Backtest 13 tín hiệu đảo chiều bạc COMEX trên 16.125 nến

Chúng tôi có 13 tín hiệu đảo chiều trong kho — Lorentzian Classification, Smart Money Concepts, Squeeze Momentum, Elliott Wave, VWAP động, phân kỳ RSI, quét thanh khoản. Toàn bộ đều là những công cụ được cộng đồng TradingView xếp hạng cao.

Chúng tôi đem cả 13 cái đo trên cùng một thước đo, trên cùng một tập dữ liệu: 16.125 nến H1 của bạc COMEX (SI=F), từ 2023-10-02 đến 2026-07-27, tức 2,8 năm.

Kết quả: 11 trong 13 không tốt hơn ngẫu nhiên đáng kể. Hai cái còn lại vượt qua mọi kiểm định thống kê — rồi vẫn không tạo ra tiền khi đưa vào một luật vào/ra lệnh có tính phí.

Bài này kể lại phép đo đó, kể cả những chỗ chúng tôi làm sai và phải thu hồi.

1. Vấn đề của mọi "win rate" bạn từng đọc

Con số "tỷ lệ thắng 68%" chỉ có nghĩa khi bạn biết 68% của cái gì. Phần lớn thống kê pattern trôi nổi trên mạng dùng nhãn do chính chỉ báo đó định nghĩa — nghĩa là chỉ báo tự chấm điểm cho mình.

Nên trước khi đo bất cứ thứ gì, chúng tôi định nghĩa một nhãn độc lập hoàn toàn với mọi chỉ báo:

"Đáy thật" = nến có giá thấp nhất trong cửa sổ ±48 nến, và sau đó giá hồi ít nhất 2×ATR trong 48 nến tiếp theo.

Định nghĩa này không nhắc tới RSI, tới cấu trúc thị trường, tới sóng Elliott. Nó chỉ nói: có một cái đáy đáng kể ở đây, và giá thật sự đã bật lên từ đó.

Trên 2,8 năm, nhãn này cho 102 điểm đáy — khoảng 3 lần mỗi tháng. Đó là nhịp độ một người giao dịch thật sự trải qua.

Cột quyết định là LIFT, không phải precision hay recall:

LIFT = precision của tín hiệu ÷ base rate ngẫu nhiên (16,4%)

Vì sao? Vì precision đơn thuần luôn tâng bốc tín hiệu bắn liên tục, còn recall đơn thuần tâng bốc tín hiệu không bao giờ tắt. LIFT = 1,0 nghĩa là tín hiệu không mang thông tin gì so với chọn ngẫu nhiên một cây nến.

2. Bảng xếp hạng — 13 tín hiệu, một thước đo

Đọc bảng này cho công bằng

Đây là phần quan trọng nhất, và cũng là phần dễ bị trích dẫn sai nhất.

BOS/CHoCH và VWAP flip không phải "chỉ báo tồi". Chúng là lớp xác nhận. Chúng được thiết kế để bắn sau khi giá đã rời đáy — đó là công việc của chúng. Điểm thấp ở thước đo "báo hiệu một cái đáy sắp tới" là đúng thiết kế, không phải khuyết tật.

Bảng này chỉ nói một điều hẹp: cho việc phát hiện đáy sớm, chúng không phải công cụ. Nó không nói chúng vô dụng cho việc chúng được xây ra để làm.

Tín hiệu tần suất rất cao — Elliott 3.646 lần/năm, Squeeze 1.244 lần/năm — có LIFT xấp xỉ 1 vì chúng gần như luôn bật. "Không mang thông tin" khác với "sai".

Và một cảnh báo về chính bảng này: một tài sản, một khung thời gian, một định nghĩa "đáy thật". Nó là bảng xếp hạng để điều tra tiếp, không phải phán quyết.

3. Hai tín hiệu dẫn đầu qua được mọi kiểm định — rồi vẫn trượt

Hai cái đứng đầu không dừng ở lift. Chúng qua tiếp ba lớp kiểm định:

Cắt đôi mẫu (tại 2025-02-27) — và cả hai mạnh lên ở nửa ngoài mẫu:

Đây là điều đáng chú ý, vì kiểu sụp đổ điển hình thì ngược lại — chúng tôi từng đo một pattern cho 100% trên n=10 rồi rơi xuống 48,6% trên n=35.

Hoán vị + hiệu chỉnh Bonferroni ×13: p = 0,0065. Dịch vòng + Bonferroni ×13: p = 0,0305.

Đến đây thì mọi thứ trông rất hứa hẹn. Nên chúng tôi làm bước mà hầu như không ai làm: khoá luật vào/ra lệnh vào một file, commit nó lên git TRƯỚC khi viết dòng code đo đầu tiên, rồi mới đo lãi/lỗ thật.

