AutoQuant kriptovalyuta perpetual futures strategiyalarida yangi savdo signali yaratish o‘rniga, oldindan belgilangan signal oilasining parametrlarini realistik ijro va xarajat qoidalari ostida tanlaydigan, qayta baholaydigan va audit qilinadigan tarzda qayd etadigan qarorlarni qo‘llab-quvvatlash doirasidir. Tizim STRICT4H deb ataladigan qat’iy 4 soatlik ijro semantikasini, kelajakdagi funding ma’lumotidan foydalanishni to‘sadigan vaqtni moslashtirishni, komissiya va slippage xarajatlarini, leverage va notional cheklovlarini, Bayesian/TPE parametr qidiruvini hamda ikki bosqichli robustness screening jarayonini bitta pipeline ichida birlashtiradi.
Tadqiqot BTC/USDT, ETH/USDT, SOL/USDT va AVAX/USDT perpetual futures shartnomalarini o‘rganadi. BTC asosiy audit holatidir; boshqa uchta aktiv ayni pipeline ning turli bozorlarga tatbiq etilishini sinash uchun qo‘llanadi. Stage I faqat training oynasida parametr nomzodlarini yaratadi. Stage II ayni nomzodlarni validation oynalari va xarajat ssenariylarida qayta baholaydi. Long-horizon va blind hold-out oynalari esa parametr tanlashda foydalanilmagan qo‘shimcha stress testlaridir.
Eng yaqqol natija shuki, backtest xarajatlarini olib tashlash ko‘rinadigan performance ni jiddiy ravishda kattalashtirishi mumkin. BTC stress-test konfiguratsiyasida to‘liq xarajatli sharoitda yilliklashtirilgan CAGR 2,726 bo‘lsa, faqat savdo komissiyasi hisobga olingan sharoitda 4,308 ga, barcha fees/slippage/funding xarajatlari olib tashlangan optimistik yuqori chegarada esa 5,225 ga ko‘tariladi. Bu qiymatlar real miqyoslanadigan investitsiya daromadi sifatida emas, backtest xarajat farazlariga qanchalik sezgir bo‘lishi mumkinligini ko‘rsatadigan diagnostik natijalardir.
Ikki bosqichli tanlov ham avtomatik ravishda yuqoriroq daromad yaratmaydi. BTC misolida one-stage top-1 konfiguratsiyasi aksariyat oynalarda yuqoriroq daromad ko‘rsatsa, two-stage tanlov pastroq drawdown va cheklanganroq ekstremal performance hosil qiladi. Shunga o‘xshash risk nazorati xatti-harakati ayrim ETH, SOL va AVAX tajribalarida ham kuzatiladi. Biroq natijalar barcha aktivlar va barcha davrlarda bir xil emas.
Muhim cheklov shuki, pipeline overfitting xavfini butunlay yo‘q qilmaydi. BTC nomzodlar hovuzida CSCV/PBO bahosi 0,586. Uzoq oyna DSR-style nazorati ham Sharpe nuqtai nazaridan kuchli va barqaror alpha dalilini bermaydi. Shu sababli AutoQuant ning asosiy hissasi “foydali strategiya topish” emas, balki qaysi farazlar ostida qaysi konfiguratsiya tanlanganini kuzatiladigan va audit qilinadigan holga keltirishdir.
AutoQuant Nima va U Nima Qilmaydi?
AutoQuant trading strategy generator yoki bozor yo‘nalishini bashorat qiladigan yangi alpha modeli emas; u qat’iy signal oilasining parametrlarini strict execution, funding visibility, transaction cost va risk cheklovlari ostida skanerlaydigan, robustness tekshiruvlaridan o‘tkazadigan va har bir tanlov uchun takror ishlab chiqiladigan audit izini yaratadigan execution-aware configuration-selection tizimidir.
Kripto perpetual futures backtest nega ayniqsa mo‘rt?
Perpetual futures shartnomalarida faqat narx yo‘nalishini to‘g‘ri bashorat qilish yetarli emas. Strategiyaning haqiqiy natijasi savdo komissiyasi, slippage, funding payment, leverage, notional cap, pozitsiyani almashtirish chastotasi va savdoning qaysi bar da ijro etilgani kabi mikrostruktur tafsilotlariga bog‘liq.
