ADX 剝頭皮策略：DI 方向＋威廉指標進場，回測 4479% 的拆解（Python 筆記）

2026年7月16日 · 來源頻道：Algo-trading with Saleh · #ADX #剝頭皮 #量化交易 #回測

第 12 課・共 18 課

本篇整理 Algo-trading with Saleh 的 ADX 剝頭皮 Scalping 策略教學：用趨向指標 DMI 的三條線確認「趨勢夠強、方向明確」，再用威廉指標的超買超賣讀數揀進場時機，最後交給 LLM 生成 Python 代碼在 Jesse 框架回測。先說明：標題的「4479%」是講者單一教學案例的回測數字（且經人手放大倉位），本筆記的重點是學習策略結構與回測方法，不構成任何操作依據。

學習重點

• 策略屬趨勢跟蹤：只在 ADX 高於 50（強趨勢、波動大）時交易，DI 雙線判斷方向，威廉指標負責進場時機
• 出場設計罕見地簡單：止損直接用 50 周期簡單移動平均線，止盈用過去 30 根 K 線的最高價或最低價
• LLM 寫代碼的實戰流程：自然語言規則 → 生成 Jesse 策略 → 逐行審閱 → 發現漏了震盪指標要補問 → 人手修正屬性名錯誤
• 分年度回測的價值：同一策略在 2022 年大跌市賺錢、2023 年跑輸基準，單看一條全期權益曲線會錯過這些細節
• 「4479%」的構成：15 分鐘圖、倉位乘 5、槓桿 6 倍，且講者自己提醒市價單要考慮滑點——數字不能照單全收

詳細筆記

策略核心：趨強度＋方向＋時機三層過濾

講者開宗明義：這是一套趨勢跟蹤策略，只想在波動大的時候交易，所以主指標是趨向指標 Directional Movement Index（DMI）。這個指標有三條線：

1. ADX 線（圖中紅線）：量度趨勢強度，不分方向。講者把閾值設在 50——遠高於常見的 20 或 25——只有 ADX 高於 50 才考慮交易，換言之寧可錯過機會，也要確保市場處於強趨勢、高波動狀態。
2. DI+ 與 DI− 雙線（圖中藍線與橙線）：判斷趨勢方向。DI+ 在 DI− 之上是升勢，DI− 反穿 DI+ 之上是跌勢。

把 ADX 閾值設在 50 的代價，是絕大部份時間指標都在閾值之下、策略完全按兵不動；講者接受這個取捨，因為橫行市正是趨勢策略反覆被假突破止損的地方，「不做」本身就是過濾器。

光有方向與強度還不夠，講者再加一個震盪指標負責進場時機。常見選擇是 RSI 或隨機指標，但他選用威廉指標 Williams %R：一般震盪指標的參考線是 20 與 80，威廉指標則是 −80 與 −20。低於 −80 屬超賣，找好倉機會；高於 −20 屬超買，找淡倉機會。注意講者在片中口誤把淡倉也說成「超賣」，其後落給模型的指令已修正為「高於 −20 找淡倉」——看教學片時這類口誤要靠自己核對規則前後是否一致。

完整進場條件（好倉為例）：DI+ 高於 DI−、ADX 高於 50、威廉指標低於 −80，三者同時成立。淡倉全部反向：DI− 高於 DI+、ADX 高於 50、威廉指標高於 −20。講者強調規則只有這兩組，刻意保持簡單。

出場設計：均線止損＋極值止盈＋方向反轉離場

出場規則是這課最有意思的部分，講者用了一個他以往從未用過的方法：

• 止損：直接用 50 周期簡單移動平均線 SMA。邏輯是「價格觸及 50 周期均線，代表趨勢已經結束，我不想再留在這宗交易裏」。好倉淡倉都用同一條線。這種止損會隨均線移動，等於內建了移動止損效果，但代價是止損距離不受控。
• 止盈：好倉的止盈價設為過去 30 根 K 線的最高價，淡倉則為過去 30 根 K 線的最低價。思路是押注強趨勢會破頂或破底，以前段極值為目標。
• 方向反轉離場：假設持有好倉，但 DI 雙線已轉為跌勢排列（即淡倉進場條件成立），即使未觸及止損止盈，也立即平倉。這等於把進場條件反過來當離場訊號用。

