莫斯科物理技术学院：在真实市场条件下验证加密货币交易策略

在莫斯科物理技术学院（МФТИ），推出了一种系统，该系统对加密货币交易策略的验证不是基于理想化的历史价格，而是基于接近真实交易的条件进行建模。该开发考虑了佣金、滑点、流动性、无到期合约的融资成本以及其他因素，这些因素可能导致在纸面上盈利的策略在实际启动后表现不佳。

开发卡片

• 开发者：莫斯科物理技术学院（МФТИ）。
• 系统首发日期：2026年7月30日。
• 行业：金融服务、投资和审计。
• 技术：数据挖掘。

该系统属于智能数据分析工具，旨在对加密货币策略进行更严格的评估。它的任务是展示算法在非实验室条件下的表现，而是在交易执行时面临成本、延迟和市场限制的环境中。

什么是回测，为什么需要它

回测是对交易策略在历史数据上的验证。简单来说，算法仿佛重新经历了过去的市场阶段：获取价格，按照设定规则开仓和平仓，然后展示可能的结果。

这种验证是为了提前评估策略的逻辑：它是否盈利，资本的最大回撤是多少，亏损期出现的频率，以及该理念是否能承受不同的市场阶段。对于交易机器人来说，回测尤其重要：它有助于在实际资金投入之前找到弱点。

如何进行策略或机器人的回测

通常，验证是按照明确的算法进行的：

• 准备历史数据：价格、交易量、佣金和其他市场参数。
• 设置策略规则：入场条件、出场条件、头寸大小和风险限制。
• 考虑真实交易条件：佣金、滑点、流动性和无到期合约的融资成本。
• 启动测试，确保算法不使用未来的数据。
• 通过报告、图表和交易表分析结果。

回测通常使用MetaTrader、TradingView、Amibroker等平台。如果需要自己的测试系统，通常使用Python、C++或R编写。

优化交易机器人涉及参数的遍历和比较：例如，指标的周期、出场规则或头寸大小。但仅选择收益最大化的选项是危险的——重要的是要查看结果在不同市场阶段的稳定性。

还有其他验证方法。前向测试在设置后使用新数据启动策略，以检查其在历史阶段之外的表现。可视化测试逐步在图表上显示交易：这样更容易看到算法何时进场、出场和出错。

回测的指标、因素和常见错误

回测的结果不仅根据收益来评估。通常会同时查看多个指标：

• 收益率：显示策略在选定期间内赚取了多少。
• 最大回撤：显示资本从峰值到最低点的最大下降幅度。
• 夏普比率：帮助评估风险调整后的收益。
• 波动率：显示策略结果的变化幅度。
• 收益/风险比：帮助理解潜在收益是否值得可能的损失。

回测的成功性受到数据质量、佣金、流动性、滑点的考虑、建模的现实性、测试期的长度和过拟合风险的影响。

最常见的错误是使用未来数据、针对成功的历史阶段进行过拟合、忽视交易成本和测试期过短。正是由于这些错误，策略在图表上可能看起来强劲，但在启动后很快失去效力。

什么是莫斯科物理技术学院的科学家们研究的内容

在研究的中心是动量策略——算法交易中一种流行的方法。它们的理念很简单：如果资产的价格已经朝着某个方向移动，它可能会在一段时间内继续这种运动。在传统金融市场上，这种方法早已被应用，但在加密货币市场上，它们往往被过于简化地测试。

在加密市场上，有不同类型的策略：

• 动量：押注于已经开始的价格运动的延续。
• 套利：寻找不同平台或工具之间的价格差异。
• 剥头皮：频繁进行短期交易，目标是小幅获利。
• 趋势策略：顺应市场的主要运动方向进行操作。
• 逆趋势策略：试图在当前运动的回调中获利。
• 做市商：发布买卖订单以从价差中获利。

这些测试的主要问题是与现实的脱节。历史图表上的报价显示价格，但并未揭示交易的所有条件：流动性如何，执行成本是多少，滑点如何，以及市场周期是如何变化的。因此，策略在过去的数据上可能看起来很强大，但在实施后很快就会失去预期的收益。

莫斯科物理技术学院的区块链系团队决定检查动量策略在更现实的方法下的稳健性。为此，工作被分为几个实际步骤：

• 创建测试系统。
• 收集现货市场的每小时数据。
• 收集过去8年的永续期货的每小时数据。

测试系统如何运作

开发逐步模拟交易策略的工作，就像它在实时中启动一样。在每一步，系统检查几个条件：

• 算法仅获取在做出决策时可能获得的市场数据。
• 交易结果计算时考虑了佣金。
• 计算中加入了滑点。
• 考虑了可用的流动性。
• 对于永续合约，考虑了融资成本。

在计算一个时间段后，算法转到下一个并在更新的数据上重复该过程。这种方法有助于避免常见的错误——使用未来的信息。因此，测试显示的不是历史上的抽象收益，而是策略在交易中的更真实表现。

系统逐步再现策略的工作：仅使用当时可用的数据，考虑实际交易成本，然后转到下一个时期。这种方法可以评估策略在真实市场条件下的表现，——莫斯科物理技术学院区块链系的毕业生马克西姆·叶戈罗夫解释道。

对于一个交易者经常在MetaTrader中测试想法，编写自己的Python模型或将高负载算法转移到C++的市场来说，进出仓位的逻辑不仅重要。测试的质量依赖于三件事：

• 考虑执行交易时产生的成本。
• 考虑执行限制，包括流动性和滑点。
• 将最终评估与策略在真实交易中的表现进行比较。

结果：收益并不是主要优势

获得的结果经过统计方法的进一步验证。这是为了将稳定的效果与参数与成功市场区间的偶然重合分开。这种控制显示：许多在标准测试中表现良好的策略，在考虑实际交易条件后，效率明显下降。

主要结论并不是动量策略带来最大利润。更重要的优势是它们在市场急剧下跌期间限制损失的能力。在现实的检验中，资本保护在崩盘期间显得尤为重要。

通过系统测试了132种策略变体。研究表明，不能仅依赖于在历史数据中表现最好的单一变体。经过随机选择的调整后，其结果在统计上已不再与运气有显著差异。同时，动量效应并没有消失。

如果不单单依靠一个最成功的场景来评估策略，而是取平均值并形成多个变体的投资组合，它仍然保持稳定的盈利能力。同时，其关键特性是在危机期间降低回撤。根据莫斯科物理技术学院的计算，最大回撤减少了超过两倍：从67%降至29%。

为什么这种检验对加密市场是必要的

开发者认为，该系统可以成为评估和创建新投资产品的基础。其价值在于可以在接近真实交易的条件下提前验证产品，并了解其在强烈下跌期间保护资本的能力。

这种系统可以成为评估加密货币市场新投资产品的基础。它可以提前看到策略如何应对强烈下跌的时期，以及风险保持在多大程度上可控。在俄罗斯为数字金融资产建立规范基础的背景下，这些工具可能会变得特别受欢迎，--- 马克西姆·叶戈罗夫指出。

莫斯科物理技术学院的科学家计划检验其他类别的交易策略。研究还希望扩展到新的加密资产类型，以评估现实测试如何改变对不同市场细分的风险和收益的看法。