ARANEA: почему выход важнее входа. Часть 4

Сразу поясню формат. В этой серии будет много текста, расчетов и размышлений. Это не гайд в стиле «три абзаца, делай так, и все заработает». Мне такой формат самому неинтересен. Я пишу не инструкцию для быстрого копирования, а разбор исследовательской работы: как я думаю о входах, выходах, управлении позицией, скорости вычислений, ошибках оптимизации и архитектуре ARANEA.

Эти статьи скорее для внимательных читателей, которым тема действительно интересна и которым лонгрид не мешает думать. Местами может показаться, что я нахожусь в поиске стратегий. Отчасти это правда: я все еще насыщаю ARANEA стратегиями, формулами, индикаторами, PM, проверками и инфраструктурным функционалом. И, скорее всего, буду делать это еще несколько лет.

При этом цель не в том, чтобы показать «секретную кнопку» или изобразить финальную истину. У меня появилось время описать собственный опыт, показать часть логики проекта и вступить в нормальную дискуссию с коллегами. Я не самый умный и точно не самый богатый участник этой области, поэтому обратная связь и чужой практический опыт для меня здесь не менее важны, чем сама публикация.




В первых частях я много писал про входы, правила, EMA, DOP, STEP, размерность сетки и скорость расчетов. Это было нужно, чтобы показать, как обычная торговая идея превращается в пространство проверяемых гипотез. Но в алгоритмической торговле есть важный перекос: начинающий исследователь часто смотрит только на вход. Он открывает график, добавляет известный индикатор, видит красивое состояние рынка и делает вывод:

> вот здесь надо было купить.

На истории это часто выглядит убедительно. Более того, почти все популярные индикаторы действительно «работают», если правильно понимать это слово. Они описывают состояние рынка. Они показывают тренд, импульс, волатильность, перекупленность, перепроданность, сжатие, пробой, возврат к средней или смену режима. Но они не отвечают на главный торговый вопрос:  > как именно сделка должна жить после входа?

В этой части я хочу сместить фокус с входа на выход. Потому что алго — это не «угадал направление навсегда». Алго — это вошел, вышел и сегодня заработал с приемлемой вероятностью и риском. А эта вероятность во многом измеряется не самим входом, а вариантами управления позицией.


Простое правило: EMA 200 на дневке
Возьмем намеренно банальный пример:
> цена пробила `EMA 200` и закрепилась выше нее на `1d`-таймфрейме.
Обычно такое правило трактуют просто:
> рынок перешел в режим роста.
Можно открыть дневные графики популярных инструментов вроде `S&P 500`, `BTC`, `Tesla` и руками увидеть множество участков, где цена выше долгой средней действительно описывает растущий режим. Для такого наблюдения не нужны триллионы вычислений, GPU, Байес, Monte Carlo или сложный исследовательский контур.
Глазами это видно.
Но дальше начинается то, что на графике уже не так очевидно.
Входить сразу на закрытии свечи или ждать следующую? Ждать ретест EMA или покупать по факту пробоя? Ставить stop под EMA, под локальный минимум или через ATR? Фиксировать прибыль take-profit-ом, тянуть trailing, выходить по обратному пересечению или закрывать сделку по времени? Что делать, если цена ушла в боковик или дала резкий gap?



Все популярные индикаторы работают ! Фраза провокационная, но смысл простой.

`EMA`, `SMA`, `RSI`, `MACD`, `ATR`, `ADX`, Bollinger Bands, Donchian Channel, уровни, объемы, свечные паттерны, кластеры, Renko, Kagi, Heikin Ashi — все это может работать как язык описания рынка.

Проблема начинается, когда от индикатора ждут больше, чем он должен давать.Индикатор может сказать: рынок выше долгой средней, импульс усилился, волатильность выросла, цена вышла из диапазона, объем появился в нужной зоне, свеча показала попытку разворота, рынок вернулся к уровню или тренд стал слабее.

Но индикатор не обязан сказать: где именно закрыть сделку, сколько дать ей воздуха, когда перестать ждать, какой риск принять, какой вариант выхода лучше подходит этому режиму, сколько сделок нужно для статистики и что произойдет на правой стороне истории.

Поэтому мне неинтересно спорить в стиле «EMA против RSI» или «индикаторы не работают». Работают почти все, если они формализуют реальное состояние рынка. Но между «описать состояние» и «стабильно забрать деньги» находится большой слой управления позицией.



Что исследовать в выходах

`PM` (`position management`) — это правила жизни сделки после входа. Для одного entry-события можно проверять разные классы выходов: `stop-only`, `stop + take`, `ATR-stop`, `ATR-take`, `ATR-trailing`, `percent trailing`, `parabolic`, `time exit`, `mixed exit`.

У каждого класса есть параметры: период ATR, множитель stop/take, процент включения trailing, шаг подтягивания, финальный режим, допустимая потеря и время удержания. Вручную это выглядит как таблица. В исследовательском контуре это карта: вход -> PM-семейства -> параметры -> метрики -> отбор устойчивых сценариев.

Оптимизация здесь — не подбор одной ручки. Это проверяемая гипотеза:`hypothesis = entry_rule + filters + PM_family + PM_params + metrics`

То есть сделка открылась по конкретному правилу, жила по конкретному PM, закрылась по конкретному сценарию и дала распределение результатов. Минимальная оценка такого сценария: `E[R] = p_win * avg_win — p_loss * avg_loss — costs`

Где `p_win = wins / trades`, `p_loss = losses / trades`, а `costs` — комиссии, проскальзывание и технические издержки исполнения. Дополнительно важны вероятности исходов: `P(stop)`, `P(take)`, `P(trail)`, `P(time_exit)`, `P(break_even)`. Если один PM дает хороший `PnL`, но почти всегда живет на одной редкой сделке, это не устойчивость, а случайный пик прошлого участка.