Luật, khai báo trước, không tinh chỉnh

vào lệnh  = giá đóng cửa nến bắn tín hiệu
cắt lỗ    = đáy nến bắn − 1,25 × ATR(14)
thoát     = cái nào đến trước: +2,0 ATR / chạm cắt lỗ / hết 48 nến
khối lượng = 1 hợp đồng cố định
chi phí   = 1,2 tick khứ hồi, cộng thêm 1,5 tick cho nhánh quét thanh khoản

Con số 1,25 ATR không phải dò tối ưu — nó là trung điểm của dải 1,0–1,5 ATR mà một phép đo trước đó đã chỉ ra (xem mục 5). Cắt lỗ được kiểm trước mục tiêu trong cùng một nến, tức luôn chọn kịch bản bi quan khi dữ liệu OHLC không nói được cái nào chạm trước.

Kết quả

"Ngưỡng ngẫu nhiên" ở đây là phân vị 99,375 của phân phối kỳ vọng khi vào lệnh ngẫu nhiên đúng bằng số lệnh đó, cùng luật, cùng chi phí, 2.000 lần bốc mẫu. Nói cách khác: đây là mức mà một tín hiệu không mang thông tin nào vẫn đạt được nhờ may.

Lift 3,21× không thành tiền.

4. Ba điều ngược với câu chuyện dễ kể

Khi một phép đo cho kết quả xấu, có vài lời giải thích rất dễ chịu. Chúng tôi kiểm cả ba, và cả ba đều sai.

"Chi phí giao dịch giết nó." Không. Ở chi phí bằng 0, RSI quá bán vẫn chỉ đạt +0,0932 R — vẫn dưới ngưỡng. Còn quét thanh khoản thì âm ngay cả khi miễn phí hoàn toàn (−0,0049 R). Chi phí làm vết thương sâu hơn, nó không gây ra vết thương.

"Chuỗi thua kéo dài giết nó." Không. Chuỗi thua dài nhất là 8 và 6 lệnh — so với trung vị 8 và 7 của chính phân phối ngẫu nhiên. Không có gì bất thường.

"Có một giai đoạn thị trường mà nó lỗ nặng." Cũng không — và đây là chỗ chúng tôi tự bắt lỗi mình. Ban đầu chúng tôi kết luận quét thanh khoản có "một chế độ thị trường lỗ thật": trong giai đoạn đi ngang, kỳ vọng là −0,205 R. Nghe rất thuyết phục.

Nhưng rồi chúng tôi đo cái mà lẽ ra phải đo từ đầu: một lệnh mua NGẪU NHIÊN trong chính giai đoạn đi ngang đó trả bao nhiêu? Câu trả lời: −0,099 R. Giai đoạn đi ngang tự nó đã có độ trôi âm. So −0,205 với số 0 là gán độ trôi của thị trường cho tín hiệu. So đúng cách — với phân phối ngẫu nhiên trong cùng giai đoạn đó — thì −0,205 nằm ở phân vị 26, tức một lần rút mẫu hoàn toàn bình thường.

Chúng tôi đã thu hồi kết luận đó. Nó vẫn được hiển thị trong tài liệu nội bộ, kèm lý do, thay vì bị xoá.

5. Một chỗ dữ liệu hoà giải được hai trường phái đang cãi nhau

Đây có lẽ là phần dùng được nhất của cả phép đo.

Smart Money Concepts nói: giá quét xuống dưới một vùng thanh khoản để "gom lệnh", rồi đảo chiều.

Carol Osler (nghiên cứu đăng trên Journal of Finance, dữ liệu sổ lệnh thật của Royal Bank of Scotland — 9.655 lệnh, khoảng 55 tỷ USD) nói ngược lại: khi cụm cắt lỗ bị kích hoạt, giá đi tiếp theo hiệu ứng dây chuyền, không đảo. Thứ gây đảo chiều là cụm chốt lời, nằm ở phía trước số tròn.

Hai bên mâu thuẫn trực tiếp. Chúng tôi đo trên 133 cú quét thanh khoản thật của bạc H1:

Cả hai đều đúng, ở hai thang thời gian khác nhau. Giá quét xuống tiếp — rồi mới đảo. Osler mô tả đoạn đầu, SMC mô tả đoạn sau.

Hệ quả có thể dùng được ngay, và nó không đòi hỏi bất kỳ tín hiệu nào phải "hoạt động": mọi mức cắt lỗ đặt ngay tại đáy nến quét sẽ bị quét ra TRƯỚC cú đảo chiều mà nó đang chờ. 63% số lần giá còn đi thêm khoảng 1 ATR nữa. Đây là quan sát về cấu trúc vi mô của thị trường, không phải một tín hiệu mua bán.