以片中的淡倉例子走一遍流程：DI− 已在 DI+ 之上（跌勢）、ADX 高於 50、威廉指標升穿 −20（超買）三個條件齊備，於是以市價開淡倉；止損即時掛在當時的 SMA50 位置，止盈掛在過去 30 根 K 線的最低價。其後價格下行觸及該低位，止盈成交。同一套規則鏡像套用於好倉，沒有任何主觀判斷空間。

風險管理方面：每筆交易風險 3%，以市價單進場。

Python 實現：LLM 生成＋兩輪修正

講者把上述規則用自然語言寫成指令，交給他自家的 JesseGPT（背後可切換 Gemini、Claude 等模型，他選了 Claude Sonnet 系列寫碼模型）生成 Jesse 框架的策略，命名為 ADXWilliamsStrategy。生成的指標屬性部分（摘錄自原片教學）：

@property
def di(self):
    return ta.di(self.candles)

@property
def highest_high(self):
    return max(self.candles[-30:, 3])  # 索引 3 = 最高價

講者逐行審閱時特別解釋了 Jesse 的 K 線索引：0 是時間戳、1 是開市價、2 是收市價、3 是最高價（最低價為 4），確認 max(self.candles[-30:, 3]) 正是「過去 30 根 K 線的最高價」。這一步很重要——LLM 生成的代碼不能盲目信任，索引錯一位整個止盈邏輯就錯。

第一輪審閱還發現一個大問題：模型完全漏掉了威廉指標，因為講者自己在指令裏忘記寫。他補問「請加入震盪指標：威廉指標低於 −80 找好倉、高於 −20 找淡倉」，模型才補上 ta.willr 的定義與進場條件。教訓有二：指令遺漏甚麼，模型就漏甚麼；檢查語法是否正確，可以在編輯器按住 Option 鍵查看函數定義。

開倉後的止損止盈與反轉離場邏輯（摘錄自原片教學）：

def on_open_position(self, order):
    if self.is_long:
        self.stop_loss = self.position.qty, self.sma50
        self.take_profit = self.position.qty, self.highest_high

def update_position(self):
    if self.is_long and self.should_short():
        self.liquidate()
    elif self.is_short and self.should_long():
        self.liquidate()

淡倉版本結構相同，止盈改用 lowest_low，落單則由 self.buy 改為 self.sell。之後講者要求模型在互動圖表上顯示指標數值，模型卻寫錯了屬性名（回測直接報錯），他要人手對照改名——這是第三處修正，再次說明「生成 → 審閱 → 修正」是常態，不是意外。

回測結果與講者的講法

回測設定：BTC-USDT 永續合約（Binance）、15 分鐘圖，分年度跑 2021、2022、2023、2024 及 2025 年初至 5 月中（截至原片發佈）。首輪（未放大倉位）各年夏普比率約為 1.9、2.0、1.7、1.2、1.1，2021 年最大回撤只有約 −6%。講者見回撤這麼小，便把倉位直接乘 5——同時提醒要在設定中把槓桿調高（5 至 6 倍已足夠），否則保證金不足。

放大倉位後的分年結果（講者口述，截至原片發佈）：

• 2022 年：基準 BTC 跌近七成，策略反而賺約 210%，勝率約 60%，夏普接近 2，最大回撤 −25%，平均持倉約 8 小時。
• 2023 年：沒有跑贏基準，但貼近——講者坦言這年算「不過不失」。
• 2024 年：大部份時間跑贏，直至年尾 BTC 急升才被拋離，最大回撤約 −20%。
• 2025 年初至 5 月：跑贏基準；年初幾個月錄得小幅虧損，講者視之為「贏」，因同期大部份策略都難做。

最後他跑了一次 2021 年初至 2025 年 5 月 12 日的全期回測：約四年四個月、218 宗交易，淨利約 4479%（本金 10,000 美元變約 457,900 美元），最大回撤約 −30.8%，勝率 61%，夏普 1.66，平均持倉約 14 小時，年化回報約 140%——這就是標題數字的出處。畫面同時顯示總手續費約 127,600 美元，是初始本金的十二倍以上，可見高頻交易成本的份量。