Masalan, signal 4 soatlik bar yopilishida hisoblangan bo‘lsa, shu bar ning narx harakatidan foyda olishiga ruxsat berish kelajakdagi ma’lumotni o‘tgan qarorga qo‘shib yuborishi mumkin. Xuddi shuningdek, funding rate hali bozorda e’lon qilinmagan paytda o‘tgan bar ga orqaga qarab tatbiq etilsa, backtest real vaqtda mavjud bo‘lmagan ma’lumotdan foydalangan bo‘ladi.
AutoQuant ning asosiy yondashuvi bu tafsilotlarni foydalanuvchi e’tiboriga tashlab qo‘yish o‘rniga ularni tizim xatti-harakatining aniq qoidalariga aylantirishdir.
Tadqiqotning uchta asosiy empirik savoli
| Savol | O‘rganilgan muammo |
|---|---|
| 1 | Xarajatlar va cheklovlar olib tashlanganda backtest performance qanchalik sun’iy oshishi mumkin? |
| 2 | Stage I qidiruvidan ajratilib, Stage II tanlovida qayta ishlatiladigan validation oynasiga nisbatan parametrlar qanchalik mo‘rt? |
| 3 | Komissiya, funding va slippage farazlaridagi o‘zgarishlar apparent profitability va robustness talqinlariga qanday ta’sir qiladi? |
Expert-system ga o‘xshash tuzilma
| Qatlam | AutoQuant ichidagi mosligi | Vazifa |
|---|---|---|
| Knowledge base | STRICT4H execution semantics, funding alignment, xarajat va cheklov profillari, screening siyosatlari | Look-ahead va feasibility xatolarini aniq qoidalar bilan cheklaydi. |
| Inference engine | Stage I TPE Bayesian search + Stage II double screening | Nomzod konfiguratsiyalarni yaratadi va robustness mezonlariga ko‘ra tanlaydi. |
| Explanation interface | Mashina o‘qiy oladigan artifact lar, ledger lar, accounting invariants | Tanlov va performance hisoblarini qayta tiklash imkonini beradi. |
| Governance overlay | Live Guard va invariant monitoring | Deployment dan keyingi drift va risk holatlarini kuzatadi. |
1-rasmning ilmiy xabari
Manbaning 10. sahifasidagi metod oqimi ma’lumot va cost model Stage I Bayesian Search ga kirishini, shu yerdan candidate pool hosil qilinishini va nomzodlar Stage II STRICT4H double screening ga o‘tkazilishini ko‘rsatadi. Screening dan keyin faqat stable candidates qoladi. Ular post-deployment guard tomonidan kuzatiladi, accounting invariants esa mustaqil audit yo‘lini hosil qiladi.
Bu rasmning muhim jihati shuki, optimizatsiya va audit bir xil narsa emas. Stage I eng yuqori objective qiymatini qidirsa, Stage II bu natijani vaqt va xarajat perturbations ga qarshi sinaydi.
STRICT4H Nega AutoQuant Markazida?
STRICT4H signal 4 soatlik bar yopilishida hisoblanadigan, ammo pozitsiya faqat keyingi bar bo‘lgan \(t+1\) dan boshlab qo‘llanishi mumkin bo‘lgan; funding ma’lumoti ham faqat o‘sha paytda haqiqatda ma’lum bo‘lgan vaqt belgilaridan oldinga ko‘chiriladigan qat’iy ijro protokolidir.
Signal-modular tuzilma
Doira asosiy signal generatorini matematik tarzda:
\[ f:I_t\times\Theta\rightarrow S_t \]
ko‘rinishida qaraydi. Bu yerda \(I_t\), \(t\) vaqtida haqiqatda mavjud ma’lumotlar to‘plami; \(\Theta\), giperparametrlar fazosi; \(S_t\in\{-1,0,1\}\) esa short, flat yoki long maqsad signalidir.
AutoQuant bu \(f\) funksiyasini o‘zi ixtiro qilmaydi. Tadqiqotdagi original tajribalar STRICT4H momentum, mean-reversion va breakout/gating mantiqiga ega qat’iy signal oilasidan foydalanadi.
Momentum balli
Manbada EMA farqidan hosil qilingan momentum balli:
\[ m_t(\theta_{\mathrm{momentum}}) = \frac{1}{2} \left[ 1+ \tanh \left( \frac{ EMA_{\mathrm{fast},t}-EMA_{\mathrm{slow},t} }{ \sigma(\theta_{\mathrm{momentum}}) EMA_{\mathrm{slow},t} } \right) \right] \]
ko‘rinishida. Tez va sekin EMA o‘rtasidagi normallashtirilgan farq tanh transformatsiyasi bilan \([0,1]\) oralig‘iga siqiladi. \(\theta_{\mathrm{momentum}}\) volatility scaling xatti-harakatini boshqaradi.
