| TF | jendela OOS | akurasi | CI95 | AUC | Brier | bulan >50% | net/bet @0.50 | kekuatan edge |
|---|
Pertanyaan “bikin confidence-nya 80%” itu bisa diuji, jadi diuji. Ambang probabilitas dinaikkan, dan sinyal liquidation_hunter2.py yang bisa dibangun ulang dari klines (flush likuidasi, sweep liquidity, volume vacuum) dipakai sebagai confluence. Hasilnya: tidak ada satu pun aturan yang batas bawah CI95-nya menyentuh 80%. Yang ada di bawah ini adalah tier tertinggi yang lolos syarat n ≥ 300 dan tidak ada bulan di bawah 50%.
| TF | aturan high-confidence | n OOS | win rate | CI95 | WR holdout | n holdout | bulan terendah | unduh hasil |
|---|
Uji yang lebih keras daripada tabel di atas. Aturannya harus lolos di setiap fold kronologis dari separuh data pemilihan — bukan lolos di rata-ratanya — lalu dinilai dengan walk-forward bergulir: aturan dipilih hanya dari data yang ada sebelum blok uji, jadi setiap baris kolom uji benar-benar out-of-sample. Keluarga bukti dibatasi delapan (MODEL, FLOW, SWEEP, PRICE_STATE, VOLATILITY, TRAJECTORY, SESSION, FUNDING) dan satu aturan tidak boleh memakai dua kondisi dari keluarga yang sama — supaya “tiga sinyal setuju” tidak berarti tiga bacaan atas hal yang sama.
| TF | blok | latih s/d | aturan yang dipilih pada saat itu | n uji | WR uji | CI95 |
|---|
| TF | target | aturan terlebar yang mencapai target di data pemilihan | n pilih | WR pilih | WR holdout | n holdout |
|---|
| TF | band probabilitas | n holdout | model bilang | terjadi | selisih |
|---|
Unduh seluruh studi apa adanya: precision_engine.json
| TF | tier | n | WR (label uang) | CI95 | harga beli rata-rata | p model | edge model | EV / $1 | ROI |
|---|
Mulai $10, pasang $1 per jendela yang lolos tier, lalu tunggu seminggu. Setiap jendela 7 hari di dalam data diputar ulang dari saldo $10 yang baru, jadi yang ditampilkan adalah distribusi, bukan satu jalur yang bagus. Beli di harga p berarti dapat 1/p share yang bayar $1 kalau benar — jadi untungnya datang dari membeli di bawah probabilitas model.
| TF | tier | n | WR | trade/minggu | akhir minggu @0.50 | @0.55 | @0.58 | minggu rugi @0.55 | bangkrut @0.55 |
|---|
| sisi | pita probabilitas | n | model bilang | kenyataan | selisih | CI95 kenyataan |
|---|
Selisih = kenyataan − yang dikatakan model. Mendekati 0 berarti probabilitasnya bisa dipercaya apa adanya.
| bulan | n | akurasi | tarikan UP | n (conf ≥ 0.55) | WR (conf ≥ 0.55) |
|---|
Ledger ini mulai dari nol saat situs pertama jalan — ia menguji klaim backtest di depan, bukan mengulang angkanya. Baris yang sudah settle tidak pernah diubah lagi.
| TF | jendela (UTC) | p(UP) | pilihan | conf | ref | settle | gerak | hasil |
|---|
Model ini sengaja hanya memakai 7 fitur: seberapa jauh harga melenceng dari rata-ratanya sendiri, diukur dalam satuan ATR. Ablation menunjukkan 33 fitur lain tidak menambah akurasi out-of-fold, jadi dibuang.
Definisi label. Untuk setiap jendela (5m / 15m / 1h) ada dua hasil, persis seperti market “BTC Up or Down” di Polymarket: UP kalau nilai settlement ≥ harga referensi, DOWN kalau lebih rendah. Referensi = harga BTC saat jendela dibuka (open bar 1 menit pertama jendela itu). Settlement = TWAP dari close 1 menit di dalam jendela.
Tanpa look-ahead. Semua fitur untuk jendela yang mulai di t0 hanya dibaca dari bar 1 menit yang sudah tutup sebelum t0. Bar di dalam jendela tidak pernah dipakai. Ini yang membuat prediksi sebuah jendela tetap sama sepanjang jendela itu berjalan, bukan bergerak mengikuti harga.
Validasi. Anchored walk-forward dengan purge: tiap fold hanya latih pada jendela yang selesai sebelum blok uji dimulai, lalu prediksi seluruh blok. Yang dilaporkan hanya prediksi out-of-fold. 70% riwayat terakhir jadi out-of-sample.
Pembanding. Dua baseline dinilai di baris yang sama: selalu-UP (drift) dan momentum (arah 5 menit terakhir). Momentum justru lebih buruk dari koin (48.4%) — model naik di atas keduanya.
Data. Binance USDT-M BTCUSDT klines 1 menit, 400 hari, 576.003 bar, tanpa gap. Semua fitur diturunkan dari OHLCV; order book, likuidasi dan funding tidak dipakai untuk model final.
Yang tidak diklaim. Edge-nya tipis (~53%) dan tidak gratis: pilihan dengan confidence ≥ 0.55 menang 55.9% (5m) / 57.0% (15m) out-of-fold. Di bawah ambang itu model praktis koin. 1h dinilai marginal: akurasinya 51.40% dengan CI95 bawah hanya 50.20%, dan 3 dari 10 bulan di bawah 50% — jangan dipakai sebagai sinyal berdiri sendiri. Halaman ini tidak menyarankan taruhan; ia melaporkan apa yang terukur.
Throshold dipilih di 70%, diuji di 30%. Aturan high-confidence tidak dipilih dari seluruh riwayat — kalau begitu, angka akurasinya hanya mengulang data yang sudah dipakai memilihnya. Aturan dipilih di 70% pertama timeline, lalu dilaporkan pada 30% terakhir yang tidak pernah dilihat saat memilih. Hasilnya jujur: 5m 59.7% di semua data dan 61.8% di holdout, 15m 63.3% dan 60.9%. 1h tidak dapat tier sama sekali. Ambang di bawah 0.55 tetap dihitung dan dilaporkan, tapi tidak pernah dijadikan tier: menandai jendela "high-confidence" padahal halaman ini menyebutnya "di bawah ambang" itu kontradiksi.
Confidence 80% tidak dijual. Ambang tinggi dan confluence liquidation_hunter2 sudah diuji; tier terbaik yang lolos syarat sampel menang 59.1% (5m) / 63.3% (15m) out-of-fold, dan batas bawah CI95-nya masih di bawah 60%. Tier di atas 0.60 punya sampel 4–226 baris dan di 15m/1h malah lebih buruk daripada tier 0.55. Halaman ini karena itu tidak pernah menampilkan angka 80%: yang tidak terukur tidak ditampilkan.