迷因幣沽空策略實戰：Python 回測特朗普幣短倉 86% 的完整拆解
第 17 課・共 18 課
目錄
迷因幣波動極端、長期走勢偏向下行，恰好是沽空 Short Selling 策略的試驗場。本課筆記整理自 Algo-trading with Saleh 的教學影片，講者 Saleh 用三個經典指標組成一套只做短倉的趨勢策略，沽空特朗普迷因幣（TRUMP），並用 GPT 把規則轉成 Python 代碼實測。先說清楚：標題的「86%」是講者在特定標的、特定時段（2025 年 3 月至 9 月）的回測教學案例，不是可複製的承諾，下文會逐層拆解這個數字的構成。
學習重點
- 策略本質是順勢沽空：EMA 快慢線死亡交叉確認跌勢，RSI 高於 55 確認反彈力度，ADX 高於 20 濾走橫行市，三個條件同時成立才開空倉。
- 出場全交給 ATR：止蝕設於入場價加 1.5 倍 ATR，止賺設於入場價減 2.5 倍 ATR，盈虧比約 1.67，勝率五成已有正期望值。
- 每宗交易風險 1.5%：用 Jesse 的
risk_to_qty由可用保證金、止蝕距離與手續費反推倉位數量，止蝕觸發即虧 1.5% 本金。 - 回測 86% 的構成要細看：單一標的、單一時段、先後調整過倉位倍數與費率假設——屬樣本內結果。
- 蒙地卡羅模擬揭露運氣成分：原始回測最大回撤 -7%，但模擬中位數回撤達 -33%，原始 Sharpe 也低於模擬最佳 5% 水平。
詳細筆記
為甚麼選迷因幣沽空
講者開宗明義：他對政治沒有立場，但從交易角度，特朗普迷因幣是「很好的沽空機會」。他的理由有兩層。第一，迷因幣本身沒有實際用途，他認為這類幣在牛市過後價格會持續陰跌；第二，這隻幣因話題性被各大交易所上架，流動性充足——只要有流動性、有可捕捉的模式，方向是升是跌並不重要。他同時承認策略的明顯盲點：回測期內幣價幾乎一直下跌，策略賺錢可能只是「剛好坐在一條向下的電梯上」，若幣價進入大升浪，這套只做短倉的邏輯必須停用。
三條進場規則
講者先在 TradingView 圖表上示範規則，再交給 GPT 寫碼。進場條件全部成立才開倉：
一、EMA 死亡交叉。 快線 指數移動平均 EMA 12 必須在慢線 EMA 26 之下，代表短期走勢弱於中期走勢。這是方向過濾器，確保只在跌勢中找機會。
二、RSI 高於 55。 這條值得留意：一般短倉策略會等 RSI 超買（70 以上）才沽，講者卻只要求 RSI（14 期）高於 55 的中性偏強水平。他的邏輯是等價格反彈出現力度、但反彈尚未透支時介入，沽在反彈中而不是沽在恐慌低位。
三、ADX 高於 20。 ADX 量度趨勢強度。這是趨勢跟隨策略，橫行市中 EMA 會反覆交叉製造假訊號，所以 ADX 低於 20 的無方向市況一律不開倉。
出場與倉位管理
出場不用指標訊號，改用 ATR（平均真實波幅）量度當前波動：止蝕 = 入場價 + 1.5 × ATR，止賺 = 入場價 − 2.5 × ATR。以講者示範為例，當時 ATR 約 0.069，止蝕距離約 0.10、止賺距離約 0.17。波動大時止蝕自動拉寬、波動小時收窄，避免固定點數止蝕被正常波幅掃走。盈虧比固定約 1.67，所以即使勝率只有五成，期望值仍為正。
倉位方面，每宗交易固定風險本金的 1.5%——以一萬美元本金計，止蝕觸發即虧 150 美元，倉位數量由止蝕距離反推得出。
用 GPT 生成 Jesse 策略代碼
講者把整套規則寫成一段英文指令（只做短倉、EMA 12 低於 26、RSI 高於 55、ADX 高於 20、市價進場、風險 1.5%、ATR 止賺止蝕），交給他自己訓練的 JesseGPT 生成 Jesse 框架的策略類。生成的代碼結構清晰：指標各自定義為 property，預設 RSI 週期 14：
@property
def ema_fast(self):
return ta.ema(self.candles, 12)
@property
def ema_slow(self):
return ta.ema(self.candles, 26)
@property
def rsi(self):
return ta.rsi(self.candles)
（以上代碼摘錄自原片教學）
