Mean Reversion ล้มเหลว 47 ครั้ง จนกว่าฉันจะเพิ่มตัวกรองความกลัวนี้

ระบบหมายเลข 47: การคืนค่าเฉลี่ยที่ล้มเหลวและทำให้ฉันเสียเวลา 6 เดือน

วันที่ 3 มกราคม 2024 ฉันลบระบบเทรดแบบคืนค่าเฉลี่ยระบบที่ 47 ของฉันออกจากฐานข้อมูล หกเดือนของการพัฒนา, โค้ด Python 20,000 บรรทัด, และการขาดทุนสูงสุด -14.7% ในการเทรดกระดาษ ระบบดูสมบูรณ์แบบในการแบ็กเทส — อัตราชนะ 72% จากข้อมูล SPY 10 ปี แต่เมื่อเจอตลาดจริง มันก็เสียเงินเร็วกว่าการชอร์ตแบบใช้เลเวอเรจในตลาดกระทิง

อาจารย์ของฉันที่ IIT Delhi คงหัวเราะ "ชาร์มา" พวกเขาคงพูด "คุณลืมคำนึงถึงการเปลี่ยนผ่านของตลาด" พวกเขาพูดถูก หลังจากสร้างและทดสอบระบบที่ใช้ตัวบ่งชี้มากกว่า 50 ระบบตลอด 10 ปี ฉันได้เรียนรู้ความจริงอันโหดร้ายหนึ่งข้อเกี่ยวกับการคืนค่าเฉลี่ย: วิธีการมาตรฐานใช้ได้ จนกว่า 'ความกลัว' จะเข้าครอบงำ

ให้ฉันแสดงสุสานของระบบที่ล้มเหลว ซึ่งนำไปสู่วิธีการเดียวที่ใช้ได้จริงเมื่อตลาดตื่นตระหนก — เหมือนตอนนี้ที่ดัชนี Fear & Greed อยู่ที่ 8/100

หายนะของการคืนค่าเฉลี่ยด้วย RSI (ระบบ #1-#15)

นักควอนต์ทุกคนเริ่มต้นที่นี่ RSI ต่ำกว่า 30? ซื้อ สูงกว่า 70? ขาย เรียบง่าย สะอาดตา และไม่เพียงพอสำหรับตลาดจริงเลย ฉันใช้ปีแรกที่โต๊ะเทรด prop ในการสร้างรูปแบบต่าง ๆ ของธีมนี้

นี่คือสิ่งที่แบ็กเทสของฉันแสดงให้เห็นจากระบบคืนค่าเฉลี่ย 15 ระบบที่ใช้ RSI (ข้อมูล SPY 2000-2023):

การคืนค่าเฉลี่ยด้วย RSI(14) แบบมาตรฐาน:
- จุดเข้า: RSI < 30
- จุดออก: RSI > 50
- อัตราชนะ: 52.3%
- กำไรเฉลี่ย: +1.8%
- ขาดทุนเฉลี่ย: -2.1%
- ค่าคาดหวัง: -0.04% (ติดลบ!)
- การขาดทุนสูงสุด: -23.4%

ปัญหาคืออะไร? RSI สามารถอยู่ในภาวะขายมากเกินไปได้นานหลายสัปดาห์ในช่วงตลาดกลัวจริง ในเดือนมีนาคม 2020 RSI ของ SPY อยู่ต่ำกว่า 30 ติดต่อกัน 8 วัน ระบบของฉันคงพังพาบไปแล้วหากพยายามจับมีดที่กำลังตก ตามที่กล่าวไว้ใน คู่มือการเทรดด้วย RSI Divergence คุณต้องการตัวกรองเพิ่มเติมเพื่อให้ RSI ทำงานได้ในสภาวะสุดขั้ว