Birlashtirilgan ball
\[ C_t= w_{\mathrm{mom}}m_t+ (1-w_{\mathrm{mom}})a_t \]
Bu yerda \(a_t\), faol mean-reversion/anomaly quyi ballarining birikmasi; \(w_{\mathrm{mom}}\) momentum kanalining og‘irligidir.
Manba ilovasida anomaly score faol quyi ballarning maksimumi sifatida ishlatiladi. Shu tariqa tizim trend-momentum ma’lumotini Bollinger-band yoki tail-exceedance singari reversal signallari bilan umumiy threshold mexanizmiga olib keladi.
Signal qarori
Birlashtirilgan ball belgilangan long va short threshold larga ko‘ra:
\[ Signal_t= \begin{cases} +1, & C_t\geq\tau_t^{long}\\ -1, & C_t\leq1-\tau_t^{short}\\ 0, & \text{diğer durumlarda} \end{cases} \]
ko‘rinishida pozitsiya yo‘nalishiga aylantiriladi.
Funding faqat xarajat emas, qaror kiritmasi ham bo‘lishi mumkin
Long tomonda adverse funding sharoitida kirish threshold oshirilishi mumkin:
\[ \tau_{\mathrm{long}}(t) = \tau_{\mathrm{base}} + \kappa \max \left( |fr_t|-\frac{\vartheta_{\mathrm{bias}}}{10000}, 0 \right) \]
Bu yerda \(fr_t\), 8 soatlik funding rate; \(\vartheta_{\mathrm{bias}}\) funding-bias faollashuv threshold i; \(\kappa\) esa funding yomonlashgani sari kirish threshold i qanchalik tez oshishini belgilaydi.
Funding rate 4 soatlik grid ga carry-forward usuli bilan moslashtiriladi. Kelajakda e’lon qilinadigan funding qiymatlarini eski bar larga backfill qilishga ruxsat berilmaydi.
Tadqiqot Usuli va Natijalari
Stage I: Bayesian/TPE parametr qidiruvi
Stage I training oynasida Tree-structured Parzen Estimator (TPE) dan foydalanib nomzod parametr to‘plamlarini yaratadi. Maqsad funksiyasi cost-adjusted yilliklashtirilgan net daromaddir:
\[ \max_{\theta\in\Theta}J(\theta), \qquad J(\theta)=r_{\mathrm{ann}}(\theta) \]
4 soatlik bar lardan yilliklashtirilgan daromad:
\[ r_{\mathrm{ann}} = (1+R_{\mathrm{tot}})^{AF/N}-1 \]
ko‘rinishida hisoblanadi. Manbada yilliklashtirish koeffitsiyenti:
\[ AF=6\times365=2190 \]
deb olingan; chunki bir kunda oltita 4 soatlik davr mavjud.
BTC asosiy tadqiqotida hisoblash-cheklangan misol uchun 40 TPE trial ishlatilgan; bevosita taqqoslash jadvallarida qidiruvning yetarli bo‘lmasligini kamaytirish maqsadida 120 trial gacha kengaytirilgan. Best-so-far objective 10 trial da 0,0174, 40 trial da 0,1172 va 100–120 trial atrofida 0,1590 ga yetgan. Shu sababli manba 40 trial ni global optimumga yaqinlashgan qidiruv sifatida emas, compute-limited misol sifatida talqin qiladi.
Stage II: Double screening
Stage I dan so‘ng yangi optimizatsiya amalga oshirilmaydi. Qat’iy nomzodlar hovuzi turli davrlar va cost scenarios ostida qayta ishga tushiriladi.
BTC misolida rolling baholashlar 2000 barlik oynalar va 500 bar qadamlar bilan amalga oshirilgan. Cost-grid esa:
Taker fee: 3, 4 va 6 bps
Funding multiplier: 0,5; 1,0 va 1,5
bo‘lgan to‘qqizta kombinatsiyani o‘z ichiga oladi.
