"year": 2019,
"url": "https://link.springer.com/article/10.1007/s42521-019-00007-w",
"doi": "10.1007/s42521-019-00007-w",
"horizon": "Внутридневной",
"data": "крипто (стакан/сделки)",
"costs_assumed": "неизвестно — текст недоступен",
"key_numbers": "цифры извлечь не удалось",
"verdict": "Доступа к полному тексту нет (Springer отдаёт только вводную часть, PDF недоступен). Согласно README п.4 — цифр не выдумываем. Считается первой работой по OFI в крипте.",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Order Flow and Cryptocurrency Returns",
"authors": "Alexia Anastasopoulos, Nikola Gradojevic, Fred Liu, Alex Maynard, Ilias Tsiakas",
"year": 2024,
"url": "http://www.efmaefm.org/0EFMAMEETINGS/EFMA%20ANNUAL%20MEETINGS/2025-Greece/papers/OrderFlowpaper.pdf",
"doi": null,
"horizon": "Дневной и недельный (не 5 минут)",
"data": "Кросс-секция криптовалют; «мировой» поток заявок в 11 валютах",
"costs_assumed": "Явно: break-even transaction cost (BETC); long-only BETC 1,02% в день, long-short 0,48% в день",
"key_numbers": "Contemporaneous R² 11,0% (день) / 19,9% (неделя); предиктивный R² 1,3% / 3,1%; long-short недельный 1,61%/нед (t=2,13, Sharpe 1,68); ML long-only α 0,81%/день (t=2,99, Sharpe 1,88)",
"verdict": "Единственная найденная работа по OFI в крипте с честным BETC. Наш круг 11 б.п. = 9,3% от их BETC → сигнал выживает на дневном обороте, но не на 5-минутном. Полный текст читался (PDF EFMA).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Microstructure and Market Dynamics in Crypto Markets",
"authors": "David Easley, Maureen O'Hara",
"year": 2024,
"url": "https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4814346",
"doi": null,
"horizon": "Внутридневной (для маркет-мейкинга, хеджа, оценки волатильности)",
"data": "5 крупных криптовалют; Roll-мера и VPIN",
"costs_assumed": "не указано в доступной части",
"key_numbers": "Микроструктурные метрики ликвидности и price discovery обладают предсказательной силой для MM/хеджа/волатильности; устойчивые own- и cross-market эффекты для BTC и ETH, включая крипто-зиму",
"verdict": "Читалась только аннотация (SSRN-страница; PDF Cornell не отдался по тайм-ауту). Цифр нет. Направление «VPIN → волатильность/MM», а не «→ знак доходности на 5 мин».",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "The Quarter-Hour Effect: Periodic Algorithmic Trading and Return Predictability in Cryptocurrency Futures",
"authors": "Chan Kim, Peter Reinhard Hansen",
"year": 2026,
"url": "https://arxiv.org/abs/2607.09426",
"doi": null,
"horizon": "10-секундные окна; границы 1/5/15 минут; предиктивный горизонт imbalance 4–12 часов",
"data": "Tick-данные сделок, 6 перпетуалов Binance (BTC, ETH, XRP, SOL, DOGE, ADA), 01.01.2021–31.10.2024",
"costs_assumed": "Явно: taker Binance 5,0 б.п., maker 2,0 б.п.; авторы сознательно ОТКАЗЫВАЮТСЯ считать нетто-стратегию",
"key_numbers": "R²_OOS открывающей 10-сек доходности: лаг-модель 2,464%, лаг+TI28 3,37%; AUC 0,6011; точность 57,12%; валовые 0,375–0,775 б.п. на сделку (среднее 0,510 б.п.) — «≈1/10 одной тейкер-комиссии»",
"verdict": "Главный источник по 5-мин теме. Предсказуемость на границах реальна, но валовый эдж 0,51 б.п. против нашего круга 11 б.п. → net ≈ −10,5 б.п./сделку (мейкер: −3,5 б.п.). Годится для тайминга исполнения, не как тейкер-стратегия. Полный текст читался (arXiv HTML/PDF).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Short-horizon mean reversion in cryptocurrency markets: a matched cross-market measurement",
"authors": "Nadav A. Kitron, Jonathan M. Wengrowicz",
"year": 2026,
"url": "https://arxiv.org/abs/2608.21888",
"doi": null,
"horizon": "15 минут (основной), 1 час, 4 часа, ОТДЕЛЬНО 5 минут",
"data": "183 пары Binance USDT (свечи), 2025-01-01…2026-02-11; контроль — 187 акций/ETF США; 5 лет фокус-панели",
"costs_assumed": "Явно: круговые полосы издержек ≈5 б.п. (мейкер) и 10–20 б.п. (тейкер) спот",
"key_numbers": "90% из 183 пар — значимый OOS-разворот на 15 мин (у акций 2,7%); AUC крипто 0,536/0,521/0,496 на 15м/1ч/4ч; валовая прибыль на сделку ≈1,3 б.п. (15 мин) и 0,15 б.п. на 5-мин барах; медиана 0,46 б.п.; ни одна пара не пробивает 5-б.п. мейкер-полосу",
"verdict": "Прямой ответ для 5 минут: эдж сжимается с ростом частоты (1,3 → 0,15 б.п.) → net −10,9 б.п. (тейкер) / −3,9 б.п. (мейкер). Механика «возврат после агрессивного тейкер-потока, глубина стакана не значит ничего» — лучший кандидат для OHLCV-прокси. Полный текст читался.",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Explainable Patterns in Cryptocurrency Microstructure",
"authors": "Bartosz Bieganowski, Robert Ślepaczuk",
"year": 2026,
"url": "https://arxiv.org/abs/2602.00776",
"doi": null,
"horizon": "Цель — 3-секундная доходность мид-цены (не 5 минут); удержание по событиям",
"data": "Binance USDT-перпетуалы, стакан+trades, 1 с, BTC/LTC/ETC/ENJ/ROSE, 01.01.2022–12.10.2025",
"costs_assumed": "«fee adjusted returns using taker fee», но ЧИСЛЕННОЕ значение комиссии в работе не указано; задержка не моделируется (результат — верхняя оценка)",
"key_numbers": "Тейкер-IR: BTC 0,25 · ENJ 6,58 · ETC 8,97 · LTC 0,07 · ROSE 5,28; значимы (t-тест) только ETC/ENJ/ROSE (ROSE — в основном из-за флеш-крэша 10.10.2025); мейкер — ни одна p-value < 0,05; SHAP: OFI главная фича, широкий спред → предсказуемость падает",
"verdict": "Значимость только на альткоинах и на 3-секундном горизонте, часть PnL событийная. Значение комиссии не указано → сопоставление с нашими 11 б.п. по цифрам работы невозможно. Ценно: фильтр по спреду. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Deep Learning for Digital Asset Limit Order Books",
"authors": "Rakshit Jha, Mattijs De Paepe, Samuel Holt, James West, Shaun Ng",
"year": 2020,
"url": "https://arxiv.org/abs/2010.01241",
"doi": null,
"horizon": "2 секунды (предсказуемость держится «до минуты»)",
"data": "Coinbase BTC-USD, L2 стакан",
"costs_assumed": "Издержки и PnL не рассматриваются",
"key_numbers": "Walk-forward точность 71% (down 61%, up 66%, stable 73%); precision направленных классов 0,40–0,42",
"verdict": "71% — точность по трём классам, а не эдж: precision 0,40 означает, что направленные сигналы чаще неверны. PnL/издержки не считались. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Ascertaining price formation in cryptocurrency markets with DeepLearning",
"authors": "Fan Fang, Waichung Chung, Carmine Ventre, Michail Basios, Leslie Kanthan, Lingbo Li, Fan Wu",
"year": 2020,
"url": "https://arxiv.org/abs/2003.00803",
"doi": null,
"horizon": "1 минута (живые данные 2018)",
"data": "BTC-USD, LOB, живые 1-мин данные",
"costs_assumed": "Комиссия используется как порог разметки: движения меньше комиссии попадают в «buffer area» (нейтрально); PnL не считается",
"key_numbers": "78% точности бинарного направления движения мид-цены; в live качество «медленно сползает почти к случайному угадыванию», нужен walk-forward отбор",
"verdict": "Полезен методологически (лейблинг «только движения выше комиссии»). Сама заявка 78% не подтверждается как экономика. Полный текст читался (arXiv PDF).",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Trading in the Sunshine or in the Shade: Market Impact and Adverse Selection on Hyperliquid",
"authors": "Davide Barone, Fabrizio Lillo",
"year": 2026,
"url": "https://arxiv.org/abs/2606.15715",
"doi": null,
"horizon": "Метаордера (минуты–часы)",
"data": "Hyperliquid (on-chain стакан перпетуалов): 4,3 млн скрытых метаордеров + 465 тыс. TWAP",
"costs_assumed": "Явно: издержки через временнóе влияние в базисных пунктах",
"key_numbers": "Видимые TWAP: ≈9 б.п. меньший временный импакт; ≈5 б.п. меньший пост-исполнительный сдвиг; скрытые ордера в сторону видимого потока платят +0,8–0,9 б.п. за каждые 10 п.п. доминирования видимой стороны; глубина растёт во время TWAP",
"verdict": "Единственная найденная крипто-работа, измеряющая издержки/неблагоприятный отбор в б.п. на перпетуалах: масштаб 1–9 б.п. сопоставим с нашим кругом 11 б.п. → тайминг и видимость ордера стоят столько же, сколько средний сигнал из литературы. Полный текст читался (arXiv HTML).",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Temporal mixture ensemble models for intraday volume forecasting in cryptocurrency exchange markets",
"authors": "Nino Antulov-Fantulin, Tian Guo, Fabrizio Lillo",
"year": 2020,
"url": "https://arxiv.org/abs/2005.09356",
"doi": null,
"horizon": "1 / 5 / 10 минут",
"data": "Bitfinex и Bitstamp, фичи стакана и сделок (2 рынка)",
"costs_assumed": "нет (прогноз объёма, не PnL)",
"key_numbers": "Ансамбль TME и ML превосходят эконометрические модели при прогнозе объёма на 1/5/10 мин",
"verdict": "Подтверждает: на 5 мин прогнозируется АКТИВНОСТЬ (объём), а не знак доходности. Полный текст читался (arXiv PDF).",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Rise of the Machines? Intraday High-Frequency Trading Patterns of Cryptocurrencies",
"authors": "Alla A. Petukhina, Raphael C. G. Reule, Wolfgang Karl Härdle",
"year": 2020,
"url": "https://arxiv.org/abs/2009.04200",
"doi": null,
"horizon": "Внутридневная периодичность",
"data": "крипто (CRIX), высокочастотные данные",
"costs_assumed": "нет",
"key_numbers": "Внутридневные паттерны волатильности/объёма, связанные с алгоритмической торговлей",
"verdict": "Описательная база по периодичности; торговых выводов и издержек нет. Полный текст читался (arXiv PDF).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Periodicity in Cryptocurrency Volatility and Liquidity",
"authors": "Peter Reinhard Hansen, Chan Kim, Wade Kimbrough",
"year": 2024,
"url": "https://doi.org/10.1093/jjfinec/nbac034",
"doi": "10.1093/jjfinec/nbac034",
"horizon": "Внутричасовые регулярности (в т.ч. 5-минутные отметки)",
"data": "BTC и ETH; Coinbase Pro, Binance, Uniswap V2",
"costs_assumed": "нет",
"key_numbers": "Систематические паттерны волатильности и объёма по дню недели, часу суток и внутри часа; со временем усиливаются; price formation в основном на CEX",
"verdict": "Первоисточник «календарной» периодичности: волатильность и объём НЕстационарны по фазе часа → бэктест на 5м обязан это учитывать. Метаданные и аннотация проверены (Crossref); полный текст не читался.",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Anomaly detection in European cryptocurrency exchange-traded products",
"authors": "Julia Kończal, Rafał Połoczański",
"year": 2026,
"url": "https://arxiv.org/abs/2608.09576",
"doi": null,
"horizon": "1-минутные бары, прогноз на 1 бар вперёд",
"data": "4 BTC/ETH ETP на Xetra и Nasdaq Stockholm, 01.2024–12.2025",
"costs_assumed": "В аннотации издержки не заявлены",
"key_numbers": "Аномалий <1% баров; в аномальных барах выше эффективный спред и сильнее дисбаланс потока заявок; 4 классификатора предсказывают аномалию на бар вперёд с AUC до 0,82; важнее всего краткосрочная волатильность и просадка, а не микроструктурные переменные",
"verdict": "Предсказываются лучше АНОМАЛЬНЫЕ бары (волатильность/риск), а не направление. Поддерживает правило «5-мин модель → размер позиции и стопы». Полный текст читался (arXiv HTML).",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Decomposing cryptocurrency high-frequency price dynamics into recurring and noisy components",
"authors": "Marcin Wątorek, Maria Skupień, Jarosław Kwapień, Stanisław Drożdż",
"year": 2023,
"url": "https://arxiv.org/abs/2306.17095",
"doi": null,
"horizon": "10 секунд",
"data": "BTC, ETH, DOGE, WINkLink; 01.2020–12.2022",
"costs_assumed": "нет",
"key_numbers": "Динамика делится на рекуррентную (детерминированную) и шумовую компоненты; направление преимущественно в шумовой части",
"verdict": "Формализует «где тонет сигнал»: у доходности есть моделируемый периодический каркас и шумовая часть для направления. Полный текст читался (arXiv PDF).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Boosting Bitcoin Minute Trend Prediction Using The Separation Index",
"authors": "Zeinab Shahsafdari, Ahmad Kalhor",
"year": 2024,
"url": "https://arxiv.org/abs/2406.17083",
"doi": null,
"horizon": "1 минута",
"data": "BTC, минутные данные",
"costs_assumed": "нет",
"key_numbers": "Заявляется «unprecedented accuracy» для минутного тренда через отбор информативных наблюдений; численных OOS-метрик в проверяемом виде нет",
"verdict": "НЕ подтверждается: нет строгого out-of-sample протокола, нет PnL, нет издержек; заявка несовместима с нашим порогом 77,5%. В список правил не берём. Полный текст читался (arXiv PDF).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "The Red Queen's Trap: Limits of Deep Evolution in High-Frequency Trading",
"authors": "Yijia Chen",
"year": 2025,
"url": "https://arxiv.org/abs/2512.15732",
"doi": null,
"horizon": "Высокочастотный (крипто)",
"data": "Крипто, HFT-среда, 500 автономных агентов (DRL + эволюция)",
"costs_assumed": "Явно: раздел «Friction Barrier», EV = W·(R·Risk) − (1−W)·Risk − C_trans",
"key_numbers": "Валидационный APY >300%, live-просадка капитала >70%; «Cost-Blind Hallucination»: агенты показывают положительный PnL, а эквити падает",
"verdict": "Сильнейший найденный отрицательный результат: «математическая невозможность HFT-скальпинга при данной структуре издержек». Согласуется с нашими порогами. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "DeepLOB: Deep Convolutional Neural Networks for Limit Order Books",
"authors": "Zihao Zhang, Stefan Zohren, Stephen Roberts",
"year": 2019,
"url": "https://arxiv.org/abs/1808.03668",
"doi": null,
"horizon": "k = 10/20/50/100 апдейтов стакана",
"data": "FI-2010 (учебный датасет) + LSE: LLOY, BARC, TSCO, BT, VOD, 03.01.2017–24.12.2017, 10 уровней",
"costs_assumed": "ЯВНО: сделки по мид-цене и «gross profits before fees»",
"key_numbers": "FI-2010 (k=10): accuracy 78,91%, F1 78,47%; LSE: F1 70,17 / 63,49 / 60,65 при k=20/50/100; «чем длиннее горизонт, тем хуже точность, но выше накопленная прибыль»",
"verdict": "Классический бенчмарк, но прибыль измерена по мид-цене и без комиссий, т.е. не переносима на наши 11 б.п. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Deep Limit Order Book Forecasting: A microstructural guide (LOBFrame)",
"authors": "Antonio Briola, Silvia Bartolucci, Tomaso Aste",
"year": 2024,
"url": "https://arxiv.org/abs/2403.09267",
"doi": null,
"horizon": "H10 / H50 / H100 апдейтов стакана",
"data": "15 акций Nasdaq (small/medium/large tick), 2017–2019, LOB",
"costs_assumed": "Издержки не моделируются; отдельный раздел про практическую применимость прогнозов",
"key_numbers": "F1 > 0,45 без порогов и > 0,7 с порогами (large-tick); accuracy > 0,7 / > 0,9; прямая формулировка: «высокие значения традиционных ML-метрик не обязательно транслируются в действенные торговые сигналы»",
"verdict": "Ключевое предупреждение раздела: F1 ≠ деньги. Large-tick предсказуемее по механике тика, а не по альфе. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "HLOB — Information Persistence and Structure in Limit Order Books",
"authors": "Antonio Briola, Silvia Bartolucci, Tomaso Aste",
"year": 2024,
"url": "https://arxiv.org/abs/2405.18938",
"doi": null,
"horizon": "H10 (также H50/H100)",
"data": "15 акций Nasdaq, 3 года",
"costs_assumed": "Издержки не моделируются",
"key_numbers": "F1 лучших моделей 0,31–0,43; MCC 0,05–0,17; вероятность корректно закрыть круговую сделку p_T = 0,03–0,06",
"verdict": "Самая жёсткая цифра раздела: у лучших LOB-моделей шанс «сделать полный круг в плюс» — единицы процентов. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Deep Learning modelling of the Limit Order Book: a comparative perspective",
"authors": "Antonio Briola, Jeremy Turiel, Tomaso Aste",
"year": 2020,
"url": "https://arxiv.org/abs/2007.07319",
"doi": null,
"horizon": "Внутридневной",
"data": "LOBSTER (ATVI и др.)",
"costs_assumed": "нет",
"key_numbers": "Архитектуры (MLP, LSTM, self-attention LSTM, CNN-LSTM) кластеризуются по поведению и неразличимы по качеству; naive/random модели как база",
"verdict": "«Что не работает»: рост сложности модели не даёт прироста над простыми решениями. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Extending Deep Learning Models for Limit Order Books to Quantile Regression",
"authors": "Zihao Zhang, Stefan Zohren, Stephen Roberts",
"year": 2019,
"url": "https://arxiv.org/abs/1906.04404",
"doi": null,
"horizon": "k = 100 шагов",
"data": "LSE, миллионы апдейтов стакана",
"costs_assumed": "нет",
"key_numbers": "Одновременное моделирование 6 квантилей (для long и short) + комбинация прогнозов даёт устойчивость",
"verdict": "Полезно для разметки и риск-контроля; экономики после издержек нет. Полный текст читался (arXiv HTML).",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "The Short-Term Predictability of Returns in Order Book Markets: a Deep Learning Perspective",
"authors": "Lorenzo Lucchese, Mikko S. Pakkanen, Almut E. D. Veraart",
"year": 2022,
"url": "https://arxiv.org/abs/2211.13777",
"doi": null,
"horizon": "1–300 апдейтов стакана",
"data": "LOBSTER (ATVI и др.), L1/L2/L3-представления",
"costs_assumed": "нет",
"key_numbers": "Предсказуемость держится до 50–300 апдейтов вперёд; представление данных (L1 vs L2 vs L3, объём) важнее архитектуры модели",
"verdict": "«Дальнобойность» эджа измеряется в апдейтах стакана — в минутах это секунды–десятки секунд. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Multi-Horizon Forecasting for Limit Order Books: Novel Deep Learning Approaches and Hardware Acceleration",
"authors": "Zihao Zhang, Stefan Zohren",
"year": 2021,
"url": "https://arxiv.org/abs/2105.10430",
"doi": null,
"horizon": "k = 10…100",
"data": "FI-2010 / LSE",
"costs_assumed": "нет",
"key_numbers": "seq2seq + attention превосходят одногоризонтные модели на k=100",
"verdict": "Метод; торговых цифр и издержек нет. Полный текст читался (arXiv HTML).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "An Efficient deep learning model to Predict Stock Price Movement Based on Limit Order Book",
"authors": "Jiahao Yang, Ran Fang, Ming Zhang, Jun Zhou",
"year": 2025,
"url": "https://arxiv.org/abs/2505.22678",
"doi": null,
"horizon": "Малый горизонт прогноза",
"data": "A-share рынок + LOBSTER; сырой стакан и OFI-фичи",
"costs_assumed": "нет",
"key_numbers": "Siamese-подход улучшает сильные бейзлайны в >75% случаев (кроме MLP)",
"verdict": "Подтверждает рецепт «OFI-фичи + сильный бейзлайн»; PnL и издержки отсутствуют. Полный текст читался (arXiv PDF).",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "BDLOB: Bayesian Deep Convolutional Neural Networks for Limit Order Books",
"authors": "Zihao Zhang, Stefan Zohren, Stephen Roberts",
"year": 2018,
"url": "https://arxiv.org/abs/1811.10041",
"doi": null,
"horizon": "k апдейтов стакана",
"data": "LOB",
"costs_assumed": "нет",
"key_numbers": "Dropout-инференс даёт оценку неопределённости, корректирующую предсказания",
"verdict": "Механизм «не торговать при высокой неопределённости» — полезен как фильтр (R6). Читалась только аннотация arXiv.",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Deep Learning for Limit Order Books (spatial neural network)",
"authors": "Justin Sirignano",
"year": 2016,
"url": "https://arxiv.org/abs/1601.01987",
"doi": null,
"horizon": "Секунды–минуты",
"data": "Большие массивы LOB",
"costs_assumed": "нет",
"key_numbers": "Универсальные пространственно-временные зависимости LOB across assets",
"verdict": "Методологическая основа «универсальных» LOB-фич. Читалась только аннотация arXiv.",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Deep Reinforcement Learning in Cryptocurrency Market Making",
"authors": "Jonathan Sadighian",
"year": 2019,
"url": "https://arxiv.org/abs/1911.08647",
"doi": null,
"horizon": "Внутридневной",
"data": "крипто-биржи, LOB и поток заявок в наблюдении агента",
"costs_assumed": "нет",
"key_numbers": "PPO/DDPG; награда в виде Sharpe обучает лучше, чем PnL-награда",
"verdict": "Практический рецепт для RL: риск-метрика в функции награды. Полный текст читался (arXiv PDF).",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Limit Order Book Simulation and Trade Evaluation with K-Nearest-Neighbor Resampling",
"authors": "Michael Giegrich, Roel Oomen, Christoph Reisinger",
"year": 2024,
"url": "https://arxiv.org/abs/2409.06514",
"doi": null,
"horizon": "—",
"data": "Исторические LOB-данные",
"costs_assumed": "Да: off-policy оценка стратегий с учётом исполнения",
"key_numbers": "K-NN ресемплинг для симуляции стакана и калибровки стратегий",
"verdict": "Единственный найденный инструмент честной оценки стратегий без живых денег; кандидат в направление costs-and-execution. Читалась только аннотация arXiv.",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Flow Toxicity and Liquidity in a High-frequency World (VPIN)",
"authors": "David Easley, Marcos M. López de Prado, Maureen O'Hara",
"year": 2012,
"url": "https://academic.oup.com/rfs/article-abstract/25/5/1457/1569929",
"doi": "10.1093/rfs/hhs053",
"horizon": "Объёмные «корзины» сделок",
"data": "Фьючерсы CME, тиковые данные",
"costs_assumed": "нет",
"key_numbers": "VPIN на основе volume imbalance и интенсивности сделок; классификация объёма бара на покупки/продажи (bulk volume classification)",
"verdict": "Ключ к OHLCV-прокси: при отсутствии данных о стороне агрессора её приходится ОЦЕНИВАТЬ — а оценка вносит шум. Метаданные/DOI проверены; PDF-версия доступна на сайте NYU Stern.",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Inferring Trade Direction from Intraday Data",
"authors": "Charles M. C. Lee, Mark J. Ready",
"year": 1991,
"url": "https://doi.org/10.1111/j.1540-6261.1991.tb02683.x",
"doi": "10.1111/j.1540-6261.1991.tb02683.x",
"horizon": "Сделки (тиковые данные)",
"data": "NYSE",
"costs_assumed": "нет",
"key_numbers": "Правило тика/котировки для определения стороны сделки",
"verdict": "База для оценки стороны агрессора, когда тейкер-объём недоступен (важно: Bybit klines не отдают takerBuyVolume). Метаданные/DOI проверены; текст не читался.",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "Trading and arbitrage in cryptocurrency markets",
"authors": "Igor Makarov, Antoinette Schoar",
"year": 2020,
"url": "https://doi.org/10.1016/j.jfineco.2019.07.001",
"doi": "10.1016/j.jfineco.2019.07.001",
"horizon": "Минуты–дни",
"data": "Крипто-биржи (межбиржевые спреды)",
"costs_assumed": "Да (арбитражные издержки/спреды)",
"key_numbers": "Значимые межбиржевые арбитражные возможности и их последующее исчезновение",
"verdict": "Контекст: наши 11 б.п. не «пол» и не «потолок» — спреды между площадками исторически были кратными этой величине. Метаданные/DOI проверены; текст не читался.",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "How to measure the liquidity of cryptocurrency markets?",
"authors": "Alexander Brauneis, Roland Mestel, Ryan Riordan, Erik Theissen",
"year": 2021,
"url": "https://doi.org/10.1016/j.jbankfin.2020.106041",
"doi": "10.1016/j.jbankfin.2020.106041",
"horizon": "Внутридневной",
"data": "Крипто-биржи",
"costs_assumed": "Да (метрики ликвидности как прокси издержек)",
"key_numbers": "Сравнение и оценка метрик ликвидности крипто-рынков (объём 124, 106041)",
"verdict": "Полезно для калибровки модели проскальзывания в costs-and-execution. Проверены только метаданные Crossref; текст не читался.",
"implementable": false,
"accessed": "29.09.2026"
},
{
"title": "Order-Flow Imbalance and Short-Horizon Return Predictability in Cryptocurrency Markets",
"authors": "Rem Vafin",
"year": 2026,
"url": "https://doi.org/10.2139/ssrn.6938742",
"doi": "10.2139/ssrn.6938742",
"horizon": "—",
"data": "Обзор публичных крипто-данных (сторона агрессора сообщается биржей, а не оценивается)",
"costs_assumed": "Явно требуется «realistic transaction-cost model»",
"key_numbers": "Новых эмпирических оценок не содержит («This is a review and design article; it does not report new empirical estimates»)",
"verdict": "Полезен как ПРОТОКОЛ: out-of-sample оценка + реалистичная модель издержек + контроль data-snooping. Полный текст SSRN недоступен (403), читалась аннотация через Crossref.",
"implementable": true,
"accessed": "29.09.2026"
},
{
"title": "How and When are High-Frequency Stock Returns Predictable?",
"authors": "Yacine Ait-Sahalia, Jianqing Fan, Lirong Xue, Yifeng Zhou",
"year": 2022,
"url": "https://doi.org/10.2139/ssrn.4196310",
"doi": "10.2139/ssrn.4196310",
"horizon": "Миллисекунды–секунды",
"data": "Акции США, тиковые данные",
"costs_assumed": "нет",
"key_numbers": "Предсказуемость выше, но требует ультра-свежих данных и co-location (цитируется по Kim & Hansen, 2026)",
"verdict": "Только метаданные и цитирование. Граница применимости: на мс-горизонте мы не конкурентны. Текст не читался.",
"implementable": false,
"accessed": "29.09.2026"
}
]
directions/orderflow-microstructure.md
+203
View File
@@ -0,0 +1,203 @@
# orderflow-microstructure — поток заявок и микроструктура на 1–15 мин
**Дата обзора (дата обращения ко всем источникам): 29.09.2026.**
Инструменты поиска: arXiv API (`http://export.arxiv.org/api/query`), Crossref REST (`api.crossref.org`), web_search/web_extract.