ฉันลองปรับเปลี่ยนทุกอย่าง: RSI(5), RSI(21), RSI ที่ปรับเรียบ, RSI พร้อมยืนยันปริมาณ สุสานตัวบ่งชี้ของฉันเติบโตขึ้นด้วยระบบที่ล้มเหลว 15 ระบบ บทเรียนทางวิศวกรรม? การคืนค่าเฉลี่ยด้วยตัวบ่งชี้เดี่ยวคือการเล่นรูเล็ตต์รัสเซียทางสถิติ

Bollinger Bands: ใกล้ความจริงมากขึ้น (ระบบ #16-#28)

หลังจาก RSI ล้มเหลวอย่างยิ่งใหญ่ ฉันย้ายไปใช้ Bollinger Bands ทฤษฎีดูแข็งแกร่งกว่า — ราคาสัมผัสแถบล่างแสดงถึงภาวะสุดขั้วทางสถิติ การฝึก CQF ของฉันเริ่มทำงาน: "นี่แค่เป็นการวัดค่าเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย สถิติล้วน ๆ!"

ระบบ BB ที่ทำผลงานดีที่สุด (#23):
- จุดเข้า: ราคาปิดต่ำกว่า BB(20, 2.5)
- การยืนยัน: ปริมาณ > 1.5x ค่าเฉลี่ย 20 วัน
- จุดออก: สัมผัสแถบกลาง (20 SMA)
- ช่วงเวลาที่ทดสอบ: 2003-2023
- การเทรดทั้งหมด: 847 ครั้ง
- อัตราชนะ: 61.2%
- กำไรเฉลี่ย: +2.3%
- ขาดทุนเฉลี่ย: -1.9%
- ค่าคาดหวัง: +0.67%
- การขาดทุนสูงสุด: -18.7%

ในที่สุด ก็ได้ค่าคาดหวังที่เป็นบวก! แต่นี่คือสิ่งที่ข้อมูลรวมไม่ได้แสดง: ผลงานแปรผันอย่างมากตามช่วงตลาด ในช่วงวิกฤตการเงินปี 2008 ระบบนี้ขาดทุน 31% ใน 3 เดือน ในช่วงตลาดเทรนด์เงียบ ๆ (2017) มันแทบจะไม่ขาดทุนไม่กำไร

รูปแบบ Bollinger Bands squeeze จริง ๆ แล้วให้อัตราส่วนความเสี่ยง/ผลตอบแทนที่ดีกว่าการเทรดแบบคืนค่าเฉลี่ย แต่ฉันมุ่งมั่นที่จะไขรหัสการคืนค่าเฉลี่ยให้ได้

เขาวงกตของตัวบ่งชี้หลายตัว (ระบบ #29-#40)

ต่อมาคือช่วง "ยัดทุกอย่างลงไป" ของฉัน ถ้าตัวบ่งชี้เดียวไม่พอ ทำไมไม่รวมห้าตัวล่ะ? สมองวิศวกรของฉันชอบความซับซ้อน ฉันสร้างระบบที่รวม RSI, Bollinger Bands, MACD, Stochastics และ On Balance Volume

ระบบ #37 คือผลงานชิ้นเอกของการออกแบบที่ซับซ้อนเกินไปของฉัน:

เงื่อนไขการเข้า (ต้องเป็นจริงทั้งหมด):
1. RSI(14) < 25
2. ราคา < แถบล่างของ BB(20, 2.5)
3. MACD histogram เพิ่มขึ้น (โมเมนตัมเปลี่ยน)
4. Stochastic %K ตัดขึ้นเหนือ %D ขณะที่ต่ำกว่า 20
5. OBV สูงกว่าเมื่อ 5 วันที่แล้ว (สะสม)

