雲圖剝頭皮策略：一目均衡表＋三重過濾、Python 實現與 223% 回測拆解｜Quant Strategies Ep 9 筆記
第 9 課・共 18 課
目錄
Algo-trading with Saleh 的 Saleh 在片中公開一個他自稱私人的剝頭皮策略 Cloud Scalper：以一目均衡表雲圖判斷趨勢，用 Python（Jesse 框架）實現，標題的「223%」是他特定設定下的回測教學案例數字，並非實盤成績。他特別強調全程沒有跑參數優化，認為這降低了過度擬合的機會——這個說法是否成立，正是本課值得拆解的地方。
學習重點
- 策略核心：一目均衡表的轉換線高於基準線，並且先行帶 A 高於先行帶 B（雲圖同向），兩重確認才視為升勢；短倉完全鏡像。講者明言第二重確認是用來避開假突破。
- 倉位與出場：市價單入場，每單風險為可用保證金的 3%，止蝕設於入場價減 2.5 倍 ATR，止盈設於加 3.2 倍 ATR——盈虧比略大於 1。
- 首輪回測赤裸版慘敗：逾 1,000 宗交易、手續費逾 6,000 美元；其後逐重加入 ADX＞50、布林帶寬度＜5、4 小時圖 EMA200 三重過濾，交易次數大幅收斂。
- 223% 的由來：未放大倉位前 15 分鐘圖最大回撤僅 -6%，講者把倉位數量乘 4 再乘 5，回撤升至 -28%，回測淨盈利讀數才變成 223%——是倉位放大後的結果。
- 除錯過程同樣值得學：片中至少三個程式錯誤（span A 打錯、止盈加減號倒轉、BBW 方向寫反），全靠回測結果「不正常」才逐個揭出。
詳細筆記
核心邏輯：雲圖兩重確認
Saleh 先在 TradingView 上講解主指標一目均衡表 Ichimoku Cloud，並把跟策略無關的遲行線（他指「這條綠線沒用」）移除。這個指標的特點是一圖多用：轉換線與基準線分別由 9 期與 26 期的高低價中點算成，反映短期與中期動力；先行帶 A、B 則把更長期的中點向前投射 26 期，兩線之間的著色區域就是「雲圖」，兼具趨勢方向與支持阻力的含義。入場規則分兩層：第一層，轉換線 Conversion Line（藍線）要在基準線 Base Line（紅線）之上，代表短期動力向上。但他明言不會即時入場，要等第二層確認——由先行帶 A 與先行帶 B 圍成的雲圖本身也轉為上升排列（A 在 B 之上）。兩者同時成立，才是有效升勢；短倉條件完全相反。
他預期讀者會問：「早些入場不是賺更多嗎？」他的回應是：圖表上這是容易的例外，實戰中大量假突破會被第二重確認擋下。這是典型「用滯後換取勝率」的取捨——確認越足，入場越遲，但假訊號越少。
截圖出自原片（Algo-trading with Saleh）：BTC-USDT 15 分鐘圖上的一目均衡表——轉換線（藍）、基準線（紅）與先行帶圍成的雲圖。
Python 實現：Jesse 框架的策略骨架
轉到 Jesse 建立策略，命名 CloudScalper，並改用 VS Code 編寫（他認為比儀表板內建編輯器好用）。趨勢判斷寫成一個屬性：調用 ta.ichimoku_cloud 時他刻意不傳任何參數，全部用預設值，理由是「策略越簡單，過度擬合機會越低」（摘錄自原片教學）：
@property
def trend(self):
cloud = ta.ichimoku_cloud(self.candles)
if cloud.conversion > cloud.base and cloud.span_a > cloud.span_b:
return 1
elif cloud.conversion < cloud.base and cloud.span_a < cloud.span_b:
return -1
return 0
trend 回傳 1、-1 或 0，should_long 與 should_short 只需檢查它是否等於 1 或 -1。這與上一課 Trend Wave Rider 的寫法一致：每個條件獨立成屬性，入場函數只用 and 串連，方便日後疊加過濾器。
倉位方面，入場用市價單，每單風險為可用保證金的 3%，以 Jesse 內建的 risk_to_qty 反推數量，並傳入交易所費率。止蝕設於入場價減 2.5 倍 ATR——他解釋不想止蝕太貼，否則會錯失大量好機會（摘錄自原片教學）：
def go_long(self):
entry = self.price
