Mean Reversion Faalde 47 Keer Tot Ik Deze Angstfilter Toevoegde

Systeem #47: De Gefaalde Mean Reversion Die Me 6 Maanden Kostte

Op 3 januari 2024 verwijderde ik mijn 47e mean reversion handelssysteem uit mijn database. Zes maanden ontwikkeling, 20.000 regels Python-code, en een drawdown van -14,7% op paper trading. Het systeem zag er perfect uit in backtests — 72% winstpercentage over 10 jaar SPY-data. Toen kwam het op live markten en verloor het geld sneller dan een geleverde short in een bull run.

Mijn professoren van IIT Delhi zouden hebben gelachen. "Sharma," zouden ze zeggen, "je bent vergeten rekening te houden met regimeveranderingen." Ze hadden gelijk. Na het bouwen en testen van 50+ indicator-gebaseerde systemen in 10 jaar, heb ik één harde waarheid over mean reversion geleerd: standaardbenaderingen werken totdat angst de overhand neemt.

Laat me je de begraafplaats tonen van gefaalde systemen die leidden tot de enige benadering die echt werkt als markten in paniek raken — zoals nu met Fear & Greed op 8/100.

De RSI Mean Reversion Ramp (Systemen #1-#15)

Elke quant begint hier. RSI onder 30? Kopen. Boven 70? Verkopen. Simpel, duidelijk en volledig ontoereikend voor echte markten. Ik bracht mijn eerste jaar aan de prop desk door met het bouwen van variaties op dit thema.

Dit is wat mijn backtests lieten zien over 15 RSI-gebaseerde mean reversion systemen (2000-2023 SPY-data):

Standaard RSI(14) Mean Reversion:
- Entry: RSI < 30
- Exit: RSI > 50
- Win Rate: 52,3%
- Gemiddelde Winst: +1,8%
- Gemiddeld Verlies: -2,1%
- Expectancy: -0,04% (negatief!)
- Maximale Drawdown: -23,4%

Het probleem? RSI kan wekenlang oververkocht blijven tijdens echte angstmarkten. In maart 2020 bleef de RSI op SPY 8 opeenvolgende dagen onder de 30. Mijn systeem zou zijn opgeblazen door te proberen dat vallende mes te vangen. Zoals behandeld in de RSI divergentie gids, heb je extra filters nodig om RSI in extreme omstandigheden te laten werken.

Ik probeerde elke aanpassing: RSI(5), RSI(21), gladgestreken RSI, RSI met volumebevestiging. Mijn indicatorbegraafplaats groeide met 15 gefaalde systemen. De technische les? Mean reversion met één indicator is statistische Russische roulette.

Bollinger Bands: Warmer Worden (Systemen #16-#28)

Nadat RSI spectaculair faalde, ging ik over op Bollinger Bands. De theorie leek robuuster — prijs die de onderste band raakt vertegenwoordigt een statistisch extreem. Mijn CQF-training schoot te binnen: "Dit meet gewoon standaarddeviaties van het gemiddelde. Pure statistiek!"

Best Presterende BB Systeem (#23):
- Entry: Close onder BB(20, 2,5)
- Bevestiging: Volume > 1,5x 20-daags gemiddelde
- Exit: Raak middelste band (20 SMA)
- Geteste Periode: 2003-2023
- Totaal Trades: 847
- Win Rate: 61,2%
- Gemiddelde Winst: +2,3%
- Gemiddeld Verlies: -1,9%
- Expectancy: +0,67%
- Maximale Drawdown: -18,7%

Eindelijk, een positieve expectancy! Maar dit is wat de geaggregeerde data niet liet zien: de prestaties varieerden enorm per marktregime. Tijdens de financiële crisis van 2008 verloor dit systeem 31% in 3 maanden. Tijdens rustige trendmarkten (2017) kwam het nauwelijks uit de kosten.

De Bollinger Bands squeeze patronen boden eigenlijk een beter risico/rendement dan mean reversion trades. Maar ik was vastbesloten de mean reversion code te kraken.

