Ang pag-aaral sa 4,990 DEX Pairs ay nagtuklas na kulang sa trading edge ang mga retail trader

Sa mga taon, naniniwala ang mga trader ng crypto na ang decentralized exchanges ay isa sa mga lugar kung saan maaari pang palampasin ng retail investors ang karamihan. Gayunpaman, sa pagkakaiba sa centralized exchanges na puno ng mga propesyonal na kumpanya at mga sophistikadong algorithm, ang DEX markets ay fragmented, chaotic, at pinamumunuan ng mas maliit na mga trader.

Ngunit isang bagong pag-aaral ay nagmumungkahi na ang paniniwala ay maaaring mali.

Pagkatapos suriin ang 15 trading strategy sa 4,990 DEX pairs na nagsasaklaw ng 27 blockchain, ang researcher na si Daniel Gatto natuklasan ang kaunting ebidensya na ang nakaraang data ng presyo lamang ay maaaring magbigay ng patuloy na pakinabang sa pagtinda. Ang konklusyon ng papel ay nailalarawan sa isang simpleng parirala na paulit-ulit sa buong pananaliksik: “Walang pakinabang nang walang impormasyon.”

Sa ibang salita, ang mga chart ng presyo ay maaaring hindi sapat upang makagawa ng kita, kahit sa imbestigasyong hindi epektibong mundo ng mga memecoin at micro-cap tokens.

Ang atraksyon ng mga DEX market ay palaging madaling maintindihan. Libu-libong bagong token ay lumalabas bawat linggo sa Ethereum, Solana, Base, BNB Chain, Arbitrum, Polygon, Avalanche, at dozens ng iba pang mga network. Dito, ang likwididad ay fragmented dahil ang pagkaka-partisipasyon sa merkado ay malawakang retail-driven, at ang kompetisyon mula sa mga institusyonal ay patuloy na limitado kumpara sa mga pangunahing sentralisadong exchange.

Ang buong ideya ay kung ang kompetisyon ay alisang mga mapapakinabangang pagkakataon mula sa mga matatandang merkado, ang kaguluhan na mahabang buntot ng DEX tokens ay dapat isa sa mga kaunting lugar kung saan maaari pang hanapin ng mga trader ang mga maling presyong asset at mga magagamit na pattern.

Ang pag-aaral ni Gatto ay naglalayong subukan ang ipinapalagay na iyon gamit ang isa sa pinakamalalaking dataset na nakalikom sa paksa. Tinuklas ng pananaliksik ang 4,990 na trading pair na DEX-only, na nagkakaisa ng halos anim na buwan ng araw-araw na data sa pagtitingin at anim na linggo ng mga obserbasyon sa bawat oras. Bawat token pair ay sumasailalim sa minimum mga kahilingan sa likwididad, habang lahat ng mga estratehiya ay nagkonsidera ng mga totoong gastos sa pagtitingin, kabilang ang gas fee, swap fee, at AMM slippage.

Ang mga resulta ay nagtanggol sa maraming pinakasikat na aksiyoma sa crypto.

Kahit bago pa man isagawa ang isang estratehiya, ang data ay nagpapakita ng malalim na maliwanag na imahe.

Halos tatlo-kalawang bahagi ng lahat ng mga token ay nagpakita ng negatibong return sa panahon ng sample, habang ang median na token ay nawala ng halos 18.5% ng halaga nito. Ang karaniwang token ay natapos nang halos 38% sa ilalim ng pinakamataas na presyo nito, at halos isang-katlo ay natapos ang pag-aaral nang higit sa 50% sa ilalim ng kanilang mataas.

Samantala, ang average na return sa buong dataset ay nanatiling positibo, ngunit dahil lamang sa isang maliit na bilang ng mga natatanging tagapagtagumpay na nag-iskew sa mga resulta. Kaya, ang karamihan sa mga token ay patuloy na nawala ang kanilang halaga.

Isa ito sa isang dinamikong pamilyar sa sinumang nagpapalagi sa Crypto Twitter. Ang makabuluhang 50x na tagumpay ay ipinagdiriwang at pinapakalat nang walang hanggan, habang ang mas malaking bilang ng nabigo mong taya ay nagwawala nang tahimik sa mga timeline at Discord channels.

Kagiliw-giliw, natuklasan din ng pag-aaral na iba ang pag-uugali ng mga DEX token kaysa sa inaasahan ng maraming momentum trader. Sa halip na magpatuloy ang mga trend, madalas na bumabalik ang presyo pagkatapos makita ang malakas na paggalaw sa anumang direksyon. Sa praktikal na termino, ang mga trader na nagsubok na bumili ng lakas ay madalas na nagtatalo laban sa pondo ng pangunahing istruktura ng merkado.

