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.

Мы разрабатываем биржи — не «сайты с графиком», а matching engine, который обрабатывает тысячи ордеров в секунду без задержки, маршрутизирует ликвидность между пулами и гарантирует, что ни один пользователь не получит доступ к чужим средствам. Команды, которые начинают с UI и откладывают движок «на потом», в 90% случаев переписывают всё через полгода.

Какие проблемы решает правильная архитектура?

Order Book vs AMM: где ломается большинство проектов

Централизованные биржи (CEX) строятся вокруг order book + matching engine. Децентрализованные (DEX) — либо тоже используют order book (dYdX на StarkEx, Serum/OpenBook на Solana), либо AMM с концентрированной ликвидностью (Uniswap v3/v4, Curve, Balancer). Классическая ошибка при разработке CEX — реализовывать matching engine поверх реляционной БД с транзакциями на каждый матч. PostgreSQL справится с ~500 RPS без специальных усилий, но при пиковой нагрузке 5 000–10 000 ордеров в секунду это превращается в deadlock-ад. Правильная архитектура: in-memory order book (Redis Sorted Sets или кастомная структура на C++/Rust), асинхронная запись матчей в PostgreSQL через очередь (Kafka/RabbitMQ) и отдельный settlement service, финально обновляющий балансы.

Для DEX самая болезненная проблема — sandwich атаки и MEV. Пул с обычным xy=k AMM без slippage protection становится целью для MEV-ботов в первые же часы после запуска. Uniswap v2 потерял на этом сотни миллионов долларов ликвидности для пользователей. Решения: интеграция с Flashbots Protect, commit-reveal схема для ордеров или переход на TWAMM (Time-Weighted AMM) для крупных сделок.

Концентрированная ликвидность и impermanent loss

Uniswap v3 ввёл концентрированную ликвидность — LP выбирают ценовой диапазон, в котором предоставляют ликвидность. Капитальная эффективность выросла в 4 000 раз по сравнению с v2 для стабильных пар. Но реализовать этот механизм правильно — нетривиальная задача. Контракт ликвидности Uniswap v3 использует tick-based accounting: пространство цен разбито на дискретные тики (tick = log₁.0001(price)), каждый тик хранит накопленные fee growth и liquidity delta. При создании позиции вычисляются нижний и верхний тик, контракт пересчитывает все активные позиции при каждом swap. Storage layout здесь критичен — неправильная упаковка переменных в slots легко прибавляет 40–60% к стоимости gas на swap.

Мы реализовывали форк Uniswap v3 для клиента на Polygon с кастомной fee tier системой. Первоначальная версия тратила 180k gas на swap через 2 тика. После slot packing переменных в Tick.Info и инлайнинга нескольких internal вызовов — 112k gas. Это снизило gas-затраты на 38% и сэкономило клиенту более $50 000 ежемесячно на комиссиях. Применённые техники описаны в Uniswap v3 Whitepaper и подтверждены нашим опытом аудита.

Что такое matching engine и почему он критичен?

Production-ready matching engine строится по следующей схеме:

• Order ingestion layer — WebSocket gateway (Go или Rust), принимает ордера, валидирует подпись, проверяет баланс через Redis, ставит в очередь. Latency на этом уровне должна быть <1ms.
• Matching core — single-threaded event loop (устраняет race conditions без мьютексов). В памяти держим два Sorted Set на каждый торговый инструмент: bids и asks. FIFO matching для limit ордеров, immediate-or-cancel для маркет. Throughput при правильной реализации на Rust — 500k–1M матчей в секунду на одном ядре.
• Settlement service — читает матчи из Kafka, атомарно обновляет балансы в PostgreSQL (UPDATE accounts SET balance = balance - $1 WHERE id = $2 AND balance >= $1). Optimistic locking через версионирование строк.
• Withdrawal pipeline — отдельный сервис с cold/hot wallet архитектурой. Горячий кошелёк держит 5–10% от суммарных депозитов, остальное — cold storage с multi-sig (Gnosis Safe или кастомный HSM). Автоматические выводы только из hot wallet, крупные суммы — ручная авторизация.

Как мы строим on-chain DEX: смарт-контракты и gas-оптимизация

Для DEX на EVM (Ethereum, Arbitrum, Optimism, Polygon) весь критический путь живёт в Solidity. Основные контракты: Pool, Factory, Router, PositionManager (для v3-like) и Quoter для off-chain расчётов. Типичные ошибки, которые мы видим в аудитах:

Reentrancy через callback. Uniswap v3 использует flash swap с callback (uniswapV3SwapCallback). Если в вашем роутере нет nonReentrant guard и вы не проверяете msg.sender == pool, контракт дренируется через вложенный вызов. Это не гипотетика — несколько форков v3 теряли средства именно так.

