# 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.