三重均線 TEMA 趨勢策略：GPT 生成 Python 代碼，回測 4983% 拆解｜Quant Strategies Ep 13 筆記

2026年7月17日 · 來源頻道：Algo-trading with Saleh · #移動平均線 #量化交易 #Python #回測

第 13 課・共 18 課

三重均線策略聽來簡單，配對合適的過濾器後卻是量化入門的好教材。本篇整理 Algo-trading with Saleh 的教學：以三重指數移動平均線 TEMA 的快慢線判斷趨勢，加 ADX 與 CMO 雙重過濾，在回調位掛限價單進場，再由 GPT 把規則轉成 Python 代碼在 Jesse 框架回測。先說明：標題的「4983%」屬單一教學案例的回測數字，也是本系列中最浮誇的數字之一——講者自己在片末也花了大量篇幅解釋這個數字為何不能當真，本筆記重點是學習策略構造與回測解讀方法。

學習重點

• TEMA 的定位：以三次 EMA 運算抵銷滯後，同周期下比傳統 EMA 反應更快、更貼近價格，代價是假訊號更多
• 進場條件層層遞進：30 分鐘圖 TEMA(10/80) 定短線方向、4 小時圖 TEMA(20/70) 定長線方向、ADX > 40 過濾橫行市、CMO 正負 40 確認動能
• 落單設計：不追價，在現價減一倍 ATR 處掛限價單等回調；止損 4 倍 ATR、止盈 3 倍 ATR、每筆風險為總資金 3%
• LLM 寫碼流程：把自然語言規則交給 JesseGPT（Claude 3.7 Sonnet）生成 Jesse 策略，講者逐段核對邏輯後直接回測
• 回測解讀：4983% 來自倉位放大三倍後的 4.42 年複合結果；分年度看有跑輸大市的年份，中途曾有長達八九個月的回撤期

詳細筆記

策略核心：TEMA 與 EMA 的分別

策略的主指標是三重指數移動平均線 TEMA（Triple Exponential Moving Average）。講者先在 TradingView 示範它與傳統 指數移動平均線 EMA 的分別：同樣用 10 周期，當價格開始上升時，TEMA 線的爬升明顯較快；價格轉跌時，TEMA 同樣更快向下。移動平均線的先天缺陷是滯後——價格已經走了一段，均線才慢慢跟上；TEMA 透過三次 EMA 運算的組合（3×EMA1 − 3×EMA2 + EMA3）抵銷部分延遲，反應顯著加快。這就是講者棄 EMA 取 TEMA 的原因：趨勢策略最怕進場太遲，滯後越少，能捕捉的趨勢段落越多。

趨勢判斷用快慢線交叉：30 分鐘圖上 TEMA(10) 在 TEMA(80) 之上視為升勢，反之為跌勢。由於交易時間框架是 30 分鐘，講者把此策略定位為即市（day trading）策略。

進場條件：四重確認

光有快慢線交叉，在橫行市會被反覆打臉，所以講者疊加三層過濾：

1. 長線趨勢確認：不只看 30 分鐘的短線方向，還要看大周期。做法是在 4 小時圖用同一指標，周期改為 20 與 70——4 小時 TEMA(20) 在 TEMA(70) 之上，長線才算升勢。短線與長線方向必須一致。
2. 波動過濾：平均趨向指數 ADX 高於 40 才准開倉。ADX 不分方向、只量度趨勢強度，數值不足代表市況波動不夠，均線交叉多是雜訊。
3. 動能震盪器：錢德動量擺動指標 CMO，性質類似 RSI 但對價格變化更敏感。閾值設在 +40 與 −40：CMO 高於 +40 才找好倉，低於 −40 才找淡倉。講者解釋選 CMO 不選 RSI 的理由，與選 TEMA 不選 EMA 如出一轍：傳統震盪指標反應偏慢，即市策略需要更靈敏的動能確認。整個策略的選材邏輯其實很一致——每個指標都挑「反應快」的版本，再用多重條件互相制衡靈敏帶來的雜訊。

以好倉為例，完整進場條件：30 分鐘 TEMA(10) > TEMA(80)、4 小時 TEMA(20) > TEMA(70)、ADX > 40、CMO > +40，四者同時成立。淡倉全部反向（兩組趨勢向下、ADX 仍須 > 40、CMO < −40）。

