Saya Menganalisis 31.810 Breakout Kripto. Inilah Yang Sebenarnya Memprediksi Real vs Palsu.

Sebagian besar keyakinan trader tentang breakout adalah keliru. Data menunjukkan cerita yang sangat berbeda.

Saya menguji setiap filter breakout populer — lonjakan volume, funding rate, open interest — di 546 futures perpetual kripto. Tiga dari lima hipotesis gagal. Yang bertahan menjadi strategi trading dengan rasio Sharpe 0,93.

Harga menembus di atas Bollinger Band atas. Volume 3x dari rata-rata harian. Funding rate negatif — posisi short akan segera tertekan. Setiap sinyal mengatakan go long.

Anda masuk. Empat jam kemudian, harga kembali di bawah band, dan Anda menatap kerugian.

Saya pernah mengalaminya. Jadi saya berhenti menebak dan mulai menghitung. Saya menarik 31.810 peristiwa breakout di 546 futures perpetual Binance, mereferensi silang open interest dari 457 simbol Bybit, dan menguji setiap filter breakout populer yang bisa saya temukan. Apa yang saya temukan mengubah sebagian besar yang saya pikir saya tahu — dan tiga dari "sinyal konfirmasi" yang paling banyak dikutip ternyata tidak berguna.

TL;DR

• Autokorelasi adalah prediktor #1 apakah sebuah koin akan mengikuti breakout atau mean-revert (p=0,002)
• Open interest yang menurun memprediksi breakout yang LEBIH BAIK (57,1% vs 50,6%) — kebalikan dari apa yang dipercaya sebagian besar trader
• Lonjakan volume, funding rate, dan kapitalisasi pasar tidak berguna sebagai filter breakout dalam skala besar
• Win rate tinggi TIDAK sama dengan profit tinggi — sinyal saya yang paling "akurat" memiliki return NEGATIF (temuan paling penting dari proyek ini)
• Strategi terbaik: Kombinasi S1+S3 (Sharpe 0,93, CAGR 25,0%, Max DD -36,8%) — menjanjikan tapi belum siap untuk deployment

Bagian 1: Pertanyaan

Bisakah saya secara statistik membedakan breakout nyata dari yang palsu sebelum masuk trade?

Saya mendefinisikan "nyata" sebagai breakout di mana harga mengikuti setidaknya 1 ATR ke arah breakout dalam 5 hari, dan "palsu" sebagai harga yang bergerak kurang dari 0,5 ATR secara menguntungkan sambil bergerak lebih dari 1 ATR secara merugikan.

Dataset: 546 futures perpetual Binance, 31.810 peristiwa breakout harian (metode Bollinger Band), dan 787.635 peristiwa per jam yang mencakup 2020–2026. Untuk analisis open interest, saya mereferensi silang 457 simbol dengan data OI Bybit (5,6 tahun dengan granularitas 4 jam).

Bagian 2: Apa yang Saya Temukan — Dan Tiga Mitos yang Saya Patahkan

Sinyal yang Terkonfirmasi

Saya menguji beberapa filter breakout potensial. Hanya lima yang bertahan dari pengawasan statistik dalam skala besar:

Prediktor terkuat adalah tipe koin (FADE/FOLLOW, spread 8pp), hari dalam seminggu (Kamis = 62% nyata, Senin = 47%), dan peringkat kuintil autokorelasi (Q1 = 59,6% vs Q5 = 51,2%, spread 8,4pp, p < 0,0001).

Apa itu koin FADE dan FOLLOW? Saya menemukan bahwa koin berkelompok menjadi dua tipe perilaku:

• Koin FOLLOW (218/327 = 67%): Breakout cenderung mengikuti. Trade DENGAN breakout.
• Koin FADE (109/327 = 33%): Breakout cenderung berbalik. Trade MELAWAN.

Tiga Keyakinan Populer yang Dihancurkan oleh Data

Mitos 1: "Lonjakan volume mengonfirmasi breakout." Dalam sampel awal 23 simbol saya, volume >= 2x rata-rata menunjukkan tingkat nyata 63,2% (p=0,008). Terlihat bagus, kan? Tapi ketika saya memperluas ke 546 simbol, angka TERBALIK menjadi 49,5% — lebih buruk dari acak. Temuan awal adalah bias seleksi murni terhadap koin likuid yang berperilaku baik. Di alam semesta yang lebih luas, lonjakan volume di small-cap menandakan manipulasi, bukan permintaan asli.

Mitos 2: "OI yang meningkat berarti uang baru masuk = breakout nyata." Ini mungkin "sinyal konfirmasi" yang paling sering dikutip di komunitas trading kripto. Data mengatakan kebalikannya: OI yang menurun memprediksi follow-through breakout yang lebih baik (57,1% vs 50,6%, p = 0,000003). Mekanismenya: OI yang menurun berarti posisi sudah dilikuidasi, menciptakan clean slate untuk gerakan yang didorong keyakinan. OI yang meningkat berarti positioning yang ramai — rapuh dan rentan terhadap pembalikan.

