Мфти: проверка торговых стратегий криптовалют в условиях реального рынка

В МФТИ представили систему, для которой проверка торговых стратегий криптовалют строится не на идеализированной истории цен, а на моделировании условий, близких к реальной торговле. Разработка учитывает комиссии, проскальзывание, ликвидность, стоимость финансирования бессрочных контрактов и другие факторы, из-за которых прибыльная на бумаге стратегия может оказаться слабой после запуска.

Карточка разработки

• Разработчик: Московский физико-технический институт (МФТИ).
• Дата премьеры системы: 30 июля 2026 года.
• Отрасль: финансовые услуги, инвестиции и аудит.
• Технологии: Data Mining.

Система относится к инструментам интеллектуального анализа данных и предназначена для более строгой оценки криптовалютных стратегий. Ее задача --- показать, как алгоритм вел бы себя не в лабораторных условиях, а в среде, где сделка исполняется с издержками, задержками и ограничениями рынка.

Что такое бэктестинг и зачем он нужен

Бэктестинг --- это проверка торговой стратегии на исторических данных. Проще говоря, алгоритм как будто проходит прошлый участок рынка заново: получает цены, открывает и закрывает сделки по заданным правилам, а затем показывает, каким мог быть результат.

Такая проверка нужна, чтобы заранее оценить логику стратегии: приносила ли она прибыль, насколько сильно проседал капитал, как часто возникали убыточные периоды и выдерживает ли идея разные рыночные фазы. Для торгового робота бэктестинг особенно важен: он помогает найти слабые места до запуска на реальные деньги.

Как провести бэктест стратегии или робота

Обычно проверка строится по понятному алгоритму:

• Подготовить исторические данные: цены, объемы, комиссии и другие параметры рынка.
• Настроить правила стратегии: условия входа, выхода, размер позиции и ограничения по риску.
• Заложить реальные торговые условия: комиссии, проскальзывание, ликвидность и стоимость финансирования для бессрочных контрактов.
• Запустить тест так, чтобы алгоритм не использовал данные из будущего.
• Разобрать результаты через отчеты, графики и таблицы сделок.

Для бэктестинга часто используют MetaTrader, TradingView, Amibroker и похожие платформы. Если нужна собственная тестирующая система, ее обычно пишут на Python, C++ или R.

Оптимизация торгового робота сводится к перебору и сравнению параметров: например, периода индикатора, правил выхода или размера позиции. Но выбирать только вариант с максимальной доходностью опасно --- важно смотреть, насколько результат устойчив на разных участках рынка.

Есть и дополнительные способы проверки. Форвард-тестирование запускает стратегию на новых данных после настройки, чтобы проверить ее уже вне исторического участка, на котором подбирались параметры. Визуальное тестирование показывает сделки прямо на графике шаг за шагом: так проще увидеть, где алгоритм входит, выходит и ошибается.

Метрики, факторы и частые ошибки бэктеста

Результат бэктеста оценивают не только по прибыли. Обычно смотрят сразу несколько показателей:

• Доходность: показывает, сколько стратегия заработала за выбранный период.
• Максимальная просадка: показывает, насколько сильно снижался капитал от пика до минимума.
• Коэффициент Шарпа: помогает оценить доходность с поправкой на риск.
• Волатильность: показывает, насколько резко менялся результат стратегии.
• Отношение прибыль/риск: помогает понять, стоит ли потенциальная прибыль возможных потерь.

На успешность проверки сильнее всего влияют качество данных, учет комиссий, ликвидности, проскальзывания, реалистичность моделирования, длина тестового периода и риск переобучения.

Самые частые ошибки --- использование будущих данных, переобучение под удачный участок истории, игнорирование торговых издержек и слишком короткий период проверки. Именно из-за таких ошибок стратегия может выглядеть сильной на графике, но быстро терять эффективность после запуска.

Что именно проверяли ученые МФТИ

В центре исследования оказались моментум-стратегии --- один из популярных подходов в алгоритмической торговле. Их идея проста: если цена актива уже движется в определенном направлении, она может продолжить это движение еще какое-то время. На традиционных финансовых рынках такие подходы применяются давно, но в криптовалютах их часто тестируют слишком упрощенно.

На крипторынке встречаются разные типы стратегий:

• Моментум: ставка на продолжение уже начавшегося движения цены.
• Арбитраж: поиск разницы цен между площадками или инструментами.
• Скальпинг: частые краткосрочные сделки с небольшой целью по прибыли.
• Трендовые стратегии: работа по направлению основного движения рынка.
• Контртрендовые стратегии: попытка заработать на откате против текущего движения.
• Маркет-мейкинг: выставление заявок на покупку и продажу для заработка на спреде.