Upang maunawaan kung bakit nagkakaroon ng pagkabigo ang mga profitable na signal, sinubukan ng pag-aaral ang walong pangunahing intraday trading approaches, kabilang ang breakout strategies, RSI signals, momentum setups, at volume-based entries.

Sa unang tingin, ilan sa mga estratehiyang ito ay tila nagmumungkahi. Ang pinakamalakas ay naglikha ng gross edge na humigit-kumulang 6.5 basis points bawat trade bago ma-apply ang mga gastos. Gayunpaman, ang problema ay ang iskala.

Sa mga DEX pool na sinuri, ang average na gastos sa round-trip trading ay umabot sa halos 230 hanggang 240 basis points kasama ang gas fee, slippage, at swap fees. Ang pinakamalakas na mga signal ay hindi sapat na malaki upang labanan ang gastos sa pagpapatupad nito.

Ang resulta ay isang pagkakaiba ng halos 40-to-1 sa pagitan ng lakas ng signal at mga gastos sa pagtinda.

Pagkatapos ng gastos, ang karaniwang scalping strategy ay nawala ng halos 2.5% bawat trade, at mas mababa sa 1% ng mga tested configuration ang nagproduksyon ng positibong return sa kanilang buong sample period.

Mas mahalaga, natuklasan ng pag-aaral na ang gastos ay hindi ang tunay na dahilan.

Ipinag-try ng Gatto ang iba’t ibang aksiyon tungkol sa likwididad, kalidad ng pagpapatupad, at mga istruktura ng bayad. Hindi nagbago ang konklusyon. Kahit bago pa man maaapply ang lahat ng bayad, ang karamihan sa mga signal ay naging sobrang mahina upang makagawa ng makabuluhang kita.

Ang pag-aaral ay umabot nang malayo sa tradisyonal na pagsusuri ng mga chart.

Ipinagsuri ni Gatto ang ilang mga paraan na karaniwang ginagamit ng mga propesyonal na trader, kabilang ang market-neutral hedging, pagtatama ng oras ng token launch, pagbibigay ng liquidity, cross-pool arbitrage, Bitcoin trend filters, portfolio diversification, at order-flow analysis.

Kahanga-hanga na walang nagproduksyon ng statistically significant outperformance.

Ang pagbibigay ng likwididad ay unang tila nakakaakit, nagdadala ng maliit na kita bago isama ang impermanent loss. Pagkatapos isama ang impermanent loss, nawala ang karamihan sa kita.

Kasama rin ang mga pagkakataon sa cross-pool arbitrage, ngunit ang karamihan ay masyadong maliit upang labanan ang mga gastos sa transaksyon.

Isang market-neutral na estratehiya na nag-hedge sa exposure gamit ang mga perpetual na produkto sa sentralisadong exchange ay unang nagproduksyon ng mga promisoyong return ayon sa panganib. Gayunpaman, hindi nakaligtas ang mga resultang iyon sa mas mahigpit na pagsusuri sa statistika. Sa buong larangan, ang mga mas kumplikadong pamamaraan ay hindi mas maganda kaysa sa mga simpleng estratehiya batay sa chart.

Isa sa pinakakagiliw na natuklasan ng pag-aaral ay mula sa paggamit nito ng randomized control tests.

Nilikha ng mga siyentipiko ang baligtad na pagkakasunod-sunod ng mga galaw ng presyo habang pinanatili ang bawat token na pangkalahatang mga katangian sa estadistika. Pagkatapos ay isinagawa nila muli ang mga parehong estratehiya sa pagbebenta sa randomized na dataset.

Nagkataon, ang pinagsamang merkado ay madalas na tila mas kikitain kaysa sa totoong merkado.

Hindi ang pagkakaroon ng random ang nagdadala ng kita. Sa halip, ang mga tunay na DEX markets ay naglalaman ng mga cluster ng malalaking pagbaba na paulit-ulit na nagdudulot ng pinsala sa mga trader na long-only. Ang pagpapalit ng random ay nag-aalis ng mga cluster na iyon habang pinapanatili ang iba pang mga estadistikal na katangian, na ginagawa ang mga estratehiyang mukhang mas epektibo.

Ang konklusyon dito ay ang ilang mga pattern na paniniwalaan ng mga trader na kanilang pinapakinabangan ay maaaring talagang mga struktural na disadvantage na nakapaloob sa sariling merkado.

Sa huli, pagkatapos ng apatnapu’t apat na estratehiya na nabigo, natagpuan ni Gatto ang isang pagkakataon na nagpakita ng statistically significant predictive power.

Ginawa ng mga siyentipiko ang isang machine-learning model gamit ang mga salik tulad ng kamakailang returns, volatility, turnover, mga kondisyon ng liquidity, at token age. Sa pagkakaiba sa iba pang mga estratehiya, ang model ay nakamit ng matagumpay na paglabas sa kanyang statistical baseline.

