均值回歸 Mean Reversion 策略：布林帶掛單＋RSI 四重過濾（Python 回測筆記）

2026年7月18日 · 來源頻道：Algo-trading with Saleh · #均值回歸 #Python #量化交易 #回測

第 14 課・共 18 課

均值回歸 Mean Reversion 策略假設價格偏離平均水平後終會回歸，與趨勢跟蹤的邏輯剛好相反。本篇整理 Algo-trading with Saleh 的教學：用布林帶定位進出場、大時間框架 RSI 與 Supertrend 過濾趨勢，再以 LLM 把規則轉成 Python 代碼在 Jesse 框架回測。先說明：標題的「813%」屬單一教學案例的回測數字，本筆記重點是學習策略寫法與回測方法，而非跟單依據。

學習重點

• 均值回歸策略的本質：逆當前方向建倉，賭價格回歸均值；代價是「贏錢次數多、單筆贏得少、輸就輸大」的盈虧結構
• 講者的改良思路：不是純逆勢，而是「大周期順勢＋小周期逆勢回調」，用四重過濾確認趨勢存在後才在回調位掛單
• 進出場設計：布林帶下軌限價買入、上軌止盈，止損為入場價減六倍 ATR；每筆風險約佔資金 3%
• Python 落地流程：把自然語言規則餵給 LLM 生成 Jesse 策略代碼，再人手修正錯誤（本課就有兩處）
• 回測解讀：勝率 92% 的策略一樣可以在單一年度虧損；交易樣本數（37 宗 vs 75 宗）直接影響統計意義

詳細筆記

策略核心：不是純逆勢的均值回歸

講者開宗明義：均值回歸策略不以趨勢指標起步，因為我們不期望價格延續方向，而是期望它回到均值，建倉方向與當前市場方向相反。最經典的量度工具是布林帶 Bollinger Bands：中軸是一條移動平均線，上下軌是中軸加減兩倍標準差。背後是統計學的常態分佈概念：價格偏離均值達兩個標準差屬相對罕見的狀態，此後回歸均值的傾向較高。講者坦言記不起確切數字，但認為這個理論很有意思——這正是整個策略的根基：好倉在下軌（圖中綠線）開倉，淡倉則在上軌反向操作。策略的交易時間框架為 1 小時。

但講者強調，布林帶只負責「在哪個價位開倉」，不是進場訊號本身。真正的主軸是 RSI，而用法與傳統相反：傳統上 RSI 升穿 70（超買）是沽空訊號，講者卻想在大趨勢中趁回調買入。他的想法是：市場要有趨勢，但不即市追入，而是等價格回調到均值附近才進場，賭它之後再升。若只用 1 小時 RSI 判斷超買，機會窗口太窄，所以 RSI 改用 4 小時框架——大周期 RSI 高於 70，代表大級別動能強勁，期間內任何回調都是潛在買點。

進場條件：四重過濾

光有 RSI 仍會在無趨勢的橫行市產生假訊號——橫行市一樣可以出現 RSI 超買，一根大陽燭不代表趨勢成立。講者以圖例說明：某段橫行市中 RSI 確已超買，其後價格雖一度上升令好倉獲利，但同類位置充滿假突破，長期必被反覆止損。他於是加入兩層趨勢過濾：

1. 雙 ADX 過濾：1 小時圖 ADX 須高於 20（不用常見的 40，因為想盡早捕捉趨勢、不想錯過太多交易），同時 4 小時圖 ADX 須高於 40。大周期確認強趨勢，小周期容忍早期訊號。
2. 4 小時 Supertrend 方向：講者承認這是均值回歸策略卻仍需趨勢指標，只是不以其起步。關鍵技巧是把 Supertrend 放在 4 小時框架——1 小時圖上的短暫跌勢，在 4 小時圖可能仍是升勢（Supertrend 線在價格下方、顯示綠色），這種「大勢向上、小周期回調」正是要捕捉的形態。若 Supertrend 用回 1 小時，一回調就轉向，會錯失機會。