Oracle manipulation в AMM. Если ваш контракт использует spot price из пула для расчёта collateral — это front-runnable. Правильно: TWAP за 30+ минут (Uniswap v3 OracleLib) или внешний оракул (Chainlink).

Unbounded loops в liquidity range. Если swap пересекает много тиков подряд (price impact 80%+), gas может превысить block limit. Нужен MAX_TICKS_CROSSED с partial fill и возвратом остатка.

Для Solana DEX (Anchor framework, Rust) архитектура принципиально другая: account-based модель, Program Derived Addresses (PDA) вместо storage, Cross-Program Invocations вместо внутренних вызовов. Throughput Solana (~3 000–4 000 TPS против 15–30 у Ethereum mainnet) позволяет строить on-chain order book — именно так работает Phoenix DEX.

Liquidity bootstrapping и интеграция с агрегаторами

Запустить пул мало — нужно обеспечить ликвидность на старте. Практические механизмы:

• Liquidity Bootstrapping Pool (LBP) — начальная цена высокая, весовые коэффициенты активов динамически смещаются, создавая давление продаж и равномерное распределение токена. Реализован в Balancer v2.
• Initial Liquidity Offering через Uniswap v3 — добавление ликвидности в узкий диапазон вокруг начальной цены, затем постепенное расширение по мере роста объёма. Требует active liquidity management или интеграции с Arrakis/Gamma.
• Интеграция с 1inch, Paraswap, Li.Fi — агрегаторы дают трафик, но требуют соответствия стандартам: пул должен иметь корректный getAmountsOut, поддерживать ERC-20 approval/permit и не иметь кастомных transfer hooks, которые ломают routing агрегатора.

Процесс разработки

Аналитика и проектирование начинаются с выбора архитектурной модели: CEX с кастодиальным хранением, non-custodial DEX или гибрид (off-chain order book + on-chain settlement, как dYdX v3). Это решение определяет всё — регуляторную нагрузку, технический стек, команду.

Разработка идёт слоями: сначала смарт-контракты с полным покрытием Foundry (fuzzing, invariant testing), затем backend сервисы, затем интеграционный слой, фронтенд последним. Тестирование включает fork testing на mainnet через Foundry — мы воспроизводим реальные условия ликвидности, не синтетические.

Аудит обязателен перед деплоем на mainnet. Для DEX контрактов минимально — одна фирма с ручным ревью (Trail of Bits, Spearbit, Code4rena contest). Для CEX custody — аудит процессов хранения ключей. Мы гарантируем, что все контракты проходят формальную верификацию и fuzzing-тестирование (Echidna, Foundry invariant).

Что входит в работу (deliverables)

По завершении проекта вы получаете:

• Исходный код смарт-контрактов и backend-сервисов под вашу лицензию
• Полную техническую документацию (архитектурные схемы, API-спецификации, инструкции по деплою)
• Доступы к репозиторию и CI/CD pipeline
• Обучение вашей команды работе с кодом (2–3 сессии)
• Гарантию на найденные в процессе эксплуатации баги до 6 месяцев
• Сертификат прохождения стороннего аудита безопасности

Ориентиры по срокам

• DEX (AMM, xy=k) — от 3 до 5 месяцев: контракты + backend + UI
• DEX с концентрированной ликвидностью (v3-like) — от 6 до 10 месяцев
• CEX (matching engine + custody + торговый UI) — от 8 до 14 месяцев
• Интеграция с существующим протоколом — от 4 до 8 недель

Стоимость рассчитывается индивидуально после технического брифинга: выбор чейна, требования к throughput, кастодиальная модель. Наши сертифицированные инженеры с опытом более 10 лет помогут подобрать оптимальную архитектуру и не допустить типичных ошибок.

Типичные грабли при запуске

• Забывают про price oracle в AMM. Spot price манипулируется flash loan’ом за одну транзакцию. Если ваш lending protocol использует spot price из своего же пула — это баг, а не фича.
• Горячий кошелёк без лимитов. CEX без суточных лимитов на автоматические выводы — приглашение для атакующего. Компрометация одного ключа должна потерять максимум 10% от суммарных средств.
• Отсутствие circuit breaker. Резкое падение цены на 40% за 5 минут должно останавливать автоматические ликвидации или выводы до ручного ревью. Без этого cascading liquidation spiral уничтожает весь TVL.
• Неправильный decimal handling. USDC использует 6 decimals, WBTC — 8, большинство токенов — 18. Смешивание без нормализации даёт либо потерю точности, либо overflow. В Solidity нет float — работаем с fixed-point через FullMath (mulDiv с overflow protection).

Хотите избежать этих проблем? Свяжитесь с нами для консультации — мы подберём архитектуру под ваш проект и назовём точные сроки. Закажите разработку биржи с гарантией качества и последующей поддержкой.