stop = entry - ta.atr(self.candles) * 2.5
qty = utils.risk_to_qty(self.available_margin, 3,
entry, stop, fee_rate=self.fee_rate)
self.buy = qty, entry
止盈與止蝕單則在 on_open_position 內才提交：止盈設於入場價加 3.2 倍 ATR（短倉相反），數量等於當前倉位。他特別提到一個 Jesse 細節：在 go_long 內直接掛止蝕止盈只適用於期貨交易、不適用於現貨，所以他習慣統一在開倉後才掛單。止盈距離（3.2 倍）略大於止蝕距離（2.5 倍），即贏的單平均比利潤大、輸的單輸得少，盈虧比約 1.28:1。
截圖出自原片（Algo-trading with Saleh）：go_long 以市價單入場，止蝕距離 2.5 倍 ATR，risk_to_qty 以 3% 風險反推倉位數量。
第一輪回測：1,000 宗交易與 6,000 美元手續費
首輪回測設定：Binance 永續合約、BTC-USDT、15 分鐘圖，期間由 2024 年初至影片錄製前一日（2025 年 1 月中），開啟 fast mode 與 benchmark。第一次運行甚至沒有執行——程式把條件打成「span A 大於 span A」；修正後第二次運行，淨值曲線明顯異常，追查後發現止盈的加減號倒轉（長倉止盈寫成減 ATR）。兩個錯誤都是靠「結果看起來不對」倒逼出來的。
修正後的赤裸版成績不佳：超過 1,000 宗交易、單是手續費已逾 6,000 美元。Saleh 對此毫不意外，並說了一句值得記下的話：單靠一個指標，不可能找到好策略。這正是策略開發的起點而非終點。
除錯實錄：三個錯誤，三種教訓
值得單獨記下的是片中的除錯過程。第一個錯誤是筆誤：條件寫成「span A 大於 span A」，永遠為假，回測一宗交易都沒有——這類錯誤的訊號是「結果為零」。第二個是方向錯誤：長倉止盈寫成「減 3.2 倍 ATR」，止盈價落在入場價下方，倉位遲遲無法正常平倉，淨值曲線形態怪異——訊號是「曲線看起來不自然」。第三個在後文加 BBW 過濾時出現：條件方向寫反（應為低於 5、寫成高於 5），成績突然轉差才揭出——訊號是「改動後結果與預期相反」。Saleh 沒有剪走任何一段，這其實是量化開發的日常：策略邏輯與程式實現之間的落差，只能靠回測結果的「異常感」逐個逼出來。讀者自己寫策略時，遇到零交易、曲線怪異、結果反常三種情況，第一步永遠是先懷疑程式，而非懷疑策略。
三重過濾：ADX、布林帶寬度、4 小時 EMA200
第一重：ADX 強度過濾。 ADX 上升代表趨勢轉強，低沉代表橫行。Saleh 把閾值設在 50：ADX 高於 50 才允許入場。重跑後交易次數由逾 1,000 宗暴跌至 129 宗（他仍嫌多），最大回撤 -22%，成績明顯改善。他同時加跑 30 分鐘與 1 小時圖對照——1 小時圖此時已錄得盈利，最大回撤約 -8.5%。他隨即把這個版本另存為 CloudScalperHourly，保留日後比較。
第二重：布林帶寬度。 雖然這是趨勢跟隨策略，他不想在價格已急升急跌時追入，於是加入布林帶寬度 BBW 條件：帶寬低於 5（乘 100 與 TradingView 讀數對齊）才入場。這裏又出現第三個錯誤：先寫成「大於 5」，回測成績異常才發現方向寫反。
第三重：錨定時間框架的 EMA200。 他不直接用當前 15 分鐘圖的均線，而是用 Jesse 的 get_candles 抓取 4 小時圖數據，計算 200 期 EMA：價格在 4 小時 EMA200 之上回傳 1、之下回傳 -1，與入場方向一致才放行。這是多時間框架確認的典型寫法——大級別趨勢先行過濾，小級別訊號才有意義。最終入場規則變成（摘錄自原片教學）：
def should_long(self) -> bool:
return (self.trend == 1 # 雲圖兩線同向
and self.adx # ADX > 50
and self.bbw # 布林帶寬度 < 5
and self.longterm_trend == 1) # 企穩 4H EMA200
截圖出自原片（Algo-trading with Saleh）：should_long 由雲圖方向、ADX、BBW 與 4 小時 EMA200 四重條件組成；下方可見倉位乘上倍數後下單。