Полные тексты (PDF/HTML) скачивались в локальную папку и читались целиком; где доступа не было — это прямо указано.
## 0. Наши опорные факты (из README, не переоткрываем)
| Факт | Значение |
|---|---|
| Тейкер на круг | 0,055% × 2 = **0,11% = 11 б.п.** |
| Мейкер на круг | 0,02% × 2 = **0,04% = 4 б.п.** |
| Средний \|доход\| 5м / 1ч | 22,8 б.п. / 78,0 б.п. |
| Порог точности p\* = (Стоп+Издержки)/(Цель+Стоп) | 0,2%/0,2% → 77,5% (тейкер), 60,0% (мейкер) |
**Производные пороги (наш расчёт по той же формуле, проверен скриптом 29.09.2026 — не чужие цифры):**
| Цель/Стоп | p\* тейкер (11 б.п.) | p\* мейкер (4 б.п.) |
|---|---|---|
| 0,2% / 0,2% | 77,5% | 60,0% |
| 0,3% / 0,3% | 68,3% | 56,7% |
| 0,4% / 0,2% | 51,7% | 40,0% |
| 0,5% / 0,3% | 51,3% | 42,5% |
| 0,5% / 0,5% | 61,0% | 54,0% |
| 1,0% / 0,5% | 40,7% | 36,0% |
Два вывода, которые дальше используются как «линейка» для чужих результатов:
1. Один тейкер-круг = **48,2% среднего модуля движения 5м-бара** (11 / 22,8) и 17,5% — мейкер-круг. 7,1 тейкер-круга «съедают» целый средний час (78 б.п.).
2. Чтобы торговать при точности 55–57% (максимум, который вообще встречается в out-of-sample крипто-работах), при тейкер-комиссии нужен R:R ≈ 1,4–1,6 при стопе ≥30 б.п. (цель 41–45 б.п.). Средний модуль 5м-движения — 22,8 б.п., то есть такой стоп — это уже **больше одного 5-минутного бара**, значит сделка обязана жить 15–30 минут и дольше.
## 1. Сводная таблица источников (главное)
Формат: работа → авторы/год → данные → горизонт → заложенные издержки → цифры → вердикт.
| Работа | Авторы, год | Данные | Горизонт | Издержки в работе | Цифры | Вердикт |
|---|---|---|---|---|---|---|
| The Price Impact of Order Book Events | Cont, Kukanov, Stoikov, 2014 (JFE 12:47–88) | NYSE TAQ, 50 акций, 21 день апр. 2010 | Δt = 10 с (робастность: 10 апдейтов … 10 мин) | издержки не моделируются (это объясняющая регрессия) | OFI объясняет изменения мид-цены с **средним R² 65%**; trade imbalance — **32%**; OFI вытесняет TI (t-стат TI падает в 4 раза) | Фундамент: на секундах–минутах цену двигает **весь поток заявок** (лимит+маркет+отмены), а не только сделки. Наш OHLCV-прокси ближе к TI (R² 32%), т.е. заведомо хуже |
| Deep Order Flow Imbalance | Kolm, Turiel, Westray, 2023 (Math. Finance 33(4):1044–1081) | LOBSTER, 115 акций Nasdaq, максимальная гранулярность LOB | «мультигоризонт», эффективный горизонт ≈ **2 средних изменения цены** | в доступной части **нет** PnL/Sharpe и нет описания издержек | модели на **стационарных OFI-фичах** превосходят модели на «сырых» стаканах; «information-rich» акции предсказуемее | Полный текст за пейволом Wiley — читалась только аннотация + SSRN-страница. Ключевой рецепт (OFI вместо сырого стакана) подтверждён; прибыльность после издержек **не заявлена** |
| The Price Impact of Generalized Order Flow Imbalance | Su, Sun, Li, Yuan, 2021 (arXiv 2112.02947) | CSI 500, 10 акций, снапшоты стакана | 30 с, 1 мин, **5 мин** | издержки не моделируются | out-of-sample R² (объяснение изменения цены): 30 с/1 мин/5 мин OFI = 32,89/38,13/**42,57%** → log-GOFI = 83,57/85,37/**86,01%** | На 5-минутном горизонте OFI-семейство почти «механически» объясняет цену. Это **contemporaneous**, а не прогноз: как торговый сигнал бесполезно, но как напоминание «сначала убери механику» — обязательно |
| Cross-impact of Order Flow Imbalance in Equity Markets | Cont, Cucuringu, Zhang, 2023 (Quant. Finance 23:1373–1393) | метаданные проверены в Crossref | — | — | — | Не читалось (только метаданные/DOI). Включено как ориентир для будущего разбора направлений `xs-short-horizon` |
| Order flow analysis of cryptocurrency markets | Silantyev, 2019 (Digital Finance 1:191–218) | крипто (Kraken/bitcoin) | внутридневной | — | числовых результатов извлечь не удалось: Springer отдаёт только вводную часть (JS-пейвол, PDF недоступен) | **Доступа нет** — цифр не приводим (правило 4 README). Считается «первой работой по OFI в крипте», но без доступа к таблицам |
| Order Flow and Cryptocurrency Returns | Anastasopoulos, Gradojevic, Liu, Maynard, Tsiakas, 2024 (EFMA 2025) | кросс-секция крипто, «мировой» поток заявок в 11 валютах | **дневной и недельный** (не 5 мин!) | Явно: **break-even transaction cost** (BETC) | contemporaneous R² 11% (день) / 19,9% (неделя); предиктивный R² 1,3%/3,1%; long-short недельный 1,61%/нед, t=2,13, Sharpe 1,68; ML long-only α 0,81%/день, Sharpe 1,88, **BETC 1,02% в день** (LS: 0,48%/день) | Единственная найденная работа по OFI в крипте **с честным учётом издержек**: сигнал выживает только на дневном обороте (наш круг 11 б.п. = 9% от их BETC). На 5 мин неприменимо напрямую |
| Microstructure and Market Dynamics in Crypto Markets | Easley, O'Hara, 2024 (SSRN 4814346) | 5 крупных крипто, Roll-мера и VPIN | внутридневной, для MM/хеджа/прогноза волатильности | в доступной части нет | «микроструктурные метрики ликвидности и price discovery обладают предсказательной силой для MM, динамического хеджа и оценки волатильности»; эффекты own- и cross-market для BTC/ETH устойчивы (в т.ч. «крипто-зимой») | Читалась только аннотация (PDF Cornell не отдался, SSRN блокирует полный текст). Цифр нет. Направление «VPIN → волатильность/MM», а не «→ направление на 5 мин» |
| **The Quarter-Hour Effect** | Kim, Hansen, 2026 (arXiv 2607.09426v2) | **tick-данные сделок, 6 перпетуалов Binance** (BTC/ETH/XRP/SOL/DOGE/ADA), 01.01.2021–31.10.2024 | 10-секундные окна; границы 1/5/15 мин; предиктивный горизонт для imbalance — 4–12 ч | Явно: taker Binance **5,0 б.п.**, maker **2,0 б.п.**; авторы **отказываются** считать net-of-cost стратегию | R²_OOS открывающей 10-сек доходности: лаг-модель 2,464% (среднее), лаг+TI28 3,37%, AUC 0,6011, точность **57,12%**; **валовые 0,375–0,775 б.п. на сделку (среднее 0,510 б.п.)**; «предсказуемая компонента ≈ в 10 раз меньше одной тейкер-комиссии и в 20 раз меньше круга» | **Главный источник для 5-мин темы.** Предсказуемость на границах 15-мин есть и устойчива, но валовый эдж 0,51 б.п. против нашего круга 11 б.п. → **net ≈ −10,5 б.п. на сделку**. Годится для исполнения (мейкер/тайминг), а не как тейкер-стратегия |
| Short-horizon mean reversion in cryptocurrency markets | Kitron, Wengrowicz, 2026 (arXiv 2608.21888v1) | 183 пары Binance USDT (свечи), 2025-01-01…2026-02-11 + 187 акций/ETF как контроль; шесть лет фокус-панели | 15 мин — основной; 1 ч, 4 ч; **отдельно 5 мин** | Явно: полосы круговых издержек ≈**5 б.п. (мейкер)**, **10–20 б.п. (тейкер)** спот | 90% из 183 пар дают значимый OOS **разворот** на 15 мин (у акций 2,7%); AUC крипто 0,536/0,521/0,496 на 15м/1ч/4ч; валовая прибыль на сделку пик ≈**1,3 б.п.** (15 мин) и **0,15 б.п. на 5-мин барах**; медиана по парам 0,46 б.п.; «ни одна из 183 пар не пробивает даже 5-б.п. мейкер-полосу ни при каком пороге»; разворот концентрируется после движений, вызванных **агрессивным тейкер-потоком**, и растёт с его интенсивностью, а съеденная глубина стакана **ни на что не влияет** | Прямой ответ на наш вопрос для 5 мин: **эдж разворота сжимается с ростом частоты** (1,3 б.п. → 0,15 б.п.), т.е. net на 5 мин ≈ **−10,9 б.п.** при тейкере и −3,9 б.п. при мейкере. Механика («после тейкер-импульса») — лучший из найденных кандидатов для OHLCV-прокси |
| Explainable Patterns in Cryptocurrency Microstructure | Bieganowski, Ślepaczuk, 2026 (arXiv 2602.00776v1) | Binance **perpetual** order book + trades, 1 с, BTC/LTC/ETC/ENJ/ROSE, 01.01.2022–12.10.2025 | цель — **3-секундная** доходность мид-цены; удержание по событиям | «taker fee» применяется, но **численное значение комиссии в работе не указано**; задержка не моделируется («верхняя оценка») | Тейкер-IR: BTC 0,25 · ENJ 6,58 · ETC 8,97 · LTC 0,07 · ROSE 5,28; статистически значимы (t-тест) только ETC/ENJ/ROSE (по ROSE — в основном из-за флеш-крэша 10.10.2025). Мейкер: **ни одна** p-value не ниже 0,05. SHAP: OFI — главная фича, эффект монотонный с уплощением на краях; **широкий спред → предсказуемость падает**; VWAP−mid → короткий возврат | Экономическая значимость «на грани»: подтверждается только на альткоинах и только на 3-секундном горизонте, причём бóльшая часть PnL — событийная. Перенос на 5 мин не доказан; уровень комиссии не указан → сопоставить с нашими 11 б.п. по цифрам работы **невозможно** |
| Deep Learning for Digital Asset Limit Order Books | Jha, De Paepe, Holt, West, Ng, 2020 (arXiv 2010.01241) | Coinbase BTC-USD, L2 стакан | **2 секунды** | нет | walk-forward точность 71% (down 61%, up 66%, stable 73%); **precision по направленным классам 0,40–0,42**; «предсказуемость держится до минуты» | 71% — это точность по трём классам, а не эдж. Precision 0,40 значит: когда модель кричит «вверх», она чаще ошибается. PnL/издержки не считались |
| Ascertaining price formation in cryptocurrency markets with DeepLearning | Fang, Chung, Ventre, Basios, Kanthan, Li, Wu, 2020 (arXiv 2003.00803) | BTC-USD, LOB, живые 1-мин данные 2018 | 1 мин | Идея: **порог = комиссия** — движения меньше комиссии помечаются «buffer area» (нейтрально) | 78% точность бинарного направления движения мид-цены; на живых данных качество модели **«медленно сползает почти к случайному угадыванию»**, требуется walk-forward переобучение | Полезен методологически (лейблинг «только движения выше комиссии»), но 78% получены без учёта PnL и деградируют в live |
| Trading in the Sunshine or in the Shade (Hyperliquid) | Barone, Lillo, 2026 (arXiv 2606.15715) | Hyperliquid (on-chain стакан перпетуалов): 4,3 млн скрытых метаордеров + 465 тыс. TWAP | метаордера (минуты–часы) | Явно: издержки через **временнóе влияние в б.п.** | видимые TWAP имеют ≈**9 б.п.** меньший временный импакт; ≈**5 б.п.** меньший пост-исполнительный сдвиг; скрытые ордера, идущие в сторону видимого потока, платят +0,8–0,9 б.п. за каждые 10 п.п. доминирования видимой стороны; глубина растёт во время TWAP | Эмпирика по издержкам/неблагоприятному отбору на крипто-перпетуалах. Масштаб эффектов (1–9 б.п.) — того же порядка, что наш круг 11 б.п., т.е. тайминг/видимость ордера сопоставимы по важности с самим сигналом |
| Temporal mixture ensemble models for intraday volume forecasting in crypto | Antulov-Fantulin, Guo, Lillo, 2020 (arXiv 2005.09356) | Bitfinex + Bitstamp, фичи стакана и сделок | **1 / 5 / 10 мин** | нет (прогноз объёма, не PnL) | ансамбль (TME) и ML превосходят эконометрические модели на 1/5/10-минутных горизонтах по объёму | Предсказуем **объём**, а не направление. Прямо подтверждает гипотезу «на 5 мин прогнозируется активность, а не знак доходности» |
| Rise of the Machines? | Petukhina, Reule, Härdle, 2020 (arXiv 2009.04200) | крипто (CRIX), высокочастотные данные | внутридневная периодичность | нет | внутридневные паттерны волатильности/объёма, связанные с алгоритмической торговлей | Описательная база; торговых выводов нет |
| Periodicity in Cryptocurrency Volatility and Liquidity | Hansen, Kim, Kimbrough, 2024 (J. Financial Econometrics 22:224–251) | BTC, ETH; Coinbase Pro, Binance, Uniswap V2 | внутричасовые регулярности (**в т.ч. 5-мин отметки**) | нет | систематические паттерны волатильности и объёма по дню недели / часу / внутри часа; усиливаются со временем | Первоисточник «календарной» периодичности. Для 5-мин стратегии означает: волатильность и объём **нестационарны по фазе часа** — бэктест обязан это учитывать |
| Anomaly detection in European cryptocurrency ETPs | Kończal, Połoczański, 2026 (arXiv 2608.09576) | 4 BTC/ETH ETP на Xetra и Nasdaq Stockholm, **1-минутные бары**, 01.2024–12.2025 | 1 мин, прогноз на 1 бар вперёд | нет (в аннотации издержки не заявлены) | аномалий <1% баров; в аномальных барах **выше эффективный спред и сильнее дисбаланс потока заявок**; 4 классификатора предсказывают аномалию на бар вперёд с **AUC до 0,82**; важнее всего краткосрочная волатильность и просадка, а не микроструктурные переменные | Лучше предсказываются **аномальные/экстремальные** бары, чем направление; «сначала волатильность, потом микроструктура». Прямо поддерживает правило R9 |
| Decomposing cryptocurrency high-frequency price dynamics | Wątorek, Skupień, Kwapień, Drożdż, 2023 (arXiv 2306.17095) | BTC, ETH, DOGE, WIN, 10-секундная выборка, 2020–2022 | 10 с | нет | динамика делится на **рекуррентную (детерминированную) и шумовую** компоненты; направление живёт в шумовой части | Формализует «где тонет сигнал»: у доходности есть периодический каркас (его можно моделировать) и шум (для направления) |
| Boosting Bitcoin Minute Trend Prediction Using the Separation Index | Shahsafdari, Kalhor, 2024 (arXiv 2406.17083) | BTC, минутные данные | 1 мин | нет | заявляется «unprecedented accuracy» для минутного тренда через отбор информативных наблюдений | **Не подтверждаемо**: нет ни протокола out-of-sample, ни PnL, ни издержек; заявка не сопоставима с порогом 77,5%. Не использовать как основание |
| The Red Queen's Trap | Chen, 2025 (arXiv 2512.15732) | крипто, HFT-среда, 500 автономных агентов (DRL + эволюция) | высокочастотный | Явно: раздел «Friction Barrier», формула EV = W·(R·Risk) − (1−W)·Risk − C_trans | вал. APY на валидации **>300%**, live-просадка капитала **>70%**; «Cost-Blind Hallucination»: агенты показывают «зелёный» PnL, а эквити падает | Крупнейший найденный отрицательный результат: «математическая невозможность HFT-скальпинга при данной структуре издержек». Совпадает с нашими порогами |
| DeepLOB | Zhang, Zohren, Roberts, 2019 (arXiv 1808.03668v6) | FI-2010 + LSE (5 акций, 2017, 10 уровней) | k = 10/20/50/100 апдейтов | **Явно: «trading takes place at mid-price», «gross profits before fees»** | FI-2010 (k=10): accuracy 78,91%, F1 78,47%; LSE: F1 70,17/63,49/60,65 при k=20/50/100; «чем длиннее горизонт, тем хуже точность, но выше накопленная прибыль» | Классический бенчмарк, но прибыльность измерена **без стакана и без комиссий**, при исполнении по мид-цене. Ни одна цифра DeepLOB не переносится на наши издержки |
| Deep Limit Order Book Forecasting (LOBFrame) | Briola, Bartolucci, Aste, 2024 (arXiv 2403.09267v4) | 15 акций NASDAQ (small/medium/large tick), 2017–2019, LOB | H10/H50/H100 апдейтов | нет (зато есть явный тезис о разрыве «метрика → сделка») | F1 > 0,45 без порогов и >0,7 с порогами у large-tick; accuracy >0,7 / >0,9; но: «**высокие значения традиционных ML-метрик не обязательно транслируются в действенные торговые сигналы**» | Ключевая работа-предупреждение: F1 ≠ деньги. Large-tick предсказуемее — механика тика, а не альфа |
| HLOB | Briola, Bartolucci, Aste, 2024 (arXiv 2405.18938v3) | 15 акций NASDAQ | H10 (и H50/H100) | нет | F1 лучших моделей **0,31–0,43**, MCC 0,05–0,17, вероятность корректно закрыть круговую сделку **p_T = 0,03–0,06** | Самая жёсткая цифра раздела: даже у лучших LOB-моделей шанс «сделать полный круг в плюс» — единицы процентов |
| Deep Learning modelling of the LOB: a comparative perspective | Briola, Turiel, Aste, 2020 (arXiv 2007.07319v3) | LOBSTER | внутридневной | нет | архитектуры (MLP, LSTM, attention, CNN-LSTM) кластеризуются по поведению и неразличимы по качеству; «naive/random» модели — база сравнения | Полезно как «что не работает»: рост сложности не даёт прироста над простыми моделями |
| Extending Deep Learning Models for LOB to Quantile Regression | Zhang, Zohren, Roberts, 2019 (arXiv 1906.04404) | LSE, миллионы апдейтов | k = **100 шагов** | нет | квантильная регрессия (6 квантилей) + комбинация прогнозов устойчивее точечной | Идея полезна для разметки/риск-контроля, экономики после издержек нет |
| The Short-Term Predictability of Returns in Order Book Markets | Lucchese, Pakkanen, Veraart, 2022 (arXiv 2211.13777v3) | LOBSTER (ATVI и др.) | 1–300 апдейтов стакана | нет | предсказуемость держится до **50–300 апдейтов** вперёд; представление данных (L1 vs L2 vs L3, объёмы) важнее архитектуры | «Дальнобойность» эджа измеряется в апдейтах, не в минутах; в минутах это секунды–десятки секунд |
| Multi-Horizon Forecasting for LOB (IPU) | Zhang, Zohren, 2021 (arXiv 2105.10430v2) | FI-2010/LSE | k = 10…100 | нет | seq2seq+attention лучше на длинных горизонтах (k=100) | Метод; торговых цифр нет |
| An Efficient DL Model to Predict Stock Price Movement Based on LOB | Yang, Fang, Zhang, Zhou, 2025 (arXiv 2505.22678) | A-share + LOBSTER | малый горизонт | нет | OFI-фичи; улучшение сильных бейзлайнов в >75% случаев | Подтверждает рецепт «OFI + сильный бейзлайн»; PnL нет |
| BDLOB (Bayesian) | Zhang, Zohren, Roberts, 2019 (arXiv 1811.10041) | LOB | k апдейтов | нет | dropout-инференс даёт **неопределённость**, которая корректирует предсказания | Полезно как механизм отказа от сделок (что и предлагает R6) |
| Deep Learning for Limit Order Books (spatial NN) | Sirignano, 2016/2019 (arXiv 1601.01987) | LOB, большие данные | секунды–минуты | нет | универсальные пространственно-временные зависимости LOB across assets | Теоретико-методологическая основа «универсальных» фич |
| Deep RL in Cryptocurrency Market Making | Sadighian, 2019 (arXiv 1911.08647) | крипто, LOB в наблюдении агента | внутридневной | нет | PPO/DDPG; награда в виде **Sharpe** обучает лучше, чем PnL | Практический рецепт для RL (если вообще идти в RL): риск-метрика в функции награды |
| LOB Simulation and Trade Evaluation with KNN Resampling | Giegrich, Oomen, Reisinger, 2024 (arXiv 2409.06514) | исторические LOB | — | **да, off-policy оценка с учётом исполнения** | K-NN ресемплинг для симуляции стакана и калибровки стратегий | Единственный найденный инструмент «как честно оценить стратегию без живых денег»; кандидат в `costs-and-execution` |
| Flow Toxicity and Liquidity (VPIN) | Easley, López de Prado, O'Hara, 2012 (RFS 25:1457–1493) | фьючерсы CME, тиковые данные | объёмные «корзины» | нет | VPIN строится на **bulk volume classification** — разбиении объёма бара на покупки/продажи по распределению доходностей | Ключ к OHLCV-прокси: если у нас есть только бар, сторону агрессора **оценивают**, а не читают. Точность оценки — источник шума |
| Inferring Trade Direction from Intraday Data | Lee, Ready, 1991 (J. Finance 46:733–746) | NYSE, тиковые данные | сделки | нет | классическое правило тика/котировки для определения стороны сделки | База для OHLCV-прокси, когда тейкер-объём недоступен |
| Trading and Arbitrage in Cryptocurrency Markets | Makarov, Schoar, 2020 (JFE 135:293–319) | крипто-биржи, арбитраж | минуты–дни | да (спреды/арбитражные издержки) | значимые межбиржевые арбитражные возможности и их исчезновение | Контекст: наши издержки 11 б.п. — не «пол»; спреды между площадками исторически были кратными этому |
| How to measure the liquidity of cryptocurrency markets? | Brauneis, Mestel, Riordan, Theissen, 2021 (JBF 124:106041) | крипто-биржи | внутридневной | да (метрики ликвидности как прокси издержек) | сравнение метрик ликвидности для крипты | Не читалось (метаданные). Полезно для калибровки модели проскальзывания в `costs-and-execution` |
| Order-Flow Imbalance and Short-Horizon Return Predictability in Cryptocurrency Markets | Vafin, 2026 (SSRN 6938742) | — | — | **явно: «realistic transaction-cost model»** | Публикации цифр нет: это **обзор + план** («does not report new empirical estimates») | Полезен как протокол: OOS-оценка + модель издержек + контроль data-snooping; отдельно отмечает, что в крипте **сторона агрессора сообщается биржей**, а не оценивается. Полный текст SSRN недоступен (403) — читалась аннотация через Crossref |
| How and When are High-Frequency Stock Returns Predictable? | Ait-Sahalia, Fan, Xue, Zhou (SSRN) | акции США, тики | миллисекунды–секунды | нет | большая предсказуемость, но требует ультра-свежих данных и co-location (цитируется по Kim & Hansen, 2026) | Только метаданные/cross-ref и цитирование. Полезно как граница: наша инфраструктура заведомо не конкурентна на мс-горизонте |
## 2. Синтез
**2.1. Фундамент подтверждён: OFI — главный драйвер микроструктуры, но это «механика», а не альфа.**
Cont–Kukanov–Stoikov (2014) на Δt = 10 с получают R² = 65% для OFI против 32% для дисбаланса сделок. Su et al. (2021) на **5-минутных** интервалах: OFI объясняет 42,57% out-of-sample, улучшенный log-GOFI — 86,01%. Это contemporaneous объяснение: цена и поток синхронны. Любой наш сигнал, вычисленный на 5-мин барах (CLV, объём, дисбаланс), будет коррелирован с той же механикой — значит, для честной оценки надо тестировать **лаг-1 или лаг-2**, а не «предсказание текущего бара».
**2.2. Ключевая цифра по 5-минутному горизонту в крипте — 1,3 б.п. → 0,15 б.п.**
Kitron & Wengrowicz (2026) — лучшая найденная работа именно по «около 5 минут»: 183 пары Binance, строго OOS. Разворот на 15 мин: валовая прибыль ≈1,3 б.п. на сделку; на **5-мин барах — 0,15 б.п.**; ни одна пара не пробивает даже 5-б.п. мейкер-полосу. Наш круг по тейкеру 11 б.п. → **net ≈ −10,9 б.п./сделку**. Вывод: с ростом частоты эдж сжимается быстрее, чем издержки (прямое утверждение авторов: «higher frequency shrinks each opportunity faster than it shrinks costs»).
**2.3. Вторая по важности цифра — 0,51 б.п. против 5,0 б.п. одной комиссии.**
Kim & Hansen (2026), 6 перпетуалов Binance, 2021–2024: открывающая 10-секундная доходность на 15-минутных границах предсказуема OOS (AUC 0,6011, точность 57,12%, R²_OOS до 3,37%), но валовая прибыль на сделку 0,375–0,775 б.п. (среднее 0,510). Авторы считают явно: Binance taker 5,0 б.п., maker 2,0 б.п.; предсказуемая компонента ≈ «одна десятая одной тейкер-комиссии и одна двадцатая круга». И отдельно: **горизонт предсказуемости от order imbalance — 4–12 часов**, на более частых календарных частотах эффект слабее. Это не наша 5-минутная ниша.
**2.4. ML-литература по стакану: точность без денег.**
Сводка по DeepLOB → HLOB → LOBFrame:
* DeepLOB (LSE): F1 0,60–0,70 при k = 20–100, но симуляция — **исполнение по мид-цене и прибыль до комиссий**;
* HLOB: F1 0,31–0,43, вероятность завершить круговую сделку p_T = 0,03–0,06;
* LOBFrame (Briola и др.): прямая формулировка «высокие F1/accuracy не обязательно превращаются в действенные торговые сигналы»;
* Jha et al. (Coinbase, 2 с): 71% accuracy на трёх классах, но precision направленных классов 0,40–0,42.
Ни одна LOB-DL работа не демонстрирует положительной экономики после реалистичных комиссий. Единственная крипто-работа с явным taker-бэктестом (Bieganowski & Ślepaczuk, цель — **3 секунды**) получает значимость лишь на ETC/ENJ/ROSE и **не указывает численное значение комиссии**, что делает сопоставление с нашими 11 б.п. невозможным.
**2.5. Где OFI действительно выживает после издержек — дневной/недельный горизонт.**
Anastasopoulos et al. (2024): единственная работа с корректным понятием break-even transaction cost. ML long-only по «мировому потоку заявок»: α 0,81%/день, Sharpe 1,88, **BETC 1,02% в день**; long-short: BETC 0,48%/день. Наш круг 11 б.п. — в 9,3 раза внутри их BETC, то есть на дневном обороте издержки не являются барьером. Это подтверждает логику: **OFI-информация монетизируется при низком обороте**, а не на 5-минутных барах.
