Начинающий алготрейдер -- хороший результат на тестах

Продолжаю тестировать описанный тут алгоритм, основанный на парном трейдинге: smart-lab.ru/blog/1176485.php

Собрал сделки на всех парах в одну кривую — получил вот такой красивый результат на out-of-sample данных.


Что ещё нужно сделать: 
— Попытаться придумать критерий, чтобы еще на этапе тестирования отсеивать плохие пары.
— Проработать stop-loss'ы (и в целом продумать risk management). Пока единственное условие выхода — это боллингер.


Что НЕ работало:
— Алгоритмы из книжек и интернета в лоб, без своих идей.
— Метод наименьших квадратов (OLS) для вычисления коэффициентов регрессии. Коэффиценты получаются очень нестабильными, нужна какая-то регуляризация.
— Минутные данные. Издержки/спред/проскальзывания съедают прибыль.

Что заработало:
— Фильтр Калмана вместо OLS.
— Оптимизация параметров в фильтре Калмана не через прибыль, а через статистические свойства спреда.
— В статистических оценках — использование robust подходов, например https://medium.com/@aakash013/outlier-detection-treatment-z-score-iqr-and-robust-methods-398c99450ff3
— Дневные данные*.

* Дневные данные естественным образом гораздо менее чувствительны к издержкам и проскальзываниям, чем минутные, по таким простым соображениям. Допустим, CAGR на тесте показывает 30%. Количество сделок в год с дневными данными 70 или меньше. Тогда среднее P&L с каждой сделки 0.4%. Проскальзывания и спред обычно в районе 0.05%-0.1% со сделки — это в разы меньше среднего P&L и не меняет качественным образом поведение эквити.

Думаю, скоро смогу вынести алгоритм в реал. У меня пока нет живого опыта в алготрейдинге (за исключением наивной попытки на крипте год назад, когда я ничего не знал про подходы, без тестирования вынес в реал первый пришедший в голову алгоритм, основанный на моменте, и за пару дней продул 50% капитала); поэтому благодарен за любые комментарии и мнения.