除了數字，講者亦用互動圖表逐宗覆盤交易。他為圖表加上指標數值顯示（順帶一提，這段代碼同樣由 LLM 生成，且他提到模型順手加的觀察名單功能只對實盤有用、回測無意義），然後示範兩宗交易：一宗是好倉，ADX 在閾值之上、DI+ 高於 DI−、威廉指標超賣，三個條件全部符合，結果仍觸及均線止損——規則完美執行與交易虧損可以同時成立；另一宗是淡倉，DI− 在上、威廉指標超買，最終在 30 根 K 線最低價止盈離場。這種「逐宗對照條件」的覆盤方式，比只看權益曲線更能發現策略的行為細節。

講者有兩點告誡值得照錄。第一，策略用市價單進場，想貼近實盤的話應調高手續費參數以計入滑點——他認為 Binance 這類大所滑點未必嚴重，但「謹慎一點總好」。第二，他在互動圖表覆盤虧損交易時提醒：見到一宗「條件全部符合仍輸錢」的交易，就想加過濾條件把它剔除——這正是過度擬合的典型起手式；而且剔除虧損交易的同時，往往也剔除了部份盈利交易，世上沒有完美的過濾器。他亦提到心理層面：即使策略長期向上，實盤仍可能連續幾個月小虧，這種煎熬回測數字看不到。片中亦有其平台與券商推廣內容，本筆記不轉載，讀者留意其利益關係即可。

MT5 可行性速評

• 邏輯可移植性：全部指標都是 MQL5 內建——ADX 與 DI 雙線用 iADX（一個函數三條緩衝線）、SMA50 用 iMA、威廉指標用 iWPR；「30 根 K 線最高／最低價」用 iHighest／iLowest 即可。邏輯本身移植難度低。
• 平台限制：15 分鐘圖剝頭皮對點差與執行速度極敏感。MT5 回測器若不用「基於真實 tick」模式，成交價假設會偏樂觀；止盈掛在 30 根 K 線極值，實盤中價格「觸及」不等於「成交」，可能差一個 tick 就永不平倉；加密貨幣差價合約的點差與隔夜成本因券商而異，與原片的 Binance 永續合約不能直接對照。
• 評級：⚠️ 邏輯易寫、回測難信——代碼一兩天能寫完，但要驗證成績，必須用真實 tick 數據並把點差、滑點設得保守，否則回測數字參考價值有限。
• MQL5 寫法提示：

int hAdx = iADX(_Symbol, PERIOD_M15, 14);      // 緩衝 0=ADX, 1=+DI, 2=-DI
int hWpr = iWPR(_Symbol, PERIOD_M15, 14);      // 威廉指標
int hMa  = iMA(_Symbol, PERIOD_M15, 50, 0, MODE_SMA, PRICE_CLOSE);
// 好倉：+DI>-DI && ADX>50 && WPR<-80；止損=SMA50
// 止盈價 = iHighest(_Symbol, PERIOD_M15, MODE_HIGH, 30, 1) 對應的最高價