以好倉為例，完整進場條件為：4 小時 RSI > 70、4 小時 Supertrend 顯示升勢、4 小時 ADX > 40、1 小時 ADX > 20，四者同時成立。淡倉全部反向（4 小時 RSI < 30、Supertrend 跌勢等）。

出場設計：布林帶止盈＋六倍 ATR 止損

• 入場價：布林帶下軌（好倉）——以限價單掛在現價下方，等回調成交，不是市價追入
• 止盈：布林帶上軌（好倉）；淡倉反向，下軌止盈
• 止損：入場價 − 6 × 當前 ATR（好倉）

講者特別解釋了盈虧結構的分別：趨勢跟蹤策略要求高風險回報比，止損常用 2–3 倍 ATR，贏時贏大；均值回歸策略剛好相反，止損放得很遠（6 倍 ATR），換取 70–80% 以上的高勝率——贏的次數多但每次贏得少，一旦觸及止損虧損就大。這是設計上的取捨，不是疏忽。

Python 實現：LLM 生成＋人手修正

講者把上述規則以自然語言寫成指令，交給他自家的 JesseGPT（背後使用 Claude 3.7 Sonnet 模型）生成 Jesse 框架的策略代碼，命名為 MeanReversionRSI。生成的代碼以大時間框架蠟燭圖為基礎定義各項指標屬性，結構大致如下（摘錄自原片教學）：

# 大時間框架數據與指標（摘錄自原片教學）
@property
def higher_tf_candles(self):
    return self.get_candles(self.exchange, self.symbol, '4h')

@property
def higher_tf_rsi(self):
    return ta.rsi(self.higher_tf_candles)

進場判斷把四重過濾寫成布林運算（摘錄自原片教學）：

def should_long(self) -> bool:
    return (
        self.higher_tf_rsi > 70 and
        self.trend == 1 and
        self.higher_tf_adx > 40 and
        self.current_tf_adx > 20
    )

落單邏輯：以下軌為限價、6 倍 ATR 為止損距離，再用 risk_to_qty 反推倉位，令每筆交易風險固定（摘錄自原片教學）：

def go_long(self):
    entry_price = self.bb.lowerband
    stop_loss_price = entry_price - (6 * self.atr)
    qty = utils.risk_to_qty(self.available_margin, 3,
                            entry_price, stop_loss_price, fee_rate=self.fee_rate)
    self.buy = qty, entry_price

值得學習的是人手修正環節，LLM 並非一次寫對：

1. 趨勢判斷錯誤：模型把「4 小時 Supertrend 升勢」寫成檢查某個布林值，講者改為比較現價與 Supertrend 線數值——價在線上回傳 1（升勢），否則回傳 0。其後回測發現策略只做好倉，追查下發現跌勢時應回傳 −1 而非 0，修正後淡倉才正常觸發。
2. 多餘的移動止盈：模型自作主張在 update_position 中不斷按最新布林帶更新止盈價，講者並無此要求，直接刪除。他的心得：指令越具體，模型越乖乖照做；指令含糊，模型就會「自由發揮」。

另有一個限價單的細節：由於在下軌掛限價單，下一根 K 線下軌位置已變，舊掛單可能永遠無法成交——原片用圖例展示，若沿用舊掛單價，即使後來價格觸及新的下軌位置也不會開倉。Jesse 的做法是 should_cancel_entry 回傳 true，每根 K 線取消舊單、按新下軌重新掛單（前提仍是進場條件成立）。若策略用市價單則無需定義此方法。

回測設定上還有一個實戰教訓：策略用到 4 小時蠟燭圖，回測面板理應加入對應的 data route。漏設時 Jesse 回測會報錯但仍能在幕後補救完成；實盤交易時漏設卻會直接令 session 終止。講者特別提醒兩者後果不同，部署前必須檢查路由設定。

