突破策略 Breakout 實戰：唐奇安通道＋ATR 波動濾網，用 LLM 寫 Python 回測

2026年7月19日 · 來源頻道：Algo-trading with Saleh · #突破策略 #量化交易 #Python #回測

第 15 課・共 18 課

突破策略 Breakout 是趨勢跟蹤的經典門派：價格升穿過去一段時間的最高點就順勢進場，讓利潤跟隨趨勢跑。本課筆記整理自 Algo-trading with Saleh 的教學影片，講者 Saleh 用唐奇安通道配合他新設計的 ATR 波動濾網，在 SOL-USDT 永續合約上建構策略，再以 LLM 生成 Python 代碼於 Jesse 框架回測。先說明：標題的「805%」屬單一教學案例的回測數字，來自特定幣種組合與時段，本課重點是學習策略邏輯與回測方法，並非跟單依據。

學習重點

• 突破的定義要嚴謹：唐奇安通道上軌是「過去 N 根 K 線的最高價」，計算時必須剔除當前未收市的 K 線，否則通道會被當前價格頂住而失真。
• 兩重過濾假突破：4 小時 SMA 200 定方向（線上只做多、線下只做空），ATR 高於其 20 期均線確認波動正在擴大，兩者同時滿足才進場。
• 出場比進場重要：不設固定止盈，初始止損為 5 倍 ATR，其後每根 K 線用通道下軌上移止損，讓倉位跑到趨勢回頭為止。
• LLM 生成代碼要逐行覆核：講者用 JesseGPT 生成策略後親自檢查每一個屬性與函數，修正語法偏好並確認邏輯無誤才回測。
• 805% 的構成：四幣組合、3.5 年複利、每筆風險 2% 的回測結果；同一策略中途版本曾錄得 +8,564% 但最大回撤 -68%，數字永遠要連同回撤一起讀。

詳細筆記

用唐奇安通道定義「突破」

突破策略第一步是回答「甚麼叫突破」。講者選用唐奇安通道 Donchian Channel：上軌是過去 N 根 K 線的最高價，下軌是最低價，中軸是兩者平均。TradingView 預設周期為 20，策略代碼則用 30。當某根 K 線收市價升穿上軌，即確認向上突破成立。

有一個容易忽略的技術細節：當前這根 K 線若創出新高，上軌會同步被推高，「突破」便永遠差一步。所以計算通道時只取到上一根 K 線為止，不含當前 K 線——這一點在後面的代碼覆核中會看到對應寫法。策略時間框架為 1 小時圖，標的為 Binance 的 SOL-USDT 永續合約。

兩重過濾：大勢方向與波動率

裸突破訊號在橫行市會被假突破反覆修理，講者加了兩重過濾。

第一重是趨勢方向：200 期簡單移動平均線，但改用 4 小時框架計算。價格在 4 小時 SMA 200 之上只找做多機會，之下只找做空機會。講者明言這令策略反應滯後——好處是減少假突破干擾，壞處是會錯過不少機會，兩者是一體兩面。

第二重是講者自認的創新：把 ATR 當波動率濾網用。ATR（平均真實波幅，常用 14 期）量度每根 K 線的平均波動範圍，例如數值 2 代表價格平均每根 K 線移動 2 美元。傳統上 ATR 只用於設止損，講者卻對 ATR 序列再取 20 期均線，要求「ATR 高於其自身均線」才允許進場——即只在波動正在擴大、新趨勢可能啟動時出手。注意這個條件對多空雙方完全相同：它只問波動夠不夠，不問方向。

出場設計：不設固定止盈的移動止損

突破策略本質是趨勢跟蹤，講者的目標是「讓倉位跟隨趨勢越久越好」，所以不設一般意義的止盈。具體規則：開倉時初始止損設於入場價下方 5 倍 ATR（淡倉相反），止盈設於 10 倍 ATR——距離刻意拉得很遠，多數情況不會觸及，純粹作安全網與方便框架計算。由第二根 K 線開始改用移動止損 Trailing Stop：好倉每根新 K 線把止損上移「現有止損與通道下軌的較高者」，淡倉則取「現有止損與通道上軌的較低者」。止損只進不退，直至價格回頭觸軌離場。絕大部分交易都靠這條移動止損出場。

Python 實現：LLM 生成＋逐行覆核

講者把進出場規則以自然語言寫成指令，交給他自家的 JesseGPT（可自行託管、自備 API key 的版本）生成 Jesse 框架代碼。原定的 GPT-5 模型因 API 問題報錯，改用 GPT-5 mini 完成，生成策略命名為 DonchianATRTrend。指令內容包括：唐奇安通道 30 期、ATR 及其 20 期均線、4 小時 SMA 200、多空進場條件、每筆風險為賬戶 3%、5 倍 ATR 止損與 10 倍 ATR 止盈、以通道移動止損。