**2.6. Что реально переносимо на 5-мин свечи Bybit — это (а) прокси-поток и (б) тайминг исполнения.**
* Из механики Kitron: разворот следует за движениями, вызванными **агрессивным тейкер-потоком**, и растёт с его интенсивностью, тогда как съеденная глубина стакана не значит ничего. На свечах это выражается через **тейкер-объём** (в klines Binance есть `takerBuyBaseVolume`; у Bybit v5 в kline его нет — потребуется trades-фид или оценка стороны агрессора по Lee–Ready / bulk volume classification (Easley–López de Prado–O'Hara 2012)). CLV (close location value) — самый дешёвый прокси: CLV = ((C−L)−(H−C))/(H−L)·2 ≈ нормированное положение закрытия в баре.
* Из Kim & Hansen и Barone & Lillo: границы времени и **видимость** потока двигают издержки на 1–9 б.п. — сопоставимо с нашим кругом. То есть тайминг входа (не внутри первых 10 секунд границы) и мейкер-исполнение сами по себе стоят столько же, сколько «средний» сигнал из литературы.
* Из Bieganowski & Ślepaczuk: **широкий спред убивает предсказуемость** — фильтр «не торговать при спреде выше порога» имеет эмпирическое подтверждение.
## 3. Десять правил-кандидатов для бэктеста на 5-мин свечах Bybit
Все «ожидаемые экономики» ниже — **наша арифметика** от круга 11 б.п. (тейкер) / 4 б.п. (мейкер); чужие валовые цифры подписаны. Проверено скриптом 29.09.2026.
1. **R1. Разворот после «тейкер-импульса»: если на баре t доля тейкер-покупок |2·V_buy/V − 1| ≥ порог τ, входить против направления бара на баре t+1; выход по симметричной цели/стопу в пределах одного–двух баров.**
Источник: Kitron & Wengrowicz 2026 (arXiv 2608.21888v1), §5.1–5.2. Ожидаемая экономика: их собственный замер на 5-мин барах — 0,15 б.п./сделку валовыми → **−10,85 б.п.** за тейкер-круг и −3,85 б.п. за мейкер-круг. Правило бесперспективно само по себе; **ценность — как фильтр-условие к другим правилам** (какие бары вообще склонны к возврату).
2. **R2. Убрать contemporaneous-механику: сигнал строить только на лаге ≥1 бара (лаг-1 тейкер-imbalance и CLV), иначе «предсказание» — это та же синхронная корреляция.**
Источники: Cont–Kukanov–Stoikov 2014 (R² 65% на 10 с), Su et al. 2021 (на 5 мин contemporaneous R² 42,57% для OFI и 86,01% для log-GOFI). Ожидаемая экономика: прямо не измеряется; служит **обязательным условием допуска** любого 5-мин правила к бэктесту (иначе результат будет артефактом синхронности).
3. **R3. Пороговый вход: торговать только при |предсказание| > τ, где τ откалиброван на ex-ante сетке, и проверять, что точность растёт с сокращением покрытия.**
Источник: Kitron & Wengrowicz 2026, §5.2 (у них точность «пробивает 56% на самых уверенных барах», но эдж всё равно не покрывает издержки). Наш порог: при стопе 30 б.п. и цели 45 б.п. p\* = 54,7% (тейкер) / 45,3% (мейкер) — то есть порог должен давать **точность ≥55%**, иначе правило отрицательно по построению.
4. **R4. Фильтр спреда/ликвидности: не торговать, когда спред (или прокси спреда через (H−L)/C и объём) выше квантиля q; предсказуемость при широком спреде падает.**
Источник: Bieganowski & Ślepaczuk 2026 (arXiv 2602.00776v1, раздел 6.1: «spreads are associated with diminished predictability»). Ожидаемая экономика: не измерена в работе; влияние на нашу экономику — через избегание сделок с повышенным проскальзыванием (по нашим оценкам стенда +1…3 б.п. на ногу).
5. **R5. Разметка по порогу комиссии (buffer area): не считать движением всё, что меньше 11 б.п. (тейкер) или 4 б.п. (мейкер) — такие бары помечать нейтрально и не торговать.**
Источник: Fang et al. 2020 (arXiv 2003.00803, «transaction fee as a threshold… Buffer area»). Экономика: при симметричных 0,2%/0,2% порог точности 77,5%, при 0,3%/0,3% — 68,3%, при 0,5%/0,5% — 61,0%. То есть мелкие цели физически не проходят наш порог — этот фильтр отсекает заведомо убыточную геометрию.
6. **R6. Геометрия сделки: при реалистичной точности 55–57% требовать R:R ≥ 1,4–1,6 (стоп ≥30 б.п., цель 41–45 б.п.), сознательно принимая, что сделка выходит за пределы одного 5-мин бара.**
Источники точности: Kim & Hansen 2026 (AUC 0,6011; точность 57,12%), Kitron & Wengrowicz 2026 (~56% на самых уверенных барах). Наш расчёт: S=30 б.п., P (55%) → T = 45 б.п.; S=30, P (57,5%) → T = 41 б.п. Средний модуль 5м-движения 22,8 б.п. → стоп 30 б.п. = 1,3σ. Требуется проверка удержания эджа на 15–30 мин (см. R10).
7. **R7. Использовать 5-мин модель для размера позиции и стопов (волатильность/объём), а не для направления.**
Источники: Antulov-Fantulin–Guo–Lillo 2020 (объём на 1/5/10 мин прогнозируется лучше эконометрических моделей), Kończal & Połoczański 2026 (AUC до 0,82 для «аномального бара» на 1 бар вперёд, причём важнее всего волатильность и просадка, а не микроструктура), Wątorek et al. 2023 (рекуррентная vs шумовая компоненты). Ожидаемая экономика: прямого PnL нет; выигрыш в том, что цель/стоп калибруются под 22,8 б.п. среднего 5м-хода (24% шире/уже — уже меняет p\* на несколько п.п.).
8. **R8. Правило исполнения: не входить и не выходить внутри первых 10 секунд минутных/5/15-минутных границ; сдвигать исполнение на 10–30 с после границы.**
Источники: Kim & Hansen 2026 (пик активности в первые 10 с границы; вклад лаг-потока 5–6 б.п. в горизонтах 4–12 ч), Hansen–Kim–Kimbrough 2024 (периодичность волатильности/объёма), Barone & Lillo 2026 (видимость потока = −9 б.п. временного импакта, −5 б.п. пост-исполнительного сдвига, +0,8–0,9 б.п. штраф за игру вместе с видимым потоком). Ожидаемая экономика: экономия издержек 1–9 б.п. на круг — сопоставимо со всем «валовым» сигналом из литературы (0,15–0,51 б.п.).
9. **R9. Мейкер-режим как основной режим для 5-мин правил, но с честной проверкой: круг 4 б.п., плюс неблагоприятный отбор и пропущенные филлы.**
Источники: Kitron & Wengrowicz 2026 (мейкер-полоса 5 б.п.; «explicit fees, not the quoted spread, are what bind… a maker who never crosses still pays the fee schedule»), Bieganowski & Ślepaczuk 2026 (мейкер-стратегия: **ни одна** p-value < 0,05, тогда как тейкер значим на ETC/ENJ/ROSE; но их цель — 3 сек, а не 5 мин). Ожидаемая экономика на нашей линейке: Kitron 15 мин мейкер → 1,3 − 4 = **−2,7 б.п.**; Kim & Hansen QH мейкер → 0,51 − 4 = **−3,5 б.п.**; вывод: даже мейкер-круг не спасает сигналы такого масштаба — мейкер нужен для правил с валовым эджем >4 б.п.
10. **R10. Гейт допуска (go/no-go) для любого кандидата: (а) OOS-точность направления ≥55% при R:R ≥1,4 со стопом ≥30 б.п.; (б) эдж сохраняется на 15–30 мин, а не только на 5; (в) положительный net при 11 б.п. и при 4 б.п. на round-trip по фактическим филлам; (г) контроль data-snooping (число проверенных правил).**
Источники протокола: Vafin 2026 (SSRN 6938742 — OOS + реалистичная модель издержек + контроль data-snooping, «aggressor side is reported rather than estimated» в крипте), Kitron & Wengrowicz 2026 (эдж разворота падает с ростом частоты; AUC крипто 0,536 → 0,521 → 0,496 на 15м/1ч/4ч — то есть удержание дольше не помогает), Briola et al. 2024 (F1 ≠ торговый сигнал), Kim & Hansen 2026 (R²_OOS 2–3% — «скромные, но не нулевые»). Наша арифметика: ни один найденный в литературе сигнал на 5-мин горизонте в крипте не даёт валового эджа >1,3 б.п. на сделку, а нужно >11 б.п. при тейкере и >4 б.п. при мейкере.
## 4. Что опровергнуто / не подтвердилось
1. **«LOB-дипломные модели дают альфу»** — опровергнуто: лучшие архитектуры (DeepLOB, HLOB, LOBFrame) либо измеряют прибыль по мид-цене до комиссий (DeepLOB), либо показывают вероятность полного круга в плюс 3–6% (HLOB), либо прямо пишут, что метрики не транслируются в сделки (LOBFrame). Колм и др. (2023) сообщают «state-of-the-art predictive accuracy», но PnL/Sharpe после издержек в доступной части не приводят.
2. **«Точность 71–78% = торгуемая стратегия»** — не подтверждено. Jha et al.: 71% по трём классам, но precision направленных классов 0,40–0,42. Fang et al.: 78% на BTC-USD, но с деградацией к случайному угадыванию в live и без PnL.
3. **«На 5-минутном горизонте разворот в крипте торгуем»** — опровергнуто количественно: Kitron & Wengrowicz прямо измеряют 0,15 б.п. на сделку на 5-мин барах против 5 б.п. мейкер-круга; «ни одна из 183 пар не пробивает мейкер-полосу при любом пороге».
4. **«Предсказуемость на границах 15 мин можно взять тейкером»** — опровергнуто авторами: Kim & Hansen считают предсказуемую компоненту ≈0,51 б.п. против 5 б.п. одной комиссии Binance, и сознательно отказываются считать нетто-стратегию.
5. **«Чем больше признаков/сложнее модель, тем лучше»** — не подтверждено: Briola–Turiel–Aste (2020) показывают, что архитектуры кластеризуются и неразличимы; Lucchese et al. (2022) — представление данных важнее архитектуры; Bieganowski & Ślepaczuk — интерпретируемый CatBoost на 8–10 фичах устойчив across assets.
6. **«Условие по глубине стакана предсказывает возврат»** — опровергнуто: Kitron & Wengrowicz: «съеденная глубина не обуславливает ничего», значимо только conditioning по интенсивности агрессивного потока.
7. **«Depth/направление стакана как единственный сигнал»** — опровергнуто ещё на акциях: Cont et al. — trade imbalance (то, что доступно с OHLCV) объясняет 32% против 65% у полного OFI; значит, наш прокси **заведомо слабее**.
8. **«DRL/эволюция адаптируются к режимам и дают APY»** — опровергнуто: Chen 2025 — валидация >300% APY, live-просадка >70%, отдельный раздел «Cost-Blind Hallucination» и «Friction Barrier».
9. **Публикация с «unprecedented accuracy» на минутном BTC (arXiv 2406.17083)** — не подтверждается: нет OOS-протокола, нет PnL, нет издержек; в список правил не берём.
10. **Наши собственные повторы не нужны:** тезис «на 30 мин классические правила отрицательны» (наш факт) согласуется с Kitron (AUC 0,496 к 4 часам) — повторно не переоткрывать.
## 5. Пробелы, доступность и что осталось непроверенным
* **Полный текст не читался (доступ закрыт), цифр не приводим:**
* Kolm, Turiel, Westray 2023 — Wiley paywall (есть аннотация + SSRN-страница; PnL/Sharpe в аннотации нет);
* Silantyev 2019 — Springer отдаёт только вводную часть, PDF недоступен;
* Easley & O'Hara 2024 (SSRN 4814346) — только аннотация (PDF Cornell не отдался, тайм-аут);
* Vafin 2026 — SSRN 403; аннотация получена через Crossref API;
* Ait-Sahalia et al. — только метаданные/цитирование;
* Brauneis et al. 2021, Cont–Cucuringu–Zhang 2023 — только метаданные (DOI/год/страницы).
* **Чего в литературе не нашлось (и мы это фиксируем, а не додумываем):** ни одной работы, где 5-минутное правило в крипте даёт положительную экономику **после** комиссии 0,055% на ногу. Все найденные «положительные» результаты либо (а) на 2–10-секундном горизонте без корректных издержек, либо (б) на дневном/недельном обороте с BETC-анализом.
* **Инфраструктурный пробел:** Bybit v5 klines не отдают `takerBuyVolume` (в отличие от Binance). Чтобы воспроизвести R1 (тейкер-impulse) на нашем стенде, нужно либо тянуть trades-фид, либо использовать оценку стороны агрессора (Lee–Ready / bulk volume classification из Easley–López de Prado–O'Hara 2012) и отдельно измерить её шум. Это стоит проверить до бэктеста правил R1/R3.
* **Не измерено никем (ниша):** условная точность 5-мин разворота **внутри** окон повышенной алгоритмической активности (первые 10 с после границы) — Kim & Hansen измеряют эффект только для 10-секундной доходности на границе, Kitron — только для 5/15-мин баров целиком. Стык этих двух постановок не исследован.
## 6. Источники (URL + дата обращения 29.09.2026)
1. Cont R., Kukanov A., Stoikov S. *The Price Impact of Order Book Events* // Journal of Financial Econometrics. 2014. 12(1). P. 47–88. DOI: 10.1093/jjfinec/nbt003. Препринт: https://arxiv.org/abs/1011.6402 (обращение 29.09.2026).
2. Kolm P., Turiel J., Westray N. *Deep Order Flow Imbalance: Extracting Alpha at Multiple Horizons from the Limit Order Book* // Mathematical Finance. 2023. 33(4). P. 1044–1081. DOI: 10.1111/mafi.12413. Аннотация: https://onlinelibrary.wiley.com/doi/abs/10.1111/mafi.12413 ; SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3900141 (обращение 29.09.2026).
3. Su Y., Sun Z., Li J., Yuan X. *The Price Impact of Generalized Order Flow Imbalance*. 2021. arXiv:2112.02947. https://arxiv.org/abs/2112.02947 (обращение 29.09.2026).
4. Cont R., Cucuringu M., Zhang C. *Cross-impact of order flow imbalance in equity markets* // Quantitative Finance. 2023. 23(10). P. 1373–1393. DOI: 10.1080/14697688.2023.2236159 (обращение 29.09.2026, только метаданные).
5. Silantyev E. *Order flow analysis of cryptocurrency markets* // Digital Finance. 2019. 1(1). P. 191–218. DOI: 10.1007/s42521-019-00007-w. https://link.springer.com/article/10.1007/s42521-019-00007-w (обращение 29.09.2026; полный текст недоступен).
6. Anastasopoulos A., Gradojevic N., Liu F., Maynard A., Tsiakas I. *Order Flow and Cryptocurrency Returns*. EFMA Annual Meeting 2025 (Greece), Working paper, November 2024. http://www.efmaefm.org/0EFMAMEETINGS/EFMA%20ANNUAL%20MEETINGS/2025-Greece/papers/OrderFlowpaper.pdf (обращение 29.09.2026).
7. Easley D., O'Hara M. *Microstructure and Market Dynamics in Crypto Markets*. 2024. SSRN 4814346. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4814346 (обращение 29.09.2026; только аннотация).
8. Kim C., Hansen P. R. *The Quarter-Hour Effect: Periodic Algorithmic Trading and Return Predictability in Cryptocurrency Futures*. 2026. arXiv:2607.09426v2. https://arxiv.org/abs/2607.09426 (обращение 29.09.2026).
9. Kitron N. A., Wengrowicz J. M. *Short-horizon mean reversion in cryptocurrency markets: a matched cross-market measurement*. 2026. arXiv:2608.21888v1. https://arxiv.org/abs/2608.21888 (обращение 29.09.2026).
10. Bieganowski B., Ślepaczuk R. *Explainable Patterns in Cryptocurrency Microstructure*. 2026. arXiv:2602.00776v1. https://arxiv.org/abs/2602.00776 (обращение 29.09.2026).
11. Jha R., De Paepe M., Holt S., West J., Ng S. *Deep Learning for Digital Asset Limit Order Books*. 2020. arXiv:2010.01241. https://arxiv.org/abs/2010.01241 (обращение 29.09.2026).
12. Fang F., Chung W., Ventre C., Basios M., Kanthan L., Li L., Wu F. *Ascertaining price formation in cryptocurrency markets with DeepLearning*. 2020. arXiv:2003.00803. https://arxiv.org/abs/2003.00803 (обращение 29.09.2026).
13. Barone D., Lillo F. *Trading in the Sunshine or in the Shade: Market Impact and Adverse Selection on Hyperliquid*. 2026. arXiv:2606.15715. https://arxiv.org/abs/2606.15715 (обращение 29.09.2026).
14. Antulov-Fantulin N., Guo T., Lillo F. *Temporal mixture ensemble models for intraday volume forecasting in cryptocurrency exchange markets*. 2020. arXiv:2005.09356. https://arxiv.org/abs/2005.09356 (обращение 29.09.2026).
15. Petukhina A., Reule R. C. G., Härdle W. K. *Rise of the Machines? Intraday High-Frequency Trading Patterns of Cryptocurrencies*. 2020. arXiv:2009.04200. https://arxiv.org/abs/2009.04200 (обращение 29.09.2026).
16. Hansen P. R., Kim C., Kimbrough W. *Periodicity in Cryptocurrency Volatility and Liquidity* // Journal of Financial Econometrics. 2024. 22(1). P. 224–251. DOI: 10.1093/jjfinec/nbac034 (обращение 29.09.2026).
17. Kończal J., Połoczański R. *Anomaly detection in European cryptocurrency exchange-traded products*. 2026. arXiv:2608.09576. https://arxiv.org/abs/2608.09576 (обращение 29.09.2026).
18. Wątorek M., Skupień M., Kwapień J., Drożdż S. *Decomposing cryptocurrency high-frequency price dynamics into recurring and noisy components*. 2023. arXiv:2306.17095. https://arxiv.org/abs/2306.17095 (обращение 29.09.2026).
19. Shahsafdari Z., Kalhor A. *Boosting Bitcoin Minute Trend Prediction Using The Separation Index*. 2024. arXiv:2406.17083. https://arxiv.org/abs/2406.17083 (обращение 29.09.2026).
20. Chen Y. *The Red Queen's Trap: Limits of Deep Evolution in High-Frequency Trading*. 2025. arXiv:2512.15732. https://arxiv.org/abs/2512.15732 (обращение 29.09.2026).
21. Zhang Z., Zohren S., Roberts S. *DeepLOB: Deep Convolutional Neural Networks for Limit Order Books*. 2019. arXiv:1808.03668v6. https://arxiv.org/abs/1808.03668 (обращение 29.09.2026).
22. Briola A., Bartolucci S., Aste T. *Deep Limit Order Book Forecasting: A microstructural guide*. 2024. arXiv:2403.09267v4. https://arxiv.org/abs/2403.09267 (обращение 29.09.2026).
23. Briola A., Bartolucci S., Aste T. *HLOB — Information Persistence and Structure in Limit Order Books*. 2024. arXiv:2405.18938v3. https://arxiv.org/abs/2405.18938 (обращение 29.09.2026).
24. Briola A., Turiel J., Aste T. *Deep Learning modeling of the Limit Order Book: a comparative perspective*. 2020. arXiv:2007.07319v3. https://arxiv.org/abs/2007.07319 (обращение 29.09.2026).
25. Zhang Z., Zohren S., Roberts S. *Extending Deep Learning Models for Limit Order Books to Quantile Regression*. 2019. arXiv:1906.04404. https://arxiv.org/abs/1906.04404 (обращение 29.09.2026).
26. Lucchese L., Pakkanen M. S., Veraart A. E. D. *The Short-Term Predictability of Returns in Order Book Markets: a Deep Learning Perspective*. 2022. arXiv:2211.13777v3. https://arxiv.org/abs/2211.13777 (обращение 29.09.2026).
27. Zhang Z., Zohren S. *Multi-Horizon Forecasting for Limit Order Books*. 2021. arXiv:2105.10430v2. https://arxiv.org/abs/2105.10430 (обращение 29.09.2026).
28. Yang J., Fang R., Zhang M., Zhou J. *An Efficient deep learning model to Predict Stock Price Movement Based on Limit Order Book*. 2025. arXiv:2505.22678. https://arxiv.org/abs/2505.22678 (обращение 29.09.2026).
29. Zhang Z., Zohren S., Roberts S. *BDLOB: Bayesian Deep Convolutional Neural Networks for Limit Order Books*. 2018. arXiv:1811.10041. https://arxiv.org/abs/1811.10041 (обращение 29.09.2026).
30. Sirignano J. *Deep Learning for Limit Order Books*. 2016. arXiv:1601.01987v7. https://arxiv.org/abs/1601.01987 (обращение 29.09.2026).
31. Sadighian J. *Deep Reinforcement Learning in Cryptocurrency Market Making*. 2019. arXiv:1911.08647. https://arxiv.org/abs/1911.08647 (обращение 29.09.2026).
32. Giegrich M., Oomen R., Reisinger C. *Limit Order Book Simulation and Trade Evaluation with K-Nearest-Neighbor Resampling*. 2024. arXiv:2409.06514. https://arxiv.org/abs/2409.06514 (обращение 29.09.2026).
33. Easley D., López de Prado M., O'Hara M. *Flow Toxicity and Liquidity in a High-frequency World* // Review of Financial Studies. 2012. 25(5). P. 1457–1493. DOI: 10.1093/rfs/hhs053 (обращение 29.09.2026, метаданные; PDF-версия: https://www.stern.nyu.edu/sites/default/files/assets/documents/con_035928.pdf ).
34. Lee C. M. C., Ready M. J. *Inferring Trade Direction from Intraday Data* // Journal of Finance. 1991. 46(2). P. 733–746. DOI: 10.1111/j.1540-6261.1991.tb02683.x (обращение 29.09.2026, метаданные).
35. Makarov I., Schoar A. *Trading and arbitrage in cryptocurrency markets* // Journal of Financial Economics. 2020. 135(2). P. 293–319. DOI: 10.1016/j.jfineco.2019.07.001 (обращение 29.09.2026, метаданные).
36. Brauneis A., Mestel R., Riordan R., Theissen E. *How to measure the liquidity of cryptocurrency markets?* // Journal of Banking & Finance. 2021. 124. 106041. DOI: 10.1016/j.jbankfin.2020.106041 (обращение 29.09.2026, метаданные).
37. Vafin R. *Order-Flow Imbalance and Short-Horizon Return Predictability in Cryptocurrency Markets*. 2026. SSRN 6938742. DOI: 10.2139/ssrn.6938742 (обращение 29.09.2026, аннотация; полный текст недоступен).
38. Ait-Sahalia Y., Fan J., Xue L., Zhou Y. *How and When are High-Frequency Stock Returns Predictable?* 2022. SSRN. DOI: 10.2139/ssrn.4196310 (обращение 29.09.2026, метаданные; цитируется по Kim & Hansen, 2026).
