[
  {
    "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"
  }
]