落單與風控：回調位限價單＋ATR 止損止盈

條件齊全後不即市追入，而是掛限價單 Limit Order 等回調 Pullback：好倉掛在現價減一倍 平均真實波幅 ATR 的位置，淡倉反向掛在現價加一倍 ATR。講者的想法是趨勢確認後價格多半仍有小幅回吐，掛低一點能換取更佳進場價。

• 倉位：每筆風險為總資金的 3%。講者特別澄清：這不是價格逆向 3% 就平倉，而是觸及止損時總虧損剛好是資金的 3%——倉位數量由止損距離反推。
• 止損：入場價減 4 倍當前 ATR（好倉）。
• 止盈：入場價加 3 倍 ATR（好倉）。止損比止盈遠，賠率不足一，靠勝率補足——後文回測數據可見勝率確實偏高。

這裡的盈虧結構值得停下來想清楚：止損 4 倍 ATR、止盈 3 倍 ATR，贏一宗不夠輸一宗，所以策略必須維持高勝率才有正期望值。這與典型趨勢跟蹤「贏大輸小、勝率偏低」的設計剛好相反，也是講者後來在回測解讀中說它「更像均值回歸」的原因。四重過濾的用意正是保勝率——寧可錯過機會，也不在條件不齊時勉強進場。

限價單有一個實作細節：若當根 K 線內掛單未成交，下一根 K 線的 ATR 等數值已變，舊掛單價失去意義。做法是每根新 K 線取消舊單、按最新條件重掛（Jesse 中以 should_cancel_entry 實現）。這一點與均值回歸策略｜第 14 課按下軌重掛限價單的處理如出一轍。

Python 實現：規則餵給 GPT 生成代碼

講者不親手寫碼，而是把整套進出場規則以自然語言寫成指令，交給他自家平台的 JesseGPT（選用 Claude 3.7 Sonnet 模型）生成 Jesse 框架的策略代碼，命名為 TemaTrendFollowing。指令內容就是上述規則的直述：短線 TEMA 10/80、長線 4 小時 TEMA 20/70、ADX 須高於 40、CMO 好倉須高於 +40、淡倉全部反向、每筆風險 3%、限價單掛一倍 ATR 之外、止損 4 倍 ATR、止盈 3 倍 ATR。

生成的進場判斷把四重確認寫成布林運算（摘錄自原片教學）：

def should_long(self) -> bool:
    return (
        self.short_term_trend == 1 and
        self.long_term_trend == 1 and
        self.adx > 40 and
        self.cmo > 40
    )

落單邏輯：以現價減一倍 ATR 為限價、4 倍 ATR 為止損距離，再用 Jesse 的 risk_to_qty 工具函數反推倉位，確保觸及止損時虧損不超過總資金 3%（摘錄自原片教學）：

def go_long(self):
    entry = self.price - self.atr
    stop = entry - 4 * self.atr
    qty = utils.risk_to_qty(self.available_margin, 3,
                            entry, stop, fee_rate=self.fee_rate)
    self.buy = qty, entry

開倉後 Jesse 自動掛出止損（入場價減 4 倍 ATR）與止盈（入場價加 3 倍 ATR），數量與持倉一致；淡倉全部反向。講者逐段核對後認為代碼正確，今次沒有像第 14 課那樣需要人手修 bug——他歸功於指令寫得具體，進出場規則逐點列明，模型便沒有自由發揮的空間。

之後他做了一個值得學的調試動作：叫模型加插 after 函數，把 TEMA、ADX、CMO 的數值疊印在回測圖表上。重跑回測後，點選任何一宗交易，都能即時看到進場當刻的指標狀態——例如某宗好倉進場時 ADX 為 50、CMO 高於 40，確實符合條件；淡倉則核對 CMO 低於 −40。逐宗目測核對雖然花時間，卻是驗證「代碼做的」與「你想的」是否一致的直接方法，比只看最終數字可靠得多。順帶一提，模型順手加的 watch list 功能只對實盤有用，回測無關，講者直接刪除。

回測結果與講者的講法

回測設定：BTC-USDT 永續合約（Binance）、30 分鐘圖、4 小時圖作額外數據路由，數據由 2021 年初至 2025 年 6 月。分階段結果如下（截至原片發佈）：