回測結果與講者的講法

回測設定：BTC-USDT 永續（Binance）、1 小時圖，手續費故意設定為 Binance 實際費率的約兩倍，預留滑點與資金費等隱藏成本。分階段結果如下（截至原片發佈、數據至 2025 年 7 月 20 日）：

• 2024 年初至 2025 年中：9 宗交易，盈利 9.23%，勝率 100%，最大回撤接近零，夏普比率 2.48。講者明言 100% 勝率並不現實。
• 放大倉位：講者把倉位直接乘 5（並承認這令「每筆風險 3%」的設定失效，純為展示權益曲線），結果貼近但未跑贏 BTC 本身。
• 分年度檢驗：2022 年錄得約 −9%（最大回撤 −22%、勝率 75%），證明高勝率策略照樣有虧損年份；2023 年則為 +97%、回撤 −12%、勝率 100%。
• 修正淡倉 bug 後：2022 年轉為 +16%；2022 年初至 2025 年 7 月全期 +253%，最大回撤 −22%，勝率約 94.6%，夏普 1.57，但 3.5 年只有 37 宗交易。
• 多標的擴展：加入 ETH、DOGE 後共 75 宗交易，全期盈利 813%、最大回撤仍約 −22%、勝率 92%、夏普 1.95，平均持倉約 70 小時，最長連勝 32 宗。這就是標題「813%」的出處。

講者對結果有兩點保留，值得記下：第一，3.5 年 37 宗交易的樣本太少，統計意義不足——交易次數越多，回測結果越可信，這正是他擴展至多標的的原因（交易次數升至 75 宗）；第二，平均持倉近 70 小時、虧損單平均持有逾 120 小時，實盤要承受持倉數日甚至浮虧數日的心理壓力，這一點回測數字不會告訴你。

此外，多標的回測要關閉 fast mode 與 benchmark 才能正常執行；講者亦提到目前只測了三隻加密貨幣，理論上可繼續尋找其他適合的標的進一步改善結果——但這句話本身也值得警惕：不斷試標的、挑表現好的留下，正是過度擬合的溫床，下文「欣利克的看法」會再談。

MT5 可行性速評

• 邏輯可移植性：布林帶（iBands）、RSI（iRSI）、ADX（iADX）、ATR（iATR）全部為 MQL5 內建函數；多時間框架只需在函數中指定 PERIOD_H4。唯獨 Supertrend 非內建，須自行用 ATR 實作或引用自訂指標。
• 平台限制：單品種、1 小時圖的策略在 MT5 適配良好；「每根 K 線重掛限價單」可用掛單修改（OrderModify）實現。多標的組合（BTC＋ETH＋DOGE）在 MT5 需寫多品種 EA，且加密貨幣差價合約的供應與點差因券商而異，原片的手續費假設不能直接搬用。
• 評級：⚠️ 需自訂元件——核心邏輯全部可寫，但 Supertrend 要自製，加上限價單追蹤下軌的掛單管理邏輯比一般市價單 EA 複雜。
• MQL5 寫法提示：

int hRsiH4 = iRSI(_Symbol, PERIOD_H4, 14, PRICE_CLOSE);   // 大周期 RSI
int hBB    = iBands(_Symbol, PERIOD_H1, 20, 0, 2.0, PRICE_CLOSE);
int hATR   = iATR(_Symbol, PERIOD_H1, 14);
// CopyBuffer 取值後：於下軌掛 Buy Limit，止損 = 入場價 − 6×ATR
// 每根新 K 線檢查下軌位置，偏離即 OrderModify 改掛單價

