Details

Настоящая работа посвящена разработке и исследованию алгоритма управления торговыми решениями на рынке криптовалют, основанного на статистической идентификации режимов ценового процесса. Ценовой ряд криптовалютного актива рассматривается как дискретный стохастический нестационарный процесс, а задача принятия торговых решений формализуется в терминах теории автоматического управления как задача синтеза закона управления с обратной связью. Задачи, которые решались в ходе исследования: 1. Анализ ценового процесса криптовалютного актива как дискретного стохастического нестационарного процесса и обоснование применимости аппарата теории автоматического управления для формализации задачи управления торговыми решениями. 2. Построение математической модели объекта управления: введение оценок локального математического ожидания и дисперсии ценового ряда, формирование индикатора режима рынка на основе скользящей оценки локальной волатильности. 3. Разработка алгоритма управления с обратной связью, реализующего адаптивную торговую стратегию с условиями открытия и закрытия позиций и механизмами управления риском (Stop Loss, Take Profit). 4. Программная реализация разработанного алгоритма на языке Pine Script v6 в среде TradingView и проведение вычислительного эксперимента (бэктестинга) на исторических данных по активам BTCUSDT, ETHUSDT, AVAXUSDT за период январь 2025 — май 2026 г. 5. Анализ результатов бэктестинга, сравнение с пассивной стратегией «купи и держи», оценка практической применимости и ограничений разработанного алгоритма. По результатам вычислительного эксперимента разработанный алгоритм продемонстрировал положительную доходность по двум из трёх исследованных активов: -15,74% по BTCUSDT, +109,08% по ETHUSDT и +86,19% по AVAXUSDT за период тестирования. Максимальная просадка составила 19,95%, 18,84% и 26,75% соответственно, что существенно ниже просадки пассивной стратегии «купи и держи». На всех трёх активах стратегия превзошла пассивное удержание: на ETH и AVAX — в разы по доходности, на BTC — за счёт меньших потерь и ограниченной просадки. В процессе работы использовались следующие информационные технологии и программное обеспечение: платформа TradingView с языком программирования Pine Script v6 — для реализации алгоритма и проведения бэктестинга; Python 3.x (библиотеки pandas, matplotlib) — для обработки и визуализации данных; биржа Bybit — как источник исторических котировок криптовалютных пар.

The present work is devoted to the development and investigation of a trading decision control algorithm for the cryptocurrency market, based on the statistical identification of price process regimes. The price series of a cryptocurrency asset is considered as a discrete stochastic non-stationary process, and the trading decision problem is formalised within the framework of automatic control theory as a feedback control law synthesis problem. The following tasks were addressed in the course of the study: 1. Analysis of the cryptocurrency asset price process as a discrete stochastic non-stationary process and justification of the applicability of automatic control theory methods to the formalisation of the trading decision problem. 2. Construction of a mathematical model of the control object: introduction of local estimates of the mean and variance of the price series, and formation of a market regime indicator based on a sliding estimate of local volatility. 3. Development of a feedback control algorithm implementing an adaptive trading strategy with position entry and exit conditions and risk management mechanisms (Stop Loss, Take Profit). 4. Software implementation of the developed algorithm in Pine Script v6 on the TradingView platform and execution of a computational experiment (backtesting) on historical data for BTCUSDT, ETHUSDT and AVAXUSDT over the period January 2025 — May 2026. 5. Analysis of backtesting results, comparison with the passive Buy & Hold strategy, and assessment of the practical applicability and limitations of the developed algorithm. According to the results of the computational experiment, the developed algorithm demonstrated positive returns on two of the three assets studied: -15.74% for BTCUSDT, +109.08% for ETHUSDT and +86.19% for AVAXUSDT during the testing period. The maximum drawdown was 19.95%, 18.84% and 26.75%, respectively, which is significantly lower than the drawdown of the passive "buy and hold" strategy. On all three assets, the strategy surpassed passive retention: on ETH and AVAX — by several times in terms of profitability, on BTC — due to lower losses and limited drawdown. The following information technologies and software were used in the course of the work: TradingView platform with Pine Script v6 — for algorithm implementation and backtesting; Python 3.x (pandas, matplotlib libraries) — for data processing and visualisation; Bybit exchange — as the source of historical cryptocurrency price data.