注意：MT5 回測同樣會過度擬合，參數在同一批歷史數據上調校得太貼，換平台也救不了。

欣利克的看法

• 先拆「4479%」的構成：這個數字來自 BTC 單一標的、15 分鐘圖、2021 年初至 2025 年 5 月的回測，期間倉位被人手乘 5（等於每筆實際風險由 3% 變 15%）、槓桿 6 倍。同一段歷史，倉位乘幾倍，回報大約就放大了幾倍——「4479%」首先是槓桿設定的結果，其次才是策略邏輯的結果。畫面顯示總手續費達初始本金十二倍，亦說明這類策略的成敗很大程度由成本決定。
• 剝頭皮策略對交易成本最敏感，而原片的處理偏粗：講者自己承認沒有精確計入滑點，只建議「把手續費調高一點」。止盈掛在過去 30 根 K 線的極值，回測假設價格到達即成交，實盤卻可能因流動性不足而無法在該價位平倉。每宗交易平均賺的價差越小，這些假設誤差佔預期利潤的比例就越高——15 分鐘圖策略的誤差容忍度遠低於日線策略。
• 小時框以下回測的可靠性要打折：15 分鐘圖的 K 線內部路徑（先觸及止損還是止盈）只能靠插值估算，同一根 K 線內兩者同時被觸及時，先算哪一個會直接改變結果。218 宗交易攤分四個多年度，再受這類誤差影響，統計穩定性有限。
• 名為剝頭皮，實為短線趨勢跟蹤：平均持倉 8 至 14 小時，與傳統持倉幾秒至幾分鐘的剝頭皮相去甚遠，「scalping」在片中更像宣傳用語。真正的剝頭皮對執行延遲與點差的要求嚴苛得多，兩者不能混為一談。
• 時效提醒：以上全部數據截至原片發佈（2025 年中），且 ADX 50、30 根 K 線、SMA50 等參數都在同一批歷史數據上展示，原片沒有做樣本外驗證。值得學的是「三層過濾＋極值止盈」的結構設計和分年度檢驗的習慣，而不是任何具體參數或回報數字。

名詞解釋

• 剝頭皮 Scalping：持倉時間極短、賺取微小價差的交易風格，對交易成本與執行速度極度敏感。
• 平均趨向指數 ADX：量度趨勢強度不分方向的指標；本課把閾值設在罕見的 50，只做最強趨勢。
• 威廉指標 Williams %R：介乎 0 至 −100 的震盪指標，低於 −80 超賣、高於 −20 超買。
• 簡單移動平均線 SMA：過去 N 個周期收市價的平均；本課借用 50 周期均線充當動態止損。
• 最大回撤 Drawdown：權益由高位回落的最大幅度；講者正是看到回撤夠小才決定放大倉位。
• 夏普比率 Sharpe Ratio：每單位波動風險換取的回報；本策略各年度介乎 1.1 至 2.0。
• 滑點 Slippage：預期成交價與實際成交價的差距；市價單進場的策略必須計入。
• 過度擬合 Overfitting：為剔除歷史上的虧損交易而不斷加過濾條件，回測變亮麗、未來失效。
• 回測 Backtesting：以歷史數據檢驗交易規則；小時框以下的回測要額外留意 K 線內部路徑的估算誤差。
• 永續合約 Perpetual Futures：沒有到期日的加密貨幣期貨合約，本策略的回測標的。

常見問題 FAQ

ADX 閾值設在 50 會不會太高？

一般教科書用 20 至 25 判斷趨勢是否存在，50 屬極端水平，會過濾掉絕大部份時間——這正是講者的意圖：寧可長時間不交易，也要等波動最大的時段才進場。代價是交易次數大減（全期 218 宗），且閾值本身是調校出來的參數，改到 40 或 60 結果可能完全不同。

用移動平均線做止損有甚麼優缺點？

優點是簡單且自動移動：強趨勢中均線會跟上來，變相鎖定利潤；邏輯上也自洽——觸及均線即代表趨勢結束。缺點是止損距離不受控，進場時不知道實際風險是多少，每筆名義上「風險 3%」的計算因而變得粗糙；橫行市中價格反覆穿越均線，也會造成連續小額止損。

回測 4479% 是否代表實盤也能有相近回報？

不能這樣推論。該數字包含 5 倍人手放大倉位與 6 倍槓桿，滑點只以調高手續費粗略處理，止盈假設極值價位必定成交，參數亦未經樣本外驗證。講者自己也提醒不要過度放大倉位、滑點要自行計入。回測的價值在於驗證邏輯是否自洽，而非預測未來回報。

這個策略可以搬到 MT5 用嗎？

邏輯層面很容易：ADX、SMA、威廉指標都是 MQL5 內建函數，極值止盈用 iHighest／iLowest 即可。難處在回測可信度：15 分鐘圖策略對點差與成交假設極敏感，必須用真實 tick 模式並保守設定成本；加密貨幣差價合約的點差結構與原片的永續合約不同，結果不能直接對照。

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：

來源：https://www.youtube.com/watch?v=kIudgLFh5cw