ผลแบ็กเทส? อัตราชนะ 87% ฉันคิดว่าฉันพบจอกศักดิ์สิทธิ์แล้ว จากนั้นฉันทดสอบด้วยข้อมูลนอกกลุ่มตัวอย่างปี 2023-2024: อัตราชนะ 43% การโอเวอร์ฟิตติ้งแบบคลาสสิก เสียงอาจารย์สถิติ IIT ของฉันดังก้อง: "พารามิเตอร์มากขึ้น วิธีหลอกตัวเองก็มากขึ้น ชาร์มา"

บทเรียนนี้แพงแต่จำเป็น: ความซับซ้อนไม่เท่ากับความได้เปรียบ ช่วงตลาดเปลี่ยน สิ่งที่คุณต้องการคือความสามารถในการปรับตัว ไม่ใช่ตัวบ่งชี้ที่มากขึ้น

ความก้าวหน้าทางวิศวกรรม: การคืนค่าเฉลี่ยแบบถ่วงน้ำหนักด้วยความกลัว

ระบบ #48 เกิดจากความหงุดหงิดและการสังเกตง่าย ๆ: การคืนค่าเฉลี่ยทำงานต่างกันในตลาดกลัวและตลาดปกติ แทนที่จะใช้พารามิเตอร์เดิมโดยไม่คำนึงถึงสภาวะตลาด จะเป็นอย่างไรถ้าเราปรับวิธีการของเราตามระดับความกลัว?

ฉันใช้เวลาสามสัปดาห์สร้างกรอบการคืนค่าเฉลี่ยที่ปรับตามความกลัว นี่คือแนวคิดหลัก:

การจำแนกตลาดกลัว:
- ตลาดปกติ: VIX < 20
- ความกลัวระดับสูงขึ้น: VIX 20-30
- ความกลัวสูง: VIX 30-40
- ความกลัวขั้นรุนแรง: VIX > 40

สำหรับแต่ละช่วง ฉันปรับพารามิเตอร์ให้เหมาะสมผ่านการแบ็กเทสอย่างละเอียด ผลลัพธ์ทำให้ฉันตกใจ:

ข้อกำหนดค่าเบี่ยงเบนมาตรฐานตามระดับความกลัว:
- ตลาดปกติ: 2.0 SD สำหรับการเข้า
- ความกลัวระดับสูงขึ้น: 2.5 SD สำหรับการเข้า
- ความกลัวสูง: 3.0 SD สำหรับการเข้า
- ความกลัวขั้นรุนแรง: 3.5 SD สำหรับการเข้า

สิ่งนี้สอดคล้องอย่างสมบูรณ์กับ รูปแบบการกลับตัวของสไปค์ความผันผวน ที่ฉันเคยศึกษา ในภาวะกลัวขั้นรุนแรง ราคาจะเบี่ยงเบนจากค่าเฉลี่ยมากกว่ามากก่อนจะคืนตัว

ระบบการคืนค่าเฉลี่ยแบบปรับตามความกลัวที่สมบูรณ์

นี่คือระบบที่ฉันเทรดในปัจจุบัน โดยทุกพารามิเตอร์ได้รับการสนับสนุนจากข้อมูล 20 ปี:

1. การประเมินช่วงตลาด (รายวัน)
คำนวณระดับความกลัวโดยใช้ VIX หรือดัชนี Fear & Greed ของคริปโต สิ่งนี้กำหนดพารามิเตอร์อื่น ๆ ทั้งหมด

2. กฎการเข้าแบ่งตามช่วง

ตลาดปกติ (VIX < 20):
- ราคาปิดต่ำกว่า BB(20, 2.0)
- RSI(5) < 30
- ปริมาณสไปค์ > 1.2x ค่าเฉลี่ย
- ไม่เข้าเทรดหากอยู่ในเทรนด์ขาลงแรง (50 SMA < 200 SMA)

ตลาดกลัว (VIX 20-40):
- ราคาปิดต่ำกว่า BB(20, 2.5-3.0)
- RSI(5) < 20
- ปริมาณสไปค์ > 2x ค่าเฉลี่ย
- เส้น A/D Line แสดงการสะสม