注意：MT5 回測同樣會過度擬合，tick 數據質素與 spread 模型直接影響結果，不要以為換了平台數字就更可信。

欣利克的看法

• 先拆「813%」的構成：這個數字來自 BTC＋ETH＋DOGE 三隻加密貨幣、2022 年初至 2025 年 7 月的單一回測時段；講者有計入手續費（且故意設為實際兩倍以預留滑點），但倉位曾人手放大 5 倍，「每筆風險 3%」的風控設定在最終結果中已不成立。同一策略單跑 BTC 在 2022 年曾錄得虧損，可見結果對標的與時段相當敏感。
• 這其實不是純均值回歸：純逆勢策略的最大死穴是強趨勢市「接刀」——價格可以長期偏離均值。講者用 4 小時 RSI、Supertrend、雙 ADX 四重過濾，本質上是「順大勢、逆小勢」的回調買入法，與教科書式的均值回歸不同。學習時應把它歸類為混合策略，而非以為布林帶觸軌就能反向操作。
• 過度擬合風險仍在：RSI 70、ADX 20/40、6 倍 ATR、5 倍倉位等參數全部在同一批歷史數據上調校，原片沒有做樣本外驗證或前移測試。75 宗交易雖比 37 宗好，以統計標準衡量仍屬偏少。參數稍微改動後表現如何，是檢驗此策略的第一個問題。
• 高勝率的另一面：回測中平均盈利與平均虧損的比例約為 0.36，即贏三次未必夠輸一次。92% 勝率予人安全感，但一次觸及六倍 ATR 止損便會抹去多宗盈利；遇上連續止損（回測最長連敗僅 2 宗，實盤無保證），權益曲線會非常難受。
• 時效提醒：以上數據截至原片發佈（2025 年中），加密市場的波動結構變化快，兩年前的規律不代表今天仍成立。本課值得學的是「規則 → 代碼 → 分年度檢驗 → 找 bug」的方法論，而非任何具體參數。

名詞解釋

• 均值回歸 Mean Reversion：假設價格偏離平均水平後終會回歸的交易思路，逆當前方向建倉。
• 布林帶 Bollinger Bands：移動平均線加減兩倍標準差構成的通道，量度價格偏離均值的程度。
• 相對強弱指數 RSI：0–100 的動能震盪指標，傳統上 70 以上超買、30 以下超賣；本課改用作大周期趨勢濾網。
• 平均真實波幅 ATR：每根 K 線平均波動範圍，不含方向，常用於設定止損距離與計算倉位。
• 平均趨向指數 ADX：量度趨勢強度不分方向的指標，用於過濾橫行市假訊號。
• 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。
• 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。
• 回測 Backtesting：以歷史數據檢驗交易規則的過程，樣本太少易把巧合當規律。
• 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。
• 倉位管理 Position Sizing：按每筆可承受風險反推交易數量，令不同波動的市場承受相近風險。

常見問題 FAQ

均值回歸策略和趨勢跟蹤策略有何分別？

均值回歸賭價格回到平均水平，逆當前方向建倉，特徵是勝率高、單筆盈利小、虧損大；趨勢跟蹤順勢而建，勝率較低但贏時贏大，兩者的盈虧結構剛好相反。本課的策略其實是混合體：大時間框架確認趨勢存在，小時間框架逆回調掛單，取兩者之長。

為甚麼 RSI 超買反而可以買入？

傳統用法把 RSI 高於 70 解讀為超買回軟訊號。本課改用 4 小時框架的 RSI：大周期 RSI 高於 70 代表大級別上升動能強勁，此時在 1 小時圖等價格回調至布林帶下軌買入，屬「順勢等回調」而非「賭見頂」。同一指標放在不同時間框架，含義可以完全相反。

回測 813% 是否代表實盤也能有相近回報？

不能這樣推論。該數字來自特定三隻加密貨幣與 2022–2025 年的單一時段，參數在同一批數據上調校，倉位又曾人手放大，且未經樣本外驗證。講者自己也承認 3.5 年 75 宗交易的樣本偏少。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？

核心邏輯（布林帶、RSI、ADX、ATR）MQL5 全部內建，多時間框架亦易實現；但 Supertrend 要自訂指標，「每根 K 線按下軌重掛限價單」需要掛單管理邏輯，多標的組合則要寫多品種 EA。屬「可行但需自訂元件」一類，且 MT5 回測同樣受過度擬合與數據質素影響。

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=5I2vtNovJcQ