directions/volatility-regimes.json
+353
View File
@@ -0,0 +1,353 @@
[
{
"title": "Risk Everywhere: Modeling and Managing Volatility",
"authors": "Tim Bollerslev; Benjamin Hood; John Huss; Lasse Heje Pedersen",
"year": 2018,
"url": "https://public.econ.duke.edu/~boller/Published_Papers/rfs_18.pdf",
"doi": "10.1093/rfs/hhy041",
"horizon": "RV из 5-мин → дневные прогнозы и таргетирование риска (данные >20 лет)",
"data": "20 commodities, 21 индекс акций, 8 фьючерсов на ставки, 9 валют; внутридневные данные, 5-мин RV",
"costs_assumed": "Учтены 'realistic transaction costs'; отдельные оценки даны в б.п./год полезности",
"key_numbers": "5-мин RV трудно превзойти (цит. Liu-Patton-Sheppard); прирост certainty-equivalent полезности лучшей модели риска vs статической = 48 б.п./год; vs модель на дневных данных = 19 б.п./год; vs скользящее среднее RV за 21 день = 8 б.п./год; базовые допущения SR=0.4, риск-таргет 20%",
"verdict": "Экономическая ценность прогноза волатильности мала: 8-19 б.п./год против нашей стоимости круга 11 б.п. → волатильность это риск-менеджмент, а не альфа",
"implementable": "Да как фильтр/сайзинг (не как самостоятельный сигнал)"
},
{
"title": "Does anything beat 5-minute RV? A comparison of realized measures across multiple asset classes",
"authors": "Lily Y. Liu; Andrew J. Patton; Kevin Sheppard",
"year": 2015,
"url": "https://public.econ.duke.edu/~ap172/Liu_Patton_Sheppard_JoE_2015.pdf",
"doi": null,
"horizon": "дневная QV; прогноз через HAR на 1-50 дней",
"data": "400+ оценок реализованной волатильности, 31 актив, 5 классов активов, 11 лет",
"costs_assumed": "не моделируются",
"key_numbers": "'difficult to significantly beat 5-minute RV'; автокорреляция QV 1-го порядка в среднем 0.95 (2-го порядка 0.92)",
"verdict": "Простое 5-мин RV — достаточная оценка; экзотические оценки не нужны. Экстремальная персистентность объясняет, почему наивный прогноз силён",
"implementable": "Да: считать RV по 5-мин доходностям, без сложных оценок"
},
{
"title": "Volume-driven time-of-day effects in intraday volatility models",
"authors": "Igor Ferreira Batista Martins; Audronė Virbickaitė; Hoang Nguyen; Hedibert Freitas Lopes",
"year": 2025,
"url": "https://www.oru.se/globalassets/oru-sv/institutioner/hh/workingpapers/workingpapers2025/wp-14-2025.pdf",
"doi": null,
"horizon": "одношаговый = 5-минутный горизонт (5-мин RV как прокси); OOS 01.01.2022-30.08.2024",
"data": "5-мин лог-доходности и объём: E-mini S&P500, E-mini Nasdaq 100, Euro FX futures, WTI (CME/Globex)",
"costs_assumed": "издержки не моделируются (используется формула Moreira-Muir, где c нормирует волатильность)",
"key_numbers": "Mincer-Zarnowitz R2: предложенная модель 0.748 (Nasdaq) / 0.733 (S&P500); PSVO 0.553; PSV 0.546; SV 0.459; GARCH 0.421/0.433; AR1-RV 0.409/0.414; DM-статистики значимо в пользу модели; Табл.4 vol-managed Sharpe 0.14→3.28 (Nasdaq), 0.19→3.52 (S&P) — неправдоподобно при средней доходности 0.79%/0.64%/год (годовая волатильность ~0.2%)",
"verdict": "Единственная найденная работа про прогноз RV на 5-мин горизонте: R2 0.73-0.75 с периодичностью и объёмом (против 0.41 у AR1-RV). Статистика есть, экономика без издержек не доказана; Sharpe из Табл.4 доверять нельзя",
"implementable": "Да: включить время суток (час, минута-в-часе) и лагированную активность/объём в модель σ̂"
},
{
"title": "The Impact of Volatility Targeting",
"authors": "Campbell R. Harvey; Edward Hoyle; Russell Korgaonkar; Sandy Rattray; Matthew Sargaison; Otto Van Hemert",
"year": 2018,
"url": "https://people.duke.edu/~charvey/Research/Published_Papers/P135_The_impact_of.pdf",
"doi": "10.3905/jpm.2018.45.1.014",
"horizon": "дневное ребалансирование; для S&P500-фьючерсов и 10Y Treasury также 5-мин внутридневная оценка волатильности (с 1988)",
"data": "60+ активов с 1926 (акции США, облигации, кредит, 50 ликвидных фьючерсов/форвардов)",
"costs_assumed": "1.0 б.п. акции, 0.5 б.п. облигации/кредит, 1.0 б.п. золото, 2.0 б.п. нефть, 3.5 б.п. медь (доля ноционала); целевая волатильность 10%",
"key_numbers": "Sharpe 0.40 → 0.48-0.51; vol of vol 4.6% → 1.8%; оборот ~5 кругов/год ⇒ 0.066%/год издержек при 1 б.п.; выигрыш только для риск-активов; переход на 5-мин данные даёт лишь небольшое улучшение Sharpe/vol-of-vol/левого хвоста",
"verdict": "Vol-targeting даёт +0.08 Sharpe и режет хвосты, но это заслуга НИЗКОГО оборота при дневном ребалансе; на 5м-частоте преимущество исчезает",
"implementable": "Да: сайзинг по σ̂ на уровне сделки; непрерывный ребаланс на 5м — нет"
},
{
"title": "Volatility-Managed Portfolios",
"authors": "Alan Moreira; Tyler Muir",
"year": 2017,
"url": "https://www.stern.nyu.edu/sites/default/files/assets/documents/Volatility%20Managed%20Portfolios.pdf",
"doi": "10.1111/jofi.12513",
"horizon": "месячный (факторы акций, currency carry)",
"data": "факторы: market, value, momentum, profitability, ROE, investment, BAB, carry",
"costs_assumed": "утверждается устойчивость 'even if subject to realistic transaction costs'",
"key_numbers": "Для рынка: альфа 4.86%/год, appraisal ratio 0.33, +25% к Sharpe buy-and-hold; прирост mean-variance полезности ~65% lifetime utility",
"verdict": "Сильная версия 'vol-targeting = альфа' (in-sample, месячная частота)",
"implementable": "Нет напрямую на 5м (месячный горизонт), но мотивирует проверку сайзинга"
},
{
"title": "On the performance of volatility-managed portfolios",
"authors": "Scott Cederburg; Michael S. O'Doherty; Feifei Wang; Xuemin (Sterling) Yan",
"year": 2020,
"url": "https://www.lehigh.edu/~xuy219/research/COWY.pdf",
"doi": null,
"horizon": "месячный, с акцентом на real-time реализацию",
"data": "103 стратегии акций (всесторонний набор)",
"costs_assumed": "издержки учитываются в OOS-тестах (CE-доходности и Sharpe)",
"key_numbers": "'no statistical or economic evidence that volatility-managed portfolios systematically earn higher Sharpe ratios'; OOS-версии комбинаций обычно дают НИЖЕ CE-доходность и Sharpe, чем простые незамасштабированные инвестиции; причина — structural instability spanning-регрессий; in-sample альфы нереализуемы в реальном времени",
"verdict": "Прямое опровержение Moreira-Muir: vol-managed альфы не воспроизводятся OOS. Vol-targeting нельзя считать источником альфы",
"implementable": "Нет как источник альфы; только как риск-контроль"
},
{
"title": "High-Frequency Forecasting of Bitcoin Volatility: Evaluating HAR Models with Realised Semivariance and Jump Components",
"authors": "Raheleh Sarrafshirazi (MSc thesis, Concordia University)",
"year": 2025,
"url": "https://spectrum.library.concordia.ca/995904/1/Sarrafshirazi_MSc_F2025.pdf",
"doi": null,
"horizon": "1, 7, 30, 90 дней (rolling window = начальные 80% выборки, 2215 дней)",
"data": "минутные цены BTC (агрегат Kaggle), август 2017 - февраль 2025; RV из 5-мин доходностей",
"costs_assumed": "не моделируются (метрики RMSE, MAE, QLIKE)",
"key_numbers": "HAR-варианты (HAR, HAR-RS, HAR-J, HAR-RS-J) превосходят GARCH(1,1) на КОРОТКИХ горизонтах, GARCH лучше на длинных; HAR-J лучший day-ahead, HAR-RS лучший на неделе/месяце; на квартале точность сходится; у BTC короче память волатильности и больше вклад джампов, чем у акций; downside semivariance и continuous variation — устойчивые предикторы",
"verdict": "HAR-семейство — обязательный коротко-горизонтный бейзлайн для крипты; GARCH проигрывает на коротких горизонтах",
"implementable": "Да как бейзлайн модели σ̂ (на дневном горизонте; на 5м экстраполяция не проверена)"
},
{
"title": "Comparison of GARCH and HAR-RV models for realized volatility of Bitcoin and E-mini S&P 500",
"authors": "V. Manevich; A. Peresetskiy; P. Pogorelova (HSE, 09.09.2022)",
"year": 2022,
"url": "https://economics.hse.ru/mirror/pubs/share/827451601.pdf",
"doi": null,
"horizon": "дневная RV, прогноз на день",
"data": "закрытия 5-мин баров BTC и E-mini S&P 500 futures (finam.ru), 01.01.2018-29.12.2021, 288 интервалов в сутках",
"costs_assumed": "не моделируются (MSE, MAE, MAPE; значимость 1%)",
"key_numbers": "Все 10 GARCH-моделей уступают HAR-моделям; лучшие MAPE = 29.51% (Bitcoin) и 36.12% (E-mini S&P 500); бенчмарк GARCH(1,1)-norm: MAE 0.004623 / MAPE 61.97% для BTC",
"verdict": "Даже лучшая модель ошибается на ~30% относительно по дневной RV BTC. Честный потолок точности прогноза RV крипты",
"implementable": "Да: использовать как ориентир требуемой точности σ̂"
},
{
"title": "Periodicity in Cryptocurrency Volatility and Liquidity",
"authors": "(arXiv preprint; UNC/Copenhagen Business School/Volatility Group), 05.11.2021",
"year": 2021,
"url": "https://arxiv.org/abs/2109.12142",
"doi": "10.48550/arXiv.2109.12142",
"horizon": "1-мин и 5-мин данные; внутридневная периодичность (день недели, час суток, внутри часа)",
"data": "1-мин OHLCV Binance (BTC/USDT, ETH/USDT), Coinbase Pro (BTC/USD, ETH/USD), Uniswap V2 (WETH/USDC); основной сэмпл 01.10.2020-01.06.2021, расширенный с 01.01.2019",
"costs_assumed": "не моделируются (измерительная работа)",
"key_numbers": "RV(5-мин) годовое среднее/медиана: BTC/USDT Binance 67.72%/54.57%, ETH/USDT 86.29%/71.59%; волатильность максимум ~16 UTC, минимум ~05 UTC; пики объёма и волатильности в 00:00 и 16:00 UTC (слабее в 08:00) — совпадают с временами фандинга перпетуалов (Binance 00/08/16, FTX каждый час, BitMEX 04/12/20 UTC); внутри часа пики каждые 15 минут и меньшие каждые 5 минут; GARCH-модели существенно выигрывают от учёта периодичности; разрывы в 1-мин рядах на каждой 15-й/5-й/1-й минуте; ценопознание на CEX, DEX отстаёт до ~12 минут",
"verdict": "Самый надёжный и прикладной крипто-специфичный результат направления: периодичность волатильности/объёма реальна, стабильна и объяснима (фандинг + алгоритмы). Но направления не даёт и издержки не покрывает",
"implementable": "Да: дамми час-суток / минута-в-часе / фандинг-штампы в модели σ̂; окно входа 12:00-18:00 UTC"
},
{
"title": "Market Intraday Momentum (The First Half-Hour Return Predicts the Last Half-Hour Return)",
"authors": "Lei Gao; Yufeng Han; Sophia Zhengzi Li; Guofu Zhou",
"year": 2018,
"url": "https://c.mql5.com/forextsd/forum/173/intraday_momentum_-_the_first_half-hour_return_predicts_the_last_half-hour_return.pdf",
"doi": null,
"horizon": "30 минут (первая получасовка → последняя)",
"data": "SPY (S&P 500 ETF), 04.01.1993-31.12.2013; также 10 ETF и 2 международных фьючерса",
"costs_assumed": "авторы утверждают, что эффект остаётся значимым после издержек",
"key_numbers": "R2 первого получасового возврата на последний = 1.6% (с r12 — 2.6%, на днях высокой волатильности до 3.3%); тайминг-стратегия: 6.67%/год, SD 6.19%, Sharpe 1.08 vs buy-and-hold 0.29 (6.04%/год, SD 20.57%); в группах по волатильности Sharpe растёт 0.18 → 0.97 → 1.63",
"verdict": "Предсказуемость направления на внутридневном горизонте мала по R2 и растёт с волатильностью/объёмом. Аргумент против гипотезы 'breakout только в тишине'",
"implementable": "Частично: идея 'время суток + высокая активность = выше предсказуемость'; горизонт 30 мин, не 5 мин"
},
{
"title": "Bitcoin intraday time series momentum",
"authors": "Dehua Shen; Andrew Urquhart; Pengfei Wang",
"year": 2021,
"url": "https://onlinelibrary.wiley.com/doi/10.1111/fire.12290",
"doi": "10.1111/fire.12290",
"horizon": "30 минут (сессия определена по всплеску объёма; 'закрытие' = 17:00 EST, начало брейка CME Bitcoin futures)",
"data": "BTC на Bitfinex, Bitstamp, CEX.IO, Coinbase, Kraken",
"costs_assumed": "заявлены экономические выигрыши; детальный учёт издержек нами не проверен",
"key_numbers": "первая получасовка значимо предсказывает последнюю in-sample И OOS; эффект сильнее, когда первая сессия имеет наибольший объём/волатильность; выигрыш в market timing и asset allocation, особенно на падениях BTC",
"verdict": "Крипто-аналог Gao et al.: эффект есть, но горизонт 30 мин и требуется вручную определённая 'сессия' (у крипты нет открытия/закрытия)",
"implementable": "Да как правило-кандидат на 30-мин горизонте; сессию задавать через всплеск объёма и фандинг-штампы"
},
{
"title": "Intraday return predictability in the cryptocurrency markets: Momentum, reversal, or both",
"authors": "(авторы не зафиксированы: ScienceDirect отдал только абстракт, SSRN-копия 403)",
"year": 2022,
"url": "https://www.sciencedirect.com/science/article/abs/pii/S1062940822000833",
"doi": null,
"horizon": "внутридневной",
"data": "криптовалюты, внутридневные данные",
"costs_assumed": "заявлено, что timing-стратегия превосходит buy-and-hold; методика издержек не видна из абстракта",
"key_numbers": "документированы И моментум, И разворот; влияние джампов, FOMC, ликвидности, COVID-19; intraday momentum объясняется теорией 'поздно информированных' инвесторов, reversal — перереакцией/самоуверенностью",
"verdict": "Направление внутри дня режимно-зависимо (то моментум, то разворот) — одиночное правило входа без режимного гейта ненадёжно",
"implementable": "Частично; прочитан только абстракт"
},
{
"title": "Turn-of-the-candle effect in bitcoin returns",
"authors": "Savva Shanaev; Mikhail Vasenin; Roman Stepanov",
"year": 2023,
"url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10015199/",
"doi": "10.1016/j.heliyon.2023.e14236",
"horizon": "1 минута / границы 15-мин свечей; эффект появился во 2-й половине 2020",
"data": "BTC, 7 бирж",
"costs_assumed": "авторы: стратегия превосходит buy-and-hold УЖЕ после комиссий и bid-ask спреда при стартовом капитале от $5000",
"key_numbers": "положительные доходности 0.58 б.п. в минуту сконцентрированы на 0-й, 15-й, 30-й и 45-й минутах часа; t-stat > 9 для всех 7 бирж в 2021; устойчиво к выбросам и тяжёлым хвостам",
"verdict": "Микроструктурный эффект на границе свечей: ~2.3 б.п. на 'поворот' против нашего круга 11 б.п. ⇒ тайминг входа/выхода, а не источник дохода; есть риск затухания",
"implementable": "Да как правило тайминга (входить на 0/15/30/45-й минуте)"
},
{
"title": "Risk of Bitcoin Market: Volatility, Jumps, and Forecasts",
"authors": "(arXiv 1912.05228, q-fin.RM; v3 09.12.2021)",
"year": 2021,
"url": "https://arxiv.org/abs/1912.05228",
"doi": "10.48550/arXiv.1912.05228",
"horizon": "короткий и длинный горизонты прогноза RV",
"data": "Bitcoin, realized volatility / jumps",
"costs_assumed": "используется утилити-подход (utility gain), явных издержек нет",
"key_numbers": "лагированная realized variance повышает будущую; джампы (особенно положительные) снижают будущую RV; моделирование джампов и знаковых оценок полезно для ДОЛГОСРОЧНОГО прогноза и 'unnecessary for the short-term realized variance forecast'",
"verdict": "На коротком горизонте джамп-машинерия не окупается — для 5м достаточно простых RV-моделей",
"implementable": "Да как ограничение сложности модели σ̂"
},
{
"title": "Forecasting Realized Volatility with Time Series Foundation Models: A Comparison with Econometric Benchmarks",
"authors": "Alessio Brini (Duke University)",
"year": 2026,
"url": "https://arxiv.org/abs/2607.05291",
"doi": "10.48550/arXiv.2607.05291",
"horizon": "3 горизонта (короткий/средний/месячный)",
"data": "VOLARE: 50 активов (акции, FX, фьючерсы)",
"costs_assumed": "не моделируются",
"key_numbers": "9 zero-shot TSFM против 8 эконометрических моделей с формальными тестами; только маленькая модель TTM узко бьёт Log-HAR на всех горизонтах, остальные не бьют; после Mincer-Zarnowitz-рекалибровки большая часть короткого преимущества оказывается лучшим МАСШТАБОМ, а не лучшим прогнозом; равновесное среднее TTM+Log-HAR входит в Model Confidence Set для 98-100% активов",
"verdict": "Сложные модели не дают бесплатного выигрыша; достаточно HAR + ансамбль. Прямое предупреждение против покупки 'умных' решений",
"implementable": "Да: использовать Log-HAR + простой ансамбль, не гнаться за трансформерами"
},
{
"title": "Crypto Volatility Forecasting: Mounting a HAR, Sentiment, and Machine Learning Horserace",
"authors": "(Journal of Financial Services Research/Springer, doi:10.1007/s10690-024-09510-6)",
"year": 2025,
"url": "https://link.springer.com/article/10.1007/s10690-024-09510-6",
"doi": "10.1007/s10690-024-09510-6",
"horizon": "внутридневной (intraday данные крипты), one-step ahead",
"data": "криптовалюты + ИИ-сентимент из базы новостей о крипторынке",
"costs_assumed": "не моделируются",
"key_numbers": "ML (MLP, LSTM, XGBoost, LightGBM, CNNBiLSTM) улучшают HAR; сентимент НЕ улучшает HAR, но улучшает ML в 54.17% случаев; ML улавливает нелинейное влияние сентимента",
"verdict": "ML даёт скромный, но реальный выигрыш; сентимент — не короткий путь для HAR-подобных моделей",
"implementable": "Частично: добавить ML-ансамбль поверх HAR, сентимент — опционально"
},
{
"title": "Advances in forecasting realized volatility: a review of methodologies",
"authors": "(Financial Innovation, Springer, doi:10.1186/s40854-025-00809-5)",
"year": 2025,
"url": "https://link.springer.com/article/10.1186/s40854-025-00809-5",
"doi": "10.1186/s40854-025-00809-5",
"horizon": "разные (обзор 2000 - 1П2024)",
"data": "обзор литературы по прогнозу realized volatility",
"costs_assumed": "не применимо",
"key_numbers": "лучший класс моделей — гибриды CNN+LSTM; затем HARNets/трансформеры",
"verdict": "Консенсус обзора: DL чуть впереди на метриках; практическая значимость приращения не оценивается",
"implementable": "Слабо: ориентир для выбора класса моделей"
},
{
"title": "Improving S&P 500 Volatility Forecasting through Regime-Switching Methods",
"authors": "Anurag Jakkula et al. (arXiv 2510.03236)",
"year": 2025,
"url": "https://arxiv.org/abs/2510.03236",
"doi": "10.48550/arXiv.2510.03236",
"horizon": "дневная RV, рекурсивный прогноз на 5 и 10 дней",
"data": "SPX, RV из 5-мин лог-доходностей, 01.05.2014-27.05.2025",
"costs_assumed": "не моделируются",
"key_numbers": "soft Markov switching, спектральная кластеризация с XGBoost, coefficient-based soft regime (Mood test + Bayesian GMM); coefficient-based подход превзошёл все модели, включая AR-бейзлайн, во ВСЕХ периодах (до/во время/после COVID); режимы медленные",
"verdict": "Учёт режимов улучшает ДНЕВНОЙ прогноз волатильности; подтверждений для 5-мин режимов нет",
"implementable": "Частично: медленная режимная компонента в модель σ̂ (не как торговый сигнал)"
},
{
"title": "Volatility forecasting with machine learning and intraday commonality",
"authors": "Chao Zhang et al. (arXiv 2202.08962; Journal of Financial Econometrics)",
"year": 2022,
"url": "https://arxiv.org/abs/2202.08962",
"doi": "10.48550/arXiv.2202.08962",
"horizon": "внутридневная RV → прогноз на 1 день",
"data": "акции (пулинг), внутридневные RV",
"costs_assumed": "не моделируются",
"key_numbers": "нейросети доминируют линейные и tree-модели; модели переносятся на новые акции (универсальный механизм волатильности); time-of-day эффекты помогают прогнозу",
"verdict": "'Время суток' — полезный признак для intraday RV; переносимость между активами подтверждена",
"implementable": "Да: включить time-of-day признаки; идея пулинга применима к пулу пар"
},
{
"title": "Out-of-sample prediction of Bitcoin realized volatility: Do other cryptocurrencies help?",
"authors": "Yongsheng Yi; Mengxi He; Yaojie Zhang",
"year": 2022,
"url": "https://www.sciencedirect.com/science/article/pii/S106294082200081X",
"doi": "10.1016/j.najef.2022.101731",
"horizon": "дневная RV (RV из внутридневных данных)",
"data": "Bitcoin + другие криптовалюты",
"costs_assumed": "используется утилити-gain; явные издержки не заявлены",
"key_numbers": "информация из других криптовалют улучшает прогноз RV биткоина (уровень абстракта/методики)",
"verdict": "Кросс-активная информация — полезный признак для RV; не прочитан в полном объёме",
"implementable": "Да как признак (RV других пар)"
},
{
"title": "Testing the Martingale Hypothesis in Cryptocurrency Returns (nested MSPE inference, purged walk-forward, multiple-testing control)",
"authors": "repo ITheClixs/crypto-return-predictability (grey literature, воспроизводимый код)",
"year": 2026,
"url": "https://github.com/ITheClixs/crypto-return-predictability",
"doi": null,
"horizon": "1 и 7 дней (не 5м)",
"data": "BTC, ETH, SOL; 23.07.2020-17.07.2026; purged и embargoed walk-forward CV",
"costs_assumed": "net Sharpe с бутстрап-интервалами (издержки учтены)",
"key_numbers": "Diebold-Mariano отвергает В ПОЛЬЗУ random walk в 7 из 18 настроек и НИКОГДА в пользу модели; Clark-West: 5 из 18 на 5% (ожидалось 0.9); после FDR остаётся 2, после контроля FWER — 0; OOS R2 = -0.0079 и +0.0031; net Sharpe 0.51 и 0.33 с интервалами [-0.18;1.23] и [-0.35;1.02]; значимого sign-timing навыка нет; высокие Sharpe — замаскированный long-only",
"verdict": "Направление/знак не предсказуются с точностью, покрывающей издержки. Подтверждает: предсказуемая размерность — волатильность, а не доходность",
"implementable": "Да как методический протокол приёмки (DM+Clark-West+FDR/FWER, бутстрап net Sharpe)"
},
{
"title": "The Hurst Exponent Lied to Us",
"authors": "Curupira (инженерный блог, февраль 2026)",
"year": 2026,
"url": "https://curupira.dev/blog/hurst-exponents-mean-reversion-forex",
"doi": null,
"horizon": "крипта, часовые бары",
"data": "крипто-пары, R/S Hurst с окном 100 баров",
"costs_assumed": "не применимо",
"key_numbers": "R/S Hurst с окном 100 баров даёт H>0.6 на 100% баров ⇒ как переключатель режима бесполезен (вырожденный индикатор)",
"verdict": "Наивный порог Hurst>0.5 как 'тренд-гейт' не работает; использовать нельзя",
"implementable": "Нет (отрицательный результат; полезен как предупреждение)"
},
{
"title": "Anti-Persistent Values of the Hurst Exponent Anticipate Mean Reversion in Pairs Trading: The Cryptocurrencies Market as a Case Study",
"authors": "Mar Grande; Florentino Borondo; Juan Carlos Losada; Javier Borondo",
"year": 2024,
"url": "https://www.mdpi.com/2227-7390/12/18/2911",
"doi": "10.3390/math12182911",
"horizon": "внутридневной/дневной (pairs trading)",
"data": "криптовалютные пары",
"costs_assumed": "не моделируются",
"key_numbers": "антиперсистентные значения Hurst предвосхищают возврат к среднему и позволяют находить возможности в pairs-торговле",
"verdict": "Hurst имеет смысл только в антиперсистентную сторону (MR-режим), не как гейт тренда",
"implementable": "Да как гейт для MR-правил (проверять антиперсистентность, а не H>0.5)"
},
{
"title": "Predicting the Volatility of Cryptocurrencies' Returns Using High-Frequency Data: A Comparative Analysis of GARCH, EGARCH, IGARCH, GJR-GARCH, LRE, and HAR Models",
"authors": "Abdulrahman Alsamaani; Huda Aldhahi",
"year": 2026,
"url": "https://www.mdpi.com/2227-7072/14/4/90",
"doi": "10.3390/ijfs14040090",
"horizon": "несколько горизонтов, high-frequency intraday данные",
"data": "12 доминирующих и менее доминирующих криптовалют",
"costs_assumed": "не моделируются",
"key_numbers": "ПОЛНЫЙ ТЕКСТ НЕ ПРОЧИТАН: MDPI отдаёт 403/Cloudflare через curl, r.jina.ai, firecrawl и браузер. Доступен только уровень абстракта: сравнение шести моделей (GARCH, EGARCH, IGARCH, GJR-GARCH, LRE, HAR) на высокочастотных данных",
"verdict": "Цитируется как заявка на сравнение GARCH-семейства и HAR на 5-мин данных крипты, но выводы нами не верифицированы",
"implementable": "Только как ссылка; требует повторной попытки доступа"
},
{
"title": "Comparing Daily Volatility Proxies for Cryptocurrency Forecasting Under a Unified Intraday Construction Framework",
"authors": "(Mathematics MDPI 14(10):1728, 18.05.2026)",
"year": 2026,
"url": "https://www.mdpi.com/2227-7390/14/10/1728",
"doi": "10.3390/math14101728",
"horizon": "1, 7 и 30 дней (прямые HAR-модели)",
"data": "крипта, единый Binance-пайплайн внутридневных данных",
"costs_assumed": "не моделируются (QLIKE и log-scale MSE)",
"key_numbers": "нет универсального победителя: calendar-boundary-augmented realized variance лучший по QLIKE на всех горизонтах; realized-range прокси лучший по log-MSE и стабильнее месяц-к-месяцу; классические Garman-Klass и Parkinson НЕ конкурентны; ранжирование зависит от функции потерь и рыночных условий",
"verdict": "Выбор цели прогноза (proxy) — содержательное решение, а не деталь: ранжирование моделей зависит от loss-функции. Для нас: фиксировать QLIKE и RV-прокси заранее",
"implementable": "Да как методическое требование к валидации σ̂"
},
{
"title": "Time-of-day periodicities of trading volume and volatility in Bitcoin exchange: Does the stock market matter?",
"authors": "J.-N. Wang; H.-C. Liu; Y.-T. Hsu (Finance Research Letters 34:101243, 2020) — вторичная ссылка, полный текст не читался",
"year": 2020,
"url": "https://www.sciencedirect.com/science/article/abs/pii/S1544612319301904",
"doi": "10.1016/j.frl.2019.101243",
"horizon": "часовые данные",
"data": "Bitstamp, BTC; сопоставление с часами работы фондовых рынков",
"costs_assumed": "не моделируются",
"key_numbers": "объём и волатильность существенно выше в будни, чем в выходные; паттерны следуют времени суток домашних рынков бирж (цитируется в arXiv 2109.12142)",
"verdict": "Подтверждает недельную и суточную периодичность; прочитано через вторичный источник",
"implementable": "Частично (как подтверждение для R5)"
},
{
"title": "Bitcoin Liquidity by Hour: Volume, Depth, Spread",
"authors": "Quantumflow (отраслевой обзор, 2026)",
"year": 2026,
"url": "https://quantumflow.tech/learn/crypto-liquidity-by-hour",
"doi": null,
"horizon": "часовые срезы по времени суток",
"data": "BTC-перпетуалы Binance",
"costs_assumed": "обсуждаются спреды/глубина, но без полного учёта комиссий",
"key_numbers": "по будням объём максимален в 14:00 и 15:00 UTC — 2.72x и 2.61x от медианы дня; самые объёмные часы не самые глубокие",
"verdict": "Практик-источник, согласуется с академическим arXiv 2109.12142; используется только как перекрёстная проверка",
"implementable": "Да как ориентир по окну входа (12:00-18:00 UTC)"
}
]
directions/volatility-regimes.md
+285
View File
@@ -0,0 +1,285 @@
# volatility-regimes — прогноз волатильности и режимов на 5м горизонте + vol-targeting
Направление 5 репозитория `crypto-5m-research`. Дата подготовки: **29.09.2026** (MSK).
Все URL проверены 29.09.2026. Наши издержки для сравнения: **11 б.п. на круг (тейкер)**, 4 б.п. (мейкер);
средний |5м-ход| = 22,8 б.п. ⇒ σ₅ₘ ≈ 28,6 б.п.; порог безубыточности p\*=(Стоп+Издержки)/(Цель+Стоп).
---
## 0. Главный вывод в трёх строках
1. **Волатильность предсказуется, направление — нет.** R² прогноза RV на 5-минутном горизонте достигает
0,73–0,75 (с периодичностью и объёмом), тогда как R² предсказания *знака/доходности* на внутридневном
горизонте в лучших работах = 1,6% (30-мин горизонт, SPY) и 0 после поправки на множественное тестирование
(дневной крипто-горизонт).
2. **Практическая ценность прогноза волатильности — не альфа, а риск.** Лучшая из известных моделей риска
даёт **8–19 б.п. в год** прироста certainty-equivalent полезности над наивными моделями
(Bollerslev et al. 2018). Это меньше, чем **один** наш тейкер-круг (11 б.п.). Значит, волатильность
годится как *фильтр/сайзинг* внутри правил, которые зарабатывают иначе.
