Analicé 31,810 Rupturas de Criptos. Esto es lo que Realmente Predice las Reales vs las Falsas.

La mayoría de lo que los traders creen sobre las rupturas está equivocado. Los datos cuentan una historia muy diferente.

Probé todos los filtros de ruptura populares — picos de volumen, tasas de financiación, interés abierto — en 546 futuros perpetuos de cripto. Tres de cinco hipótesis fallaron. Las que sobrevivieron se convirtieron en una estrategia de trading con un Ratio de Sharpe de 0.93.

El precio rompe por encima de la banda superior de Bollinger. El volumen es 3 veces el promedio diario. La tasa de financiación es negativa — los cortos están a punto de ser exprimidos. Cada señal dice ir long.

Entras. Cuatro horas después, el precio está de vuelta por debajo de la banda, y estás mirando una pérdida.

He estado ahí. Así que dejé de adivinar y comencé a contar. Extraje 31,810 eventos de ruptura en 546 futuros perpetuos de Binance, cruce referencias de interés abierto de 457 símbolos de Bybit, y probé cada filtro de ruptura popular que pude encontrar. Lo que descubrí trastocó la mayor parte de lo que pensaba que sabía — y tres de las "señales de confirmación" más citadas resultaron ser inútiles.

Resumen

• La autocorrelación es el predictor #1 de si una moneda seguirá adelante con las rupturas o revertirá a la media (p=0.002)
• La caída del interés abierto predice MEJORES rupturas (57.1% vs 50.6%) — lo opuesto a lo que la mayoría de los traders cree
• Los picos de volumen, las tasas de financiación y la capitalización de mercado son inútiles como filtros de ruptura a escala
• Una alta tasa de victorias NO es igual a altas ganancias — mi señal más "precisa" tuvo retornos NEGATIVOS (el hallazgo más importante de este proyecto)
• Mejor estrategia: combo S1+S3 (Sharpe 0.93, CAGR 25.0%, Max DD -36.8%) — prometedor pero aún no listo para implementación

Parte 1: La pregunta

¿Puedo distinguir estadísticamente rupturas reales de las falsas antes de entrar en una operación?

Definí "real" como una ruptura donde el precio continúa al menos 1 ATR en la dirección de la ruptura dentro de 5 días, y "falsa" como una donde el precio se mueve menos de 0.5 ATR favorablemente mientras se mueve más de 1 ATR adversamente.

El conjunto de datos: 546 futuros perpetuos de Binance, 31,810 eventos diarios de ruptura (método de Bandas de Bollinger), y 787,635 eventos horarios que abarcan 2020–2026. Para el análisis de interés abierto, hice referencias cruzadas de 457 símbolos con datos de OI de Bybit (5.6 años de granularidad de 4 horas).

Parte 2: Lo que encontré — Y tres mitos que desmentí

Las señales confirmadas

Probé múltiples filtros potenciales de ruptura. Solo cinco sobrevivieron al escrutinio estadístico a escala:

Figura 1: Resumen de todas las señales probadas en 546 símbolos. Cinco confirmadas, tres rechazadas o invertidas.

Los predictores más fuertes fueron el tipo de moneda (FADE/FOLLOW, diferencia de 8pp), día de la semana (jueves = 62% real, lunes = 47%), y clasificación de quintil de autocorrelación (Q1 = 59.6% vs Q5 = 51.2%, diferencia de 8.4pp, p < 0.0001).

¿Qué son las monedas FADE y FOLLOW? Descubrí que las monedas se agrupan en dos tipos de comportamiento:

• Monedas FOLLOW (218/327 = 67%): Las rupturas tienden a continuar. Opera CON la ruptura.
• Monedas FADE (109/327 = 33%): Las rupturas tienden a revertirse. Opera CONTRA.

Tres creencias populares destruidas por los datos

Figura 2: Tres creencias ampliamente sostenidas por traders que los datos contradicen directamente.