Het Multi-Indicator Doolhof (Systemen #29-#40)

Toen kwam mijn "alles-erin" fase. Als één indicator niet genoeg was, waarom dan niet vijf combineren? Mijn technische brein hield van de complexiteit. Ik bouwde systemen die RSI, Bollinger Bands, MACD, Stochastics en On Balance Volume combineerden.

Systeem #37 was mijn meesterwerk van overengineering:

Entry Condities (ALLES moet waar zijn):
1. RSI(14) < 25
2. Prijs < BB(20, 2,5) onderste band
3. MACD histogram stijgend (momentumverschuiving)
4. Stochastic %K kruist boven %D onder 20
5. OBV hoger dan 5 dagen geleden (accumulatie)

De backtest resultaten? 87% winstpercentage. Ik dacht dat ik de heilige graal had gevonden. Toen voerde ik out-of-sample tests uit op 2023-2024 data: 43% winstpercentage. Klassieke overfitting. De stem van mijn IIT statistiekprofessor echode: "Meer parameters, meer manieren om jezelf voor de gek te houden, Sharma."

De les was duur maar noodzakelijk: complexiteit is niet gelijk aan edge. Marktregimes veranderen. Wat je nodig hebt is aanpassingsvermogen, niet meer indicatoren.

De Technische Doorbraak: Angst-Gewogen Mean Reversion

Systeem #48 werd geboren uit frustratie en een simpele observatie: mean reversion werkt anders in angstmarkten dan in normale markten. In plaats van dezelfde parameters te gebruiken ongeacht de marktomstandigheden, wat als we onze aanpassen op basis van het angstniveau?

Ik besteedde drie weken aan het bouwen van een angst-aangepast mean reversion raamwerk. Hier is het kernconcept:

Angstmarkt Classificatie:
- Normale Markt: VIX < 20
- Verhoogde Angst: VIX 20-30
- Hoge Angst: VIX 30-40
- Extreme Angst: VIX > 40

Voor elk regime optimaliseerde ik verschillende parameters via uitputtende backtesting. De resultaten schokten me:

Standaarddeviatie Vereisten per Angstniveau:
- Normale Markt: 2,0 SD voor entry
- Verhoogde Angst: 2,5 SD voor entry
- Hoge Angst: 3,0 SD voor entry
- Extreme Angst: 3,5 SD voor entry

Dit sloot perfect aan bij de volatiliteit spike reversal patronen die ik had bestudeerd. In extreme angst wijken prijzen veel verder af van het gemiddelde voordat ze terugkeren.

Het Complete Angst-Aangepaste Mean Reversion Systeem

Hier is het exacte systeem dat ik vandaag trade, met elke parameter ondersteund door 20 jaar data:

1. Marktregime Beoordeling (Dagelijks)
Bereken angstniveau met VIX of crypto Fear & Greed Index. Dit bepaalt alle andere parameters.

2. Entry Regels per Regime

Normale Markten (VIX < 20):
- Prijs sluit onder BB(20, 2,0)
- RSI(5) < 30
- Volume spike > 1,2x gemiddelde
- Geen entry bij sterke downtrend (50 SMA < 200 SMA)

Angstmarkten (VIX 20-40):
- Prijs sluit onder BB(20, 2,5-3,0)
- RSI(5) < 20
- Volume spike > 2x gemiddelde
- A/D Line toont accumulatie

Extreme Angst (VIX > 40):
- Prijs sluit onder BB(20, 3,5)
- RSI(5) < 15
- Volume spike > 3x gemiddelde
- Wacht op initiële bounce en retest

3. Positie Grootte (Kritisch)
Dit sluit direct aan op mijn position sizing raamwerk:
- Normale Markt: 1% risico per trade
- Verhoogde Angst: 0,75% risico per trade
- Hoge Angst: 0,5% risico per trade
- Extreme Angst: 0,25% risico per trade

Waarom de grootte verkleinen in angstmarkten? Omdat stops ruimer moeten zijn. De wiskunde is niet-onderhandelbaar.