3. **Внутридневная периодичность — самый надёжный крипто-специфичный факт.** Волатильность и объём
имеют пики в **00:00, 08:00, 16:00 UTC** (время фандинга перпетуалов), суточный максимум около
**16:00 UTC**, минимум около **05:00 UTC**, плюс пики каждые 15 минут и меньшие каждые 5 минут
внутри часа (arXiv 2109.12142). Это измеримая структура, а не «паттерн».
---
## 1. Таблица: работа → авторы/год → данные → горизонт → издержки → цифры → вердикт
| # | Работа (авторы, год) | Данные | Горизонт | Издержки, заложенные в работе | Ключевые цифры | Вердикт |
|---|---|---|---|---|---|---|
| 1 | **Bollerslev, Hood, Huss, Pedersen (2018)**, *Risk Everywhere*, RFS 31(7):2729 — [PDF Duke](https://public.econ.duke.edu/~boller/Published_Papers/rfs_18.pdf) | 20 commodities, 21 индекс акций, 8 FI-фьючерсов, 9 валют; >20 лет; RV из 5-мин | дневная RV → таргетирование риска | «realistic transaction costs» учтены; выигрыш, по авторам, сохраняется | 5-мин RV трудно превзойти (цит. LPS 2015); прирост полезности лучшей модели риска vs статической = **48 б.п./год**, vs модель на дневных данных = **19 б.п./год**, vs скользящее среднее RV за 21 день = **8 б.п./год**; базовое SR=0,4, риск-таргет 20% | Прогноз волатильности — это риск-менеджмент. Потолок выигрыша (8–19 б.п./год) **меньше нашего круга 11 б.п.** |
| 2 | **Liu, Patton, Sheppard (2015)**, JoE 187(1):293 — [PDF Duke](https://public.econ.duke.edu/~ap172/Liu_Patton_Sheppard_JoE_2015.pdf) | 400+ оценок RV, 31 актив, 5 классов, 11 лет | дневная QV, прогноз по HAR 1–50 дней | не моделируются | «**difficult to significantly beat 5-minute RV**»; автокорреляция QV 1-го порядка ≈ **0,95** (2-го ≈ 0,92) | Простое 5-мин RV — достаточная мера. Экзотические оценки не нужны |
| 3 | **Martins, Virbickaitė, Nguyen, Lopes (2025)**, Örebro WP 14/2025 — [PDF](https://www.oru.se/globalassets/oru-sv/institutioner/hh/workingpapers/workingpapers2025/wp-14-2025.pdf) | 5-мин лог-доходности + объём: E-mini S&P500, Nasdaq, Euro FX, WTI; OOS 01.01.2022–30.08.2024 | **одношаговый = 5-минутный** | явно не моделируются | Mincer–Zarnowitz R² (5-мин RV как прокси): предложенная модель **0,748** (Nasdaq) / **0,733** (S&P); PSVO 0,553; PSV 0,546; SV 0,459; **GARCH 0,421/0,433; AR1-RV 0,409/0,414**; DM-статистики значимо в пользу модели; vol-managed портфели: Sharpe 0,14→3,28 (Nasdaq), 0,19→3,52 (S&P) — ⚠️ при средней доходности 0,79% и 0,64% годовых это даёт годовую волатильность ~0,2%, т.е. **Sharpe из Табл. 4 выглядит артефактом масштабирования; доверять осторожно** | Единственная найденная работа про **прогноз RV именно на 5-мин горизонте**: R² 0,73–0,75 с периодичностью; наивный AR1-RV даёт 0,41. Статистика есть, экономика без издержек не доказана |
| 4 | **Harvey, Hoyle, Korgaonkar, Rattray, Sargaison, Van Hemert (2018)**, JPM 45(1):14 — [PDF Duke](https://people.duke.edu/~charvey/Research/Published_Papers/P135_The_impact_of.pdf) | 60+ активов с 1926; S&P500-фьючерсы с 1988 (в т.ч. **5-мин** оценка волатильности) | дневное ребалансирование, таргет 10% | 1 б.п. на акцию (одна нога), 0,5 б.п. облигации/кредит | Sharpe 0,40 → **0,48–0,51**; vol of vol **4,6% → 1,8%**; оборот ~**5 кругов в год** ⇒ издержки **0,066%/год**; выигрыш только для риск-активов (акции, кредит), для облигаций/FX/сырья ≈ 0; переход с дневной на **5-мин** оценку волатильности даёт **небольшое** улучшение Sharpe/vol-of-vol/левого хвоста | Vol-targeting даёт ~+0,08 Sharpe и урезание хвостов; дешевизна обеспечивается **низким оборотом** (раз в день). На 5м-частоте это преимущество исчезает (см. §4) |
| 5 | **Moreira, Muir (2017)**, JF 72(4) — [PDF NYU](https://www.stern.nyu.edu/sites/default/files/assets/documents/Volatility%20Managed%20Portfolios.pdf) | факторы акций, валютный carry; месячная частота | месячная | «даже с реалистичными издержками» | Рынок: **альфа 4,86%/год**, appraisal ratio 0,33, **+25% к Sharpe** buy-and-hold; прирост полезности = **65% lifetime utility** | Сильная версия «vol-targeting = альфа» |
| 6 | **Cederburg, O'Doherty, Wang, Yan (2020)**, JFE 138(1):95 — [PDF Lehigh](https://www.lehigh.edu/~xuy219/research/COWY.pdf) | **103** стратегии акций | месячная, с real-time реализацией | издержки учитываются в OOS-тестах | «**нет статистических или экономических доказательств**, что vol-managed портфели систематически дают более высокий Sharpe»; OOS-версии обычно **хуже** незамасштабированных по CE-доходности и Sharpe; причина — структурная нестабильность spanning-регрессий; ISBN-альфы нереализуемы в реальном времени | **Прямое опровержение (5).** Vol-targeting не является устойчивым источником альфы |
| 7 | **Sarrafshirazi (2025)**, MSc thesis, Concordia — [PDF](https://spectrum.library.concordia.ca/995904/1/Sarrafshirazi_MSc_F2025.pdf) | минутные цены BTC (агрегат Kaggle), 08.2017–02.2025; RV из 5-мин | 1, 7, 30, 90 дней | не моделируются | HAR-варианты **бьют GARCH(1,1) на коротких горизонтах**, GARCH лучше на длинных; HAR-J лучший на 1 день, HAR-RS на неделе/месяце; у крипты **короче память волатильности и больше вклад джампов**, чем у акций; на квартале все модели сходятся | HAR-семейство — обязательный бейзлайн для коротких горизонтов |
| 8 | **Manevich, Peresetskiy, Pogorelova (2022)**, ВШЭ, 09.09.2022 — [PDF](https://economics.hse.ru/mirror/pubs/share/827451601.pdf) | закрытия **5-мин** BTC и E-mini S&P500 (finam.ru), 01.01.2018–29.12.2021, 288 баров/сутки | дневная RV | не моделируются | Вывод: **GARCH-модели уступают HAR**; лучшие MAPE = **29,51% (BTC)** и 36,12% (E-mini S&P500). MSE/MAE/MAPE, значимость 1% | Даже лучшая модель ошибается на **~30% относительно** по дневной RV BTC — честный потолок точности |
| 9 | **arXiv 2109.12142**, *Periodicity in Cryptocurrency Volatility and Liquidity*, 05.11.2021 — [PDF](https://arxiv.org/pdf/2109.12142) | 1-мин OHLCV Binance, Coinbase Pro, Uniswap V2; BTC, ETH; основной сэмпл 01.10.2020–01.06.2021, расширенный с 01.01.2019 | 1 мин / 5 мин (RV), внутридневные паттерны | не моделируются (измерительная работа) | RV(5-мин), годовое среднее/медиана: BTC/USDT Binance **67,72% / 54,57%**, ETH/USDT **86,29% / 71,59%**; волатильность **максимум ~16 UTC, минимум ~05 UTC**; **пики объёма и волатильности в 00:00, 16:00 и (слабее) 08:00 UTC — времена фандинга** (Binance 00/08/16; FTX каждый час; BitMEX 04/12/20 UTC); внутри часа — **пики каждые 15 минут и меньшие каждые 5 минут**; GARCH «существенно выигрывает» от учёта периодичности; разрывы в 1-мин рядах на каждой 15-й/5-й/1-й минуте; ценопознание на CEX, DEX отстаёт до ~12 мин | **Самая прикладная вещь в направлении.** Периодичность реальна, велика и объяснима (фандинг + алгоритмы) |
| 10 | **Gao, Han, Li, Zhou (2018)**, *Market Intraday Momentum* — [PDF](https://c.mql5.com/forextsd/forum/173/intraday_momentum_-_the_first_half-hour_return_predicts_the_last_half-hour_return.pdf), [разбор Alpha Architect](https://alphaarchitect.com/attention-prop-traders-the-first-half-hour-of-trading-predicts-the-last-half-hour/) | SPY, 04.01.1993–31.12.2013 | **30 минут** (первая получасовка → последняя) | авторы утверждают, что эффект выживает после издержек | R² = **1,6%** (с r₁₂ — 2,6%; на днях высокой волатильности — до 3,3%); тайминг-стратегия **6,67%/год, SD 6,19%, Sharpe 1,08** vs buy-and-hold 0,29; в группах по волатильности Sharpe растёт 0,18 → 0,97 → **1,63** | Предсказуемость направления **растёт** с волатильностью и объёмом. Это аргумент **против** «торговать breakout только в тишине» |
| 11 | **Shen, Urquhart, Wang (2021)**, Financial Review, doi:10.1111/fire.12290 — [Wiley](https://onlinelibrary.wiley.com/doi/10.1111/fire.12290) | BTC на Bitfinex, Bitstamp, CEX.IO, Coinbase, Kraken | 30 мин (сессия определена по всплеску объёма; закрытие 17:00 EST = брейк CME) | авторы заявляют экономические выигрыши; издержки детально не проверены нами | первая получасовка **значимо предсказывает** последнюю in-sample и OOS; эффект **сильнее**, когда первая сессия с наибольшим объёмом/волатильностью; выигрыш в market timing и asset allocation, особенно на падениях | Крипто-аналог (10): эффект есть, горизонт 30 мин, не 5 мин |
| 12 | **NAJEF (2022)**, *Intraday return predictability in the cryptocurrency markets: Momentum, reversal, or both* — [ScienceDirect (абстракт)](https://www.sciencedirect.com/science/article/abs/pii/S1062940822000833) | криптовалюты, внутридневные данные | внутридневной | «timing strategy outperforms buy-and-hold» (абстракт) | доказательства **и моментума, и разворота**; влияние джампов, FOMC, ликвидности, COVID-19 ⚠️ прочитан **только абстракт**: SSRN-копия отдаёт 403 | Направление режимно-зависимо: то моментум, то разворот |
| 13 | **Shanaev, Vasenin, Stepanov (2023)**, Heliyon 9(4):e14236, doi:10.1016/j.heliyon.2023.e14236 — [PMC полный текст](https://pmc.ncbi.nlm.nih.gov/articles/PMC10015199/) | BTC, 7 бирж | **1 мин / границы 15-мин свечей** (аномалия появилась во 2-й половине 2020) | авторы: стратегия **превосходит buy-and-hold уже после комиссий и спреда** при капитале от $5 000 | положительные доходности **0,58 б.п. в минуту** сконцентрированы на **0-й, 15-й, 30-й, 45-й минутах часа**; t-stat > 9 для всех 7 бирж в 2021; устойчиво к выбросам и тяжёлым хвостам | Микроструктурный эффект на границе свечей: ~2,3 б.п. на «поворот» против 11 б.п. нашего круга ⇒ это **тайминг входа**, а не источник дохода |
| 14 | **arXiv 1912.05228**, *Risk of Bitcoin Market: Volatility, Jumps, and Forecasts*, 2019/2021 — [abs](https://arxiv.org/abs/1912.05228) | BTC, RV | короткий и длинный | не моделируются | моделирование джампов и знаковых оценок полезно для **долгосрочного** прогноза RV и «**не нужно для краткосрочного**» | На 5м-горизонте джамп-машинерия не окупается |
| 15 | **Brini (2026)**, arXiv 2607.05291, *Forecasting Realized Volatility with Time Series Foundation Models* — [HTML](https://arxiv.org/html/2607.05291v1) | VOLARE: 50 активов (акции, FX, фьючерсы) | 3 горизонта | не моделируются | 9 zero-shot TSFM vs 8 эконометрических моделей, формальные тесты: **только маленькая TTM** узко бьёт Log-HAR на всех горизонтах; после Mincer–Zarnowitz-рекалибровки «много короткого преимущества» оказывается **лучшим масштабом, а не лучшим прогнозом**; равновесное среднее TTM+Log-HAR входит в Model Confidence Set для **98–100% активов** | Сложные модели не дают бесплатного выигрыша; ансамбль с Log-HAR — достаточное решение |
| 16 | **Springer (2025)**, *Crypto Volatility Forecasting: Mounting a HAR, Sentiment, and Machine Learning Horserace*, doi:10.1007/s10690-024-09510-6 — [статья](https://link.springer.com/article/10.1007/s10690-024-09510-6) | крипта, внутридневные данные, ИИ-сентимент из новостей | внутридневной | не моделируются | ML-модели (LightGBM, XGBoost, LSTM, MLP, CNNBiLSTM) **улучшают HAR**; сентимент **не улучшает HAR**, но улучшает ML в **54,17%** случаев | Скромный, но реальный выигрыш ML; сентимент — не короткий путь |
| 17 | **Springer (2025)**, обзор *Advances in forecasting realized volatility* — [статья](https://link.springer.com/article/10.1186/s40854-025-00809-5) | обзор литературы 2000–1П2024 | разные | — | лучший класс — гибриды **CNN+LSTM** | Консенсус обзора: DL чуть впереди на метриках |
| 18 | **arXiv 2510.03236** (Jakkula et al., 2025), *Improving S&P 500 Volatility Forecasting through Regime-Switching Methods* — [abs](https://arxiv.org/abs/2510.03236) | SPX, RV из **5-мин** доходностей, 01.05.2014–27.05.2025 | дневная RV, рекурсивно 5 и 10 дней | не моделируются | soft-Markov, спектральная кластеризация, coefficient-based soft regime: последний **лучше AR-бейзлайна во всех подпериодах** (до/во время/после COVID) | Режим-осведомлённость помогает дневному прогнозу RV; режимы медленные |
| 19 | **arXiv 2202.08962** (Zhang et al., 2022/2023), *Volatility forecasting with machine learning and intraday commonality* — [abs](https://arxiv.org/abs/2202.08962) | акции, внутридневная RV (пулинг) | внутридневная → 1 день | не моделируются | нейросети доминируют линейные и tree-модели; перенос на новые акции работает; **time-of-day эффекты помогают прогнозу** | Подтверждает: «время суток» — полезный признак для intraday RV |
| 20 | **Yi, He, Zhang (2022)**, NAJEF, doi:10.1016/j.najef.2022.101731 — [страница](https://www.sciencedirect.com/science/article/pii/S106294082200081X) | BTC RV + другие крипты | дневная | не моделируются | кросс-крипто-информация помогает прогнозу RV ⚠️ прочитан уровень абстракта/методики | Другие пары — полезные признаки для RV |
| 21 | **ITheClixs/crypto-return-predictability (2026)** — [GitHub](https://github.com/ITheClixs/crypto-return-predictability) (grey literature, воспроизводимый код) | BTC, ETH, SOL; daily; 23.07.2020–17.07.2026; purged/embargoed walk-forward | 1 и 7 дней | учитываются (net Sharpe с бутстрап-интервалами) | Diebold–Mariano отвергает **в пользу random walk в 7 из 18** настроек и **никогда — в пользу модели**; Clark–West: 5 из 18 на 5% (ожидалось 0,9); после FDR — 2, после FWER — **0**; OOS R² = **−0,0079 и +0,0031**; net Sharpe 0,51 и 0,33 с интервалами [−0,18;1,23] и [−0,35;1,02]; **значимого sign-timing навыка нет** | Направление не предсказуется с достаточной для издержек точностью; предсказуемая размерность — **волатильность** |
| 22 | **Curupira (февраль 2026)**, *The Hurst Exponent Lied to Us* — [blog](https://curupira.dev/blog/hurst-exponents-mean-reversion-forex) | крипта, часовки | — | — | R/S Hurst с окном 100 баров даёт **H>0,6 на 100% баров** ⇒ как переключатель режима бесполезен | Не использовать наивный Hurst как гейт тренда |
| 23 | **Grande, Borondo, Losada, Borondo (2024)**, Mathematics 12(18):2911, doi:10.3390/math12182911 — [MDPI](https://www.mdpi.com/2227-7390/12/18/2911) | крипто-пары | внутридневной/дневной | не моделируются | **антиперсистентные** значения Hurst предвосхищают возврат к среднему в pairs-торговле | Hurst полезен в антиперсистентную сторону (MR), не как «тренд-гейт» |
| 24 | **Alsamaani, Aldhahi (2026)**, IJFS 14(4):90, doi:10.3390/ijfs14040090 — [MDPI](https://www.mdpi.com/2227-7072/14/4/90) | 12 криптовалют, high-frequency intraday | несколько горизонтов | не моделируются | сравниваются GARCH/EGARCH/IGARCH/GJR-GARCH/LRE/HAR ⚠️ **полный текст прочитать не удалось** (MDPI отдаёт 403/Cloudflare и через curl, и через прокси, и в браузере); использован только уровень абстракта | Ссылка есть, выводы не верифицированы нами |
| 25 | **Quantumflow (practitioner, 2026)**, *Bitcoin Liquidity by Hour* — [страница](https://quantumflow.tech/learn/crypto-liquidity-by-hour) | BTC-перпетуалы Binance | часовые срезы | не моделируются | объём по будням максимален в **14:00 и 15:00 UTC — 2,72× и 2,61× от медианы дня** | Практик-источник для перекрёстной проверки (9); не академия |
| 26 | **arXiv 2607.17555** (2026), *Volatility-Aware Extreme Event Detection in High-Frequency Financial Markets* — [abs](https://arxiv.org/abs/2607.17555) | высокочастотные рынки | — | — | (не использовано в синтезе; только обнаружено) | Кандидат на следующую итерацию |
**Что не удалось прочитать (честно):** MDPI IJFS 14(4):90 (403/Cloudflare при curl, r.jina.ai, браузер —
сервис браузера не поднялся); SSRN delivery-PDF (403); Springer «The crypto world trades at tea time»
(s11156-024-01304-1) — PDF вернулся как 3 КБ HTML; NAJEF — только абстракт.
---
## 2. (1) Предсказуемость realized volatility на 5м горизонте в крипте
**Что предсказуется надёжно:** уровень RV (логарифм), а не доходность.
| Что прогнозируем | Данные | Горизонт | Точность | Источник |
|---|---|---|---|---|
| 5-мин RV (фьючерсы S&P/Nasdaq/Euro/WTI) | 5-мин доходности + объём | **5 минут** | MZ R² = **0,733–0,748** (модель с периодичностью и объёмом) vs **0,409–0,433** у AR1-RV и GARCH; DM значимо | Örebro WP 14/2025 |
| Дневная RV BTC | 5-мин RV | 1 день | MAPE лучшей модели **29,51%** | ВШЭ 2022 |
| Дневная RV BTC | 5-мин RV, HAR/HAR-RS/HAR-J | 1/7/30/90 дней | HAR бьёт GARCH(1,1) на коротких; GARCH лучше на длинных | Concordia MSc 2025 |
| Дневная RV, 50 активов | Log-HAR vs 9 TSFM | 3 горизонта | преимущество TSFM **тает** после рекалибровки | arXiv 2607.05291 |
| Джампы/полудисперсии для краткосрочного RV | BTC | короткий | **не нужны** для короткого горизонта | arXiv 1912.05228 |
**Есть ли статистически значимый выигрыш против наивного прогноза?**
Да, но выигрыш *мал по величине* и доказывается только формальными тестами:
- Örebro: DM-статистики значимо в пользу модели с периодичностью/объёмом — на **5-мин горизонте**, но на фьючерсах, не на крипте.
- Concordia/ВШЭ: HAR значимо лучше GARCH на коротких горизонтах.
- arXiv 2607.05291: единственная модель из 9 (TTM) узко лучше Log-HAR; существенная часть преимущества — **артефакт масштаба**.
- Ключевая причина скромности выигрыша: **персистентность**. Автокорреляция QV 1-го порядка ≈ 0,95 (LPS 2015) ⇒ наивный прогноз уже почти оптимален.
**Чего в литературе НЕТ (важная дыра):** я не нашёл ни одной работы, которая считала бы out-of-sample R²/QLIKE и
Diebold–Mariano для прогноза RV **крипты именно на 5-минутном горизонте**. Ближайшее — Örebro (фьючерсы, 5-мин)
и дневные RV-работы по крипте. Это надо закрывать своим стендом: у нас есть 5-мин история Bybit 2020–2022
(README), значит мы можем посчитать этот бенчмарк сами.
**Что это значит для нас:** прогноз волатильности нельзя продавать как сигнал. Его корректная роль —
(а) нормировка барьеров (цель/стоп в единицах σ̂), (б) сайзинг позиции, (в) фильтр «когда вообще торговать».
---
## 3. (2) Внутридневные паттерны волатильности и объёма (часы UTC и дни недели)
Числа — из двух независимых источников (академия + практик), обе по крипте:
| Эффект | Числа | Источник |
|---|---|---|
| Суточный профиль волатильности | максимум ~**16:00 UTC**, минимум ~**05:00 UTC** (волатильность «хит дно» около 5 UTC) | arXiv 2109.12142 |
| Пики объёма **и** волатильности | **00:00, 16:00 UTC** сильно; **08:00 UTC** слабее — совпадает с фандингом перпетуалов (Binance 00/08/16; FTX — каждый час; BitMEX — 04/12/20 UTC) | arXiv 2109.12142 |
| Внутри часа | пики волатильности **каждые 15 минут**, меньшие — **каждые 5 минут** | arXiv 2109.12142 |
| Объём по будням (BTC-перпы Binance) | максимум **14:00 и 15:00 UTC = 2,72× и 2,61×** от медианы дня | Quantumflow |
| День недели | волатильность и объём **выше в будни, ниже на выходных**; она же «растут с годами» | arXiv 2109.12142 (со ссылкой на Wang, Liu, Hsu 2020, FRL 34:101243) |
| Уровни RV(5м) | BTC/USDT Binance среднее **67,72%** годовых (медиана 54,57%); ETH/USDT **86,29%** (71,59%) | arXiv 2109.12142 |
| Модельный эффект периодичности | GARCH-модели «**существенно выигрывают**» от учёта периодичности | arXiv 2109.12142 |
| Кросс-биржевое: ценопознание | на CEX; DEX (Uniswap V2) отстаёт до **~12 минут** | arXiv 2109.12142 |
**Важная оговорка по издержкам:** все эти работы — измерительные; **издержки в них не заложены**.
Сезонность говорит только о том, *когда* волатильность и объём выше; она не даёт направления и
не покрывает 11 б.п. на круг. Её ценность — в выборе окна входа (ликвидность/спред/проскальзывание),
что напрямую снижает нашу реальную стоимость круга против модельных 11 б.п.
---
## 4. (3) Vol-targeting и risk parity на внутридневном горизонте: что даёт в терминах Sharpe
**Сторона «за»:** Moreira–Muir (2017): альфа 4,86%/год, +25% к Sharpe, 65% lifetime-utility (месячная частота).
Harvey et al. (2018): Sharpe 0,40 → 0,48–0,51, vol of vol 4,6% → 1,8%, оборот всего ~5 кругов/год,
издержки 0,066%/год при 1 б.п. за ногу; выигрыш — **только для риск-активов**, для облигаций/FX/сырья ≈ 0.
Переход на **5-мин** оценку σ даёт лишь «небольшое» улучшение.
**Сторона «против»:** Cederburg et al. (2020) на 103 стратегиях: systematic OOS-преимущества **нет**,
реализуемые версии обычно **хуже** незамасштабированных, причина — структурная нестабильность.
Прирост полезности по Bollerslev et al. (2018): 8–19 б.п./год над наивными моделями риска.
**Наша арифметика (мой расчёт, не из литературы; помечено как наше):**
| Величина | Значение |
|---|---|
| p\* для цели 0,5%/стопа 0,3%, тейкер 11 б.п. | **51,2%** (мейкер 4 б.п.: **42,5%**) |
| Базлайн «мартингал» для тех же барьеров (P(достичь +50 б.п. раньше −30 б.п.)) | **37,5%** |
| ⇒ требуемое превышение точности над мартингалом | **+13,7 п.п.** (тейкер) / **+5,0 п.п.** (мейкер) |
| Требуемый ожидаемый сдвиг цены в сторону сделки (σ₅ₘ=28,6 б.п.) | **5,9 б.п. = 0,21σ** (тейкер) / **2,2 б.п. = 0,08σ** (мейкер) |
| Издержки vol-targeting при ежедневном ребалансе (по обороту Harvey, ×√-закон) | ~0,6%/год |
| …при часовом ребалансе | ~2,7%/год |
| …при ребалансе каждые 5 минут (×√288 = 17×) | ~**9,3%/год** |
| Наивная верхняя оценка: полная перекладка позиции 288 раз в сутки | 11 б.п. × 288 = **31,7%/день** |
**Вывод:** vol-targeting на 5м-частоте экономически невозможен как непрерывный процесс:
издержки оборота (9,3%/год в лучшем случае по √-закону) на порядок больше всего, что даёт
прогноз волатильности (8–19 б.п./год). Рабочая форма — **vol-targeting на уровне сделки**
(сайзинг выбирается один раз при входе), а не на уровне бара.
Внимание: в Örebro WP 14/2025 Sharpe vol-managed портфелей (до 3,28–3,52) **неправдоподобны**
при заявленных средних доходностях — относиться как к артефакту; работа издержки не моделирует.
---
## 5. (4) Можно ли построить ВХОД с положительным матожиданием из прогноза волатильности?
Строго по литературе — **нет, не напрямую**. Прогноз волатильности не содержит знака.
Но три механизма делают его полезным как часть правила:
1. **Геометрия барьеров.** P(достичь +A раньше −B) зависит только от уровней (при отсутствии дрейфа):
p₀ = B/(A+B). Значит, чем больше отношение цель/стоп, тем дешевле доказать прибыльность:
| Цель/Стоп | p₀ (мартингал) | p\* тейкер | нужное превышение |
|---|---|---|---|
| 100/50 б.п. | 33,3% | 40,7% | **+7,4 п.п.** |
| 50/30 б.п. | 37,5% | 51,2% | +13,7 п.п. |
| 50/50 б.п. | 50,0% | 61,0% | +11,0 п.п. |
| 20/20 б.п. | 50,0% | 77,5% | +27,5 п.п. |
| 15/15 б.п. | 50,0% | 86,7% | +36,7 п.п. |
⇒ **микро-барьеры (≤20 б.п.) структурно безнадёжны** (нужно +27…+37 п.п. точности);
асимметрия 2:1 (100/50) требует наименьшего преимущества. Это самый дешёвый способ проверить гипотезу.
2. **Нормировка барьеров на σ̂.** При фиксированных A и B волатильность не меняет p₀, **но** меняет время
до касания и, при наличии дрейфа, само p: ожидаемый дрейф m = 0,25σ₅ₘ даёт p = 54,2% для 50/30, m = 0,5σ₅ₘ → 69,2%.