Mito 1: "El pico de volumen confirma la ruptura." En mi muestra inicial de 23 símbolos, el volumen >= 2x promedio mostró una tasa real del 63.2% (p=0.008). Se ve genial, ¿verdad? Pero cuando expandí a 546 símbolos, el número se INVIRTIÓ al 49.5% — peor que el azar. El hallazgo inicial fue sesgo de selección puro hacia monedas líquidas y bien comportadas. En el universo más amplio, los picos de volumen en small-caps señalan manipulación, no demanda genuina.

Mito 2: "El aumento del OI significa entrada de dinero nuevo = ruptura real." Esta es quizás la "señal de confirmación" más comúnmente citada en las comunidades de trading de cripto. Los datos dicen exactamente lo contrario: la caída del OI predice mejor seguimiento de ruptura (57.1% vs 50.6%, p = 0.000003). El mecanismo: la caída del OI significa que las posiciones ya se han deshecho, creando una pizarra limpia para movimientos impulsados por convicción. El aumento del OI significa posicionamiento saturado — frágil y vulnerable a la reversión.

Mito 3: "La tasa de financiación predice la calidad de la ruptura." Financiación negativa + ruptura ascendente = short squeeze = fuerte seguimiento, ¿verdad? Equivocado. Cada prueba de tasa de financiación produjo valores p por encima de 0.23. Cero poder predictivo. La financiación refleja el sentimiento de posicionamiento actual, no la calidad de la ruptura.

Las hipótesis iniciales: tarjeta de puntuación

Figura 3: Las cinco hipótesis iniciales y sus destinos. Tres fallaron completamente, una fue parcialmente confirmada, una confirmada.

Parte 3: Cómo lo probé

• Detección de ruptura: Rupturas de Bandas de Bollinger — el precio cierra por encima de la banda superior (habiendo estado por debajo en la barra anterior) o por debajo de la banda inferior. SMA de 20 días con volatilidad EWMA 2x (lambda=0.94).
• Clasificación: Cada ruptura etiquetada como REAL, FALSA o AMBIGUA basada en la trayectoria de precio a 5 días.
• Validación Walk-Forward: 6 pliegues con entrenamiento de 365 días y pruebas de 180 días. Sin optimización de parámetros en períodos de prueba — el entrenamiento se usó solo para selección de universo y calibración de quintiles.
• Costos de transacción: 22 bps ida y vuelta (7 bps comisiones + 5 bps deslizamiento + 10 bps spread).

Detalles completos de metodología en la sección de Metodología al final de esta publicación.

Parte 4: De estadísticas a estrategia

Armado con estos hallazgos, diseñé cinco estrategias de trading:

• S1 (FADE/FOLLOW): Opera con la ruptura en monedas FOLLOW, desvanécela en monedas FADE. Universo clasificado usando detección de tipo de moneda walk-forward.
• S2 (Autocorrelación Long/Short): Long en monedas de baja autocorrelación (tasa real más alta), short en monedas de alta autocorrelación (tasa real más baja).
• S3 (Régimen OI): Opera rupturas solo cuando el interés abierto está cayendo — la señal de "pizarra limpia".
• S4 (Filtro de volumen): Opera rupturas solo cuando están acompañadas por un pico de volumen >= 2x promedio.
• S5 (Timing día/hora): Opera rupturas solo durante ventanas estadísticamente favorables de día de la semana y hora del día.

Resultados pre-backtest

Dos estrategias fueron eliminadas antes de que ejecutara un backtest. Este es el poder de la validación estadística pre-backtest — ahorré horas de cálculo al verificar los fundamentos primero.

• S2 fue rechazada porque su Coeficiente de Información era negativo (más sobre esta lección crucial en la Parte 6).
• S4 fue rechazada porque la señal de pico de volumen se invirtió a escala — predijo peores rupturas, no mejores.

Parte 5: Resultados del backtest Walk-Forward

Ejecuté un riguroso backtest walk-forward: 6 pliegues de prueba no superpuestos desde julio de 2021 hasta febrero de 2026, con costos de transacción de 22 bps ida y vuelta.