倉位倍數與 223% 的由來
三重過濾後，15 分鐘圖成績最好：勝率 60%、夏普比率 2、卡瑪比率 5、期望值 2.5%，最大回撤只有 -6%。讀者此刻的疑問與 Saleh 自問的一樣：回報跑輸買入持有，好在哪裏？他的答案是回撤極淺，淨值曲線極平滑，因此有空間放大倉位——這正是夏普與卡瑪比率優異的意義所在。
做法很直接：把 go_long 與 go_short 的數量乘 4，回撤升至 -23%，仍未觸及他個人上限 -30%；再乘 5，回撤 -28%，回測淨盈利讀數變成約 223%（期間約一年，89 宗已平倉交易，累計手續費約 7,348 美元）。223% 是倉位放大五倍後的數字，不是訊號本身的邊際——若策略本身虧損，同一操作會把虧損同樣放大五倍。
截圖出自原片（Algo-trading with Saleh）：倉位乘五倍後的回測——淨盈利 223.6%、最大回撤 -28.44%、89 宗交易、累計手續費約 7,348 美元。
最後他用 benchmark 表對照三個時間框架：不看淨盈利、改看夏普與卡瑪比率，15 分鐘圖明顯勝出，30 分鐘與 1 小時版本隨之「退役」。他總結時重申：策略全程沒有跑優化，因此過度擬合機會較低，並會把策略提交到 Jesse 的策略索引頁，讓讀者查看其他時間框架與期間的表現。（註：片中提及的去中心化交易所註冊連結、付費版策略計劃與抽獎活動屬講者的商業推廣，本筆記不轉載。）
🙏 覺得內容有用？本站所有內容免費提供，使用推薦碼開戶就是支持我們繼續營運的最大鼓勵：
ZA Bank 邀請碼 P20923
—— 你享 HKD 2,000 迎新獎賞，本站獲得營運支持。
立即開戶 →
（聯盟連結｜投資涉及風險，受條款及細則約束，此資料僅可於香港境內分發）
MT5 可行性速評
| 項目 | 評估 |
|---|---|
| 邏輯可移植性 | 高。一目均衡表用 iIchimoku（內含轉換線、基準線、先行帶 A/B 緩衝）、ADX 用 iADX、ATR 用 iATR、4 小時 EMA200 用 iMA 指定 PERIOD_H4，全部為 MT5 內建；唯 BBW 無現成函數，要用 iBands 取上下軌自行計算（上軌 − 下軌）÷ 中軌。 |
| 平台限制 | 加密貨幣永續合約並非一般 MT5 券商標的，移植到外匯或商品後，ATR 倍數、ADX 閾值與 BBW 界線須重新驗證；MT5 淨額帳戶下同方向只持一個合併倉位，不影響本策略；多時間框架讀數在 MQL5 屬標準做法，無額外障礙。 |
| 評級 | ✅ 純技術角度可完整移植，指標全屬內建，是練習多時間框架 EA 的好題材；但「能移植」不等於「能複製成績」，223% 是倉位放大後的回測讀數，換市場換平台後一切要重驗。 |
| MQL5 寫法提示 | 見下 |
int ichi = iIchimoku(_Symbol, PERIOD_CURRENT, 9, 26, 52);
double tenkan[], kijun[], senkouA[], senkouB[];
CopyBuffer(ichi, TENKANSEN_LINE, 0, 1, tenkan);
CopyBuffer(ichi, KIJUNSEN_LINE, 0, 1, kijun);
// 升勢：tenkan[0] > kijun[0] 且 senkouA > senkouB
// 再以 iADX > 50、iBands 計 BBW < 5、iMA(PERIOD_H4, 200) 過濾
注意：即使移植成功，MT5 策略測試器跑出的回測同樣會過度擬合——ADX 閾值 50、BBW 界線 5、ATR 倍數 2.5／3.2、倉位乘五倍，每一個都是看著回測結果調出來的，換平台不解決方法論問題。
欣利克的看法
- 防坑檢查一：223% 的構成要拆開看。這個數字來自「倉位乘五倍」後的回測讀數。未放大前，策略訊號本身在 2024 年初至 2025 年 1 月中的成績是回撤 -6%、跑輸買入持有——講者自己也承認這一點，他看重的是平滑的淨值曲線。把槓桿放大後的報酬當策略實力，是閱讀這類影片最常見的誤區。
- 防坑檢查二：剝頭皮對成本極度敏感。15 分鐘圖、89 宗交易已付約 7,348 美元手續費（相對 10,000 美元本金並非小數）；未過濾的版本更因逾 1,000 宗交易而全軍覆沒。手續費、買賣差價與滑點的假設稍有出入，盈虧比僅 1.28:1 的微弱優勢便可能消失。