Отсюда фильтр «торговать, когда ожидаемый сдвиг в сторону сделки ≥ 0,21σ» — это и есть проверяемое условие входа.
3. **Периодичность как регулятор «где торговать».** Волатильность и объём концентрируются в 12:00–18:00 UTC
и на фандинг-штампах; ликвидность там выше ⇒ фактическое проскальзывание ниже модельного
(1 б.п. на ногу в топ-30 по обороту — из наших фактов). Это снижает издержки, а не создаёт альфу.
**Эмпирика о направлении предсказуемости при разной волатильности:** intraday momentum **сильнее**
на днях с высокой волатильностью и объёмом (Gao et al.: Sharpe по терцилям волатильности 0,18 → 0,97 → 1,63;
Shen et al.: эффект сильнее, когда первая сессия с максимальным объёмом).
То есть гипотеза «breakout только при низком ATR-персентиле» **противоречит** литературе по моментуму.
**Про «straddle без опционов»:** на перпетуалах нет выпуклости; bracket/OCO-ордер не является
длинной гаммой (обе ноги оплачиваются нашими 11 б.п., а суммарная выплата ограничена барьерами).
Литературных подтверждений работоспособности такой конструкции на 5м в крипте я не нашёл — это гипотеза,
а не результат. Единственные платные «длинноволатильные» конструкции в крипте — опционы Deribit
(вне нашего периметра издержек) и фандинг/базис (отдельное направление репозитория).
---
## 6. (5) Режимы (тренд/боковик) на 5м: как детектируют и помогает ли
| Подход | Данные/горизонт | Результат | Источник |
|---|---|---|---|
| Vol-режимы через soft-Markov/кластеризацию | SPX, RV из 5-мин, дневной прогноз | coefficient-based soft regime **лучше AR-бейзлайна во всех подпериодах** (до/во время/после COVID); рекурсивно на 5 и 10 дней | arXiv 2510.03236 |
| HMM как переключатель стратегий | крипта, разные ТФ | practitioner-обзоры описывают логику, но без значимых OOS-результатов; на 5м — надёжных подтверждений не нашёл | (см. §7) |
| Hurst как гейт тренда | крипта, часовки | R/S Hurst с окном 100 баров даёт H>0,6 на **100%** баров ⇒ вырожденный индикатор | Curupira (2026) |
| Hurst как указатель возврата к среднему | крипто-пары | **антиперсистентные** значения Hurst предвосхищают mean reversion | Mathematics 12(18):2911 (2024) |
| Режимная нестабильность | 103 стратегии, monthly | OOS-альфы vol-management не воспроизводятся ⇒ структурная нестабильность — норма, а не исключение | Cederburg et al. (2020) |
**Вывод:** детектирование *волатильностных* режимов работает и полезно (лучше всего — на дневном
горизонте и как медленная компонента). Детектирование *тренд/боковик* на 5м в литературе подтверждения
не получило; наивные индикаторы (Hurst-порог, ADX) вырождаются. Практическая рекомендация: использовать
режим как **масштаб риска и выбор типа правила (моментум vs MR)**, а не как самостоятельный сигнал,
и всегда с тестом на net EV/сделку.
---
## 7. Что НЕ подтвердилось (и почему не надо повторять)
1. **«Breakout только в тишине, при низком ATR-персентиле».** Литература по intraday momentum говорит
обратное: предсказуемость **растёт** с волатильностью и объёмом (Gao et al. 2018; Shen et al. 2021).
Низкая волатильность делает ход медленнее, а издержки — теми же.
2. **Vol-targeting как источник альфы.** Cederburg et al. (2020), 103 стратегии: систематического OOS-выигрыша
нет, реализуемые версии хуже. Прирост полезности даже у лучших моделей риска = 8–19 б.п./год (Bollerslev et al. 2018).
3. **«Сложная модель прогноза волатильности = больше денег».** Foundation-модели: только одна узко бьёт Log-HAR,
и то преимущество в основном исчезает после рекалибровки (arXiv 2607.05291). Ансамбль TTM+Log-HAR
в MCS для 98–100% активов — т.е. сложность не нужна.
4. **Экзотические оценки RV.** LPS (2015), 400+ оценок, 31 актив: 5-мин RV трудно значимо превзойти.
5. **Джампы/полудисперсии/знаковые оценки для короткого горизонта.** arXiv 1912.05228: полезны на длинном,
«не нужны» на коротком.
6. **GARCH на коротком горизонте.** ВШЭ 2022 и Concordia 2025: GARCH уступает HAR на коротких горизонтах
(на длинных — наоборот).
7. **Сентимент как улучшение HAR.** Springer horserace: сентимент **не** улучшает HAR; помогает только
ML-моделям и только в 54,17% случаев.
8. **Направление/знак на 5м как предсказуемая величина.** Наилучший документированный R² внутридневного
моментума = 1,6% (30 мин, SPY); по крипте на дневном горизонте после контроля FWER **0** значимых
предсказателей, OOS R² ≈ 0, sign-timing навыка нет.
9. **Наивный Hurst>0,5 как гейт тренда.** Вырождается (100% баров).
10. **«Straddle-подобная» конструкция на перпетуалах.** Литературных подтверждений нет; математически
bracket-ордер не даёт выпуклости, а платит 2×11 б.п. Остаётся непроверенной гипотезой.
11. **Регулярно цитируемые Sharpe vol-managed портфелей на внутридневных данных.** В Örebro WP 14/2025
Sharpe 3,28–3,52 при средней доходности 0,6–0,8% годовых — арифметически неправдоподобно
(годовая волатильность ~0,2%); издержки не моделируются. К таким числам — не апеллировать.
---
## 8. Правила для бэктеста (10 проверяемых правил, 5м, с волатильностной фильтрацией)
Обозначения: σ̂₅ₘ — прогноз 5-минутной волатильности (HAR-RV на 5-мин RV + дамми час-суток +
дамми минута-в-часе + дамми фандинг-часов); A — цель, B — стоп; издержки c = 11 б.п. на круг (тейкер), 4 б.п. (мейкер).
1. **R1 (модель σ̂, гейт, не сигнал).** Обучать HAR-RV на лог(RV₅ₘ) с признаками «час UTC», «минута в часе (0/15/30/45)»,
«фандинг-штампы 00/08/16 UTC», «объём». Приёмка: out-of-sample QLIKE лучше AR(1)-RV и EWMA, DM p<0,05
минимум на 60% пар. Экономика: правило само не торгует ⇒ прямой EV = 0; оно оправдано только если
улучшает EV правил 2–8. Тестировать на Bybit 2020–2022 (история доступна явным start/end).
2. **R2 (геометрия барьеров под издержки).** Использовать асимметрию **A=100 б.п./B=50 б.п.** (p\* = 40,7% тейкер,
p₀ = 33,3% ⇒ требуется всего **+7,4 п.п.**) как основную конфигурацию; **50/30** (p\*=51,2%, нужно +13,7 п.п.) —
как вторую; **микро-барьеры ≤20 б.п. исключить** (нужно +27…+37 п.п.).
Экономика при 100/50: EV = +0,407·100 − 0,593·50 − 11 = +0,5 б.п./сделку на пороге (тейкер); мейкером (36,0%):
+9,0 б.п. При 50/30 пороге: EV ≈ −0,04 б.п. (тейкер) и +6,96 б.п. (мейкер, p\*=42,5%).
⇒ **мейкер-исполнение повышает EV на 7–9 б.п./сделку — больше, чем любая модель волатильности.**
3. **R3 (масштаб барьеров на σ̂).** Держать A/B постоянными в единицах σ̂ (например A = 3,5σ̂, B = 1,75σ̂ —
эквивалент 100/50 при σ̂ = 28,6 б.п.). Тест: сравнить net EV при фиксированных б.п. барьерах vs барьерах в σ̂;
победитель — по net Sharpe с учётом оборота.
4. **R4 (фильтр «достаточного дрейфа»).** Вход только если прогноз ожидаемого сдвига в сторону сделки
≥ **0,21·σ̂₅ₘ** (тейкер; порог безубыточности) или ≥ **0,08·σ̂₅ₘ** (мейкер). Механика: при 50/30 ожидаемый
дрейф 0,25σ дает p = 54,2%, 0,5σ → 69,2%. Это прямой и однозначный критерий входа.
5. **R5 (окно суток).** Торговать только **12:00–18:00 UTC** (пик волатильности ~16 UTC, максимум объёма 14–15 UTC
= 2,72×/2,61× медианы); исключить **03:00–06:00 UTC** (минимум ~05 UTC). Экономика: тот же edge на сделку,
но меньше сделок в шумных тонких часах ⇒ ниже фактическое проскальзывание (1 б.п. на ногу в топ-30 по обороту).
6. **R6 (фандинг-штампы).** Не открывать новые позиции за ≤5 минут до 00:00/08:00/16:00 UTC; вход — после
(волатильность и объём пикуют на штампах). Дополнительно: если |фандинг| > 2 б.п./8ч, учитывать его как
издержку удержания. Ожидаемый эффект — качество входа и снижение риска неблагоприятного исполнения, не альфа.
7. **R7 (границы свечей).** Вход/выход планировать на 0/15/30/45-й минуте часа: документированный эффект
**0,58 б.п./мин** на поворотах 15-мин свечей (7 бирж, t>9, 2021), причём стратегия выживала после комиссий и спреда
при капитале от $5 000. Экономика: ожидаемый вклад ~2,3 б.п. на поворот против 11 б.п. круга ⇒ использовать
как тайминг входа/выхода, **не** как отдельную стратегию. Обязательна проверка на затухание (эффект появился в 2020).
8. **R8 (режимный гейт: моментум в высокой волатильности).** Breakout-правила включать только при
персентили σ̂ ≥ 70 (Gao/Shen: предсказуемость растёт с волатильностью и объёмом). Тест-контроль:
то же правило при персентили ≤ 30 — ожидаем отсутствие edge (это проверка пункта 7.1).
9. **R9 (режимный гейт: MR в тишине).** Mean-reversion-правила включать только при персентили σ̂ ≤ 30 **и**
устойчивой антиперсистентности (Hurst по длинному окну, не 100 баров; антиперсистентность — сигнал к MR,
Mathematics 12(18):2911). Тест: сравнить net EV MR при гейте и без.
10. **R10 (сайзинг: vol-targeting только на входе).** Размер = риск-бюджет / σ̂₅ₘ, зафиксирован на время сделки;
внутри сделки **не** ребалансировать (иначе +11 б.п. за каждую подгонку; непрерывный vol-targeting на 5м
стоит ~9,3%/год по √-закону vs потолок выгоды 8–19 б.п./год). Ограничение плеча (например ≤3×).
**Общий kill-критерий для всех правил:** ≥200 сделок; net EV/сделку > 0 после 11 б.п.;
бутстрап-интервал net Sharpe не содержит 0; выигрыш по точности над мартингалом не менее
**+13,7 п.п.** для 50/30 (тейкер) или **+5,0 п.п.** (мейкер), **+7,4 п.п.** для 100/50 (тейкер);
и обязательная проверка мейкер-версии, потому что 6,7 п.п. требуемого edge — это просто разница
между тейкером и мейкером.
---
## 9. Что осталось непокрытым (для следующих итераций)
* Нет крипто-работы с OOS R²/DM для **5-минутного** прогноза RV — посчитать самим (Bybit 2020–2022).
* Не прочитаны (доступ): MDPI IJFS 14(4):90; NAJEF 1062940822000833 (полный текст); Springer s11156-024-01304-1.
* Не проверено: optimal stopping / моменты выхода (не только барьеры); влияние спреда (не только комиссии);
BTC→альты lead-lag как признак для RV; Deribit-опционы как источник implied vol (вне нашей модели издержек).
directions/xs-short-horizon.json
+314
View File
@@ -0,0 +1,314 @@
[
{
"title": "Short-horizon mean reversion in cryptocurrency markets: a matched cross-market measurement",
"authors": "Nadav A. Kitron; Jonathan M. Wengrowicz",
"year": 2026,
"url": "https://arxiv.org/abs/2608.21888",
"doi": "arXiv:2608.21888",
"horizon": "15 минут (также 1ч, 4ч; отдельно 5м)",
"data": "183 пары Binance USDT spot, 15-мин свечи, 2025-01-01..2026-02-11 + холдаут 2026-02-12..2026-08-08; контроль 187 акций/ETF США",
"costs_assumed": "Барьеры заданы явно: мейкер 5 б.п., тейкер 10-20 б.п. на круг",
"key_numbers": "OOS AUC крипта 0,531 (98% пар >0,5) vs акции 0,499; 90% of 183 пар FDR-значимы; знаковая корреляция -0,035 (98% пар отрицательна); брутто-эдж на сделку пик ок. 1,3 б.п. на 15м и 0,15 б.п. на 5м; медиана пары 0,46 б.п.; ни одна из 183 пар не проходит 5 б.п.",
"verdict": "ОПРОВЕРГАЕТ исполнимость: 1,3 б.п. (15м) и 0,15 б.п. (5м) в 8 и 70 раз меньше нашего тейкерского круга 0,11% ; funding/basis/funding-clock/volatility/session кондиционирование - плоско (App. F)",
"implementable": false
},
{
"title": "The Quarter-Hour Effect: Periodic Algorithmic Trading and Return Predictability in Cryptocurrency Futures",
"authors": "Chan Kim; Peter Reinhard Hansen",
"year": 2026,
"url": "https://arxiv.org/abs/2607.09426",
"doi": "arXiv:2607.09426",
"horizon": "прогноз 4-12 часов, событие каждые 15 минут (96/сутки)",
"data": "6 перпов Binance (BTC, ETH, XRP, SOL, DOGE, ADA), tick-data, 2021-01-01..2024-10-31, 10-секундные окна",
"costs_assumed": "Издержки не моделируются; горизонт 4-12ч => низкий оборот (единицы сделок в сутки)",
"key_numbers": "CFE (б.п. на единицу OI) на 4/8/12ч: BTC 3,84/5,55/6,39 (t 4,21/3,78/3,34); ETH 2,76/4,68/5,40; DOGE 5,02/8,49/11,33; открытия, совпадающие с funding-расчётом (00:00/08:00/16:00 UTC), исключены (93 из 96 событий)",
"verdict": "КАНДИДАТ №1: единственный низкооборотный сигнал в крипте на границе нашего горизонта; 11 б.п. терпимо при эдж/сделку >25 б.п.",
"implementable": true
},
{
"title": "Bitcoin intraday time-series momentum",
"authors": "Daniel Shen; Andrew Urquhart; Pengfei Wang",
"year": 2022,
"url": "https://centaur.reading.ac.uk/100181/3/21Sep2021Bitcoin%20Intraday%20Time-Series%20Momentum.R2.pdf",
"doi": "10.1111/fire.12290",
"horizon": "внутридневной: первый получас -> последний получас (сессия 17:00 EST)",
"data": "BTC/USD, 5 бирж (Bitfinex, Bitstamp, CEX.IO, Coinbase, Kraken), tick -> 1 мин, с 2013 по 31.12.2020",
"costs_assumed": "Издержки явно НЕ вычтены (только отсылка к робастности Gao et al. у акций)",
"key_numbers": "Тайминг: 7,82% годовых (r_ONFH), 17,32% (r_SLH), 16,69% (оба) при success rate >50% против always-long 6,54%; buy&hold 154,62%; коэффициент на второй-с-конца получас отрицательный: бета ок. -27, R2 11,4% (JPY-пары), -18,15 с R2 2,5% (часы NYSE)",
"verdict": "ТЕЙКЕРОМ ОТРИЦАТЕЛЬНО: 1 круг/сутки = 0,11% x ~365 = ~40%/год против брутто 7,8-17,3%; мейкером (14,6%/год) остаётся только контр-вариант r_SLH",
"implementable": false
},
{
"title": "Intraday Return Predictability in the Cryptocurrency Markets: Momentum, Reversal, or Both",
"authors": "Zhuzhu Wen; Elie Bouri; Yahua Xu; Yang Zhao",
"year": 2022,
"url": "https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4080253",
"doi": "10.2139/ssrn.4080253",
"horizon": "внутридневной (минуты-часы)",
"data": "BTC 2013-03-03..2020-05-31, также ETH, LTC, XRP; высокочастотные цены",
"costs_assumed": "Не раскрыты (доступен только abstract - paywall)",
"key_numbers": "Есть и внутридневной momentum, и внутридневной reversal; reversal уникален для крипты (перереакция/самоуверенность); тайминг-стратегия даёт экономическую ценность выше always-long и buy&hold",
"verdict": "НЕ ПРОЧИТАНО ПОЛНОСТЬЮ (paywall); без своих замеров в бэктест не берём",
"implementable": false
},
{
"title": "Cross-cryptocurrency return predictability",
"authors": "Li Guo; Bo Sang; Jun Tu; Yu Wang",
"year": 2024,
"url": "https://www.sciencedirect.com/science/article/abs/pii/S0165188924000551",
"doi": "10.1016/j.jedc.2024.104863",
"horizon": "до 10 минут",
"data": "минутные данные Binance, кросс-секция криптовалют",
"costs_assumed": "Заявлено: long-short даёт sizable return out-of-sample after accounting for transaction costs; величина издержек в abstract не раскрыта",
"key_numbers": "+0,40..+4,82 б.п. к доходности фокусной монеты на 1 SD пулированного лаг-дохода других монет (минутный горизонт); робастно к adaptive LASSO и PCA; медленная диффузия информации",
"verdict": "НЕ ИСПОЛНЯЕТСЯ ТЕЙКЕРОМ: сигнал <=4,8 б.п. при круге 11 б.п.; минутный ребаланс даёт порядка -600 б.п./сутки издержек",
"implementable": false
},
{
"title": "A seesaw effect in the cryptocurrency market: Understanding the return cross predictability of cryptocurrencies",
"authors": "Yuecheng Jia; Yangru Wu; Shu Yan; Yuzheng Liu",
"year": 2023,
"url": "https://www.sciencedirect.com/science/article/abs/pii/S0927539823000956",
"doi": "RePEc:eee:empfin:v:74:y:2023:i:c:s0927539823000956",
"horizon": "внутридневной (минуты)",
"data": "22 крупные криптовалюты, внутридневные доходности",
"costs_assumed": "Не раскрыты в abstract",
"key_numbers": "Отрицательный lead-lag (в отличие от акций): крупные монеты негативно предсказывают остальные; мелкие крупных почти никогда не предсказывают; LASSO-стратегия на кросс-предсказуемости даёт высокозначимую прибыль",
"verdict": "НЕ ПРОЧИТАНО ПОЛНОСТЬЮ (ScienceDirect paywall); механизм = реверс после движения лидера, проверять самостоятельно",
"implementable": false
},
{
"title": "Price Transmission from Bitcoin to Altcoins: High-Frequency Evidence and Implications for Trading Strategy",
"authors": "авторы Springer-статьи (Journal of Financial Services / s10690)",
"year": 2026,
"url": "https://link.springer.com/article/10.1007/s10690-026-09589-z",
"doi": "10.1007/s10690-026-09589-z",
"horizon": "1-3 минуты",
"data": "1-мин цены Binance, 369-381 актив; режимы Bull/Bear/Sideways/Crash 2024-2025; мелкокапы BIFI, CITY, PIVX, GNO, QKC",
"costs_assumed": "fee = 0,02% за сторону (ок. 4 б.п. на круг) - выше минимально возможной на Binance (~0,0175%)",
"key_numbers": "Мелкокапитализированные ALT реагируют на BTC с лагом 1 мин; ISI vs лог числа сделок r=0,561 (Bull), 0,483 (Bear); Грейнджер BTC->ALT односторонний (5% уровень); коэффициенты BTC на t-1 у PIVX и QKC >0,1; авторегрессия GNO -0,22; LightGBM lag-стратегия бьёт buy&hold в OOS во всех режимах (абсолютные цифры только на графиках)",
"verdict": "Их 4 б.п./круг в 2,75 раза дешевле нашего тейкера; их активы - неликвид (наше слиппедж 3 б.п./нога => круг ~17 б.п.); ТОЛЬКО МЕЙКЕРОМ и только на прыжках BTC",
"implementable": false
},
{
"title": "Crypto carry",
"authors": "Maik Schmeling; Andreas Schrimpf; Karamfil Todorov",
"year": 2023,
"url": "https://www.bis.org/publ/work1087.pdf",
"doi": "BIS Working Papers 1087",
"horizon": "дневной/недельный (фундамент базиса)",
"data": "фьючерсы и перпетуалы vs спот по крипте, ок. 2019-2024",
"costs_assumed": "Не в abstract; полный PDF из нашей среды недоступен (bis.org отдаёт HTML вместо PDF)",
"key_numbers": "Carry (базис фьючерс-спот) доходит до 60% годовых и сильно меняется во времени; объясняется волатильной convenience yield: trend-chasing и внимание мелких инвесторов + нехватка арбитражного капитала",
"verdict": "Читал только abstract; фундамент для funding/basis, но правила 1-60 мин не даёт",
"implementable": false
},
{
"title": "Crypto Carry: The Funding-Rate Cross-Section, Net of Costs and the Liquidation Tail",
"authors": "Bryan Vine",
"year": 2026,
"url": "https://bryanvine.github.io/alpha-research/paper2.html",
"doi": "",
"horizon": "дневной / 8-часовой ребаланс (funding-такты)",
"data": "30 Binance USD-M перпов, 2023-01..2026-05, 112 853 funding-события, ноль пропусков; медиана годового funding 7,3% (2023) -> 13,4% (2024) -> 2,8% (2025) -> 0,6% (2026)",
"costs_assumed": "4 б.п. one-way schedule; deflated Sharpe; probability of backtest overfitting (PBO)",
"key_numbers": "Level-carry: headline Sharpe 8,5 - артефакт нулевой волатильности funding; честно +5,6%/год с деградацией до отрицательной к 2026. Кросс-секционный funding-фактор (long low / short high): in-sample Sharpe 0,71, purged walk-forward OOS Sharpe 0,39, все 36 конфигураций положительны (0,58-1,5), deflated Sharpe 0,63, PBO 0,81, MDD -35%. H5 (экстремальный funding предсказывает доходности) - не подтверждена",
"verdict": "ЕДИНСТВЕННЫЙ funding-подход, выживший net-of-costs, но это Sharpe ок. 0,4 на дневном/8ч ребалансе; при нашем тейкерском круге (2 ноги x 11 б.п. = 22 б.п. за ребаланс против 11,6 б.п./сутки купона) - около нуля/отрицательно; тестировать мейкером",
"implementable": true
},
{
"title": "Funding Rates as a Cross-Sectional Factor in Perpetual Futures (practitioner note, survivorship-free)",
"authors": "OctopusTakopi (публичный исследовательский отчёт)",
"year": 2026,
"url": "https://github.com/OctopusTakopi/funding-rate-alpha",
"doi": "",
"horizon": "1-24 часа (включая удержание через момент расчёта funding'а)",
"data": "791 контракт (включая делистнутые), 2,43 млн расчётов funding, расширено до 6,1 млн расчётов на трёх биржах, 2020 - середина 2026; 5-мин метрики открытого интереса; 421 ликвидный контракт",
"costs_assumed": "4 б.п. one-way schedule; отдельно указано: безубыточность только при комиссии 23 б.п.",
"key_numbers": "Доллар-нейтральная децильная книга собирает 11,6 б.п./сутки funding'а (2/3 с длинной ноги); нетто 8,9 б.п./сутки, но 2/3 прибыли в 2020-21, после порог не проходит. OI-кондиционирование рушится с +34 против +6 б.п./сутки до +7,0 при t=0,35 после контроля внутри дня. Удержание только через момент расчёта funding'а не работает на 1,73 млн расчётов",
"verdict": "При нашем тейкерском круге чистая величина ок. 0..+0,5 б.п./сутки => на грани нуля; подтверждает наш вывод 'базис-carry отрицательно'",
"implementable": false
},
{
"title": "Trading volume and liquidity provision in cryptocurrency markets",
"authors": "Daniele Bianchi; Mykola Babiak; Alexander Dickerson",
"year": 2022,
"url": "https://www.econstor.eu/bitstream/10419/272870/1/1807310930.pdf",
"doi": "Sveriges Riksbank Working Paper 413 / 10.1016/j.jbankfin.2022.106570",
"horizon": "дневной (t-1 -> t)",
"data": "топ-100 по Amihud пар против USD, 2017-03-01..2022-03-01, 179 023 наблюдений, агрегация 80+ бирж",
"costs_assumed": "В тексте: 30 б.п. long + 40 б.п. short; в подписи к Table 5: 20 б.п. long + 30 б.п. short (внутреннее расхождение фиксируем)",
"key_numbers": "EW-реверс 2,187%/сутки (Sharpe 0,37/сутки) -> 1,687% нетто; VW 0,558% -> 0,058%. Условный low-volume реверс EW 1,226% -> 0,726% net; VW 0,625% -> 0,125% (незначимо). НА BINANCE: EW gross 0,187% -> net -0,213%; VW 0,059% -> net -0,341%. Предикторы: идиосинкратическая волатильность (t=4,99 EW) и спреды/TED; эффект сконцентрирован в мелких, менее ликвидных, более волатильных парах",
"verdict": "ПРЯМАЯ УЛИКА 'не исполняется': на живой Binance реверс после издержек отрицателен даже при 20/30 б.п.; эффект живёт в неликвидном хвосте, недоступном при нашем слиппедже",
"implementable": false
},
{
"title": "Impact of size and volume on cryptocurrency momentum and reversal",
"authors": "Milan Ficura",
"year": 2023,
"url": "https://wp.ffu.vse.cz/pdfs/wps/2023/01/03.pdf",
"doi": "FFA Working Papers 5:003 (VSE)",
"horizon": "недельный",
"data": "недельные доходности, большой кросс-секшн криптовалют (2023)",
"costs_assumed": "Не указаны в abstract",
"key_numbers": "Недельный реверс существует только у мелких и неликвидных монет (t=-7,31); крупные и ликвидные показывают недельный momentum (t=+2,33); долгосрочные эффекты незначимы",
"verdict": "Объясняет наш факт: в топ-30, где мы торгуем, реверса нет - есть momentum",
"implementable": false
},
{
"title": "Up or down? Short-term reversal, momentum, and liquidity effects in cryptocurrency markets",
"authors": "Adam Zaremba; Mehmet Huseyin Bilgin; Huaigang Long; Aleksander Mercik; Jan J. Szczygielski",
"year": 2021,
"url": "https://earsiv.medeniyet.edu.tr/bitstreams/3e37aa89-3fde-4d77-9ec8-605e846962e6/download",
"doi": "10.1016/j.irfa.2021.101908",
"horizon": "дневной (сигнал = доход за t-1)",
"data": "3607 монет, 2 700 925 дневных наблюдений, 2015-01-01..2021-03-01; цена volume-weighted по 200+ биржам",
"costs_assumed": "Издержки не моделируются",
"key_numbers": "|t| > 120 для лага t-1 (и |t| > 3 на всех окнах), против меньших значений на прочих лагах; эффект не перекрывается beta, IVOL, size, среднесрочными/долгосрочными доходами, сезонностью, ликвидностью, оборотом, хвостовыми рисками; крупнейшие и самые торгуемые монеты показывают momentum, а не реверс",
"verdict": "Подтверждает направление нашего отрицательного результата по xs-reversal: реверс живёт в неликвидном хвосте",
"implementable": false
},
{
"title": "Cryptocurrency return reversals",
"authors": "Steven E. Kozlowski; Michael R. Puleo; Jizhou Zhou",
"year": 2021,
"url": "https://digitalcommons.fairfield.edu/business-facultypubs/246/",
"doi": "10.1080/13504851.2020.1784831",
"horizon": "дневной / недельный / месячный ребаланс",
"data": "200 криптовалют, 2015-2019",
"costs_assumed": "Не указаны",
"key_numbers": "Значимый эффект реверса на всех трёх частотах ребаланса (дневной, недельный, месячный); робастен к контролю на размер, оборот и неликвидность; сохраняется в обеих половинах выборки и при высокой и низкой подразумеваемой волатильности; наиболее выражен у монет малой капитализации и низкой ликвидности",
"verdict": "Дневной реверс подтверждён в литературе, но у нас отрицательно - расхождение объясняется универсумом (мелкие монеты)",
"implementable": false
},
{
"title": "Time-Series and Cross-Sectional Momentum in the Cryptocurrency Market: A Comprehensive Analysis under Realistic Assumptions",
"authors": "Chulwoo Han; Byeongguk Kang; Jehyeon Ryu",
"year": 2023,
"url": "https://acfr.aut.ac.nz/__data/assets/pdf_file/0009/918729/Time_Series_and_Cross_Sectional_Momentum_in_the_Cryptocurrency_Market_with_IA.pdf",
"doi": "",
"horizon": "дневной (look-back и holding 1-56 дней)",
"data": "только монеты, листингованные на фьючерсах Binance; кап. > $1 млн и оборот > $1 млн/сутки; 2013-12..2023-08",
"costs_assumed": "15 б.п. транзакционных издержек; реальные комиссии и тики; слиппедж из реальных данных; ежедневный mark-to-market; режим маржи и ликвидации",
"key_numbers": "Time-series momentum силён: 28д/5д даёт Sharpe 1,51 против рынка 0,84. Кросс-секционный momentum слаб: из 21 портфеля 5 ликвидированы, только 6 бьют рынок; лучший 14д/7д - Sharpe 1,28 против рынка 1,01; 10 портфелей с t>2 по средней доходности, но лишь 3 - по средней лог-доходности; 6 портфелей с положительной средней доходностью убыточны/ликвидированы; профит целиком в длинной ноге",