Stable candidate tanlash mezonlari
| Metrika | Threshold | Maqsad |
|---|---|---|
| mean_monthly_true | ≥ 0,005 | Minimal performance |
| min_monthly_true | ≥ 0,0 | Yomon ssenariy bazasi |
| maxDD_mean | ≤ 0,30 | Drawdown cheklovi |
| switch_density_mean | ≤ 0,12 | Turnover va mo‘rtlik cheklovi |
Filtrdan o‘tgan nomzodlardan dastlabki beshta konfiguratsiya o‘rtacha oylik geometrik daromad kamayuvchi va MaxDD oshuvchi tartibda tanlanadi.
Training, validation va blind hold-out bir-biridan farq qiladi
| Oyna | BTC sana oralig‘i | Rol |
|---|---|---|
| Training | 2019-09-08 – 2021-01-01 | Stage I parametr yaratish |
| Validation | 2021-01-01 – 2023-01-01 | Stage II screening va tanlov |
| Long-horizon | 2019-09-08 – 2025-10-14 | DSR va uzoq muddatli stress testlari |
| Blind Post-ETF | 2024-01-01 – 2025-10-14 | Tanlovda umuman ishlatilmagan post-hoc robustness testi |
Validation oynasining Stage I uchun out-of-sample bo‘lishi uni butun pipeline nuqtai nazaridan mutlaqo tegilmagan final test set qilmaydi. Chunki Stage II nomzod tanlovida bu oyna qayta ishlatiladi. Tadqiqot metodologik jihatdan ayniqsa ko‘rinadigan qilgan nuqtalardan biri shu.
Ma’lumot manbalari va chastota
Barcha asosiy tajribalar 4 soatlik OHLCV qatorlari ustida bajarilgan. BTC/USDT uchun asosiy ma’lumot manbalari Binance, Bybit va OKX kabi markazlashgan birjalardir. Funding rate qatorlari 8 soatlik chastotada va 4 soatlik vaqt o‘qiga carry-forward usuli bilan moslashtirilgan.
BTC core sample 2019-09-08–2021-12-31 davrida 5.069 non-overlapping 4 soatlik daromadni o‘z ichiga oladi. Extended BTC long sample esa 2019-09-08–2025-10-14 davrida 13.368 daromadni o‘z ichiga oladi.
ETH ma’lumoti 2021-12-31–2025-11-24; SOL va AVAX qatorlari 2021-01-01–2025-12-16 davrlarini qamrab oladi.
OHLCV ma’lumotida bo‘shliqlar to‘ldirilmaydi
Yetishmayotgan OHLCV bar lariga interpolation yoki forward-fill qo‘llanmaydi. Asosiy data set da continuity tolerance odatda nol; yetishmayotgan bar topilsa pipeline ma’lumot manbasini rad etishi mumkin.
Funding alohida external series sifatida ko‘riladi. Haqiqiy funding qiymati mavjud bo‘lmagan qismlarda nol bilan to‘ldirish qilinmaydi; conservative fallback funding assumption ishlatiladi va sezgirlik Stage II funding-multiplier ssenariylari bilan tekshiriladi.
Net daromad qanday hisoblanadi?
Executed exposure \(\pi_t\) avvalgi bar signalidan hosil qilinadi. Raw return:
\[ r_t^{raw}=\pi_t r_t^{mkt} \]
deb aniqlanadi.
Net daromad:
\[ r_t^{net} = r_t^{raw} - C_{\mathrm{fee},t} - C_{\mathrm{slip},t} - C_{\mathrm{fund},t} \]
ko‘rinishida.
Bu ajratish auditability uchun muhim; chunki net performance ning qaysi qismi narx harakatidan, qaysi qismi fee, slippage yoki funding dan kelgani bar darajasida qayta tiklanishi mumkin.
BTC asosiy xarajat profili
| Parametr | Qiymat |
|---|---|
| Boshlang‘ich kapital | 10.000 USDT |
| Maksimal leverage | 5× |
| Notional cap | 50.000 USDT |
| Taker fee | 4 bps |
| Base slippage | 2 bps |
| Fallback funding | 1 bps / 8 soat |
Haqiqiy funding ma’lumoti mavjud bo‘lsa, fallback stavkasi o‘rniga haqiqiy 8 soatlik funding qatori ishlatiladi.
Realistik Savdo Xarajatlari Backtest Natijasini Qanchalik O‘zgartirdi?