- 防坑檢查三：「零優化」不等於「零擬合」。講者強調沒有跑參數優化，但 ADX 閾值 50、BBW 界線 5、ATR 倍數與倉位倍數，全是邊看回測邊調出來的——這本身就是人手形式的擬合。三重過濾逐一疊加的過程，本質上與優化器做的事相同，只是次數較少、自覺較高。是否真正穩健，要靠樣本外數據與分年檢驗，而片中並未展示。
- 觀點比較——值得肯定之處：片中連三個程式錯誤與修正過程都照實播出，亦坦白交代未放大倉位前跑輸市場、30 分鐘與 1 小時版本被淘汰，這種「不剪走失敗」的示範在策略教學頻道中難得。但影片附帶交易所註冊連結與付費策略推廣，存在利益關係，解讀其績效宣稱時應計算在內。
- 時效提醒：回測期間為 2024 年初至 2025 年 1 月中，是加密貨幣的特定年份；截至 2026 年中，市場結構與費率環境已有變化，片中任何數字均不代表當前條件。本文僅為學習記錄，不構成任何買賣建議。
名詞解釋
- 一目均衡表 Ichimoku Cloud：由轉換線、基準線與先行帶組成的綜合趨勢指標；本策略要求轉換線在基準線之上、且雲圖同向，兩重確認才入場。
- 平均趨向指數 ADX：量度趨勢強度而不分方向；本策略以 ADX 高於 50 作第一重過濾，把交易次數由逾千宗壓至百餘宗。
- 布林帶寬度 Bollinger Band Width：量度布林帶上下軌的相對距離；本策略拒絕在帶寬高於 5 的急升急跌時段追入。
- 指數移動平均線 EMA：對近期價格加權的移動平均；本策略用 4 小時圖 200 期 EMA 作大級別方向過濾。
- 平均真實波幅 ATR：量度每根 K 線平均波動範圍；止蝕設於入場價加減 2.5 倍 ATR，止盈距離 3.2 倍。
- 剝頭皮 Scalping：持倉時間極短、追逐微小價差的交易風格，對手續費與滑點極度敏感。
- 多時間框架分析 Multi-Timeframe：以大級別走勢過濾小級別訊號；本策略用 4 小時 EMA200 過濾 15 分鐘圖入場。
- 夏普比率 Sharpe Ratio：每單位波動所換取的超額回報；講者以此而非淨盈利選出 15 分鐘圖版本。
- 最大回撤 Drawdown：淨值由高位回落的最大幅度；講者以 -30% 為個人上限，決定倉位可乘大的空間。
- 期望值 Expectancy：每宗交易的平均預期盈虧；本策略放大倉位後期望值為 2.5%。
- 過度擬合 Overfitting：策略過度遷就回測數據的噪音；「零優化」不代表零擬合，人手邊看邊調同屬擬合。
- 回測 Backtesting：以歷史數據檢驗交易規則；片中 223% 屬回測教學案例數字，並非實盤成績。
常見問題 FAQ
Cloud Scalper 的核心邏輯是甚麼？
一句話概括：「雲圖同向＋三重過濾的順勢剝頭皮」。先用一目均衡表確認趨勢——轉換線在基準線之上、且先行帶 A 在先行帶 B 之上；再要求 ADX 高於 50（趨勢夠強）、布林帶寬度低於 5（不在急升急跌後追入）、價格企穩 4 小時圖 EMA200（大級別同向），四重條件齊備才以市價單入場。止蝕設於 2.5 倍 ATR，止盈 3.2 倍 ATR，每單風險為保證金的 3%。
223% 的回測報酬可以當真嗎？
數字屬回測教學案例，構成要拆開看：講者先把每單風險定為保證金的 3%，見最大回撤只有 -6%，便把倉位數量乘以五倍——223% 是倉位放大後的讀數，未放大前策略跑輸買入持有。此外所有參數（ADX 50、BBW 5、ATR 倍數）都是看著回測結果調校的，回測期間亦只有約一年，未來能否重現並無保證。
講者說「零優化」，為何仍有過度擬合風險？
「沒有跑優化器」只代表沒有用程式窮舉參數組合；但片中每加一重過濾、每定一個閾值，都是看著回測成績決定去留——這是人手形式的擬合，只是迭代次數較少。判斷策略是否穩健的標準從來不是「有沒有優化」，而是有沒有在未見過的數據上驗證；片中並未展示樣本外或分年檢驗，這正是需要讀者自行補做的部分。
為何第二層確認（雲圖同向）能避開假突破？
轉換線與基準線只反映 9 期與 26 期的短期結構，價格一衝便可能交叉；先行帶 A、B 則把更長期的中點向前投射 26 期，雲圖轉向需要更持久的走勢配合。要求「短期交叉＋長期雲圖同向」同時成立，等於用滯後換取過濾：入場會變遲、錯過爆發初段，但橫行市中反覆交叉的假訊號大多會被雲圖條件擋下。這是典型的訊號確認取捨，代價是趨勢初段的部分利潤。
原影片
本文整理自以下影片，版權屬原創作者所有，建議配合原片觀看：