"verdict": "Прямо резонирует с нашим 14д/7д (у нас +242 б.п./нед, t=3,66); предупреждение о look-ahead при выборе оптимальной пары LB/HP",
"implementable": true
},
{
"title": "Cryptocurrency Momentum and Reversal",
"authors": "Victoria Dobrynskaya",
"year": 2021,
"url": "https://conference.hse.ru/files/download_file_ex?hash=FAE0AB2DC7A67656E89A0B1CB27D8C7D&id=3B5EE9A5-0B18-458A-9458-B4ED0F6C6664",
"doi": "SSRN 3913263",
"horizon": "1-12 недель (J/K)",
"data": "ок. 2000 монет с кап. > $1 млн, 2014-2020, недельная частота (CoinMarketCap); winsorize 0,005%",
"costs_assumed": "Издержки не моделируются",
"key_numbers": "1-4 недели - momentum (лучшее 2/2 = до 70% годовых), далее знак меняется, >4-6 недель - значимый реверс (до -1200% годовых на 1-2-недельном сорте при 10-12-недельном удержании); 1/1 незначим из-за волатильности; водитель реверса - 'past loser' монеты",
"verdict": "Согласуется с нашим дневным/недельным momentum; реверс - на более длинных удержаниях",
"implementable": false
},
{
"title": "The Cross-Section of Cryptocurrency Returns",
"authors": "Nicola Borri; Kirill Shakhnov",
"year": 2022,
"url": "https://academic.oup.com/raps/article/12/3/667/6543623",
"doi": "10.1093/rapstu/raac007",
"horizon": "дневной (кросс-секция биржа x валюта для BTC, не монет)",
"data": "пары биржа-валюта BTC, 2015-05..2021-05 (плюс расширения); отобраны 'качественные' биржи, капконтроль",
"costs_assumed": "Полный учёт: торговые, маржинальные, выводные комиссии; средняя торговая комиссия 15 б.п. за сделку; реальные и модельные спреды",
"key_numbers": "Cross-стратегия: 181 б.п./сутки брутто -> ок. 31 б.п./сутки нетто (Sharpe 13% дневной). Within-стратегия: 127 б.п./сутки брутто, после издержек статистически незначима (вычет ок. 90 б.п.). Спреды съедают основную часть; ср. Sharpe BTC 6% и рынка США 4%",
"verdict": "83% брутто съедается издержками и переводами; не наш горизонт и не наш капитал ($1000)",
"implementable": false
},
{
"title": "The reversal in the cryptocurrency market before and during the Covid-19 pandemic: Does investor attention matter?",
"authors": "Hang Pham; Toan Nguyen Dang Tran; Nga Nguyen Thi Thanh; Khoa Dang Duong",
"year": 2024,
"url": "https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0304377",
"doi": "10.1371/journal.pone.0304377",
"horizon": "дневной",
"data": "топ-20 монет, 2016-01-02..2021-04-15, 6606 наблюдений, 2SLS + Google Trends",
"costs_assumed": "Издержки не моделируются",
"key_numbers": "Реверс (лаг-доход) положительно связан с доходностью до COVID и отрицательно - во время пандемии; внимание инвестора положительно влияет на доходность BTC (сильнее в пандемию); стейблкоины - safe haven",
"verdict": "Знак дневного реверса нестабилен по режимам => любое правило на нём надо тестировать по режимам",
"implementable": false
},
{
"title": "Rise of the Machines? Intraday High-Frequency Trading Patterns of Cryptocurrencies",
"authors": "Alla A. Petukhina; Raphael C. G. Reule; Wolfgang Karl Haerdle",
"year": 2020,
"url": "https://arxiv.org/abs/2009.04200",
"doi": "arXiv:2009.04200",
"horizon": "внутридневной",
"data": "высокочастотные данные европейского крипторынка, CRIX и составляющие",
"costs_assumed": "Издержки не моделируются",
"key_numbers": "Внутридневная периодичность доходности, объёма и волатильности; 'intraday momentum' торговых паттернов как основа предсказуемости",
"verdict": "Подтверждает структурную сезонность, торгового эджа не даёт",
"implementable": false
},
{
"title": "Decomposing cryptocurrency high-frequency price dynamics into recurring and noisy components",
"authors": "Marcin Watorek; Maria Skupien; Jaroslaw Kwapien; Stanislaw Drozdz",
"year": 2023,
"url": "https://arxiv.org/abs/2306.17095",
"doi": "arXiv:2306.17095",
"horizon": "10 секунд / внутридневной",
"data": "BTC, ETH, DOGE, WINkLink, 10-секундные данные, 2020-01..2022-12",
"costs_assumed": "Издержки не моделируются",
"key_numbers": "Три фазы активности (азиатская, европейская, американская сессии); всплески активности с периодом 15 минут, особенно на полных часах => роль алгоритмической торговли",
"verdict": "Эмпирическая опора для фильтра оборота по часовым/четверть-часовым окнам",
"implementable": true
},
{
"title": "Perpetual Futures Pricing",
"authors": "Damien Ackerer; Julien Hugonnier; Urban Jermann",
"year": 2024,
"url": "https://arxiv.org/abs/2310.11771",
"doi": "arXiv:2310.11771",
"horizon": "теория (дискретное и непрерывное время)",
"data": "теория безарбитражного ценообразования линейных, инверсных и quanto перпетуалов",
"costs_assumed": "Теория, включая границы при торговых издержках",
"key_numbers": "Безарбитражная цена перпа = риск-нейтральное ожидание спота в случайный момент; указаны спецификации funding'а, при которых базис тождественно равен нулю; показана ошибка в исходной спецификации He et al.",
"verdict": "Теоретический фундамент; торгового правила не даёт",
"implementable": false
},
{
"title": "Fundamentals of Perpetual Futures",
"authors": "Songrun He; Asaf Manela; Omri Ross; Victor von Wachter",
"year": 2024,
"url": "https://arxiv.org/abs/2212.06888",
"doi": "arXiv:2212.06888",
"horizon": "часовой (открытие/закрытие позиции)",
"data": "BTC, ETH, BNB, DOGE, ADA; часовые данные перпетуалов и спота, займы Aave",
"costs_assumed": "Издержки: 'даже при самых высоких комиссиях на Binance'",
"key_numbers": "Среднее абсолютное отклонение перп-спот 60-90% годовых (сильно больше, чем в традиционных валютных рынках); отклонения комоувятся между монетами и сужаются на ~11%/год; random-maturity арбитраж даёт Sharpe 1,8 (высокие ритейл-издержки) и до 3,5 (маркет-мейкеры) для BTC, лучше для ETH",
"verdict": "Единственная работа с явно положительной нетто-экономикой на часовом горизонте, но требует займов, маржи и переноса между инструментами; не для $1000",
"implementable": false
},
{
"title": "The Two-Tiered Structure of Cryptocurrency Funding Rate Markets",
"authors": "(авторы не подтверждены) - MDPI Mathematics 14(2) 346",
"year": 2026,
"url": "https://www.mdpi.com/2227-7390/14/2/346",
"doi": "10.3390/math14020346",
"horizon": "внутридневной (высокочастотная панель funding'ов)",
"data": "высокочастотная панель funding rate по фрагментированным рынкам перпетуалов",
"costs_assumed": "Заявлены транзакционные издержки и спред-реверсы",
"key_numbers": "НЕ ПРОЧИТАНО: mdpi.com отдаёт Access Denied из нашей сети; web_extract упёрся в лимит кредитов. Из индекса поиска видно только: перпетуалы - ок. 93% объёма криптофьючерсов, строится высокочастотная панель для кросс-секционного анализа фрагментации и временной динамики funding'а",
"verdict": "Недоступно => не берём в правила; фиксирую как пробел, а не как 'не подтверждено'",
"implementable": false
},
{
"title": "Intraday reversals in cryptocurrencies",
"authors": "автор/год по записи не подтверждены (NUS scholarbank)",
"year": null,
"url": "https://scholarbank.nus.edu.sg/entities/publication/7b89eafc-8618-47c2-b2de-ba8441e2a2fa",
"doi": "",
"horizon": "заявлен 24-часовой внутридневной горизонт (доходность в фиксированное время суток)",
"data": "не установлено (полный текст недоступен: JS-приложение отдаёт 827 байт HTML)",
"costs_assumed": "Не раскрыты",
"key_numbers": "Из индекса поиска: документируется систематический 24-часовой внутридневной реверс (доходность в фиксированное время суток); реверс более выражен на спот-рынках, чем в перпетуалах",
"verdict": "НЕ ПРОЧИТАНО (недоступен полный текст, автор не подтверждён) => только как гипотеза для проверки",
"implementable": false
}
]
directions/xs-short-horizon.md
+156
View File
@@ -0,0 +1,156 @@
# `xs-short-horizon` — кросс-секционные эффекты на 1–60 минутах в крипте
**Дата обращения ко всем источникам: 29.09.2026 (MSK).**
Горизонт направления: 1 мин – 60 мин (плюс соседние 15 мин / 4–12 ч там, где это единственный способ оценить
экономику эффекта). Комиссия-бенчмарк нашего стенда: **тейкер 0,055 %/нога = 0,11 % на круг**; мейкер 0,02 %/нога = 0,04 % на круг;
проскальзывание 1 б.п./нога (топ-30 по обороту), 3 б.п./нога (остальные). 1 б.п. = 0,01 %.
Наша шкала «сколько вообще есть в 5м»: **средний |доход| 5м = 22,8 б.п.**, 1ч = 78,0 б.п.
Ключевой фильтр, которым мы режем всё ниже: **эдж на сделку < 11 б.п. (тейкер) не может быть исполнен в принципе**;
даже мейкерский круг 4 б.п. требует, чтобы эдж/сделку был > 4 б.п. с запасом.
---
## 1. Таблица «работа → данные → горизонт → издержки → цифры → вердикт»
| Работа (авторы, год) | Данные | Горизонт | Заложенные издержки | Цифры (как напечатано) | Вердикт для нас |
|---|---|---|---|---|---|
| **Kitron & Wengrowicz (2026)**, arXiv:2608.21888 «Short-horizon mean reversion in cryptocurrency markets: a matched cross-market measurement» | 183 пары Binance USDT spot, 15м свечи, 2025-01-01…2026-02-11 + холдаут до 2026-08-08; контроль: 187 акций/ETF США | 15 мин (также 1ч, 4ч, отдельно 5м) | **Издержки указаны как барьер:** мейкер 5 б.п., тейкер 10–20 б.п. на круг | Сигнал «против предыдущей свечи»: OOS AUC крипта 0,531 vs акции 0,499, знак-корреляция −0,035 (98 % пар отрицательна); **брутто-эдж на сделку пик ≈1,3 б.п. на 15м и 0,15 б.п. на 5м** против 5 б.п. лучшего мейкерского круга; ни одна из 183 пар не проходит даже 5 б.п.; медиана пары 0,46 б.п. | **Опровергает исполнимость**: 1,3 б.п. (15м) и 0,15 б.п. (5м) в 8 и 70 раз меньше нашего тейкерского круга 11 б.п. Реверс реален статистически, неисполним экономически |
| **Kim & Hansen (2026)**, arXiv:2607.09426 «The Quarter-Hour Effect» | 6 перпетуалов Binance (BTC, ETH, XRP, SOL, DOGE, ADA), tick-data, 2021-01-01…2024-10-31; 10-секундные окна | **4–12 часов** (не 1–60 мин), событие — каждые 15 мин (96/сутки) | Потерь/комиссий не моделируют; прогноз 4–12 ч ⇒ низкий оборот | Дисбаланс потока заявок на четверть-часовом открытии предсказывает forward-доход: **CFE BTC 3,84 / 5,55 / 6,39 б.п. на единицу OI (t≈3,3–4,2) на 4/8/12 ч**; DOGE 5,02 / 8,49 / 11,33; открытия, совпадающие с funding-расчётом (00:00/08:00/16:00 UTC), исключены (остаётся 93 из 96 событий) | **Кандидат №1 для бэктеста**: низкий оборот (единицы сделок в сутки) ⇒ 11 б.п. терпимо, если эдж/сделку >25 б.п. Требует поля taker-buy volume (есть в Bybit klines) |
| **Shen, Urquhart, Wang (2022)**, *Financial Review* 57(2) 319–344, doi 10.1111/fire.12290 | BTC/USD, 5 бирж, tick → 1 мин, с 2013 по 31.12.2020 | внутридневной TSM: первый получас → последний получас (сессия 17:00 EST) | **Издержки явно НЕ вычтены** (в тексте только ссылка на Gao et al. о робастности у акций) | Первый получас значимо предсказывает последний получас (in- and out-of-sample). Тайминг-стратегии: **7,82 % годовых (r_ONFH), 17,32 % (r_SLH), 16,69 % (оба) при success rate >50 %** против always-long 6,54 %; buy&hold 154,62 %. Коэффициент на второй-с-конца получас **отрицательный и огромный** (β ≈ −27 у JPY-пар, R² 11,4 %) | Наша ревизия: ежедневный вход+выход = 1 круг/сутки ⇒ **0,11 % × ~365 = ~40 %/год** тейкером при брутто 7,8–17,3 % ⇒ **тейкером отрицательно**; мейкером (0,04 % ⇒ 14,6 %/год) остаётся только «контр-вариант» r_SLH (17,32 %). Бэктестить мейкером |
| **Wen, Bouri, Xu, Zhao (2022)**, SSRN 4080253 / *North American Journal of Economics and Finance* 62 | BTC (2013-03-03…2020-05-31), также ETH, LTC, XRP | внутридневной (минуты–часы) | Не заявлены (доступен только abstract) | Есть **и** внутридневной momentum, **и** внутридневной reversal; reversal характерен именно для крипты (перереакция/самоуверенность); тайминг-стратегия даёт экономическую ценность выше always-long/buy&hold | **Полный текст недоступен** (paywall) — читал только аннотацию. Цифр по издержкам нет ⇒ в бэктест не ставим без своего замера |
| **Guo, Sang, Tu, Wang (2024)**, *JEDC* 163, 104863, doi 10.1016/j.jedc.2024.104863 | минутные данные Binance, много монет | **до 10 минут** | Сказано: long-short «sizable return out-of-sample **after accounting for transaction costs**», но **величина издержек в abstract не раскрыта** | Лаг-доходы *других* монет предсказывают фокусную монету; **+0,40…+4,82 б.п. на 1 SD пулированного лаг-дохода (минутный горизонт)**; робастно к adaptive LASSO и PCA | **Не исполняется тейкером**: сигнал ≤4,8 б.п., а ребаланс «каждую минуту» = 11 б.п./круг ⇒ −600 б.п./сутки издержек. В бэктест — только как «лаг-фича» внутри низкооборотной схемы |
| **Jia, Wu, Yan, Liu (2023)**, *Journal of Empirical Finance* 74, PII S0927539823000956 (RePEc:eee:empfin:v:74:y:2023:i:c:s0927539823000956) | 22 крупных крипто, внутридневные данные | внутридневной (минуты) | Не раскрыты в abstract | **Отрицательный lead-lag** (в отличие от акций): крупные монеты *негативно* предсказывают остальные, мелкие крупных не предсказывают почти никогда; LASSO-стратегия на кросс-предсказуемости даёт высокозначимую прибыль | Полный текст закрыт (ScienceDirect). Механика совпадает с «реверс после движения лидера» — кандидат, но проверять надо самим |
| **Springer (2026)**, «Price Transmission from Bitcoin to Altcoins: High-Frequency Evidence and Implications for Trading Strategy», doi 10.1007/s10690-026-09589-z | 1-минутные цены Binance, 369–381 актив; окна Bull / Bear / Sideways / Crash 2024–2025 | **1–3 минуты** | **fee = 0,02 % за сторону** (≈4 б.п. на круг) — «выше минимально возможной на Binance ~0,0175 %» | Мелкокапитализированные ALT реагируют на BTC с лагом 1 мин (корреляция на lag-1 выше, чем на lag-0); ISI–логарифм числа сделок: r = 0,561 (Bull), 0,483 (Bear); Грейнджер BTC→ALT односторонний; LightGBM-«lag strategy» превосходит buy&hold в OOS во всех режимах (только графики, абсолютных цифр нет) | Их 4 б.п./круг **в 2,75 раза дешевле нашего тейкера**. Их собственные активы — неликвидные мелкие монеты (BIFI/CITY/PIVX/GNO/QKC) ⇒ наше проскальзывание там 3 б.п./нога ⇒ реальный круг ≈17 б.п. **Только мейкером и только на больших движениях BTC** |
| **Schmeling, Schrimpf, Todorov (2023)**, BIS Working Paper 1087 «Crypto carry» | фьючерсы/перпы vs спот, ~2019–2024 | дневной/недельный (фундамент базиса) | Не в abstract | Carry может доходить до **60 % годовых**, сильно меняется во времени; объясняется «удобной доходностью» (trend-chasing мелких инвесторов + нехватка арбитражного капитала) | **PDF в нашей среде не скачался** (bis.org отдаёт HTML). Использован только проверяемый abstract. Фундамент для «funding/basis», но не правило 1–60 мин |
| **Vine (2026)**, «Crypto Carry: The Funding-Rate Cross-Section, Net of Costs and the Liquidation Tail» (препринт-блог с полным лог-файлом) | 30 Binance USD-M перпов, 2023-01…2026-05, **112 853 funding-события** | дневной/8-часовой ребаланс | «4 б.п. one-way schedule», deflated Sharpe, PBO | **Level-carry — артефакт**: headline Sharpe 8,5 — иллюзия нулевой волатильности funding; честная цифра **+5,6 %/год, к 2026 отрицательно**. **Кросс-секционный funding-фактор (long low / short high funding)**: in-sample Sharpe 0,71, **purged walk-forward OOS Sharpe 0,39** (все 36 конфигураций положительны, 0,58–1,5), PBO = 0,81, MDD −35 % | **Единственный из funding-подходов, выживший net-of-costs** — но это Sharpe ≈0,4 на дневном/8ч ребалансе, не 1–60 мин. Тестировать **мейкером и ребалансом по funding-тактам (8 ч)**, тейкером — нет |
| **OctopusTakopi/funding-rate-alpha (2026)** (практический публичный отчёт, GitHub) | 791 контракт (включая делистнутые), 2,43 млн расчётов funding, расширено до **6,1 млн расчётов на трёх биржах**, 2020–2026 | 1–24 ч | «4 б.п. one-way schedule»; отдельно: **безубыточность только при комиссии 23 б.п.** | Доллар-нейтральная децильная книга собирает **11,6 б.п./сутки funding'а** (2/3 — с длинной ноги); после издержек **8,9 б.п./сутки, но 2/3 этого — в 2020–21**, после порог не проходит. Удержание только через момент расчёта funding'а — не работает (1,73 млн расчётов) | При нашем тейкерском круге 11 б.п. чистая величина ≈0…+0,5 б.п./сутки ⇒ **на грани нуля**; подтверждает наш собственный вывод «базис-carry отрицательно» |
| **Bianchi, Babiak, Dickerson (2022)**, Sveriges Riksbank WP 413 / *JBF* 142 | топ-100 пар по Amihud, USD, 2017-03-01…2022-03-01, 179 023 наблюдений | дневной (t−1 → t), т.е. «сверхкороткий» для крипты | **В тексте: 30 б.п. long + 40 б.п. short; в подписи к Table 5: 20 б.п. long + 30 б.п. short** (внутреннее расхождение работы — фиксируем) | EW-реверс **2,187 %/сутки** (Sharpe 0,37/сутки) → после издержек 1,687 %; VW-реверс 0,558 % → 0,058 %. Условный (low-volume) реверс EW 1,226 % → **0,726 % net**; VW 0,625 % → 0,125 % (незначимо). **На Binance: EW gross 0,187 % → net −0,213 %; VW gross 0,059 % → net −0,341 %** | **Прямая улика «не исполняется»**: на живой Binance реверс после издержек отрицателен даже при 20/30 б.п. Эффект живёт в мелких/неликвидных парах (низкий объём, высокий Amihud) |
| **Fičura (2023)**, FFA WP 5:003 (VŠE) «Impact of size and volume on cryptocurrency momentum and reversal» | недельные данные, большой кросс-секшн | недельный | Не указаны в abstract | **Недельный реверс существует только у мелких и неликвидных монет (t = −7,31); крупные и ликвидные показывают недельный momentum (t = +2,33)** | **Объясняет наш факт**: там, где мы торгуем (топ-30), реверса нет — есть momentum. Согласуется с нашим «дневной xs-momentum подтверждён, xs-reversal отрицателен» |
| **Zaremba, Bilgin, Long, Mercik, Szczygielski (2021)**, *IRFA* 78, 101908 | **3607 монет**, 2 700 925 дневных наблюдений, 2015-01-01…2021-03-01 | дневной (сигнал = доход за t−1) | Не моделируются | Последний день — «фортабельный» негативный предиктор: **|t| > 120** для лага t−1 (против |t| < 120 для всех прочих лагов); эффект не перекрывается beta, IVOL, size, среднесрочными/долгосрочными доходами, сезонностью, ликвидностью, оборотом; **крупнейшие и самые торгуемые монеты показывают momentum, а не реверс** | Логика та же, что у Fičura: наш торгуемый универсум — «крупные/ликвидные» ⇒ реверс к нам не относится. Подтверждает нашу отрицательную проверку xs-reversal |
| **Kozlowski, Puleo, Zhou (2021)**, «Cryptocurrency return reversals», *Applied Economics Letters* 28(11) 887–893, doi 10.1080/13504851.2020.1784831 | 200 монет, 2015–2019 | дневной / недельный / месячный | Не указаны | Значимый реверс на всех трёх частотах ребаланса, робастен к контролю на размер, оборот и неликвидность; сохраняется в обеих половинах выборки и при высокой и низкой подразумеваемой волатильности; **наиболее выражен у монет малой капитализации и низкой ликвидности** | Дневной реверс подтверждён, но у нас «отрицательно» — расхождение объясняется универсумом (мелкие монеты) |
| **Han, Kang, Ryu (ACFR, 2023)** «Time-Series and Cross-Sectional Momentum… under Realistic Assumptions» | только монеты, листингованные на фьючерсах Binance, 2013-12…2023-08 | дневной (LB 1–56 дней, HP 1–56 дней) | **15 б.п. транзакционных издержек**, реальные тики и слиппедж, ежедневный mark-to-market, режим маржи, ликвидации | **Time-series momentum силён**: 28д/5д даёт Sharpe 1,51 против рынка 0,84 (эффект — сжатие downside). **Кросс-секционный momentum слаб**: из 21 портфеля 5 ликвидированы, только 6 бьют рынок; лучший 14д/7д — Sharpe 1,28 против рынка 1,01; 10 портфелей имеют t > 2 по средней доходности, но лишь **3 — по средней лог-доходности**; 6 портфелей с положительной средней доходностью либо ликвидированы, либо убыточны | **Прямо резонирует с нашим 14д/7д** (у нас +242 б.п./нед, t = 3,66): та же пара LB/HP — лучшая, но: (а) у них профит целиком в длинной ноге, короткая ловит jump-риск; (б) они предупреждают о look-ahead при выборе оптимальной пары LB/HP |
| **Dobrynskaya (2021)**, «Cryptocurrency Momentum and Reversal» (HSE) | ~2000 монет с кап. > $1 млн, 2014–2020, недельные данные | недельный (J, K = 1–12 недель) | Не моделируются | 1–4 недели — momentum (лучшее: **2/2 = 70 % годовых**), дальше знак меняется, >4–6 недель — значимый реверс (до −1200 % годовых на 1–2 недельном сорте при 10–12 недельном удержании). «1/1» незначим из-за волатильности | Согласуется с нашим дневным/недельным momentum; реверс — на более длинных удержаниях |
| **Borri & Shakhnov (2022)**, «The Cross-Section of Cryptocurrency Returns», *RAPS* 12(3) 667–705, doi 10.1093/rapstu/raac007 | пары биржа×валюта для BTC, 2015-05…2021-05 + расширения | дневной (кросс-секция *бирж*, не монет) | Полный учёт: торговые/маржинальные/выводные комиссии, **средняя торговая комиссия 15 б.п. за сделку** + модельные спреды | Long/short «cross» (персистентность дисконтов): **181 б.п./сутки брутто → ~31 б.п./сутки нетто** (Sharpe 13 % дневной). «Within» (mean-reversion дисконтов): 127 б.п./сутки брутто, **после издержек статистически НЕ значимо** (−90 б.п. вычет) | Кросс-биржевой кросс-секционный арбитраж — единственный «xs-эффект», где нетто остаётся положительным, но это требует переводов между биржами и 4 сделок ⇒ не наш горизонт и не наш капитал ($1000) |
| **Pham, Tran, Nguyen, Duong (2024)**, *PLoS ONE* 19(11) e0304377 | топ-20 монет, 2016-01-02…2021-04-15, 6606 наблюдений, 2SLS | дневной | Не моделируются | Реверс (лаг-доход) **положительно** связан с доходностью до COVID и **отрицательно** — во время пандемии; внимание инвестора (Google Trends) положительно влияет на доходность BTC | Направление знака нестабильно во времени — риск переобучения на режиме |
| **Petukhina, Reule, Härdle (2020)**, arXiv:2009.04200 «Rise of the Machines? Intraday HFT Patterns of Cryptocurrencies» | высокочастотные данные (CRIX и составляющие) | внутридневной | Не моделируются | Внутридневная периодичность доходности, объёма и волатильности; «интрадей-моментум торговых паттернов» как основа предсказуемости | Подтверждает структурную сезонность (см. §2), но не даёт торгового эджа |
| **Wątorek, Skupień, Kwapień, Drożdż (2023)**, arXiv:2306.17095 | BTC, ETH, DOGE, WINkLink, 10-секундные данные, 2020-01…2022-12 | 10 с / внутридневной | Не моделируются | Три фазы активности (азиатская, европейская, американская сессии); **всплески активности с периодом 15 минут, особенно на полных часах** ⇒ роль алгоритмической торговли | Эмпирическая опора для правила «торговать в окна часовых/четверть-часовых границ», см. правило №1 и №10 |
| **Ackerer, Hugonnier, Jermann (2024)**, arXiv:2310.11771 (Wharton) «Perpetual Futures Pricing» | теория (дискретное и непрерывное время) | — | Теория (в т.ч. границы при торговых издержках) | Безарбитражная цена перпа = риск-нейтральное ожидание спота в случайный момент; указаны спецификации funding'а, при которых базис тождественно нулевой | Теоретический фундамент; торгового правила не даёт |
| **He, Manela, Ross, von Wachter (2022/2024)**, arXiv:2212.06888 «Fundamentals of Perpetual Futures» | BTC, ETH, BNB, DOGE, ADA; часовые данные | часовой (открытие/закрытие позиции) | Издержки: «даже при самых высоких комиссиях Binance» | Среднее **абсолютное** отклонение перп–спот ≈ **60–90 % годовых**; стратегия random-maturity арбитража даёт **Sharpe 1,8 (высокие ритейл-издержки) … до 3,5 (маркет-мейкеры)** для BTC, лучше для ETH и прочих | Единственная работа с **явно положительной нетто-экономикой** на часовом горизонте в крипте. Но: маржинальные требования, риск ликвидации, нужен доступ к займам (Aave) |
| **MDPI Mathematics 14(2) 346** «The Two-Tiered Structure of Cryptocurrency Funding Rate Markets» | высокочастотная панель funding'ов | внутридневной | Заявлены транзакционные издержки и спред-реверсы | **НЕ ПРОЧИТАНО**: `mdpi.com` отдаёт *Access Denied* из нашей сети (и web_extract упёрся в лимит кредитов). Фиксирую как недоступное, а не как «не подтверждено» | — |
| **NUS scholarbank**, запись «INTRADAY REVERSALS IN CRYPTOCURRENCIES» | — | заявлено «24-часовой горизонт: доходность в фиксированное время суток» | — | **Полный текст недоступен** (JS-приложение, 827 байт HTML; DNS репозитория SMU не резолвится). Автора/год по записи подтвердить не смог. Единственное, что видно из индекса поиска: реверс «более выражен на спот-рынках, чем в перпетуалах» | В отчёт как источник не беру — только как гипотезу для проверки |
---
## 2. Синтез: что здесь реально есть и на каком горизонте
1. **Всё «1–60 мин» в крипте — это один эффект: краткосрочный реверс (компенсация за поставку ликвидности).**
Моментума на этих горизонтах в кросс-секции почти нет; вместо него документируется **отрицательный lead-lag**
(Jia et al. 2023) и «реверс против предыдущей свечи» (Kitron & Wengrowicz 2026). Это ровно тот же механизм,
что описан в акциях (Nagel 2012, Da et al. 2014) и на дневной крипте (Bianchi et al. 2022).