值得學習的是覆核環節，幾個關鍵屬性（摘錄自原片教學）：

@property
def atr_sma(self):
    atr_seq = ta.atr(self.candles, sequential=True)
    return ta.sma(atr_seq, period=20)

@property
def sma_4h(self):
    c = self.get_candles(self.exchange, self.symbol, '4h')
    return ta.sma(c, 200)

sequential=True 令 ATR 回傳整條序列而非單一數值，才能再取均線；get_candles 指定 4 小時框架取得大周期數據。進場條件則是三個條件取交集：

def should_long(self) -> bool:
    return (self.price > self.donchian.upperband
            and self.price > self.sma_4h
            and self.atr > self.atr_sma)

倉位計算用 Jesse 內建的 risk_to_qty：傳入可用保證金、風險百分比（3%）、入場價與止損價，自動反推數量，並一併傳入交易所費率。移動止損在 update_position 中實現，好倉取現有止損與通道下軌的較高者（摘錄自原片教學）：

def update_position(self):
    if self.is_long:
        new_stop = max(self.average_stop_loss, self.donchian.lowerband)
        self.stop_loss = self.position.qty, new_stop

還有一個部署教訓：策略用到 4 小時數據，回測面板漏設對應 data route 時 Jesse 會在幕後補救照跑，但實盤漏設會直接終止 session，上線前必須檢查路由。

回測結果與講者的講法

回測設定：Binance 永續、預設手續費、賬戶槓桿上限設為 10。講者先分年度單跑 SOL-USDT 1 小時圖（基本倉位，截至原片數據 2025 年 7 月）：

• 2022 年（熊市）：96 宗交易，+53%，最大回撤約 -15%，勝率 40%，夏普 1.78。
• 2023 年：+87%，回撤 -20%，勝率 39%，夏普 2.31。
• 2024 年：+16%，回撤 -10%，勝率 36%，夏普 0.72——跑輸持有 SOL 本身。
• 2025 年上半年：45 宗交易，+25%，回撤 -6%，勝率 40%，平均盈虧比 2.3，夏普 2，Calmar 近 9；平均持倉 42 小時，最長連敗 4 宗。

講者其後把倉位乘 2（明言此舉令「每筆風險 3%」不再成立），3.5 年全期（2022 年初至 2025 年 7 月）單幣結果為 +1,217%、最大回撤 -38%、勝率 38%、盈虧比 2.18、夏普 1.66，最長連敗達 8 宗。他特別強調自己沒有跑任何參數最佳化，認為過度擬合風險不高，並提醒讀者不要照單全收，應繼續改良。

接着講者用自寫的批量回測腳本，在多幣種、多時間框架上按夏普比率排名，發現 SOL 1 小時最佳、SOL 30 分鐘次之，DOT 與 ETH 的 2 小時圖夏普亦高於 1。於是組成四幣組合（SOL 1h＋DOT 2h＋ETH 2h＋ADA 2h）：放大倉位版本錄得 +8,564%，但最大回撤 -68%，講者直言無法接受；把每筆風險由 3% 降至 2%、移除倉位倍數後，最終版本為 +805%、回撤約 -30%、勝率 41%、夏普 1.76——這就是標題「805%」的出處。他的解釋是：回撤一旦過深，權益極難收復，寧願犧牲回報換取可承受的回撤；多幣種能攤薄回撤期的長度，更進一步是同時運行多套策略互相補位，這也是他實際的做法。

MT5 可行性速評

int hATR = iATR(_Symbol, PERIOD_H1, 14);
int hSMA = iMA(_Symbol, PERIOD_H4, 200, 0, MODE_SMA, PRICE_CLOSE);
// 唐奇安上軌 = 過去 30 根最高價（shift 由 1 起，剔除當前 K 線）
int hi = iHighest(_Symbol, PERIOD_H1, MODE_HIGH, 30, 1);
double upper = iHigh(_Symbol, PERIOD_H1, hi);
// 移動止損：每根新 K 線取 max(現有止損, 下軌) 後 PositionModify

