我分析了31,810次加密货币突破。以下是真假突破的实际预测指标。

大多数交易者对突破的认知是错误的。数据讲述了一个截然不同的故事。

我测试了所有流行的突破过滤器——成交量飙升、资金费率、未平仓合约——涵盖546个加密永续合约。五个假设中有三个失败了。存活下来的假设成为了一个夏普比率为0.93的交易策略。

价格突破布林带上轨。成交量是日均的3倍。资金费率为负——空头即将被挤压。所有信号都说做多。

你进场了。四小时后，价格回到布林带下方，你正盯着亏损。

我经历过这种情况。所以我停止猜测，开始计数。我从546个币安永续合约中提取了31,810个突破事件，交叉对比了457个Bybit标的的未平仓合约数据，并测试了我能找到的所有流行突破过滤器。我的发现颠覆了我以为自己知道的大部分内容——三个最广为引用的"确认信号"被证明毫无价值。

TL;DR

• 自相关性是预测币种是否会在突破后持续或均值回归的首要指标（p=0.002）
• 未平仓合约下降预示着更好的突破（57.1%对比50.6%）——与大多数交易者的认知相反
• 成交量飙升、资金费率和市值作为大规模突破过滤器毫无用处
• 高胜率不等于高利润——我最"准确"的信号产生了负回报（这是本项目最重要的发现）
• 最佳策略：S1+S3组合（夏普0.93，年化复合增长率25.0%，最大回撤-36.8%）——前景乐观但尚未准备好部署

第1部分：问题

我能否在进场前从统计学上区分真实突破和虚假突破？

我将"真实"定义为价格在5天内朝突破方向跟进至少1个ATR的突破，将"虚假"定义为价格有利移动少于0.5个ATR但不利移动超过1个ATR的突破。

数据集：546个币安永续合约，31,810个日度突破事件（布林带方法），以及跨越2020-2026年的787,635个小时事件。对于未平仓合约分析，我交叉对比了457个标的与Bybit未平仓合约数据（5.6年的4小时粒度数据）。

第2部分：我的发现——以及我打破的三个神话

已确认的信号

我测试了多个潜在的突破过滤器。只有五个在大规模统计审查中存活下来：

最强的预测因子是币种类型（FADE/FOLLOW，8个百分点差异）、星期几（周四=62%真实，周一=47%），以及自相关性五分位数排名（Q1=59.6%对比Q5=51.2%，8.4个百分点差异，p < 0.0001）。

什么是FADE和FOLLOW币种？我发现币种聚集成两种行为类型：

• FOLLOW币种（218/327=67%）：突破往往会持续。顺着突破方向交易。
• FADE币种（109/327=33%）：突破往往会反转。逆着突破方向交易。

三个被数据摧毁的流行认知

神话1："成交量飙升确认突破。"在我最初的23个标的样本中，成交量 >= 2倍平均值显示63.2%的真实率（p=0.008）。看起来不错，对吧？但当我扩展到546个标的时，这个数字反转为49.5%——比随机还差。最初的发现是对流动性好、表现良好的币种的纯粹选择偏差。在更广泛的范围内，小盘币的成交量飙升标志着操纵，而非真实需求。

神话2："未平仓合约上升意味着新资金进入=真实突破。"这可能是加密交易社区中最常被引用的"确认信号"。数据表明恰恰相反：未平仓合约下降预示着更好的突破跟进（57.1%对比50.6%，p=0.000003）。机制：未平仓合约下降意味着仓位已经平仓，为信念驱动的走势创造了干净的局面。未平仓合约上升意味着拥挤的仓位——脆弱且容易反转。

神话3："资金费率预测突破质量。"负资金费率+向上突破=空头挤压=强劲跟进，对吗？错了。每个资金费率测试产生的p值都高于0.23。零预测能力。资金费率反映当前仓位情绪，而非突破质量。

初始假设：记分卡

第3部分：我如何测试

• 突破检测：布林带突破——价格收于上轨之上（前一根K线在下方）或下轨之下。20日SMA配合2倍EWMA波动率（lambda=0.94）。
• 分类：每个突破基于5日前瞻价格路径标记为真实、虚假或模糊。"真实"=朝突破方向跟进 >= 1个ATR。"虚假"= < 0.5个ATR有利 + > 1个ATR不利。
• 前向验证：6折，365天训练和180天测试。测试期间无参数优化——训练仅用于范围选择和五分位数校准。
• 交易成本：22个基点往返（7个基点费用+5个基点滑点+10个基点价差）。

完整方法论详情见本文底部的方法论部分。

第4部分：从统计到策略

掌握这些发现后，我设计了五个交易策略：

• S1（FADE/FOLLOW）：在FOLLOW币种上顺着突破交易，在FADE币种上逆着交易。使用前向币种类型检测分类范围。
• S2（自相关性多空）：做多低自相关性币种（最高真实率），做空高自相关性币种（最低真实率）。
• S3（未平仓合约机制）：仅在未平仓合约下降时交易突破——"干净局面"信号。
• S4（成交量过滤器）：仅在伴随成交量飙升 >= 2倍平均值时交易突破。
• S5（日期/小时择时）：仅在统计上有利的星期几和小时窗口期间交易突破。