進場判斷與落盤邏輯濃縮在兩個方法內。should_short 回傳三條件是否同時成立；go_short 用 risk_to_qty 計算數量後以市價賣出：
def should_short(self) -> bool:
return (self.ema_fast < self.ema_slow) and (self.rsi > 55) and (self.adx > 20)
def go_short(self) -> None:
entry = self.price # market order
stop = entry + (self.atr * 1.5)
qty = utils.risk_to_qty(self.available_margin, 1.5, entry, stop, fee_rate=self.fee_rate)
self.sell = qty, entry
（以上代碼摘錄自原片教學）
開倉成功後，在 on_open_position 掛上止蝕與止賺單：
def on_open_position(self, order) -> None:
sl = self.position.entry_price + (self.atr * 1.5)
tp = self.position.entry_price - (self.atr * 2.5)
self.stop_loss = self.position.qty, sl
self.take_profit = self.position.qty, tp
（以上代碼摘錄自原片教學）
講者提醒兩個實務細節：Jesse 要求 go_long 方法必須存在，即使策略不做長倉也要留一個 pass 的空方法，否則回測會報「策略無效」；生成的代碼附帶的數量為零檢查他選擇刪除，因為數量算出零代表計算有錯，他寧願程式報錯讓自己察覺，也不要靜靜跳過。
回測結果的三次迭代
回測設定：TRUMP-USDT 永續合約、一小時圖、2025 年 3 月（該幣上市後不久）至 9 月。過程本身就是很好的風險教育：
- 初版：不計費、1.5% 風險。回報 +22%，最大回撤 -4%，勝率約 51%，Sharpe ratio 2.55。
- 倉位乘四：講者見回撤極低，把每宗交易倉位放大四倍，回報升至 +107%，回撤僅 -6%，Sharpe 不變——倉位縮放不改變策略的風險調整後表現，只同比例放大盈虧。
- 補回手續費：他發現自己誤設為零手續費，改回貼近 Binance 的水平並預留滑點後重跑，回報降至約 +86%（即影片標題數字），最大回撤約 -7%，Sharpe 仍高於 2，平均持倉約 16 小時。
之後他用 Jesse 的互動圖表逐宗交易覆核，並叫 GPT 為策略加上 EMA 與指標疊線，直接在圖上驗證每宗進場時三個條件是否真實成立——這一步是除錯與找改進方向的關鍵，但他同時警告：邊看圖邊加濾網，很容易不知不覺把策略過度擬合 Overfitting 到歷史數據上。
蒙地卡羅模擬：數字以外的真相
講者最後跑了 蒙地卡羅模擬 Monte Carlo Simulation，兩種做法都揭示了原始回測的局限：
- 打亂交易次序（200 次模擬、136 次成功執行）：原始回測最大回撤 -7%，但模擬路徑的中位數回撤是 -33%。意思是同樣一批交易，只是先後次序不同，回撤可以惡劣四倍。講者坦言若自己只能承受 -15% 回撤，就不會用四倍倉位上實盤，而是改用兩倍。
- 打亂 K 線加噪音：原始回測 Sharpe 2.21，模擬中位數只有 0.61（仍為正），而模擬最佳 5% 達 2.92——原始結果反而低於最佳 5%，講者視之為「不異常」的訊號。
講者的結論是他個人認為「足以實盤」，並把策略上載到他的策略索引頁。他也坦白利益關係：影片中段推廣了他有佣金回贈的去中心化交易所註冊連結，其策略頁與 JesseGPT 亦是他的產品。另有一點要留意：講者明言這策略只為沽空迷因幣而設，對 BTC、ETH 的回測「肯定不會好」，不應把邏輯當成通用策略。