Mitos 3: "Funding rate memprediksi kualitas breakout." Funding negatif + breakout ke atas = short squeeze = follow-through kuat, kan? Salah. Setiap tes funding rate menghasilkan p-value di atas 0,23. Nol kekuatan prediktif. Funding mencerminkan sentimen positioning saat ini, bukan kualitas breakout.

Hipotesis Awal: Kartu Skor

Bagian 3: Bagaimana Saya Mengujinya

• Deteksi Breakout: Penembusan Bollinger Band — harga ditutup di atas band atas (setelah berada di bawah pada bar sebelumnya) atau di bawah band bawah. SMA 20 hari dengan volatilitas EWMA 2x (lambda=0,94).
• Klasifikasi: Setiap breakout diberi label REAL, FAKE, atau AMBIGUOUS berdasarkan jalur harga 5 hari ke depan.
• Walk-Forward Validation: 6 lipatan dengan pelatihan 365 hari dan pengujian 180 hari. Tidak ada optimasi parameter dalam periode uji — pelatihan hanya digunakan untuk seleksi universe dan kalibrasi kuintil.
• Biaya Transaksi: 22 bps round-trip (7 bps biaya + 5 bps slippage + 10 bps spread).

Detail metodologi lengkap di bagian Metodologi di bawah posting ini.

Bagian 4: Dari Statistik ke Strategi

Berbekal temuan ini, saya merancang lima strategi trading:

• S1 (FADE/FOLLOW): Trade dengan breakout pada koin FOLLOW, fade pada koin FADE. Universe diklasifikasikan menggunakan deteksi tipe koin walk-forward.
• S2 (Autocorrelation Long/Short): Long koin autokorelasi rendah (tingkat nyata tertinggi), short koin autokorelasi tinggi (tingkat nyata terendah).
• S3 (OI Regime): Trade breakout hanya ketika open interest menurun — sinyal "clean slate".
• S4 (Volume Filter): Trade breakout hanya ketika disertai lonjakan volume >= 2x rata-rata.
• S5 (Day/Hour Timing): Trade breakout hanya selama jendela hari-dalam-minggu dan jam-dalam-hari yang menguntungkan secara statistik.

Hasil Pra-Backtest

Dua strategi dihentikan sebelum saya menjalankan backtest. Ini adalah kekuatan validasi statistik pra-backtest — saya menghemat waktu komputasi dengan memeriksa fundamental terlebih dahulu.

• S2 ditolak karena Information Coefficient-nya negatif (lebih lanjut tentang pelajaran penting ini di Bagian 6).
• S4 ditolak karena sinyal lonjakan volume berbalik dalam skala besar — itu memprediksi breakout yang lebih buruk, bukan lebih baik.

Bagian 5: Hasil Backtest Walk-Forward

Saya menjalankan backtest walk-forward yang ketat: 6 lipatan uji yang tidak tumpang tindih dari Juli 2021 hingga Februari 2026, dengan biaya transaksi round-trip 22 bps.

Kegagalan spektakuler S5 patut mendapat perhatian. Strategi ini lolos SEMUA 6 gerbang validasi pra-backtest — pola hari-dalam-minggu dan jam-dalam-hari signifikan secara statistik di 573 simbol dengan p-value yang sangat kecil (serendah 10^-217). Namun dalam pengujian walk-forward, ia mencatat Sharpe -0,02 dengan 3 lipatan rugi berturut-turut (2023–2025). Pola per jam Kamis 14:00 UTC nyata secara agregat tetapi bergantung rezim — itu menguap selama periode bearish.

Kombinasi Portofolio

Saya menguji semua 7 kombinasi yang mungkin (3 tunggal + 3 pasangan + 1 tripel):

Pemenangnya: S1+S3 dengan Sharpe 0,93, max drawdown -36,8%, dan CAGR 25,0%.

Mengapa menggabungkan S1 dan S3 mengalahkan keduanya sendiri-sendiri? Korelasi mereka hanya 0,10 — mereka jarang kehilangan uang pada hari yang sama.

Kurva Ekuitas

Kurva ekuitas menunjukkan kinerja kuat di 2024 dan awal 2026, dengan drawdown menyakitkan di 2025-H1 di mana SEMUA strategi kehilangan uang.

Strategi tidak pernah tinggal di bawah ambang batas ini untuk waktu lama, tetapi sering melanggarnya.

Konsistensi Per-Lipatan

Bagian 6: Paradoks S2 — Mengapa Win Rate Tidak Sama dengan Profit

Ini adalah penemuan tunggal paling penting dari seluruh proyek.

S2 dirancang untuk long pada koin dengan autokorelasi terendah (Q1, tingkat nyata tertinggi 59,6%) dan short koin dengan autokorelasi tertinggi (Q5, tingkat nyata terendah 51,2%). Sinyal sempurna memprediksi koin mana yang akan mengikuti lebih sering.

Information Coefficient bulanan adalah negatif: -0,016.

Bagaimana ini mungkin? Karena frekuensi kesuksesan tidak sama dengan besaran kesuksesan. Koin Q5 breakout lebih jarang, tetapi ketika mereka melakukannya, mereka bergerak LEBIH JAUH. Pemenang di Q5 lebih besar dari pemenang di Q1, cukup untuk mengimbangi win rate yang lebih rendah.

