Ich versuche, die EMA-Crossover-Optimierung für 14 Krypto-Assets zu testen, und das sind die Ergebnisse.
Systematisches Backtesting eines doppelten EMA-Crossover (Kauf, wenn der schnelle EMA den langsamen EMA nach oben kreuzt, Verkauf, wenn er nach unten kreuzt), Gebühr 0,15% pro Seite, für Spot, Timeframe täglich. Getestet an 14 Assets: BTC, ETH, BNB, SOL, XMR, DOGE, ADA, XRP, LINK, TRX, XLM, ZEC, BCH, PAXG. Ein Großteil deckt die vollständige Historie seit dem Listing ab (2000–3200+ Kerzen pro Asset).
Methodik: Grid Search EMA fast(5–40) x slow(20–200), 90 Kombinationen pro Asset, nehme die höchste Rendite, vergleiche gegen Buy & Hold.
Hauptergebnisse:
1. Bei 13 von 14 Assets schlägt der EMA-Crossover Buy & Hold
2. Optimale Parameter sind NICHT universell. Jedes Asset hat andere Kombinationen (BTC 10/30, ETH 20/26, SOL 9/26, XMR 12/20, usw.). Es gibt kein „ein einziges Setup für alles“
3. Niedrige Trefferquote (25–50%), aber dennoch typisch profitabel für Trend-Following: Wenige große Trades stützen die gesamte Rendite
4. BNB unterliegt ausgerechnet Buy & Hold. Diese Strategie gewinnt nicht immer – abhängig vom Charakter der Kursbewegungen je Asset
Jedes Krypto-Asset hat eine andere EMA-Crossover-Optimierung. Diese Optimierung kann sich ändern, wenn mehr Kursdaten hinzukommen, die für das Testmaterial weiter wachsen werden. Diese Methode optimiert den EMA-Crossover aus bereits eingetretenen historischen Daten.
Methodische Warnung (wichtig, bitte nicht überspringen):
Das ist reine In-Sample-Optimierung, noch ohne Walk-Forward Out-of-Sample. Große Renditen im historischen Backtest garantieren NICHT, dass es in der Zukunft genauso läuft. Overfitting ist ein reales Risiko. Als Gegenvergleich wurden RSI und MACD mit identischer Methodik getestet und im selben Datensatz konsistenterweise schlechter als der EMA.
Dies ist unabhängige Forschung zum Lernen, keine Aufforderung oder Trading-Signale. Die Screenshots der Ergebnisse sind unten beigefügt.
#EMA #Backtest #TradingStrategy #CryptoResearch #DYOR