Figura 4: Resultados de estrategias individuales. S1 y S3 son rentables; S5 colapsó a pesar de pasar la validación.

El fracaso espectacular de S5 merece atención. Esta estrategia pasó TODAS las 6 puertas de validación pre-backtest — los patrones de día de la semana y hora del día fueron estadísticamente significativos en 573 símbolos con valores p extremadamente pequeños (tan bajos como 10^-217). Sin embargo, en las pruebas walk-forward, registró un Sharpe de -0.02 con 3 pliegues perdedores consecutivos (2023–2025). El patrón horario del jueves 14:00 UTC fue real en agregado pero dependiente del régimen — se evaporó durante períodos bajistas.

Combinaciones de cartera

Probé todas las 7 combinaciones posibles (3 individuales + 3 pares + 1 triple):

Figura 5: Las siete combinaciones de cartera clasificadas por Ratio de Sharpe.

El ganador: S1+S3 con un Sharpe de 0.93, drawdown máximo de -36.8%, y CAGR de 25.0%.

¿Por qué combinar S1 y S3 supera a cualquiera solo? Su correlación es solo 0.10 — rara vez pierden dinero en los mismos días.

Figura 6: Correlaciones cercanas a cero entre estrategias proporcionan diversificación genuina.

Curvas de patrimonio

Figura 7: Curvas de patrimonio para S1 (azul), S3 (verde), y combo S1+S3 (rojo). Las líneas punteadas muestran los límites de pliegue walk-forward. Neto de costos de transacción de 22 bps.

La curva de patrimonio muestra un rendimiento fuerte en 2024 y principios de 2026, con un doloroso drawdown en 2025-H1 donde TODAS las estrategias perdieron dinero.

Figura 8: Gráfico de drawdown S1+S3. La línea naranja discontinua muestra la puerta de decisión del -15%.

La estrategia nunca permanece por debajo de este umbral por mucho tiempo, pero lo traspasa frecuentemente.

Consistencia por pliegue

Figura 9: Ratios de Sharpe por pliegue. El pliegue 5 (2025-H1) es el único período donde todas las estrategias pierden. El pliegue 6 es fuerte pero demasiado corto para ser confiable.

Parte 6: La paradoja S2 — Por qué la tasa de victorias no es igual a las ganancias

Este fue el descubrimiento más importante de todo el proyecto.

S2 fue diseñado para ir long en monedas con la autocorrelación más baja (Q1, tasa real más alta de 59.6%) y short en monedas con la autocorrelación más alta (Q5, tasa real más baja de 51.2%). La señal predijo perfectamente qué monedas seguirían adelante más a menudo.

El Coeficiente de Información mensual fue negativo: -0.016.

¿Cómo es posible esto? Porque la frecuencia del éxito no es lo mismo que la magnitud del éxito. Las monedas Q5 rompen con menos frecuencia, pero cuando lo hacen, se mueven MÁS LEJOS. Los ganadores en Q5 fueron más grandes que los ganadores en Q1, suficiente para compensar la menor tasa de victorias.

En otras palabras: la señal predice correctamente QUIÉN ganará más a menudo, pero los perdedores en Q1 y los ganadores en Q5 tienen magnitudes asimétricas que voltean el retorno esperado.

Parte 7: Lecciones clave aprendidas

1. La significancia estadística no garantiza rentabilidad. S5 pasó cada prueba chi-cuadrado con valores p extremadamente pequeños (10^-217). Sin embargo, una ventaja de 1.4pp (55.2% vs 53.8%) se evaporó después de costos de 22 bps en regímenes de mercado adversos. Requiere significancia tanto estadística COMO económica.

2. Una alta tasa de victorias no significa altos retornos. La paradoja S2: puedes predecir perfectamente qué monedas rompen más a menudo y aún perder dinero, porque frecuencia != magnitud. Siempre calcula IC contra retornos futuros, no solo tasas de victorias.