Для машинного обучения это тоже важный переход. Модель должна не угадывать «лучший stop», а оценивать действие в состоянии сделки:

`Q(action | state) = E[R | state, action]`

Где `state` — это контекст сделки: `MAE`, `MFE`, ATR, EMA-режим, время в позиции, текущая прибыль, риск и рыночный режим. Поэтому сначала нужно понять, какие entry живые, какие PM допустимы, какие параметры противоречат друг другу и что можно отсечь до тяжелого прогона.




Как PM-сетка взрывается
В предыдущих частях уже была цифра `31` триллион комбинаций. Но там еще не было полного разнообразия выходов.

Если добавить к PM реальные условия жизни сделки, сетка быстро растет: `MAE`, `MFE`, `ATR`, скорость `ATR`, изменение `EMA`, отклонение от средней или канала, расстояние до уровня, Bollinger Bands, `RSI`, `MACD`, режим волатильности, время в сделке и отношение текущей прибыли к риску.
Stop тоже может зависеть не только от цены или ATR: его можно привязать к `EMA`, Bollinger Band, выходу `RSI` из зоны, слому `MACD`, ускорению `ATR`, потере импульса, времени без прогресса или откату от MFE.
Каждое такое условие получает диапазоны и начинает комбинироваться с другими. Например: если MFE выросло, ATR сжимается, цена далеко от EMA и RSI перегрет — подтянуть stop агрессивнее. Если MFE не растет, ATR расширяется против позиции и цена не удерживает EMA — выйти раньше. Если тренд сильный и откат не ломает структуру — дать сделке больше воздуха.

Поэтому сетка легко уходит от миллиардов и триллионов к квадриллионам прикладных вариантов. Главный вопрос уже не в том, кто быстрее умножит параметры, а что вообще стоит отдавать в тяжелый прогон.

GPU полезен, когда задача уже сведена к плотному batch: одинаковая структура симуляции, одинаковые массивы, много независимых вариантов, минимум ветвлений и компактная метрика. Но PM-сетка быстро становится другой задачей.

Разные PM живут по разным сценариям. Один stop сработал через `3` бара, другой держит позицию `80` баров, третий включил trailing, четвертый вышел по времени, пятый ждет подтверждения по `RSI` или `MACD`. Для вычислителя это уже не ровная матрица, а множество автоматов жизни сделки.

Без предварительной карты GPU просто быстро посчитает мусор: ветки без входов, слишком малое число сделок, неактивные выходы, противоречивые параметры, сценарии на одной сделке. Скорость будет, исследования не будет.

Да, часть PM-логики можно переносить на GPU. Но это отдельная архитектура: упаковка данных, фазы, kernel-ы, память, перенос результатов, агрегация, pruning и сверка с CPU-логикой. GPU является исполнительным слоем ARANEA, но не заменой исследовательского контура.
Сначала нужно построить карту входов и выходов, отсечь грязные ветки, понять семейства PM, сохранить метрики, проверить правую сторону и только потом отдавать плотные пакеты туда, где их выгоднее считать.
Не верить одной стратегии
Если взять одну стратегию, один вход, один PM и долго оптимизировать только параметры этого PM, это может выглядеть как исследование. Но часто это слепая вера в то, что рынок снова исполнит ту же форму поведения.
Прошлый участок мог идеально совпасть с одним stop, одним take и одним trailing. Но это еще не значит, что найдено управление позицией. Возможно, мы просто нашли форму прошлого рынка.
В нормальной постановке PM нужно смотреть как семейство: рядом с соседними параметрами, на разных входах, в разных режимах рынка, на правой стороне, по нескольким метрикам и с учетом жизни сделки, а не только финального `PnL`.
Адаптивное управление





Следующий уровень — не выбирать один PM заранее, а менять управление по состоянию сделки и рынка. Это не просто переключение `base/trail/final` внутри одного stop. Контур может выбирать логику: ATR-trailing, процентный trailing, time-exit, фиксация части движения, больше воздуха для тренда или выход при сломе структуры.

ML можно использовать в таком контуре, но задача от этого не становится простой. Чтобы модель не дергалась на каждом шуме, ей нужен контекст: состояние сделки, `MAE`, `MFE`, риск, прибыль, ATR, EMA-режим, уровни, волатильность, время в сделке, реакция после входа, старший таймфрейм, ограничения на переключения и запрет на слишком частые действия.

Главное слово здесь — терпение. Для модели это не философия, а правило: минимальное время удержания решения, порог уверенности, cooldown, подтверждение на нескольких барах и штраф за лишнее действие. Хороший торговый контур должен уметь не только входить и выходить, но и ждать.

Вывод
Популярные индикаторы полезны как язык описания рынка. Простое правило вроде закрепления цены выше `EMA 200` может хорошо показать режим роста на истории. Но алго-стратегия не заканчивается на входе.

После входа начинается жизнь сделки: stop, take, trailing, time exit, волатильность, просадка, серия убытков, удержание прибыли и правая сторона истории.

Поэтому я все меньше смотрю на оптимизацию как на поиск «лучшего входа». Вход — это только начало. Исследовательская работа начинается там, где один и тот же вход проходит через разные варианты управления позицией. Именно там видно, есть ли у гипотезы шанс жить в рынке, а не только красиво выглядеть на левом участке графика.