BTC/USDT core stress-test da bir xil asosiy parametrlar ostida fees, slippage va funding birgalikda hisobga olinganda yilliklashtirilgan CAGR 2,726 bo‘lgan bo‘lsa, fee-only sharoitda 4,308 ga, barcha savdo xarajatlari olib tashlangan zero-cost yuqori chegarada 5,225 ga chiqqan; manba bu farqni real miqyoslanadigan daromad emas, backtest xarajat sezgirligi sifatida talqin qiladi.
| Sharoit | Yillik CAGR | Sharpe | MaxDD | Savdo |
|---|---|---|---|---|
| To‘liq xarajatli: fees + slippage + funding | 2,726 | 2,049 | 0,265 | 636 |
| Standard: fee-only | 4,308 | 2,506 | 0,262 | 636 |
| Naive: zero-cost yuqori chegara | 5,225 | 2,711 | 0,260 | 535 |
Naive konfiguratsiyada savdo sonining o‘zgarishi muhim. Funding-aware gating kabi qaror kanallari xarajat/funding kirishlaridan ta’sirlangani uchun xarajat komponentlarini olib tashlash faqat yakuniy PnL hisobini emas, ayrim holatlarda trade sequence ni ham o‘zgartirishi mumkin.
Two-Stage Screening Ko‘proq Foyda Keltiradimi?
Yo‘q; tadqiqotning asosiy da’vosi yuqoriroq daromad kafolati emas. BTC misolida two-stage tanlov training, validation va blind Post-ETF davrlarida one-stage top-1 ga qaraganda pastroq oylik geometrik daromad ishlab chiqargan bo‘lsa-da, uchala davrda ham pastroq maksimal drawdown ko‘rsatgan.
| Usul | Oyna | Oylik geometrik o‘rtacha | Sharpe | MaxDD | Savdo |
|---|---|---|---|---|---|
| One-stage | Training | 0,222 | 3,164 | 0,283 | 548 |
| Two-stage | Training | 0,145 | 2,388 | 0,265 | 485 |
| One-stage | Validation | 0,051 | 1,238 | 0,318 | 423 |
| Two-stage | Validation | 0,038 | 1,070 | 0,231 | 348 |
| One-stage | Post-ETF | 0,023 | 0,845 | 0,220 | 259 |
| Two-stage | Post-ETF | 0,016 | 0,664 | 0,196 | 223 |
Manbaning 3-rasmi training + validation davridagi equity curves ni logarifmik y o‘qida ko‘rsatadi. One-stage egri chizig‘i yuqoriroq murakkab o‘sishga erishgan bo‘lsa, two-stage egri chizig‘i cheklanganroq o‘sish va pastroq drawdown profilini ko‘rsatadi. Rasmning maqsadi “two-stage foydaliroq” deyish emas, training winner ning ekstremal compounding xatti-harakati bilan konservativroq tanlov o‘rtasidagi farqni ko‘rsatishdir.
Bootstrap ishonch oralig‘i
BTC validation davrida two-stage minus one-stage oylik geometrik o‘rtacha farqi:
\[ \Delta=-0.016 \]
va moving block bootstrap %95 ishonch oralig‘i:
\[ [-0.040,\;0.008] \]
deb hisobot qilingan. Ishonch oralig‘i nolni o‘z ichiga olishi two-stage tanlov uchun daromad jihatidan aniq ustunlik xulosasi chiqarilmasligi kerakligini ko‘rsatadi.
Threshold tanlovi ham natijalarni o‘zgartiradi
Stable-candidate filter dagi threshold lar universal konstantalar emas. Manba 27 xil threshold kombinatsiyasida tanlangan konfiguratsiya trial 52, 87 va 108 orasida o‘zgarishini ko‘rsatadi. Validation CAGR 0,332–1,058, Sharpe 0,844–1,667 va MaxDD 0,209–0,386 oralig‘ida o‘zgaradi.
Shu sababli screening policy ning o‘zi ham ko‘rinadigan governance choice sifatida saqlanadi; u yashirin meta-optimizer kabi ishlashi ko‘zda tutilmagan.
AutoQuant Overfittingni Yo‘q Qiladimi?
Yo‘q. Strict execution, cost realism va multi-window screening muhim himoyalarni bersa-da, BTC Stage I nomzodlar hovuzidagi CSCV/PBO bahosi 0,586 va manba buni sezilarli darajada qolayotgan backtest-overfitting xavfi deb talqin qiladi.
DSR-style nazorat ham shunga o‘xshash konservativ natija beradi. Uzoq oyna Sharpe qiymati nolga yaqin va ko‘p trial soni hisobga olinganda nol haqiqiy Sharpe gipotezasiga qarshi kuchli dalil mavjud emas.