Главная проблема таких тестов --- отрыв от реальности. Котировка на историческом графике показывает цену, но не раскрывает всех условий сделки: какой была ликвидность, сколько стоило исполнение, каким оказалось проскальзывание и как менялись рыночные циклы. Из-за этого стратегия может выглядеть сильной на прошлых данных, а после запуска быстро потерять ожидаемую доходность.

Команда кафедры <<Блокчейн>> МФТИ решила проверить, насколько моментум-стратегии устойчивы при более реалистичном подходе. Для этого работа была разбита на несколько практических шагов:

• Создание системы тестирования.
• Сбор почасовых данных по спотовому рынку.
• Сбор почасовых данных по бессрочным фьючерсам за 8 лет.

Как работает система тестирования

Разработка пошагово имитирует работу торговой стратегии так, будто она запущена в реальном времени. На каждом шаге система проверяет несколько условий:

• Алгоритм получает только те рыночные данные, которые могли быть доступны в момент принятия решения.
• Результат сделки рассчитывается с учетом комиссий.
• В расчет добавляется проскальзывание.
• Учитывается доступная ликвидность.
• Для бессрочных контрактов учитывается стоимость финансирования.

После расчета одного временного отрезка алгоритм переходит к следующему и повторяет процедуру уже на обновленных данных. Такой подход помогает избежать распространенной ошибки --- использования информации из будущего. В результате тест показывает не абстрактную доходность на истории, а более правдоподобную картину поведения стратегии в торговле.

Система воспроизводит работу стратегии шаг за шагом: использует только доступные на тот момент данные, учитывает реальные торговые издержки и затем переходит к следующему периоду. Такой метод позволяет оценить, как стратегия могла бы вести себя в настоящих рыночных условиях, --- пояснил Максим Егоров, выпускник кафедры <<Блокчейн>> МФТИ.

Для рынка, где трейдеры часто проверяют идеи в MetaTrader, пишут собственные модели на Python или переносят высоконагруженные алгоритмы на C++, важна не только логика входа и выхода из позиции. Качество проверки держится на трех вещах:

• Учет издержек, которые возникают при исполнении сделок.
• Учет ограничений исполнения, включая ликвидность и проскальзывание.
• Сравнение итоговой оценки с тем, как стратегия могла бы сработать в реальной торговле.

Результаты: доходность оказалась не главным преимуществом

Полученные результаты дополнительно проверили статистическими методами. Это было нужно, чтобы отделить устойчивый эффект от случайного совпадения параметров с удачным участком рынка. Такой контроль показал: многие стратегии, которые хорошо смотрятся при стандартном тестировании, заметно теряют эффективность после учета реальных торговых условий.

Главный вывод оказался не в том, что моментум-стратегии дают максимальную прибыль. Более важным преимуществом стала их способность ограничивать потери в периоды резких падений рынка. При реалистичной проверке именно защита капитала во время обвалов вышла на первый план.

Через систему прогнали 132 варианта стратегии. Исследование показало, что нельзя опираться только на один вариант, который лучше всех проявил себя на исторических данных. После поправки на случайный перебор его результат статистически уже не отличался от удачи. При этом сам моментум-эффект не исчез.

Если оценивать стратегию не по одному самому успешному сценарию, а в среднем и формировать портфель из нескольких вариантов, она сохраняет устойчивую прибыльность. При этом ее ключевое свойство --- снижение просадки в кризисные периоды. По расчетам МФТИ, максимальная просадка сокращалась более чем в 2 раза: с 67% до 29%.

Зачем такая проверка нужна крипторынку

Авторы разработки считают, что система может стать базой для оценки и создания новых инвестиционных продуктов на рынке криптовалют. Ее ценность в том, что продукт можно заранее проверить в условиях, близких к реальной торговле, и понять, насколько он способен защищать капитал во время сильных спадов.

Такая система может лечь в основу оценки новых инвестиционных продуктов для криптовалютного рынка. Она позволяет заранее увидеть, как стратегия проходит периоды сильного снижения и насколько контролируемым остается риск. На фоне формирования в России нормативной базы для цифровых финансовых активов такие инструменты могут стать особенно востребованными, --- отметил Максим Егоров.

Следующим шагом ученые МФТИ планируют проверить другие классы торговых стратегий. Также исследование хотят расширить на новые типы криптоактивов, чтобы оценить, насколько реалистичное тестирование меняет представление о риске и доходности в разных сегментах рынка.