Gayunpaman, ang tagumpay ay hindi ganap dahil hindi lubos na mahusay ang modelo sa pagkilala sa mga susunod na mananalo. Sa halip, ito ay naging mas mahusay sa pagkilala sa mga susunod na tagalbo.

Kapag hinati ng mga mananaliksik ang mga token ayon sa inaasahang performance, ang bawat grupo ay nag-produce pa rin ng negatibong median returns. Ang pinakamataas na ranggo na mga token ay hindi malakas na performer; sila ay simple lang ay nawala ng mas kaunti kaysa sa pinakamababang ranggo na mga token.

Ang natuklasang ito ay maaaring ang pinakamahalagang pag-unawa ng pag-aaral.

Sa mga merkado ng DEX, maaaring mas kapaki-pakinabang ang mga prediktibong modelo para maiwasan ang mga kalamangan na pagkawala kaysa maghanap ng susunod na pagbubukas. Ang pangunahing advantage ay nasa pagkilala sa ano ang hindi dapat ipanatili kaysa sa pagkilala sa ano ang dapat bilhin.

Lumalabas din sa pag-aaral ang isang malaking kahinaan na matatagpuan sa maraming crypto backtest: survivorship bias.

Dahil binuo ang dataset mula sa aktibong liquidity pools, ang mga token na already collapse at nawala ay hindi sapat na kinatawan. Ipinagpalagay ng mga mananaliksik na kahit anong 9.2% ng mga aktibong pool ay nasa estado nang functionally dead batay sa trading activity, at mas mataas ang totoong bilang kapag kinuha ang mga puno nang buong nawawalang proyekto.

Ibig sabihin nito ang nakaraang returns ay maaaring tila mas mabuti kaysa sa katotohanan.

Mahalaga, ang survivorship bias ay hindi naglikha ng maling trading edge sa pag-aaral. Patuloy pa ring mas mababa ang performance ng aktibong mga estratehiya kahit sa mga nakaligtas na token. Gayunpaman, ito ay nagmumungkahi na maraming publikong ibinabahagi na backtests ay nagpapakita ng mas optimistiko na imahe kaysa sa karanasan ng mga trader sa totoong oras.

Ang praktikal na aral ay hindi na imposible ang mapagkakakitaang pag-trade. Ang aral ay ang mga chart ng presyo ay hindi malamang magbigay ng mapanatiling kahihintay.

Sa libu-libong pagsubok, ang mga signal ng RSI, mga moving average, mga estratehiya ng breakout, mga momentum indicator, at iba pang mas kumplikadong paraan ay nabigo na magbigay ng matatag na kita. Ang iisang modelo na nagpakita ng kakayahang magbahagi ng paghuhula ay nakabatay sa impormasyon na higit pa sa simpleng pagkilos ng presyo, kabilang ang edad ng token at mga katangian ng likwididad.

Para sa mga trader, ibig sabihin nito na dapat subukang lahat ng estratehiya hindi lamang batay sa nakaraang performance kundi pati na rin sa randomness at isang simpleng buy-and-hold baseline. Sa pag-aaral na ito, maraming estratehiya na unang tila nagmamalaki ay nabigo sa pagsusuring iyon.

Mas malawak, ang mga natuklasan ay nagtatalikod sa isa sa mga pinakatagal na paniniwala sa crypto na ang mga retail trader ay maaaring tuluy-tuloy na makahanap ng alpha sa mga DEX market sa pamamagitan ng pagbabasa lamang ng mga chart.

Gayunpaman, ang pag-aaral ay nag-iwan ng isang posibilidad. Dahil ang dataset ay nangangailangan ng mga token na makapagpabilis nang sapat upang makalikha ng makabuluhang kasaysayan ng pagtinda, hindi ito nakapag-evaluate ng ultra-maikling panahon na mga estratehiya sa paglunsad na gumagana sa mga unang sandali ng pagkakaroon ng isang token.

Ang edge na iyon ay hindi pa nasubok.

Ang lahat ng iba pang bagay, gayunman, nagtuturo sa parehong direksyon. Pagkatapos suriin ang halos 5,000 DEX tokens at 15 hiwalay na trading approaches, ang pag-aaral ay dumating sa isang konklusyon na maraming trader ang hahanapin na hindi komportable, na ang chart ay hindi ang edge. Kung ang mga profitableng pagkakataon ay mayroon pa ring umiiral sa DEX markets, mas malamang na mula sa impormasyon na hindi pa nabubunot ng merkado kaysa sa mga pattern na nasa ilalim ng price chart.

Kaugnay:Paano Ginagamit ng Prop Trading Firms ang Pagpapalawig sa Pagitan ng Crypto Volatility, Kasanayan, at Traditional Market Capital