2. **Размер эджа и размер издержек не пересекаются.** Самая честная количественная оценка для нашего горизонта:
брутто **1,3 б.п. на сделку (15 мин)** и **0,15 б.п. (5 мин)** — против нашего круга **11 б.п. (тейкер)** и
**4 б.п. (мейкер)**. Авторы прямо пишут: *«не эксплуатируется при стандартных спотовых издержках»*, и что
переход к 5-минутным барам делает **хуже**, а не лучше. Ни одна из 183 пар не проходит даже 5 б.п.
3. **Реверс живёт в неликвидном хвосте, а не там, где мы торгуем.** Bianchi et al. (2022): премия концентрируется
в парах с низкой активностью (EW 1,226 %/сут vs 0,54 % при высоком объёме); на **Binance нетто отрицательно**.
Zaremba et al. (2021): крупнейшие/самые торгуемые монеты дают momentum, а не реверс. Fičura (2023):
недельный реверс — только мелкие и неликвидные (t = −7,31), крупные — momentum (t = +2,33).
⇒ Наш универсум (топ-30) по построению отрезан от источника этого эффекта, а его «хвост» недоступен из-за
проскальзывания 3 б.п./нога + стакан.
4. **Проскальзывание — то, что убивает реверс в ликвидной части.** Kitron & Wengrowicz отдельно подчёркивают:
привязывает **явная комиссия**, а не котируемый спред (top-of-book ≈ 1 тик внутри эджа). То есть мейкер,
который никогда не перескакивает спред, всё равно платит комиссию.
5. **Funding/basis на 1–60 мин — не предиктор.** В самой тщательной проверке на нашем горизонте
(Kitron & Wengrowicz 2026, App. F) кондиционирование на **базис, funding rate, funding-часы, волатильность и сессию
— плоско во всех случаях**. Положительная funding-экономика существует только на дневном/8-часовом ребалансе
и после 2021 заметно деградировала (11,6 → 8,9 б.п./сутки, 2/3 в 2020–21; безубыточность требует комиссии 23 б.п.).
6. **Сезонность по часам — реальна, но это «внутридневной TSM/reversal одного актива», а не кросс-секция.**
QuantPedia (Gemini, 2015–2022): значимые часы 22:00–23:00 UTC, худшие 3:00–4:00, «нет ни одного статистически
отрицательного часа»; сезонностная стратегия — 33 % годовых при волатильности 20,93 % и MDD −22,45 % (без издержек).
Wątorek et al. (2023) добавляют всплески с периодом 15 мин и на полных часах. Shen et al. (2022) — формально
тот же класс эффекта, но с «сессией», заданной по объёму.
7. **Единственный «кросс-секционный» эффект с положительной нетто-экономикой на часовом горизонте — базис перп–спот**
(He et al. 2024: Sharpe 1,8–3,5). Но это случай «limits to arbitrage»: нужны займы, маржа, перенос между
инструментами; наш капитал ~$1000 и наш универсум сюда не подходят.
8. **Кросс-биржевой кросс-секционный арбитраж (Borri & Shakhnov 2022)** даёт 31 б.п./сутки нетто (Sharpe 13 % дневной)
против 181 б.п. брутто — то есть **83 % брутто-эджа съедается издержками и переводами**. Это масштаб вычета,
который надо держать в голове при любой оценке крипто-эджа.
9. **Риск выборки/переобучения на нашем горизонте огромен.** Han, Kang, Ryu (ACFR): из 21 кросс-секционного
портфеля 5 ликвидированы, 6 с положительной средней доходностью убыточны, и только 3 проходят t > 2 по
средней **лог**-доходности (а не арифметической). Vine (2026): PBO = 0,81 у funding-фактора, т.е. «лучшая»
конфигурация не выбирается, ожидать надо ≈0,4 Sharpe, а не 1,5.
---
## 3. Проверяемые правила (формулировки для бэктеста)
Ниже — 10 правил, готовых к кодированию на нашем стенде. У каждого: сигнал, вход/выход, горизонт, ожидаемая
экономика **после 0,11 % на круг** (тейкер) и отдельно — что будет мейкером (0,04 %).
| № | Правило (формулировка) | Источник | Ожидаемая экономика после 0,11 % |
|---|---|---|---|
| 1 | **Quarter-hour order-imbalance**: в моменты :00/:15/:30/:45 UTC (кроме 00:00/08:00/16:00 — funding) считаем OI = (taker-buy − taker-sell)/объём за 10 с после открытия; знак OI → позиция в сторону OI; держим 4 ч (затем 8 ч/12 ч) | Kim & Hansen 2026 (arXiv:2607.09426), CFE BTC 3,84/5,55/6,39 б.п. на единицу OI (t≈3,3–4,2) | Оборот единицы в сутки ⇒ 11 б.п. терпимо **если** эдж/сделку > 25 б.п. **Проверить первым** — единственный кандидат с низким оборотом |
| 2 | **BTC intraday TSM, контр-версия**: сигнал = доход последних 30 мин до 17:00 EST → позиция в последние 30 мин; **вход по лимиту**, выход по лимиту | Shen et al. 2022 (doi 10.1111/fire.12290), r_SLH: 17,32 %/год брутто | Тейкером отрицательно (0,11 % × 365 ≈ 40 %/год > 17,32 %). **Мейкером** (0,04 % × 365 ≈ 14,6 %/год) остаётся +2,7 п.п. — маргинально; перепроверить на Bybit 5м/30м |
| 3 | **Сезонность часов**: держать BTC только в окне 22:00–23:00 UTC | QuantPedia (Gemini 2015–2022): 33 %/год, vol 20,93 %, MDD −22,45 %, издержки не заложены | 1 круг/сутки ⇒ тейкером 40 %/год > 33 % ⇒ отрицательно. Мейкером 14,6 %/год ⇒ ≈+18 %. Тестировать мейкером, обязательно с 2023–2026 (окно могло исчезнуть) |
| 4 | **Lead-lag BTC → неликвидный ALT (1–3 мин)**: если |r_BTC,t−1| > порога, входим в ALT в сторону движения BTC на 1–3 мин; только монеты с низким trade count | Springer 2026 (doi 10.1007/s10690-026-09589-z); их издержки 0,02 %/сторона | Их 4 б.п./круг против нашего 11 б.п. тейкером + 3 б.п./нога слиппеджа в неликвиде ⇒ ≈17 б.п. **Только мейкером** и только на «прыжковых» движениях BTC; мерить эдж/сделку |
| 5 | **Кросс-крипто пулированный лаг-доход**: прогноз фокусной монеты по лаг-доходам остальных (adaptive LASSO), горизонт 1–10 мин | Guo, Sang, Tu, Wang 2024 (JEDC 163, 104863): +0,40…+4,82 б.п. на 1 SD | **Не исполняется из-за издержек**: сигнал ≤4,8 б.п. < 11 б.п.; минутный ребаланс = −600 б.п./сутки на издержках |
| 6 | **Реверс против предыдущей свечи (sign-reversal)**: −sign(r_t−1) на 1 свечу вперёд, все монеты универсума | Kitron & Wengrowicz 2026 (arXiv:2608.21888) | **Не исполняется**: брутто 1,3 б.п. (15м) / 0,15 б.п. (5м) против 11 б.п. тейкером и 4 б.п. мейкером; ни одна из 183 пар не проходит 5 б.п. |
| 7 | **Реверс, кондиционированный на агрессивный поток**: то же, но только после «flow-driven» бар (знак движения = знак taker-imbalance) с |imbalance| в верхнем квинтиле | Kitron & Wengrowicz 2026: OOS AUC 0,540 после flow-driven против 0,519 после flow-opposed; pooled Δflip-rate +0,021 [+0,015;+0,026] | Тейкером почти наверняка отрицательно (эдж порядка 5 б.п. при движении ~80 б.п.); **мейкером** — граница. Единственная «выжимаемая» часть эффекта; мерить per-trade |
| 8 | **Кросс-секционный funding-фактор**: long низкий funding / short высокий funding, доллар-нейтрально, ребаланс по funding-тактам (8 ч) | Vine 2026 (OOS Sharpe 0,39 net при 4 б.п. one-way); OctopusTakopi 2026 (11,6 б.п./сутки funding, 8,9 б.п. нетто, безубыточность при 23 б.п.) | 2 ноги × 11 б.п. круга = 22 б.п. за ребаланс против 11,6 б.п./сутки купона ⇒ **тейкером отрицательно**; мейкером (8 б.п.) ⇒ ≈+3,5 б.п./сутки, но 2/3 исторической прибыли — 2020–21, после порога не проходит |
| 9 | **Условный дневной реверс с фильтром низкого объёма**: long-low-return / short-high-return только в паре с de-trended volume ниже тренда, равновесный портфель | Bianchi et al. 2022 (Riksbank WP 413) | EW брутто 1,226 %/сут → 1,11 % при нашем 11 б.п.; но **на Binance нетто уже −0,213 %** при их 20/30 б.п., а наш плюс съедается слиппеджем 3 б.п./нога (≈0,17 %/круг) и тем, что это монеты низкой активности ⇒ **не исполняется тейкером**; тест только на «высоколиквидном хвосте» топ-30 (где, по Fičura/Zaremba, реверса нет) |
| 10 | **Час-окна как фильтр оборота для правил 1 и 4**: разрешить вход только в окна :00 и :15 (всплески активности/алго-торговли), вне окон — не торговать | Wątorek et al. 2023 (arXiv:2306.17095); Kim & Hansen 2026 | Сам по себе не эдж, а **снижение оборота** (и издержек): вместо N сделок в сутки — только 2 окна/час. Ожидаемая экономика = экономика базового правила; применять как фильтр к №1 и №4 |
---
## 4. Что опровергнуто (отдельный раздел)
1. **Funding/basis не предсказывает доходность на 1–60 мин.** Kitron & Wengrowicz (2026, App. F):
кондиционирование на перпетуальный базис, funding rate, funding-часы, волатильность и сессию — **плоско во всех
случаях**. Совпадает с нашим собственным «базис-carry отрицательно».
2. **Level-carry («собирать funding, пока он положителен») — артефакт Sharpe.** Vine (2026): headline Sharpe 8,5
при честной нетто-доходности +5,6 %/год с деградацией до отрицательной к 2026; доминирующий риск (базис/ликвидация/депег)
funding-only моделью вообще не виден. OctopusTakopi (2026): удержание только через момент расчёта funding'а
опрокидывается на 1,73 млн расчётов — цена уходит против сборщика сильнее платежа.
3. **Краткосрочный (15 мин) реверс не эксплуатируется.** 1,3 б.п. брутто/сделку (и 0,15 б.п. на 5 мин) против
5 б.п. лучшего мейкерского круга; «ни одна из 183 пар» не проходит даже 5 б.п.
4. **Кросс-секционный реверс на дневном горизонте — отрицателен в ликвидной части.** На Binance нетто −0,213 % (EW)
и −0,341 % (VW) при 20/30 б.п. (Bianchi et al. 2022). Согласуется с нашей проверкой «дневной xs-reversal отрицателен».
5. **Кросс-секционный momentum на дневных/недельных данных слаб, если считать корректно.** Han, Kang, Ryu (ACFR):
5 из 21 портфеля ликвидированы, 6 с положительной средней доходностью убыточны, только 3 имеют t > 2 по **лог**-доходности;
профит целиком в длинной ноге; оценка «оптимальной» пары LB/HP вносит look-ahead.
6. **Одноминутные лаг-сигналы «другие монеты → фокусная монета» слишком малы для тейкера** (0,40–4,82 б.п. на 1 SD
при 11 б.п. на круг). Робастность статистики ≠ исполнимость.
7. **Кросс-биржевой арбитраж дисконтов: 83 % брутто съедается издержками** (181 → 31 б.п./сутки; «within»-версия
после издержек вообще незначима, Borri & Shakhnov 2022). Это не направление для 1–60 мин и не для $1000.
8. **Знак дневного реверса нестабилен по режимам**: положительный до COVID, отрицательный в пандемию
(Pham et al. 2024). Любое правило на дневном реверсе обязано тестироваться по режимам.
9. **Не подтверждено, но и не прочитано** (честно фиксирую): MDPI Mathematics 14(2) 346 (funding-панель) —
`Access Denied` из нашей сети; NUS «Intraday reversals in cryptocurrencies» — полный текст недоступен, автора
подтвердить не удалось; Wen et al. (2022) и Jia et al. (2023) — только аннотации (paywall); BIS WP 1087 —
доступен только abstract (bis.org отдаёт HTML вместо PDF).
---
## 5. Что делать в бэктесте в первую очередь
Порядок приоритета по «шанс × низкий оборот»:
1. **Правило №1 (quarter-hour OI → 4–12 ч)** — единственное, где оборот мал, а заявленный эдж (3,8–11,3 б.п. на
единицу OI) может пережить 11 б.п. Проверка: есть ли сигнал на Bybit-перпах вне 2021–2024 (наша выборка).
2. **Правило №2 в мейкерском варианте** — прямой аналог нашего дневного xs-momentum, но внутри дня.
3. **Правило №8 мейкером и по 8-часовым тактам** — проверить, остался ли funding-фактор после 2022 в нашей выборке.
4. **Правила №4 и №7** — только мейкером, только на «прыжках», с обязательным замером эдж/сделку.
5. Остальные (№3, №5, №6, №9) — либо отрицательны тейкером, либо требуют недоступного неликвидного хвоста.
**Методические требования к нашим тестам** (следуют прямо из работ): закладывать 11 б.п. на круг тейкером и 4 б.п.
мейкером + 1/3 б.п. слиппеджа; считать **среднюю лог-доходность**, а не арифметическую (Han, Kang, Ryu); считать
вероятность бэктест-переобучения (Vine: PBO 0,81); фиксировать универсум **до** выборки (Kitron & Wengrowicz:
volume-ranked «после конца выборки» универсум даёт survivor-tilt, который они отдельно считали ex-ante).
docs/SYNTHESIS.md
+70
View File
@@ -0,0 +1,70 @@
# Что брать в бэктест: сводка по 133 источникам
Разобраны 5 направлений (133 источника: научные статьи, препринты, документация бирж, живые замеры).
Ниже — итог одной страницей: что литература говорит про 5-минутный горизонт, что из этого проверяемо
у нас и какие пороги считать приёмкой.
## Главный вывод
**Ни одной работы, где стратегия на 1–15 минутах даёт положительный результат ПОСЛЕ издержек
уровня нашего круга (11 б.п. тейкер / 4 б.п. мейкер), не найдено.** Это не пробел поиска, а
отрицательный результат литературы, и он совпадает с нашими прогонами.
Самая честная количественная оценка (Kitron & Wengrowicz 2026, arXiv 2608.21888, 183 пары Binance):
валовой эдж на сделку — пик **≈1,3 б.п. на 15м** и **0,15 б.п. на 5м**, против лучшего мейкерского
круга 5 б.п. и тейкерского 10–20 б.п. Ни одна из 183 пар не проходит даже мейкерскую планку, а
переход с 15м на 5м делает результат **хуже**. На нашей линейке издержек это −10,85 б.п. (тейкер)
и −3,85 б.п. (мейкер) на сделку.
## По направлениям — что важно
| Направление | Что нашли | Что это значит для нас |
|---|---|---|
| **Поток заявок и микроструктура** | Полный OFI (лимиты + маркеты + отмены) объясняет движение мид-цены на 10 секундах с R² = 65%, а trade imbalance (то, что видно из свечей) — только 32% (Cont, Kukanov, Stoikov 2014). На 5м contemporaneous R² для OFI 42–86% — то есть «предсказуемость» в основном синхронная, а не торгуемый лаг | Со свечами мы видим лишь слабую проекцию силы. Любой 5м-сигнал обязан строиться на **лаге ≥ 1 бара**, иначе это артефакт. Данных стакана у нас нет — направление закрыто, кроме OHLCV-прокси (Lee-Ready для стороны агрессора, VPIN) |
| **Кросс-секционные эффекты 1–60 мин** | Документирован практически один эффект — краткосрочный **реверс** (компенсация за поставку ликвидности) и его зеркало, отрицательный lead-lag. Моментума в кросс-секции на этих горизонтах нет. Funding/basis на 1–60 мин плоские во всех кондиционированиях (App. F той же работы) | Ежедневный кросс-секционный momentum 14д/7д (наш подтверждённый) — **не тот же эффект**; переносить его на 5м нельзя. Реверс на 5–15м у нас не исполнится по издержкам |
| **Издержки и исполнение (живые замеры)** | Bybit VIP0 подтверждён: taker 0,055%, maker 0,020% на ногу. KuCoin дороже (taker 0,06%). Наш обход книги на **$1000**: проскальзывание BTC 0,006 б.п., ETH 0,019, SOL 0,42, XRP 0,34, QNT 7,9 б.п.; медианный спред top-30 = 1,0 б.п., top-100 = 1,6 б.п. Гранулярность: qtyStep даёт шаг позиции BTC $83,5 при $1000 (нельзя дробить) | **Спред и проскальзывание — не узкое место. Узкие места — комиссия (11 б.п. на круг) и неблагоприятный отбор.** «Проскальзывание 1 тик» различается на два порядка между BTC и альтом. Для $1000 BTC/ETH не дробятся → нужны альты с мелким шагом |
| **ML на 5м** | Ни одной работы с net-плюсом на 1–15м при издержках ≥10 б.п. Ближайшая по честности (arXiv 2606.00060, часовые бары, walk-forward, 10 б.п./сделку): XGBoost +73,5% годовых **без** издержек → −64,0% с ними; iTransformer +181,8% → −83,9%. Cost-aware фильтр (вход только при \|прогноз\| выше порога, пропорционального издержкам) сокращает оборот в 10+ раз и возвращает ARC > 65% и SR > 1 у отдельных конфигураций, но paired block bootstrap с Holm-коррекцией превосходство над buy&hold **не подтверждает** | Оборот убивает сильнее, чем качество модели. Первое, что стоит перенести к нам — **cost-aware порог входа**, а не новая архитектура. Метрика «точность» без денег ничего не значит |
| **Волатильность и режимы** | Волатильность предсказуется: на 5-мин горизонте R² = 0,73–0,75 против 0,41 у AR1-RV и 0,42–0,43 у GARCH (Orebro WP 14/2025, 5-мин доходности, OOS 2022–2024). Но экономическая ценность мала: лучшая модель риска даёт **+8…+19 б.п./год** против простых альтернатив (Bollerslev et al. 2018, RFS) — меньше одного тейкер-круга. Направление предсказывается несравнимо хуже: R² ≈ 1,6% на 30-мин горизонте (Gao et al. 2018) | Волатильность — **фильтр и сайзинг, не сигнал**. Практично: торговать только когда ожидаемая амплитуда ≥ k × издержек; сокращать размер при σ выше целевой |
## Что конкретно брать в наш бэктест
1. **Cost-aware порог входа** (главный перенос): входить только если ожидаемое движение до цели
≥ 2–3 × круга издержек. Формализация из литературы: порог = f(волатильность, комиссии)
(Hudson & Thames), используется и в arXiv 2606.00060 — там это вернуло стратегию из −64% в плюс
по ARC при сокращении оборота в 10+ раз.
2. **Волатильностный фильтр и сайзинг**: вход только при низком/среднем ATR-персентиле, размер
∝ 1/σ. Ожидать эффекта в единицах Sharpe, а не в б.п. (потолок +8…19 б.п./год при времени удержания дни).
3. **Событийный тайминг по границам свечей/часа**: «turn-of-the-candle» даёт ~2,3 б.п. на поворот
(меньше нашего круга — само по себе не исполняется), но **quarter-hour effect** (границы
четверти часа, прогноз 4–12 ч, издержки в работе не моделировались) — единственный низкооборотный
кандидат на границе нашего горизонта; проверять с полными издержками.
4. **Внутридневной моментум с фиксированной сессией** (Gao et al. 2018; крипто-аналог 2021):
первая получасовка → последняя. Слабый R², но ненулевой; проверить на наших 5м-данных с ресемплом.
5. **Maker-версия каждого правила обязательна**: разница тейкер/мейкер (7 б.п. на круг) больше, чем
всё, что дают любые найденные сигналы.
6. **Протокол честности из литературы** (переносить в приёмку целиком): журнал числа испытаний →
Deflated Sharpe Ratio → MinBTL (≤45 вариаций на 5 лет) → paired block bootstrap с Holm-коррекцией
→ тест чувствительности к издержкам с точкой безубыточности → плацебо-контроль.
## Пороги приёмки (из разобранных работ)
| Критерий | Значение |
|---|---|
| Минимум сделок | ≥ 200 |
| Net EV на сделку | > 0 после 11 б.п. на круг (и отдельно после 4 б.п. — мейкер) |
| Бутстрап-интервал net Sharpe | не содержит 0 |
| Прирост точности над мартингал-базлайном | ≥ +7,4 п.п. (цель/стоп 100/50, тейкер), ≥ +13,7 п.п. (50/30, тейкер), ≥ +5,0 п.п. (50/30, мейкер) |
| Контроль data-snooping | журнал N испытаний → DSR → MinBTL → Holm |
| Обязательные контроли | плацебо-сдвиг, рандом-вход, альфа против buy&hold, тейкер И мейкер |
## Что делать с этим дальше
1. Прогнать банк 12 методов на полной вселенной (идёт) и добавить к ним правила из пунктов 1–4 выше.
2. Ввести cost-aware фильтр в каждый метод как **отдельную конфигурацию** (это и есть проверка гипотезы
«проблема в обороте, а не в сигнале»).
3. Обязательно смотреть maker-версию: если maker-версия правила не выходит в плюс — правило мёртвое.
4. Честный вердикт по итогам: если ни один метод не проходит пороги — так и записать в `VERDICT.md`
с таблицей опровергнутого (это тоже результат, и он подтверждает вывод литературы).
*Все источники с URL, датами обращения и заложенными издержками — в `directions/*.json`
и сводном `sources/ALL_SOURCES.json` репозитория.*
sources/ALL_SOURCES.json
+1947
View File
File diff suppressed because it is too large Load Diff
sources/merge_sources.py
+33
View File
@@ -0,0 +1,33 @@
#!/usr/bin/env python3
"""Свод источников исследования 5м-стратегий: объединение 5 направлений + выборка «что брать в бэктест»."""
import glob
import json
import os
D = "/opt/data/work/5m_research/directions"
OUT = "/opt/data/work/5m_research/sources/ALL_SOURCES.json"
all_src = []
for path in sorted(glob.glob(os.path.join(D, "*.json"))):
direction = os.path.basename(path).replace(".json", "")
try:
items = json.load(open(path, encoding="utf-8"))
except Exception as e:
print(f"{direction}: НЕ ЧИТАЕТСЯ ({e})")
continue
for it in items:
if isinstance(it, dict):
it["direction"] = direction
all_src.append(it)
print(f"{direction}: {len(items)} источников")
os.makedirs(os.path.dirname(OUT), exist_ok=True)
json.dump(all_src, open(OUT, "w", encoding="utf-8"), ensure_ascii=False, indent=1)
print(f"\nВСЕГО: {len(all_src)} источников → {OUT}")
impl = [s for s in all_src if str(s.get("implementable")).lower() not in ("false", "none", "", "no")]
print(f"\n=== потенциально применимые ({len(impl)}) ===")
for s in impl:
print(f"- [{s.get('direction')}] {str(s.get('title'))[:80]} ({s.get('year')}) | "
f"горизонт: {str(s.get('horizon'))[:30]} | издержки: {str(s.get('costs_assumed'))[:40]} | "
f"вердикт: {str(s.get('verdict'))[:90]}")