Shu sababli AutoQuant ning ilmiy da’vosi “barqaror alpha topdik” emas. Doiraning da’vosi shuki, agar alpha da’vosi qilinsa, u qaysi xarajatlar, qaysi vaqt oynalari va qaysi selection rules ostida yuzaga kelgani audit qilinadigan bo‘lishi kerak.
ETH natijasi
| Usul | Oyna | Oylik geom. | Sharpe | MaxDD | Savdo |
|---|---|---|---|---|---|
| One-stage | Training | 0,233 | 3,009 | 0,317 | 2112 |
| Two-stage | Training | 0,173 | 2,607 | 0,276 | 346 |
| One-stage | Validation | 0,085 | 2,157 | 0,186 | 2012 |
| Two-stage | Validation | 0,046 | 1,368 | 0,201 | 457 |
| One-stage | Post-2024 | 0,151 | 2,590 | 0,381 | 3880 |
| Two-stage | Post-2024 | 0,096 | 2,009 | 0,368 | 852 |
ETH da two-stage model har bir oynada daromad bo‘yicha pastroq qolgan. Drawdown training va Post-2024 davrlarida pastroq, validation davrida esa 0,201 bo‘lib, one-stage ning 0,186 qiymatidan biroz yuqori. Demak, “two-stage har doim drawdown ni kamaytiradi” degan mutlaq da’vo ham to‘g‘ri emas.
SOL va AVAX natijalari
| Aktiv | Oyna | One-stage oylik geom. | Two-stage oylik geom. | One-stage MaxDD | Two-stage MaxDD |
|---|---|---|---|---|---|
| SOL | Training | 0,141 | 0,124 | 0,319 | 0,152 |
| SOL | Validation | 0,227 | 0,362 | 0,239 | 0,242 |
| SOL | Post-2024 | 0,066 | 0,068 | 0,243 | 0,195 |
| AVAX | Training | 0,479 | 0,091 | 0,795 | 0,055 |
| AVAX | Validation | 0,572 | 0,087 | 0,621 | 0,096 |
| AVAX | Post-2024 | 0,797 | 0,094 | 0,607 | 0,142 |
AVAX misoli tadqiqotning “extreme compounding o‘rniga konservativroq konfiguratsiya” mavzusini ayniqsa yaqqol ko‘rsatadi. One-stage juda yuqori ko‘rinadigan daromadlar hosil qilgan bo‘lsa, drawdown ham 0,607–0,795 kabi yuqori darajalarda. Two-stage konfiguratsiya pastroq ko‘rinadigan daromadlar bilan birga ancha past drawdown hosil qiladi.
Cross-asset transfer
ETH ustida o‘qitilgan aggressive konfiguratsiya ayni davrda ETH da yillik +0,44%, BTC da −0,17% hosil qilgan. Bu natija AutoQuant pipeline ning boshqa aktivlarga tatbiq etilishi bilan muayyan parametrlar to‘plamining boshqa aktivda ishlashi bir xil narsa emasligini ko‘rsatadi.
Drawdown-aware risk budgeting
| Variant | Yillik daromad | MaxDD | Sharpe | Daromad farqi | MaxDD farqi |
|---|---|---|---|---|---|
| v1 (0–20–35) | 4,06% | 0,760 | 0,247 | +28,15 punkt | −19,36 punkt |
| v2 (0–18–33) | 0,37% | 0,810 | 0,194 | +24,46 punkt | −14,32 punkt |
| v3 (0–22–38) | 8,46% | 0,695 | 0,329 | +32,55 punkt | −25,83 punkt |
Bu variantlar baseline ga nisbatan chuqur drawdown holatlarida exposure ni kamaytiradi. Natijalar tadqiqotning yagona-holat kontekstida state-dependent exposure scaling risk/daromad profilini o‘zgartirishi mumkinligini ko‘rsatadi; umumiy portfolio management qonuni sifatida talqin qilinmasligi kerak.
Full-chain audit
AutoQuant har bir bar uchun signal, executed exposure, raw market return, raw strategy return, fee, slippage, funding va net return komponentlarini qayd etadi.
Vakillik qiluvchi BTC va ETH auditlarida offline backtest bilan live-style replay o‘rtasida:
\[ \max|\Delta S|=0 \]
va:
\[ \max|\Delta\pi|=0 \]
deb hisobot qilingan. Fees, slippage va funding reconciliation farqlari ham ushbu snapshot da nol.