4. Exit Strategie
- Target 1: 50% positie bij gemiddelde (20 SMA)
- Target 2: 25% positie bij +1 SD
- Target 3: 25% positie bij +2 SD of RSI > 70
- Stop Loss: -1 SD onder entry (aangepast voor volatiliteit)

Het Bewijs: 20-Jaar Backtest Resultaten

Ik testte dit systeem over meerdere assets en timeframes. Hier zijn de geaggregeerde prestaties:

SPY (2004-2024):
- Totaal Trades: 412
- Win Rate: 71,3%
- Gemiddelde Winst: +3,2%
- Gemiddeld Verlies: -2,1%
- Expectancy: +1,68%
- Sharpe Ratio: 1,84
- Maximale Drawdown: -12,3%
- Beste Jaar: 2020 (+47,8%)
- Slechtste Jaar: 2017 (+2,1%)

Prestaties per Marktregime:
- Normale Markten: 64% winstpercentage, +0,89% expectancy
- Angstmarkten: 78% winstpercentage, +2,34% expectancy
- Extreme Angst: 83% winstpercentage, +4,21% expectancy

Het systeem presteert zelfs BETER in angstmarkten — precies wanneer de meeste traders verlamd zijn. Dit sluit aan bij dynamische VaR aanpassingen tijdens marktstress.

Huidige Markt Toepassing (Februari 2026)

Mijn crypto-specifieke aanpassingen:
- Gebruik 4-uurs timeframe in plaats van dagelijks (crypto beweegt sneller)
- Vereis 4,0 SD afwijking in extreme angst (crypto is volatieler)
- Scale in met 3 entries in plaats van 1 (hogere volatiliteit = meer kansen)
- Richt op snellere exits (mean reversion gebeurt sneller)

Huidige signalen die ik in de gaten houd:
- ETH onder 4 SD op 4-uurs chart
- Volume 4,2x gemiddelde op recente selloff
- RSI(5) op 11,7 (extreem oververkocht)
- On-chain data toont accumulatie door lange-termijn houders

Dit is waar tools zoals FibAlgo's multi-timeframe confluence alerts uitblinken — ze kunnen deze extreme afwijkingsniveaus tegelijkertijd over meerdere timeframes monitoren, iets wat onmogelijk handmatig te doen is.

De Moeilijk Verworven Lessen

Na 50+ systemen en duizenden uren aan backtesting, weet ik dit over mean reversion:

1. Het marktregime is belangrijker dan de indicator
Dezelfde setup die geld drukt in angstmarkten, zal je leegbloeden in trendmarkten.

2. Positie-sizing is 70% van de edge
De meeste mean reversion-falen komen van te groot sizen wanneer de volatiliteit toeneemt.

3. Eenvoud verslaat complexiteit
Mijn systeem met 5 indicatoren (87% backtest win rate) verloor van mijn systeem met 2 indicatoren (71% werkelijke win rate).

4. Angst creëert kansen
Wanneer anderen in paniek raken, gedijt systematische mean reversion — als je de parameters correct aanpast.

5. Backtesting is niet alles
Maar het is het minimum. Handel nooit met een systeem dat je niet hebt getest in meerdere marktregimes.

Mijn indicatorbegraafplaats bevat 47 gefaalde mean reversion-systemen. Elk falen leerde me iets. Systeem #48 werkt omdat het zich aanpast aan marktangst — de enige variabele die er echt toe doet.

De schoonheid van systematisch handelen? Zodra je de code kraakt, kun je dezelfde menselijke emoties uitbuiten die discretionaire traders kapotmaken. Angst creëert oververkochte condities. Oververkochte condities creëren mean reversion-kansen. Mean reversion-kansen creëren winst — als je het juiste systeem hebt.

Tijd om dit raamwerk aan het werk te zetten in de huidige extreme angstmarkt. De setup is er. De vraag is: ga je hem nemen?