ความกลัวขั้นรุนแรง (VIX > 40):
- ราคาปิดต่ำกว่า BB(20, 3.5)
- RSI(5) < 15
- ปริมาณสไปค์ > 3x ค่าเฉลี่ย
- รอการเด้งตัวครั้งแรกและการทดสอบซ้ำ

3. การกำหนดขนาดออเดอร์ (สำคัญมาก)
สิ่งนี้เชื่อมโยงโดยตรงกับ กรอบการกำหนดขนาดออเดอร์ ของฉัน:
- ตลาดปกติ: เสี่ยง 1% ต่อการเทรด
- ความกลัวระดับสูงขึ้น: เสี่ยง 0.75% ต่อการเทรด
- ความกลัวสูง: เสี่ยง 0.5% ต่อการเทรด
- ความกลัวขั้นรุนแรง: เสี่ยง 0.25% ต่อการเทรด

ทำไมต้องลดขนาดในตลาดกลัว? เพราะจุดตัดขาดทุนต้องกว้างขึ้น คณิตศาสตร์ไม่สามารถต่อรองได้

4. กลยุทธ์การออก
- เป้าหมาย 1: 50% ของออเดอร์ที่ค่าเฉลี่ย (20 SMA)
- เป้าหมาย 2: 25% ของออเดอร์ที่ +1 SD
- เป้าหมาย 3: 25% ของออเดอร์ที่ +2 SD หรือ RSI > 70
- จุดตัดขาดทุน: -1 SD ต่ำกว่าจุดเข้า (ปรับตามความผันผวน)

หลักฐาน: ผลลัพธ์แบ็กเทส 20 ปี

ฉันทดสอบระบบนี้กับสินทรัพย์และไทม์เฟรมหลายแบบ นี่คือผลงานโดยรวม:

SPY (2004-2024):
- การเทรดทั้งหมด: 412 ครั้ง
- อัตราชนะ: 71.3%
- กำไรเฉลี่ย: +3.2%
- ขาดทุนเฉลี่ย: -2.1%
- ค่าคาดหวัง: +1.68%
- อัตราส่วนชาร์ป: 1.84
- การขาดทุนสูงสุด: -12.3%
- ปีที่ดีที่สุด: 2020 (+47.8%)
- ปีที่แย่ที่สุด: 2017 (+2.1%)

ผลงานแบ่งตามช่วงตลาด:
- ตลาดปกติ: อัตราชนะ 64%, ค่าคาดหวัง +0.89%
- ตลาดกลัว: อัตราชนะ 78%, ค่าคาดหวัง +2.34%
- ความกลัวขั้นรุนแรง: อัตราชนะ 83%, ค่าคาดหวัง +4.21%

ระบบนี้ทำผลงานได้ดีกว่าในตลาดกลัวเสียอีก — ช่วงเวลาที่เทรดเดอร์ส่วนใหญ่เป็นอัมพาตพอดี สิ่งนี้สอดคล้องกับ การปรับ VaR แบบไดนามิก ในช่วงตลาดเครียด

การประยุกต์ใช้กับตลาดปัจจุบัน (กุมภาพันธ์ 2026)

การปรับแต่งเฉพาะคริปโตของฉัน:
- ใช้ไทม์เฟรม 4 ชั่วโมงแทนรายวัน (คริปโตเคลื่อนไหวเร็วกว่า)
- ต้องการค่าเบี่ยงเบน 4.0 SD ในภาวะกลัวขั้นรุนแรง (คริปโตมีความผันผวนมากกว่า)
- เข้าเทรดแบบทยอยด้วย 3 จุดเข้าแทน 1 จุด (ความผันผวนสูง = โอกาสมากขึ้น)
- ตั้งเป้าหมายการออกที่เร็วขึ้น (การคืนค่าเฉลี่ยเกิดขึ้นเร็วกว่า)