Buning ma’nosi “jonli performance backtest bilan bir xil” degani emas. Natija faqat ayni kod/semantika yo‘li accounting va signal ishlab chiqarish jihatidan izchil replay hosil qilishi mumkinligini ko‘rsatadi.
Live Guard
Post-deployment guard rolling 30/90 kunlik performance, drawdown, kunlik yo‘qotish va trade frequency kabi ko‘rsatkichlarni kuzatib ok, watch yoki kill qarorini berishi mumkin. Kill holatida pozitsiya nolga tushirilishi va qayta manual tasdiq berilgunga qadar savdo to‘xtatilishi mumkin.
Biroq Live Guard ning ko‘p yillarga cho‘zilgan keng live track record i tadqiqotda yo‘q. Manba faqat cheklangan paper-trading/live-style replay va historical guard simulation dalillarini taqdim etadi.
Tadqiqot qo‘llab-quvvatlaydigan xulosalar
- Funding, fee va slippage ni to‘liq bo‘lmagan modellashtirish muayyan BTC tajribasida backtest performance ni jiddiy kattalashtirishi mumkin.
- Validation oynasidan tanlov jarayonida foydalanish final ko‘r test bilan bir xil emas.
- Two-stage screening ayrim misollarda pastroq drawdown va kamroq ekstremal parametr to‘plamlarini tanlaydi.
- STRICT4H t+1 va no-look-ahead funding semantics aniq va qayta o‘ynatiladigan ijro protokolini beradi.
- Deterministic artifact va accounting invariants backtest bilan live-style replay o‘rtasidagi amaliy izchillikni audit qilishga yordam beradi.
- PBO natijasi kuchli himoyalarga qaramay residual overfitting xavfi davom etishini ko‘rsatadi.
- Pipeline ayni metodologik tuzilma ostida BTC, ETH, SOL va AVAX ga tatbiq etila olgan.
Tadqiqot qo‘llab-quvvatlamaydigan xulosalar
- AutoQuant barqaror yoki kafolatlangan alpha ishlab chiqarishi ko‘rsatilmagan.
- Two-stage screening barcha davrlarda yuqoriroq daromad yoki pastroq drawdown berishi ko‘rsatilmagan.
- Backtest CAGR qiymatlarini institutsional kapital miqyosida olish mumkinligi ko‘rsatilmagan.
- Non-linear market impact va order-book capacity modellashtirilmagan.
- Past likvidli, yangi ro‘yxatga olingan yoki delist qilingan perpetual shartnomalarga umumlashtirish qilinmagan.
- Live Guard uchun uzoq muddatli production track record ko‘rsatilmagan.
- TPE barcha optimizatsiya usullaridan ustun ekani ko‘rsatilmagan.
- Deep neural network yoki boshqa non-parametric alpha modellarining training va tuning sikli bu tadqiqotda AutoQuant tomonidan boshqarilmaydi.
Asosiy cheklovlar
Cheklangan aktiv qamrovi: To‘rtta likvid perpetual va bitta STRICT4H signal oilasi o‘rganilgan.
Survivorship va lifecycle: Delisting, symbol migration va exchange-specific contract re-specification tizimli tarzda tahlil qilinmagan.
Market impact yo‘q: Savdo xarajatlari turnover bilan chiziqli modellashtiriladi. Katta AUM ostida yuzaga kelishi mumkin bo‘lgan non-linear price impact va likvidlik sig‘imi baholanmaydi.
Tashqi framework benchmarki cheklangan: Backtrader bilan minimal semantics replay qilingan bo‘lsa-da, barcha third-party AutoML/backtest tizimlari STRICT4H ning barcha invariants va funding qoidalari ostida end-to-end taqqoslanmagan.
Optimizer taqqoslanishi cheklangan: TPE va random sampling taqqoslangan; evolutionary optimization yoki boshqa Bayesian samplers keng qamrovda benchmark qilinmagan.
Structural break: Live Guard performance yomonlashuvini bilvosita aniqlaydi; real-time strukturaviy uzilish testini qo‘llamaydi.
Ma’lumotga bog‘liqlik: Continuity va sanity checks manba xatolarini kamaytirishi mumkin, ammo birjadan keladigan latent historical-data xatolarini tuzata olmaydi.
