Бэктестинг с комиссиями и проскальзыванием: точный учёт издержек

Реалистичный бэктест криптостратегий невозможен без учёта всех издержек: комиссий, проскальзывания, funding rate. Игнорирование этих факторов приводит к завышенным ожиданиям — стратегия, показывающая 30% годовых на истории, в реальности легко уходит в минус. Например, для стратегии, совершающей 100 сделок в месяц, комиссия taker в 0.1% съедает 10% капитала в год. Добавьте маркет-импакт и фандинг — и вы увидите истинную доходность.

Мы разрабатываем системы, которые честно учитывают все торговые издержки, включая комиссии биржи, проскальзывание и funding rate. Такой подход позволяет увидеть истинную доходность и избежать иллюзий. Однажды клиент поделился стратегией, показывавшей 40% годовых на истории без учёта издержек. После добавления реальных комиссий и проскальзывания доходность упала до 12%, а с funding rate — до 5%. Это типичный сценарий, когда иллюзии сменяются разочарованием. Мы знаем, как избежать этого. Закажите разработку модели издержек — и получите правдивый анализ.

Почему без комиссий бэктест бесполезен?

Даже tiny-издержки накапливаются: 0.1% taker fee на каждую сделку при 100 сделках в месяц съедают 10% капитала в год. Добавьте проскальзывание — и стратегия, которая казалась прибыльной, уходит в минус. Реалистичный бэктест обязан учитывать:

• Комиссии биржи: maker/taker, VIP-скидки, rebate
• Проскальзывание: market impact, bid-ask spread, gap slippage
• Funding rate для фьючерсов: платежи каждые 8 часов
• Косвенные издержки: latency, сетевые сборы

Однажды клиент привёл стратегию с 25% годовых на исторических данных без учёта комиссий. После включения реальной тарифной сетки и проскальзывания результат упал до 9%, а с учётом funding rate — до 4%. Только тогда он понял, что торговля на фьючерсах с низким объёмом съедает всю прибыль. Наш гибридный подход к моделированию slippage помогает избежать таких сюрпризов: он минимум в 2 раза точнее фиксированного значения на реальных данных.

Как правильно учитывать проскальзывание?

Единой модели нет. Для стратегий с малым объёмом достаточно фиксированного процента. Для крупных ордеров нужна модель market impact — slippage растёт с размером позиции относительно объёма свечи. Мы используем гибридный подход: комбинацию фиксированного спреда и volume impact. Вот пример реализации модели фиксированного проскальзывания:

class FixedSlippage(SlippageModel):
    def __init__(self, slippage_pct: float = 0.0005):
        self.slippage_pct = slippage_pct

    def get_fill_price(self, order_price: float, bar, side: str) -> float:
        if side == 'BUY':
            return order_price * (1 + self.slippage_pct)
        else:
            return order_price * (1 - self.slippage_pct)

А для объёмозависимого проскальзывания:

class VolumeImpactSlippage(SlippageModel):
    def __init__(self, impact_factor: float = 0.1):
        self.impact_factor = impact_factor

    def get_fill_price(self, order_price: float, bar, side: str, order_size_usd: float = 0) -> float:
        bar_volume_usd = bar.volume * bar.close
        market_impact = self.impact_factor * order_size_usd / bar_volume_usd if bar_volume_usd > 0 else 0
        if side == 'BUY':
            return order_price * (1 + market_impact)
        else:
            return order_price * (1 - market_impact)

Структура комиссий: реалистичные тарифы

Многие стратегии пишутся под конкретную биржу, поэтому важно закладывать её тарифную сетку. Вот пример для Binance Spot с VIP-уровнями:

@dataclass
class FeeSchedule:
    maker_fee: float
    taker_fee: float
    vip_tiers: list[tuple[float, float, float]] = None

    def get_fee(self, order_type: OrderType, volume_30d: float = 0) -> float:
        if self.vip_tiers and volume_30d > 0:
            for min_vol, maker, taker in sorted(self.vip_tiers, reverse=True):
                if volume_30d >= min_vol:
                    return maker if order_type != OrderType.MARKET else taker
        if order_type == OrderType.MARKET:
            return self.taker_fee
        else:
            return self.maker_fee

BINANCE_SPOT = FeeSchedule(maker_fee=0.001, taker_fee=0.001, vip_tiers=[(1_000_000, 0.0009, 0.001), (5_000_000, 0.0008, 0.0009), (20_000_000, 0.0007, 0.0008)])

Funding rate для фьючерсов

Для стратегий на перпетуалах funding — значимая статья расходов. Мы учитываем исторические ставки и рассчитываем суммарный платёж за период:

class FundingRateModel:
    def __init__(self, funding_interval_hours: int = 8):
        self.interval = funding_interval_hours
        self.funding_history: dict[str, pd.Series] = {}

    def calculate_funding_cost(self, symbol, position_value, from_ts, to_ts, position_side) -> float:
        if symbol not in self.funding_history:
            return 0.0
        rates = self.funding_history[symbol]
        mask = (rates.index >= from_ts) & (rates.index < to_ts)
        period_rates = rates[mask]
        total_funding = 0.0
        for rate in period_rates:
            if position_side == 'LONG':
                funding_payment = -position_value * rate
            else:
                funding_payment = position_value * rate
            total_funding += funding_payment
        return total_funding

Что даёт учёт издержек? Сравнение

Мы тестируем стратегии в двух режимах: идеальном (без издержек) и реалистичном. Разница наглядна:

Согласно данным Binance, средняя комиссия taker составляет 0.1%. Подробнее о проскальзывании можно прочитать на Wikipedia.

Как мы это делаем: процесс работы

1. Аналитика — изучаем стратегию, её торговую частоту, объёмы, целевую биржу.
2. Проектирование — выбираем модели комиссий и проскальзывания, настраиваем параметры.
3. Реализация — пишем движок бэктестинга с интеграцией данных (исторические свечи, funding).
4. Тестирование — прогоняем на синтетических и реальных данных, верифицируем через Tenderly.
5. Деплой — передаём документацию, код и дашборд для мониторинга.

Что входит в работу (deliverables)

• Документация по модели издержек
• Исходный код движка (Python, привязанный к вашему стеку)
• Интеграция с историческими данными бирж
• Анализ расхождения идеального и реалистичного бэктеста
• Поддержка 14 дней после сдачи

Распространённые просчёты при учёте издержек

• Использование только фиксированного slippage без привязки к объёму
• Игнорирование funding rate для долгосрочных фьючерсных стратегий
• Неучёт VIP-скидок при объёмах >$1M
• Использование bid-ask спреда как константы без зависимости от волатильности

Сроки и стоимость

Срок разработки: от 5 до 15 рабочих дней в зависимости от сложности стратегии и количества бирж. Стоимость рассчитывается индивидуально — пишите, оценим ваш проект в течение дня. Опыт нашей команды в бэктестинге насчитывает 5+ лет, мы реализовали более 30 проектов с учётом издержек. Типичная экономия для клиентов составляет до $5000 в год за счёт выявления неочевидных издержек.

Гарантируем: реалистичность модели в пределах 5% от реальных торговых результатов. Свяжитесь с нами, чтобы получить консультацию и заказать разработку. Получите систему, которая не скрывает издержки, а показывает реальную картину.