Twój backtest kłamie: dlaczego musisz używać danych zgodnych z punktem w czasie

Zbudujmy prostą, hipotetyczną strategię handlową. Założenie jest jasne i wynika z szeroko omawianej narracji: gdy monety opuszczają giełdy, tendencja jest zwykle bycza. Argumentacja jest intuicyjna: przemieszczanie monet z giełd zazwyczaj wskazuje, że posiadacze przenoszą środki do własnej opieki, zmniejszając dostępność podaży do sprzedaży. Natomiast przepływ monet na giełdy może sugerować przygotowania posiadaczy do sprzedaży.

Pojedynczy dzień wypływów jest jednak tylko szumem. Aby zidentyfikować prawdziwy trend, stosujemy krzyżowanie średnich kroczących na saldzie giełdowym. Gdy krótkoterminowa średnia spada poniżej długoterminowej, potwierdza to, że monety konsekwentnie opuszczają giełdy — jako trwały wzorzec, a nie jako pojedyncze zdarzenia.

Korzystając z salda giełdowego Binance z Glassnode, definiujemy następujące zasady:

• Wejdź na rynek gdy 5-dniowa średnia krocząca salda BTC na Binance spada poniżej 14-dniowej średniej kroczącej, co sygnalizuje trwały trend wypływów.
• Wyjdź z rynku gdy 5-dniowa średnia wraca powyżej 14-dniowej średniej, wskazując że trend wypływów został odwrócony i monety wracają na giełdę.

Następnie porównujemy tę strategię z prostym trzymaniem BTC w tym samym okresie — od 1 stycznia 2024 do 9 marca 2026, z początkowym kapitałem $1,000 i opłatami handlowymi o wysokości 0,1% dla każdej transakcji.

Jak czytać ten wykres:

🟫 Brązowa linia na dole przedstawia binarny sygnał handlowy, przełączający się pomiędzy byciem na rynku (1) a poza rynkiem (0).

🟦 Niebieska linia śledzi wartość portfela strategii w czasie.

🟩 Zielona linia to benchmark portfela kup i trzymaj.

Można zauważyć, że strategia oparta na saldzie giełdowym radziła sobie całkiem dobrze, choć czasami strategia kup i trzymaj przewyższała ją. Jednak w ostatnich dniach okresu badawczego strategia salda giełdowego nadrobiła zaległości. Dla niektórych inwestorów połączenie obniżonej zmienności i ostatecznie porównywalnych wyników do strategii kup i trzymaj może być atrakcyjne, ale ostateczne liczby są mylące – i oto dlaczego.

Problem: Mutacja Danych i Bias Wyprzedzający

Metryki nie są statyczne. Wiele z nich jest retroaktywnie korygowanych, gdy pojawiają się nowe informacje. Dotyczy to szczególnie metryk zależnych od klastrowania adresów lub etykietowania podmiotów, takich jak salda giełdowe on-chain. Jednak jest to również prawda dla metryk takich jak wolumen handlu czy cena, ponieważ poszczególne giełdy mogą czasem przesyłać swoje dane z niewielkim opóźnieniem.

To oznacza, że wartość, którą widzisz dzisiaj dla, powiedzmy, 15 stycznia 2024, może nie być tą samą wartością, która została opublikowana 15 stycznia 2024. Dane zostały zrewidowane wstecznie. Gdy testujesz strategię na tych poprawionych danych, korzystasz z informacji, które nie były dostępne w momencie podejmowania decyzji handlowych. To wprowadza bias wyprzedzający.

Rzetelny Backtest: Korzystanie z Danych Point-in-Time

Powtórzmy więc dokładnie ten sam backtest — ta sama logika sygnału, te same parametry, te same daty, te same opłaty — ale tym razem korzystając z wariantu Point-in-Time (PiT) metryki salda giełdowego, dostępnego w Glassnode Studio.

Metryki PiT są ściśle niezmienne i tylko dodawane. Każdy historyczny punkt danych odzwierciedla wyłącznie informacje znane w momencie, w którym został pierwotnie wyliczony. Brak korekt wstecznych, brak biasu wyprzedzającego.

Mimo użycia tej samej metryki, strategia generuje teraz znacząco inne wyniki, co ilustruje fioletowa linia na nowym wykresie poniżej. Całkowite wyniki są zauważalnie gorsze.

Chociaż obie strategie zachowują się podobnie przez większość 2024 roku, zauważamy, że wersja PiT nie uchwyciła tak skutecznie mocnych wzrostów w listopadzie 2024 i marcu 2025. W efekcie skumulowane wyniki wyraźnie się rozchodzą i kończą znacznie niżej.

Kluczowy wniosek

W tym przykładzie strategia fioletowa, która ma dostęp tylko do informacji dostępnych w danym momencie, działa zauważalnie gorzej. ► Backtesty mogą wprowadzać w błąd, jeśli są przeprowadzane na fałszywych lub poprawionych danych. Tylko niezmienne, Point-in-Time metryki gwarantują, że odtwarzasz historię tak, jak naprawdę miała miejsce.