• 2025 年上半年：盈利 32%，最大回撤僅 −3%，勝率 81%，平均持倉 12 小時，夏普比率 4.34。講者明言「好得不像真的」，不預期其他時段也有此水準。
• 2021 年：+167%，回撤 −20%，勝率 71%，夏普 1.98。平均持倉 44 小時。
• 2022 年：+35%，回撤 −30%。
• 2023 年：年初一度跑贏，年末計算沒有跑贏 BTC 本身。
• 2024 年：+300%，回撤 −25%，勝率 75%，夏普接近 3。

以 2021 年為例看盈虧結構：贏輸比（平均盈利對平均虧損）只有 0.65——正因止盈 3 倍 ATR、止損 4 倍 ATR——但勝率高達 71% 補足了賠率不足。講者形容它更像均值回歸而非典型趨勢跟蹤，平均持倉 44 小時。各年的手續費亦不可忽視：全期合共約 63,638 美元，幾乎是最終淨利的八分之一，高頻進出的策略對費率極敏感。

• 全期 4.42 年：講者見回撤數字漂亮，把倉位直接乘 3（槓桿上限 30 倍），最終權益曲線錄得 +4983.69%——10,000 美元變 508,368 美元，共 290 宗交易，手續費合共約 63,638 美元，最大回撤 −37.04%。這就是標題數字的出處。分年比較：最佳年份回撤 −9.2%、夏普 4.3；最差年份回撤 −37%、夏普 0.8。

值得留意的是講者片末的分析，他直指很多人只看最終 P&L 數字就以為策略時時賺錢，「事實並非如此」。他逐一指着權益曲線上的凹陷：其中一段回撤期長達八九個月——若在該段起點開始實盤，之後兩三個月都在虧損；另一段權益橫行了七八個月。他的原話大意是：實盤經歷這些時段你不會開心，大多數人根本撐不到後面的大升浪就會放棄。他由此帶出兩個結論：第一，不要把全部資金押在單一策略上，應該建立一籃子策略，讓不同策略的回撤期互相抵銷，甚至可以同時跑十個；第二，評估策略不能只看最終 P&L，至少要同時讀夏普比率或卡瑪比率等風險調整指標。

MT5 可行性速評

• 邏輯可移植性：TEMA 雖非 MQL5 內建指標，但可用三層 iMA（MODE_EMA）自行組合：TEMA = 3×EMA1 − 3×EMA2 + EMA3，是把指標套指標的基本寫法；ADX（iADX）、ATR（iATR）內建；CMO 無內建，需約十行代碼手算。多時間框架只需在函數指定 PERIOD_H4。
• 平台限制：單品種策略在 MT5 適配良好；「每根 K 線重掛限價單」可用掛單修改實現。惟原片標的為加密貨幣永續合約，MT5 券商的加密差價合約供應、點差與隔夜費各異，手續費假設不能直接搬用；30 倍槓桿亦非所有券商提供。
• 評級：✅ 可直接移植——所有條件均可用內建函數或簡單自算實現，掛單管理屬常規 EA 邏輯；唯 TEMA 與 CMO 要自行組合計算，屬小工程量而非障礙。
• MQL5 寫法提示：

int hE1 = iMA(_Symbol, PERIOD_M30, 10, 0, MODE_EMA, PRICE_CLOSE);
int hE2 = iMA(_Symbol, PERIOD_M30, 10, 0, MODE_EMA, hE1);   // EMA of EMA
int hE3 = iMA(_Symbol, PERIOD_M30, 10, 0, MODE_EMA, hE2);
// TEMA10 = 3*E1 - 3*E2 + E3；同法造 TEMA80 與 H4 的 20/70
int hADX = iADX(_Symbol, PERIOD_M30, 14);
// 條件成立 → 現價 − 1×ATR 掛 Buy Limit，SL = 入場價 − 4×ATR，TP = 入場價 + 3×ATR