สัญญาณปัจจุบันที่ฉันกำลังจับตา:
- ETH ต่ำกว่า 4 SD บนกราฟ 4 ชั่วโมง
- ปริมาณ 4.2x ค่าเฉลี่ยในการขายทิ้งล่าสุด
- RSI(5) อยู่ที่ 11.7 (ขายมากเกินไปขั้นรุนแรง)
- ข้อมูลออนเชนแสดงการสะสมของผู้ถือระยะยาว

นี่คือจุดที่เครื่องมืออย่าง การแจ้งเตือนความสอดคล้องหลายไทม์เฟรมของ FibAlgo ทำงานได้ดีเยี่ยม — มันสามารถติดตามระดับค่าเบี่ยงเบนสุดขั้วเหล่านี้ได้พร้อมกันหลายไทม์เฟรม ซึ่งเป็นสิ่งที่ทำด้วยมือไม่ได้

บทเรียนที่ได้มาด้วยความยากลำบาก

หลังจากทดสอบย้อนกลับมากกว่า 50 ระบบและใช้เวลาหลายพันชั่วโมง นี่คือสิ่งที่ผมรู้เกี่ยวกับการกลับสู่ค่าเฉลี่ย:

1. สภาวะตลาดสำคัญกว่าตัวบ่งชี้
รูปแบบเดียวกันที่ทำเงินได้ในตลาดที่เต็มไปด้วยความกลัว จะทำให้คุณขาดทุนย่อยยับในตลาดที่มีแนวโน้มชัดเจน

2. การกำหนดขนาดตำแหน่งคือ 70% ของความได้เปรียบ
ความล้มเหลวส่วนใหญ่ของการกลับสู่ค่าเฉลี่ย มาจากการกำหนดขนาดใหญ่เกินไปเมื่อความผันผวนขยายตัว

3. ความเรียบง่ายชนะความซับซ้อน
ระบบ 5 ตัวบ่งชี้ของผม (อัตราชัยชนะจากการทดสอบย้อนกลับ 87%) แพ้ให้กับระบบ 2 ตัวบ่งชี้ของผม (อัตราชัยชนะจริง 71%)

4. ความกลัวสร้างโอกาส
เมื่อผู้อื่นตื่นตระหนก การกลับสู่ค่าเฉลี่ยอย่างเป็นระบบจะเจริญรุ่งเรือง — หากคุณปรับพารามิเตอร์ได้อย่างถูกต้อง

5. การทดสอบย้อนกลับไม่ใช่ทุกสิ่ง
แต่มันคือขั้นต่ำ อย่าเทรดระบบที่คุณยังไม่เคยทดสอบในสภาวะตลาดที่หลากหลาย

สุสานตัวบ่งชี้ของผมประกอบด้วยระบบการกลับสู่ค่าเฉลี่ยที่ล้มเหลว 47 ระบบ แต่ละความล้มเหลวสอนผมบางสิ่ง ระบบที่ 48 ใช้งานได้เพราะมันปรับตัวตามความกลัวของตลาด — ตัวแปรเดียวที่สำคัญจริงๆ

ความงามของการเทรดอย่างเป็นระบบ? เมื่อคุณไขรหัสได้ คุณสามารถใช้ประโยชน์จากอารมณ์มนุษย์แบบเดียวกันที่ทำลายเทรดเดอร์แบบใช้ดุลยพินิจ ความกลัวสร้างภาวะขายมากเกินไป ภาวะขายมากเกินไปสร้างโอกาสการกลับสู่ค่าเฉลี่ย โอกาสการกลับสู่ค่าเฉลี่ยสร้างผลกำไร — หากคุณมีระบบที่เหมาะสม

ถึงเวลานำกรอบความคิดนี้ไปใช้ในตลาดความกลัวสุดขีดของวันนี้ รูปแบบพร้อมแล้ว คำถามคือ: คุณจะคว้าโอกาสนี้หรือไม่?