回测前结果

两个策略在我运行回测之前就被淘汰了。这就是回测前统计验证的力量——我通过首先检查基本面节省了数小时的计算时间。

• S2被拒绝是因为其信息系数为负（关于这个关键教训的更多内容见第6部分）。
• S4被拒绝是因为成交量飙升信号在大规模时反转——它预测的是更差的突破，而非更好的。

第5部分：前向回测结果

我进行了严格的前向回测：从2021年7月到2026年2月的6个不重叠测试折叠，交易成本为22个基点往返。

S5的惊人失败值得关注。该策略通过了所有6个回测前验证关卡——星期几和小时模式在573个标的中具有统计显著性，p值小得消失（低至10^-217）。然而在前向测试中，它的夏普比率为-0.02，连续3折亏损（2023-2025）。每小时周四14:00 UTC的模式在总体上是真实的但依赖于机制——它在熊市期间消失了。

投资组合组合

我测试了所有7种可能的组合（3个单一+3对+1三重）：

赢家：S1+S3，夏普比率0.93，最大回撤-36.8%，年化复合增长率25.0%。

为什么S1和S3组合比单独使用任何一个都好？它们的相关性仅为0.10——它们很少在同一天亏损。

权益曲线

权益曲线显示2024年和2026年初表现强劲，2025年上半年出现痛苦回撤，所有策略都亏损。

该策略从未长时间停留在此门槛以下，但经常突破它。

每折一致性

第6部分：S2悖论——为什么胜率不等于利润

这是整个项目中最重要的发现。

S2被设计为做多自相关性最低的币种（Q1，最高真实率59.6%）和做空自相关性最高的币种（Q5，最低真实率51.2%）。该信号完美预测了哪些币种会更频繁地跟进。

月度信息系数为负：-0.016。

这怎么可能？因为成功的频率与成功的幅度不同。Q5币种突破频率较低，但当它们突破时，移动得更远。Q5的赢家比Q1的赢家更大，足以抵消较低的胜率。

换句话说：该信号正确预测了谁会更频繁地获胜，但Q1的输家和Q5的赢家具有不对称的幅度，翻转了预期回报。

第7部分：关键经验教训

1. 统计显著性并不保证盈利性。S5通过了每个卡方检验，p值小得消失（10^-217）。然而在不利的市场机制下，1.4个百分点的优势（55.2%对比53.8%）在22个基点成本后蒸发了。需要统计和经济显著性。

2. 高胜率不意味着高回报。S2悖论：你可以完美预测哪些币种更频繁地突破并仍然亏损，因为频率 != 幅度。始终针对前向回报计算IC，而不仅仅是胜率。

3. 在信任发现之前扩展你的范围。成交量飙升在23个标的时"确认"突破，但在546个标的时反转。对流动性好、表现良好的币种的选择偏差掩盖了小盘币操纵的现实。

4. 逆向信号隐藏在显而易见的地方。最流行的未平仓合约叙事（"未平仓合约上升=新资金=真实突破"）在经验上是错误的。干净局面（未平仓合约下降）比拥挤仓位产生更好的突破。

5. 回测前验证节省大量时间。S2被30秒的IC计算淘汰，节省了30多分钟对注定失败策略的前向回测。

第8部分：最终结论

S1+S3可交易吗？还不行。0.93的夏普比率令人鼓舞，25.0%的年化复合增长率有吸引力，但-36.8%的最大回撤使其不适合以当前仓位规模部署。采用更保守的规模（5-7%波动率目标而非15%），回撤将减半至约18%，使其勉强可部署。

突破夏普1.0所需的条件：

• 机制过滤器以减少2025年上半年等时期的暴露
• 额外的阿尔法来源——订单簿微观结构或跨交易所信号
• 从一开始就保守的仓位规模

统计基础是稳固的。信号（FOLLOW币种+未平仓合约下降+有利的星期几）在546个标的中是真实和稳健的。挑战在于将这种适度的统计优势（5-8个百分点）转化为一致的扣除成本后的盈利性。

你信赖什么突破过滤器——它经过严格测试了吗？我真的想知道。留下评论或联系我。

方法论与数据

• 突破检测：布林带突破——当价格收于上轨之上（前一根K线在下方）或下轨之下。20日SMA配合2倍EWMA波动率（lambda=0.94）作为带宽。
• 分类：每个突破基于5日前瞻价格路径标记为真实、虚假或模糊。"真实"=朝突破方向跟进 >= 1个ATR。"虚假"= < 0.5个ATR有利 + > 1个ATR不利。
• 前向验证：6折，365天训练和180天测试期。测试期间无参数优化——训练仅用于范围选择和五分位数校准。
• 交易成本：22个基点往返（7个基点费用+5个基点滑点+10个基点价差）。
• 数据来源：币安USDM永续合约（1小时OHLCV），Bybit永续未平仓合约（4小时）
• 范围：546个标的（日度），573个标的（小时）
• 周期：2020-2026（前向测试：2021-07至2026-02）
• 工具：Python（pandas、numpy、matplotlib、scipy）。无机器学习——仅统计和前向验证。

免责声明：本研究仅用于教育目的。过去的表现不保证未来的结果。在做出投资决策之前，请务必进行自己的尽职调查。

标签：#量化金融 #加密货币 #突破 #交易策略 #数据科学 #前向验证 #统计分析

我分析了31,810次加密货币突破。以下是真正预测真假的因素。最初发表于Medium的Coinmonks，人们通过突出显示和回应这个故事继续对话。