注意：MT5 回測同樣會過度擬合，參數在歷史數據上調得越貼，樣本外表現越無保證，不要以為換了平台數字就更可信。

欣利克的看法

• 先拆 4983% 的構成：這個數字來自單一標的（BTC-USDT 永續）、2021 年初至 2025 年 6 月的單一時段，而且是倉位人手放大三倍、槓桿上限 30 倍之後的複利結果——「每筆風險 3%」的風控設定在此已變相失效，最大回撤亦由單位數擴大至 −37%。同一策略用原本倉位跑 2023 年，甚至跑輸單純持有 BTC。
• 均線策略的連敗特性：所有以均線交叉為核心的策略都有同一死穴——橫行市。快慢線在無趨勢時會不斷交叉，配合 ADX 與 CMO 過濾只能減少、不能杜絕假訊號。原片權益曲線上那段八九個月的回撤與七八個月的橫行，正是這種特性的具體樣貌；連續止損在實盤是常態而非意外。
• 常見誤區：快就是好：TEMA 滯後較少，但「反應快」與「訊號準」是兩回事——越靈敏的均線在雜訊中越頻繁轉向。本策略真正值得學的不是 TEMA 本身，而是「方向（快慢線）＋強度（ADX）＋動能（CMO）＋價位（回調掛單）」四層分工的構造方式，每個指標只負責回答一個問題。
• 觀點比較：與三 EMA 策略｜第 16 課對照可見講者的一貫套路：均線定方向、濾網減雜訊、ATR 管風控；與馬丁格爾策略｜第 11 課相比，本策略至少有明確止損與固定風險，屬結構完整的趨勢系統——但「結構完整」與「未來有效」仍是兩回事。
• 時效提醒：以上數據截至原片發佈（2025 年中），全部來自加密貨幣單一市場的歷史片段；參數（10/80、20/70、40 閾值、3/4 倍 ATR）未見樣本外驗證。本課的價值在於「規則 → LLM 生成代碼 → 分年度檢驗 → 解讀回撤」的方法論，而非任何具體數字。

名詞解釋

• 三重指數移動平均線 TEMA：以三次 EMA 運算抵銷滯後的均線，同周期下比 EMA 反應更快。
• 指數移動平均線 EMA：對近期價格加權較重的移動平均線，是 TEMA 的基礎元件。
• 錢德動量擺動指標 CMO：介乎 −100 至 +100 的動能震盪指標，比 RSI 更敏感，本課用作 ±40 動能過濾。
• 平均趨向指數 ADX：量度趨勢強度不分方向的指標，本課以 40 為橫行市過濾線。
• 平均真實波幅 ATR：每根 K 線平均波動範圍，本課用於掛單距離、止損止盈與倉位計算。
• 限價單 Limit Order：指定價格才成交的委託單，本課掛在回調位等成交。
• 回調 Pullback：趨勢中的短暫逆向波動，順勢策略的常見進場位置。
• 夏普比率 Sharpe Ratio：每單位波動風險換取的超額回報，評估回報質素而非只看總回報。
• 最大回撤 Drawdown：權益由高位回落的最大幅度，衡量策略風險的核心指標。
• 過度擬合 Overfitting：策略參數過度遷就歷史數據，回測亮麗卻無法在未來複製。

常見問題 FAQ

TEMA 與 EMA 有甚麼分別？

TEMA 對價格做三次 EMA 運算再以「3×EMA1 − 3×EMA2 + EMA3」組合，抵銷平滑造成的滯後。同周期下 TEMA 轉向更快、更貼近價格，趨勢策略能較早進場；代價是對短期波動更敏感，橫行市的假交叉也更多。兩者沒有絕對優劣，取決於策略要靈敏還是要平滑。

為甚麼進場要用限價單而不是市價單？

講者的思路是「順勢但不追價」：趨勢條件成立後，價格多半仍有小幅回吐，把限價單掛在現價減一倍 ATR 的位置等回調成交，能換取較佳進場價與較近的止損距離。代價是價格若不回頭便錯過整段行情，且每根新 K 線要按最新 ATR 取消舊單重掛，實作較繁複。

回測 4983% 是否代表實盤也能有相近回報？

不能這樣推論。該數字來自單一加密貨幣、2021–2025 年的單一時段，且是倉位人手放大三倍、槓桿 30 倍後的複利結果；原倉位設定下 2023 年更跑輸大市。參數在同一批數據上調校，未經樣本外驗證，中途又曾有長達八九個月的回撤期。講者自己也強調不能只看最終 P&L，要同時讀夏普比率等風險調整指標。

這個策略可以搬到 MT5 用嗎？

可以。TEMA 可用三層 iMA（MODE_EMA）自行組合，ADX、ATR 為內建函數，CMO 約十行代碼可手算，多時間框架與限價單管理均屬常規 EA 寫法，評級為可直接移植。但要注意 MT5 回測同樣會過度擬合，且加密貨幣差價合約的點差與槓桿因券商而異，原片的成本假設不能直接搬用。

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=b6ClJKhEQcE