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「805%」的構成。 這個數字來自四隻加密貨幣永續合約的組合、2022 年初至 2025 年 7 月的單一時段、每筆風險 2% 的複利滾存，賬戶層面更設有 10 倍槓桿上限。同一策略放大倉位時是 +8,564% 配 -68% 回撤，縮小倉位後變成 +805% 配 -30% 回撤——回報與回撤永遠是同一枚硬幣，單看任何一邊都會誤判。
• 假突破不會被濾網消滅。 4 小時 SMA 200 與 ATR 雙重過濾只能減少假訊號，代價是進場滯後、錯過初期升幅。回測勝率僅約四成、最長連敗 8 宗，正是突破策略的常態：大部分利潤來自少數大趨勢單，其餘時間在不斷止小蝕。心理上能否捱過連敗期，比參數設定更決定成敗。
• 「無跑最佳化」不等於無擬合。 講者強調沒有做參數最佳化，這點值得肯定；但他用批量腳本按夏普比率排名、挑選表現最好的幣種與時間框架留下，這本身已是對歷史數據的選擇，屬較溫和的數據採礦。30、20、200、5 倍、10 倍這些參數亦全在同一批數據上定案，原片未見樣本外或前移驗證，分年度檢視已是片中最接近的做法。
• LLM 寫策略的正確姿勢。 講者沒有把生成的代碼直接拿去回測，而是逐行覆核：檢查通道是否剔除當前 K 線、ATR 序列參數、多空條件是否鏡像（波動濾網不應反向），還修正了語法風格。模型會寫錯、會寫得不合框架慣例，覆核者的功力才是質量保證——完全不懂代碼的人用同樣流程，風險在於看不出錯處。
• 時效提醒。 文中所有績效數字截至原片發佈、數據止於 2025 年 7 月，距今已一段時間；加密市場的波動結構變化快，幣種強弱會輪換，當時排名靠前的組合今天未必仍然有效。

名詞解釋

• 突破策略 Breakout：價格升穿阻力或跌穿支持時順勢進場的策略類型，勝率低、盈虧比高。
• 唐奇安通道 Donchian Channel：由過去 N 根 K 線最高價與最低價構成的通道，本課的突破定義與移動止損基準。
• 平均真實波幅 ATR：每根 K 線平均波動範圍，不含方向；本課兼用作波動率濾網與止損距離單位。
• 移動止損 Trailing Stop：隨價格有利方向單向移動的止損，讓趨勢單跑到回頭為止。
• 倉位管理 Position Sizing：按每筆可承受風險反推交易數量，本課用 risk_to_qty 實現。
• 最大回撤 Drawdown：權益由高位回落的最大幅度，本課決定倉位大小的核心約束。
• 夏普比率 Sharpe Ratio：每單位波動風險換取的回報，講者用作幣種與時框的排名依據。
• 勝率 Win Rate：獲利交易佔總交易的比例，趨勢策略通常僅三至四成。
• 過度擬合 Overfitting：策略過度遷就歷史數據，回測亮麗卻無法在未來複製。
• 樣本外測試 Out-of-Sample：用從未參與調參的數據驗證策略，檢驗擬合程度的標準做法。
• 回測 Backtesting：以歷史數據檢驗交易規則的過程。
• MT5 MetaTrader 5：MetaQuotes 開發的多資產交易平台，支援 EA 自動交易與策略回測。
• MQL5 語言：MT5 平台的程式語言，語法接近 C++，用於編寫 EA 與自訂指標。

常見問題 FAQ

突破策略和趨勢跟蹤是同一回事嗎？

突破策略是趨勢跟蹤的一種進場方式：它不預測趨勢，而是等價格升穿既定阻力（如唐奇安通道上軌）才確認趨勢成立並順勢進場。特徵是勝率偏低（本課回測約四成）、靠盈虧比取勝，利潤集中於少數大趨勢單，與高勝率的均值回歸策略剛好相反。

ATR 高於其均線為何能過濾假突破？

假突破多數發生在波動收縮的橫行市：價格勉強越界但後繼無力。ATR 高於其 20 期均線代表近期波動正在擴大，市場較可能處於趨勢啟動階段，此時的突破訊號可靠性較高。不過這只是降低假訊號頻率，不能根除，回測中最長連敗 8 宗就是證明。

回測 805% 是否代表實盤也能有相近回報？

不能這樣推論。該數字來自特定四幣組合與 2022–2025 年的單一時段，幣種按歷史夏普比率挑選，倉位與風險參數亦在同一批數據上調校，且未經樣本外驗證。講者自己亦提醒不要原樣使用。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？

可以，屬較易移植的一類：ATR 與 SMA 是 MQL5 內建函數，唐奇安通道用 iHighest／iLowest 兩行合成，移動止損用新 K 線觸發的 PositionModify 實現。主要工作是自寫倉位計算，以及確認券商有提供相應加密貨幣差價合約。MT5 回測同樣受過度擬合與數據質素影響，換平台不會令結果更可信。

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=ES83m_2-xrg