anatoly/crypto-5m-research
Archived
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Page: ML на 5м
Pages
Home ML на 5м Волатильность и режимы Издержки и исполнение Кросс секционные эффекты Поток заявок и микроструктура Что брать в бэктест
Clone
ML на 5м
Anatoly (Hermes) edited this page 2026-09-29 00:28:51 +03:00
Unescape Escape
Table of Contents
This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

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) 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) 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) 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) 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) 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) 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) (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) 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) 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) 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) 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) 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) 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) 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) 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, 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) 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) 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) (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) 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) 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) (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, 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; цифры — по слайдам Bailey–LdP 2022) 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) 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) 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; сводка — CXO Advisory) 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) 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.