6. Bốn lỗi thống kê của chính chúng tôi

Bản đo đầu tiên đi qua được quy trình review nội bộ với bốn lỗi trong đó. Chúng bị phát hiện bởi một vòng review chỉ được xem code, không được xem kết quả:

1. Phân phối ngẫu nhiên bốc sai vũ trụ. Đo theo giai đoạn thị trường nhưng lại so với phân phối bốc từ toàn bộ chuỗi — chính là lỗi ở mục 4.
2. Mẫu ngẫu nhiên không sắp xếp theo thời gian. Chuỗi thua và mức sụt vốn phụ thuộc thứ tự, nên chúng tôi đang so đường vốn theo thời gian của tín hiệu với một bản xáo trộn. Sửa lại: trung vị chuỗi thua của phân phối ngẫu nhiên từ 7 lên 8 — đủ để lật một kết luận.
3. Một lệnh nằm ngoài vũ trụ của phép so sánh. Một lần bắn ở nến thứ 24 rơi vào vùng khởi động 200 nến mà mẫu ngẫu nhiên không bao giờ bốc tới. Riêng nó đóng góp ~8% kỳ vọng đầu bài.
4. Ngưỡng lỏng hơn mức đã khai báo. File khoá ghi hiệu chỉnh trên 8 phép thử; code lại đọc ngưỡng tương ứng với 5. Cổng lỏng hơn khoảng 60% so với cam kết.

Không lỗi nào làm crash chương trình. Cả bốn đều cho ra một con số sai trông rất hợp lý — đó là loại lỗi nguy hiểm nhất trong phân tích định lượng, và là lý do chúng tôi công bố chúng thay vì lặng lẽ sửa.

7. "Trượt" và "không có gì ở đó" là hai kết luận khác nhau

Sau khi mọi thứ được sửa, cả hai tín hiệu vẫn trượt. Nhưng chúng trượt theo hai cách hoàn toàn khác nhau, và gộp chúng lại sẽ là một sai lầm nữa:

Quét thanh khoản nằm gần như đúng trên trung bình của phân phối ngẫu nhiên. Không có gì để phát hiện. Thêm dữ liệu cũng vô ích.

RSI quá bán thì dương, và đơn giản là chưa đủ bằng chứng. Thiết kế này với 210 lệnh chỉ đủ sức phát hiện hiệu ứng từ +0,23 R trở lên. Để khẳng định một hiệu ứng đúng bằng cỡ đã quan sát, cần khoảng 1.480 lệnh — tức chừng 20 năm tín hiệu này bắn.

Dữ liệu H1 của chúng tôi có 2,8 năm, và không thể kéo dài thêm: các nhà cung cấp dữ liệu chỉ phục vụ một cửa sổ trượt khoảng 730 ngày cho khung intraday.

Nên câu kết luận đúng mực cho RSI quá bán là: "tập dữ liệu này không quyết định được, và không có tập dữ liệu nào chúng tôi lấy được sẽ quyết định nổi" — không phải "nó không hoạt động".

8. Chúng tôi rút ra gì

Không phải một chiến lược. Bài này không đưa ra khuyến nghị mua bán nào, và những con số ở trên mô tả quá khứ đã đo, không dự đoán tương lai.

Ba điều còn lại sau khi mọi thứ được kiểm:

Một, phát hiện và lợi nhuận là hai bài toán khác nhau. RSI quá bán bắt được 64,7% số đáy thật với lift 3,21×. Nó vẫn không trả đủ cho rủi ro bỏ ra để giao dịch nó dưới một luật cơ học. Một tín hiệu tốt cho việc chú ý có thể là một tín hiệu tồi cho việc vào lệnh — và hai thứ đó cần hai phép đo khác nhau.

Hai, cổng AND nhiều bước chết vì phép nhân. Chuỗi xác nhận 6 bước mà nhiều hệ thống hợp lưu sử dụng: khi mỗi bước chỉ xảy ra ở dưới 1% số nến, nhân ba bước lại cho trần lý thuyết 0,71 lần mỗi năm. Không phải lỗi hiện thực hoá — là số học.

Ba, thứ đắt nhất không phải chỉ báo, mà là thước đo. Bốn lỗi ở mục 6 đều nằm ở cách so sánh, không nằm ở thứ được so sánh. Một chỉ báo tồi với thước đo tốt cho bạn một câu trả lời đúng là "không". Một chỉ báo tốt với thước đo hỏng cho bạn một con số đẹp và sai — và bạn sẽ đem tiền thật đi theo nó.

Toàn bộ phép đo được khoá bằng một file pre-registration commit lên git trước khi code đo tồn tại, và mọi phép thử — kể cả thất bại — đều được ghi vào một sổ đăng ký giả thuyết chung để hiệu chỉnh đa so sánh không bị giấu. Dữ liệu: bạc COMEX (SI=F), khung H1, 16.125 nến, 2023-10-02 → 2026-07-27.