3. Expande tu universo antes de confiar en un hallazgo. Los picos de volumen "confirmaron" rupturas en 23 símbolos pero se INVIRTIERON en 546. El sesgo de selección hacia monedas líquidas y bien comportadas enmascaró la realidad de manipulación en caps más pequeños.

4. Las señales contrarias se esconden a plena vista. La narrativa de OI más popular ("aumento de OI = dinero nuevo = ruptura real") es empíricamente incorrecta. Las pizarras limpias (caída de OI) producen mejores rupturas que el posicionamiento saturado.

5. La validación pre-backtest ahorra un tiempo enorme. S2 fue eliminado por un cálculo de IC de 30 segundos, ahorrando más de 30 minutos de backtesting walk-forward en una estrategia que habría sido un perdedor garantizado.

Parte 8: Veredicto final

¿Es S1+S3 operable? Todavía no. El Sharpe de 0.93 es alentador, y el CAGR de 25.0% es atractivo, pero el drawdown máximo de -36.8% lo hace inadecuado para implementación con el tamaño de posición actual. Con un tamaño más conservador (objetivo de vol del 5–7% en lugar del 15%), los drawdowns se reducirían a la mitad a ~18%, haciéndolo marginalmente desplegable.

Lo que se necesita para superar el Sharpe 1.0:

• Filtro de régimen para reducir la exposición durante períodos como 2025-H1
• Fuentes alfa adicionales — microestructura del libro de órdenes o señales entre exchanges
• Tamaño de posición conservador desde el inicio

La base estadística es sólida. La señal (monedas FOLLOW + OI cayendo + día de la semana favorable) es real y robusta en 546 símbolos. El desafío es traducir esa modesta ventaja estadística (5–8pp) en rentabilidad consistente después de costos.

¿Qué filtro de ruptura juras que funciona — y ha sobrevivido a pruebas rigurosas? Me gustaría genuinamente saberlo. Deja un comentario o contáctame.

Metodología y datos

• Detección de ruptura: Rupturas de Bandas de Bollinger — cuando el precio cierra por encima de la banda superior (habiendo estado por debajo en la barra anterior) o por debajo de la banda inferior. SMA de 20 días con volatilidad EWMA 2x (lambda=0.94) para el ancho de banda.
• Clasificación: Cada ruptura etiquetada como REAL, FALSA o AMBIGUA basada en la trayectoria de precio a 5 días. "Real" = seguimiento >= 1 ATR en dirección de ruptura. "Falsa" = < 0.5 ATR favorable + > 1 ATR adverso.
• Validación Walk-Forward: 6 pliegues con períodos de entrenamiento de 365 días y pruebas de 180 días. Sin optimización de parámetros en períodos de prueba — el entrenamiento se usó solo para selección de universo y calibración de quintiles.
• Costos de transacción: 22 bps ida y vuelta (7 bps comisiones + 5 bps deslizamiento + 10 bps spread).
• Fuentes de datos: Futuros perpetuos USDM de Binance (OHLCV 1h), interés abierto perpetuo de Bybit (4h)
• Universo: 546 símbolos (diario), 573 símbolos (horario)
• Período: 2020–2026 (prueba walk-forward: 07-2021 a 02-2026)
• Herramientas: Python (pandas, numpy, matplotlib, scipy). Sin ML — solo estadísticas y validación walk-forward.

Descargo de responsabilidad: Esta investigación es solo con fines educativos. El rendimiento pasado no garantiza resultados futuros. Siempre haga su propia diligencia debida antes de tomar decisiones de inversión.

Etiquetas: #QuantitativeFinance #Crypto #Breakouts #TradingStrategy #DataScience #WalkForward #StatisticalAnalysis

---

I Analyzed 31,810 Crypto Breakouts. Here's What Actually Predicts Real vs Fake. fue publicado originalmente en Coinmonks en Medium, donde las personas continúan la conversación destacando y respondiendo a esta historia.