Multiple testing: PBO=0,586 natijasi pipeline data-snooping xavfini to‘liq yo‘q qilmasligini ko‘rsatadi.
Manba va Usul Haqida Izoh
Asl sarlavha: AutoQuant: An Auditable Expert-System Framework for Execution-Constrained Auto-Tuning in Cryptocurrency Perpetual Futures
Muallif: Kaihong Deng
Tashkilot: School of Modern Information Industry, Artificial Intelligence Program, Guangzhou College of Commerce, Guangzhou, China.
Yuklangan manba: arXiv:2512.22476v1 [q-fin.TR].
Yuklangan preprint sanasi: 27 Dekabr 2025.
Yuklangan fayldagi topshirish ma’lumoti: Preprint submitted to Expert Systems with Applications, 30 Dekabr 2025.
Joriy nashr: Expert Systems with Applications.
Nashriyot: Elsevier.
Joriy nashr holati: Available online 5 August 2026; In Press, Journal Pre-proof.
Maqola raqami: 133924.
DOI: 10.1016/j.eswa.2026.133924
Tadqiqot turi: Hisoblash moliyasi / backtest metodologiyasi / ekspert-tizimga o‘xshash qarorlarni qo‘llab-quvvatlash va konfiguratsiya tanlovi.
Asosiy aktivlar: BTC/USDT, ETH/USDT, SOL/USDT, AVAX/USDT perpetual futures.
Asosiy ma’lumot chastotasi: 4 soatlik OHLCV; funding kirishi 8 soatlik.
Asosiy optimizer: Tree-structured Parzen Estimator (TPE), Optuna.
Asosiy execution protokoli: STRICT4H, strict \(t+1\) execution va no-look-ahead funding alignment.
Asosiy xarajat modeli: Trading fee + slippage + funding; leverage va notional cap.
BTC baseline hisob sharoitlari: 10.000 USDT equity, 5× maximum leverage, 50.000 USDT notional cap, 4 bps taker fee, 2 bps base slippage.
Overfitting diagnostic: DSR-style multiple-testing sanity check va CSCV/PBO; BTC snapshot PBO=0,586.
Reproducibility: Configuration JSON, per-bar ledger CSV, robustness summaries va invariant-audit chiqishlari yaratiladi. Xom tick-level ma’lumot exchange licensing/storage cheklovlari sabab bevosita qayta tarqatilmaydi; qayta yuklab olish va 4 soatlik ma’lumot yaratish scriptlari taqdim etiladi.
Moliyalashtirish: Manba davlat, tijorat yoki notijorat moliyalashtirish tashkilotlaridan maxsus tadqiqot granti olinmaganini bildiradi.
Manfaatlar to‘qnashuvi: Ma’lum competing financial interest yoki tadqiqotga ta’sir qilishi mumkin bo‘lgan shaxsiy munosabat yo‘qligi bayon qilingan.
Generative AI bayonoti: Manba OpenAI Codex CLI ning GPT-5.2 modeli faqat cheklangan inglizcha copy-editing va reproducibility/table-figure traceability checklist yordami uchun ishlatilganini; eksperimental natijalar, konfiguratsiya tanlovi va metrika hisoblari muallifning codebase va artifact laridan yaratilganini bildiradi.
Litsenziya: Joriy bibliografik tekshiruvda ushbu tadqiqot uchun ochiq Creative Commons qayta foydalanish litsenziyasi ishonchli tarzda tasdiqlanmagani sabab vizual/mualliflik huquqi jarayonlarida fail-closed yondashuv qo‘llanishi kerak.
Eng muhim talqin chegarasi: AutoQuant natijalari kichik hisob va chiziqli savdo xarajati farazlari ostidagi backtest/simulation natijalaridir. Market impact va institutional capacity modellashtirilmagan; olingan CAGR yoki Sharpe qiymatlari live, miqyoslanadigan rentabellik kafolati emas.
Versiya izohi: Ushbu Verianla ilmiy matnidagi usul va sonli natijalar yuklangan arXiv v1 manbasidan olingan. 2026 sanali Expert Systems with Applications Journal Pre-proof yozuvi bibliografik holatni yangilash uchun tekshirilgan, yangi versiyadagi ehtimoliy ilmiy tahrirlar yuklangan v1 natijalariga yashirincha qo‘shilmagan.
Izoh qoldiring
E-pochta manzilingiz chop etilmaydi. Majburiy maydonlar * bilan belgilangan