Dengan kata lain: sinyal dengan benar memprediksi SIAPA yang akan menang lebih sering, tetapi yang kalah di Q1 dan pemenang di Q5 memiliki besaran asimetris yang membalikkan expected return.

Bagian 7: Pelajaran Utama yang Dipelajari

1. Signifikansi statistik tidak menjamin profitabilitas. S5 lolos setiap tes chi-squared dengan p-value yang sangat kecil (10^-217). Namun edge 1,4pp (55,2% vs 53,8%) menguap setelah biaya 22 bps dalam rezim pasar yang merugikan. Memerlukan signifikansi statistik DAN ekonomi.

2. Win rate tinggi tidak berarti return tinggi. Paradoks S2: Anda bisa sempurna memprediksi koin mana yang breakout lebih sering dan tetap kehilangan uang, karena frekuensi != besaran. Selalu hitung IC terhadap return ke depan, bukan hanya win rate.

3. Perluas universe Anda sebelum mempercayai temuan. Lonjakan volume "mengonfirmasi" breakout pada 23 simbol tetapi TERBALIK pada 546. Bias seleksi terhadap koin likuid yang berperilaku baik menutupi realitas manipulasi di caps yang lebih kecil.

4. Sinyal kontrarian bersembunyi di tempat yang jelas. Narasi OI paling populer ("OI naik = uang baru = breakout nyata") secara empiris salah. Clean slate (OI turun) menghasilkan breakout yang lebih baik daripada positioning yang ramai.

5. Validasi pra-backtest menghemat waktu yang sangat banyak. S2 dihentikan oleh perhitungan IC 30 detik, menghemat 30+ menit backtesting walk-forward pada strategi yang pasti akan rugi.

Bagian 8: Vonis Akhir

Apakah S1+S3 dapat diperdagangkan? Belum. Sharpe 0,93 menggembirakan, dan CAGR 25,0% menarik, tetapi max drawdown -36,8% membuatnya tidak cocok untuk deployment pada position sizing saat ini. Dengan sizing yang lebih konservatif (target vol 5–7% alih-alih 15%), drawdown akan berkurang setengah menjadi ~18%, membuatnya dapat di-deploy secara marjinal.

Apa yang diperlukan untuk melewati Sharpe 1,0:

• Filter rezim untuk mengurangi eksposur selama periode seperti 2025-H1
• Sumber alpha tambahan — mikrostruktur order book atau sinyal lintas bursa
• Position sizing konservatif sejak awal

Fondasi statistik solid. Sinyal (koin FOLLOW + OI turun + hari-dalam-minggu menguntungkan) nyata dan robust di 546 simbol. Tantangannya adalah menerjemahkan edge statistik sederhana itu (5–8pp) menjadi profitabilitas after-cost yang konsisten.

Filter breakout apa yang Anda andalkan — dan apakah itu bertahan dari pengujian ketat? Saya benar-benar ingin tahu. Tinggalkan komentar atau hubungi.

Metodologi & Data

• Deteksi Breakout: Penembusan Bollinger Band — ketika harga ditutup di atas band atas (setelah berada di bawah pada bar sebelumnya) atau di bawah band bawah. SMA 20 hari dengan volatilitas EWMA 2x (lambda=0,94) untuk lebar band.
• Klasifikasi: Setiap breakout diberi label REAL, FAKE, atau AMBIGUOUS berdasarkan jalur harga 5 hari ke depan. "Real" = follow-through >= 1 ATR ke arah breakout. "Fake" = < 0,5 ATR menguntungkan + > 1 ATR merugikan.
• Walk-Forward Validation: 6 lipatan dengan periode pelatihan 365 hari dan pengujian 180 hari. Tidak ada optimasi parameter dalam periode uji — pelatihan hanya digunakan untuk seleksi universe dan kalibrasi kuintil.
• Biaya Transaksi: 22 bps round-trip (7 bps biaya + 5 bps slippage + 10 bps spread).
• Sumber Data: Binance USDM perpetual futures (1h OHLCV), Bybit perpetual open interest (4h)
• Universe: 546 simbol (harian), 573 simbol (per jam)
• Periode: 2020–2026 (tes walk-forward: 2021–07 hingga 2026–02)
• Tools: Python (pandas, numpy, matplotlib, scipy). Tanpa ML — hanya statistik dan validasi walk-forward.

Disclaimer: Penelitian ini hanya untuk tujuan edukasi. Kinerja masa lalu tidak menjamin hasil masa depan. Selalu lakukan due diligence Anda sendiri sebelum membuat keputusan investasi.

Tags: #QuantitativeFinance #Crypto #Breakouts #TradingStrategy #DataScience #WalkForward #StatisticalAnalysis

I Analyzed 31,810 Crypto Breakouts. Here's What Actually Predicts Real vs Fake. awalnya dipublikasikan di Coinmonks on Medium, di mana orang-orang melanjutkan percakapan dengan menyorot dan menanggapi cerita ini.