CryptoPainter

Ya no son solo varios proyectos los que me piden que evalúe su arquitectura de trading de IA. Voy a mencionar algunos puntos brevemente: 1. Presentar resultados de largo plazo, monedas volátiles a corto plazo que no tienen max dd no significan nada, es solo sesgo de supervivencia. Si eliges cualquier moneda que ya ha colapsado y haces una prueba hacia atrás, la curva se verá igual de bonita. 2. Si el Sharpe ratio > 5, básicamente puedes estar seguro de que es sobreajuste, sesgo de anticipación o fuga de datos. Medallion tiene un Sharpe ratio de 2-3 en promedio, si tú en casa obtienes 7, debes ser consciente de ello. 3. Usar datos de un mercado alcista de crypto para probar, y usar datos de un mercado más amplio para backtesting no es lo mismo, es un claro sobreajuste, yo no lo considero. Al menos, debe funcionar en las dos caídas de 2018 y 2022, y luego hacer una prueba de walk-forward, solo entonces se considera una estrategia. 4. Las comisiones, el deslizamiento y la tasa de financiación deben ser considerados. Los niveles de maker/taker de Binance, los niveles VIP y los descuentos de BNB, si el modelo no es preciso, el backtest y el rendimiento real pueden diferir en un 100% anual, esto es normal. 5. La capacidad de la estrategia es más importante que la tasa de retorno. Si funciona con 100,000 dólares, no significa que funcionará con 1,000,000 de dólares. La profundidad de las monedas pequeñas es limitada, al entrar en el mercado, tú mismo anulas tu señal, lo que no se refleja en el backtest. 6. Es cierto que el quant de crypto no es tan competitivo, pero las oportunidades de arbitraje están siendo consumidas constantemente: arbitraje de financiación, basis de spot y futuros, y el diferencial entre intercambios, ya han sido limpiados por los creadores de mercado y HFT. No se puede hacer alta frecuencia, no hay espacio para factores puros, lo que queda son solo las viejas rutas de tendencia y reversión a la media. 7. El alpha tiene una vida media. Si una estrategia sigue funcionando después de tres meses, se considera aceptable; si sigue después de seis meses, se considera buena; si aún funciona después de un año, es muy probable que sea suerte o que tu escala no haya alcanzado un nivel que llame la atención. No confundas los beneficios de un bull run con un alpha perpetuo, no eres tan impresionante. 8. Los "parámetros óptimos" obtenidos mediante búsqueda en cuadrícula son 99% sobreajuste. Los parámetros realmente estables son aquellos que puedes elegir al azar dentro de un rango y aún así funcionan, no aquellos que solo funcionan si son precisos hasta dos decimales. La robustez de los parámetros es cien veces más importante que el rendimiento puntual, esto lo entienden quienes lo han experimentado. 9. ICO de 2017, verano DeFi de 2020, memes de 2021, LUNA/FTX de 2022, narrativa de IA de 2023, cada estructura de mercado es completamente diferente. La "regla" que obtuviste de la fase anterior puede colapsar directamente en un nuevo régimen, y además perderás en comisiones. 10. El riesgo de los intercambios siempre es mayor de lo que piensas. El colapso de FTX, limitaciones de API, liquidaciones por picos, intercambios pequeños que desaparecen, Binance que de repente elimina monedas, todas son situaciones que pueden "terminar el juego de una vez". Un rendimiento anual del 50% no puede compensar una crisis en un intercambio, esto no tiene que ver con cuán buena sea la estrategia, si operas con altcoins debes considerar la liquidez y el "riesgo de eliminación". 11. Ver una curva de backtest que se ve hermosa, pero cuando en tu cuenta el valor neto cae durante tres semanas consecutivas, el 90% de las personas cerrarán el programa y ajustarán los parámetros manualmente. 12. Distingue si estás ganando alpha o beta. En un mercado alcista, todos son maestros del quant, pero cuando llega el mercado bajista, solo quedan aquellos que tienen beta. Separa la exposición larga y observa la curva de alpha por sí sola, la mayoría de las llamadas "estrategias" no tienen alpha, son simplemente una forma de estar largo en BTC con un poco de volatilidad. 13. Hay una gran cantidad de prosperidad falsa en el ML dentro del quant. LSTM, Transformer, y el aprendizaje por refuerzo son sobrevalorados, en realidad, en series temporales financieras con SNR extremadamente bajo, un simple factor de momentum con un control de riesgo razonable puede superar a tu XGBoost ajustado mil veces. Realmente es difícil aprender, el quant es realmente complicado.

Justo vi este video, que explica de manera muy sencilla por qué el aceite de pescado es una gran estafa publicitaria... Decir que el aceite de pescado es efectivo es lo mismo que decir que al hacer un salto de rana en el camino a casa, efectivamente acortas la distancia, pero el significado...