🙏 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 | 極高。EMA、RSI、ADX、ATR 全部有 MQL5 內建函數（iMA 配合 MODE_EMA、iRSI、iADX、iATR），三條進場條件只是數值比較，ATR 止賺止蝕與固定百分比風險倉位計算亦是標準 EA 寫法，無需自寫統計元件。 |
| 平台限制 | 最大障礙是標的：MT5 券商極少提供迷因幣 CFD，TRUMP 幣幾乎找不到；主流加密貨幣 CFD 雖可雙向交易，但持倉過夜收隔夜利息（Swap），成本結構與永續合約的資金費率不同，回測假設要重訂。淨額（Netting）帳戶下同一品種只能單向持倉，多策略並行時要留意。 |
| 評級 | ⚠️ 邏輯易移植、標的難尋——指標與倉位邏輯數十行 MQL5 即可完成，但原策略的「迷因幣」前提在 MT5 生態基本不成立；搬到主流幣 CFD 又等於換了標的，原回測結果完全不能作準。 |
| MQL5 寫法提示 | 見下方示意。 |
// 示意：三條進場條件（非完整 EA）
double emaFast = iMA(_Symbol, PERIOD_H1, 12, 0, MODE_EMA, PRICE_CLOSE);
double emaSlow = iMA(_Symbol, PERIOD_H1, 26, 0, MODE_EMA, PRICE_CLOSE);
double rsi = iRSI(_Symbol, PERIOD_H1, 14, PRICE_CLOSE);
double adx = iADX(_Symbol, PERIOD_H1, 14);
// 取指標數值後：emaFast<emaSlow && rsi>55 && adx>20 即開空
// 止蝕 = 入場價 + 1.5*iATR(...)，倉位 = 本金*1.5% / 止蝕距離
注意：MT5 回測同樣會過度擬合，加密貨幣 CFD 的 tick 數據質素與 Swap 模型對結果影響極大，回測曲線亮麗不代表實盤可行。
欣利克的看法
- 防坑檢查：86% 的構成要逐項問。 數字來自單一標的（TRUMP-USDT）、單一時段（2025 年 3 月至 9 月）的樣本內回測，倉位與費率假設中途手調過兩次；手續費有補計，但未計永續合約的資金費率 Funding Rate——平均持倉 16 小時，幾乎每宗交易都跨過資金費結算。加上期內幣價近乎單邊下跌，策略只是順着最順的風而行。
- 迷因幣的風險結構與一般標的不同。 極端波動令 ATR 止蝕距離拉得很闊，熱度退去後流動性又可急速乾涸，實盤滑點遠超回測假設。講者選 TRUMP 幣正因其上了大交易所，但這前提會隨時間失效。
- 沽空加密幣的執行現實比回測殘酷。 迷因幣可於幾分鐘內挾倉抽升兩三成，跳空與流動性真空中止蝕價會大幅偏離，高槓桿下更有爆倉風險。「倉位乘四」正是回撤由 -4% 經蒙地卡羅放大至中位數 -33% 的來源，倉位倍數是整套策略最敏感的旋鈕。
- 值得學的是流程而非策略。 圖表手動確認、逐行覆讀代碼、計入成本、逐宗覆核、蒙地卡羅檢視運氣——這條驗證鏈搬到任何策略都適用；12、26、55、20 這組門檻只是一輪嘗試的結果，參數敏感度原片沒有展示。
- 所有績效數字請加時間濾鏡。 +86%、-7% 回撤、Sharpe 2.2 以上等數據，全是 2025 年 3 月至 9 月單一迷因幣的回測，屬截至影片發布（2025 年 10 月）的歷史窗口示範，不應外推。
名詞解釋
- 迷因幣 Meme Coin：以網絡梗或名人話題為賣點、缺乏實際用途的加密貨幣，本策略的沽空對象。
- 沽空 Short Selling：先賣出後買回、從價格下跌獲利的操作，本策略只做這個方向。
- 永續合約 Perpetual Futures：沒有到期日的加密貨幣期貨，支援直接開空倉，本回測的交易工具。
- 資金費率 Funding Rate：永續合約錨定現貨價的定期收付機制，沽空持倉的隱藏成本或收入。
- 指數移動平均 EMA：對近期價格加權較高的均線，本策略用 12 與 26 期的交叉判斷跌勢。
- 相對強弱指數 RSI：量度價格動能的震盪指標，本策略要求 14 期 RSI 高於 55 才沽空。
- 平均趨向指數 ADX：量度趨勢強度的指標，高於 20 代表市場有方向，低於則視為橫行不開倉。
- 平均真實波幅 ATR：量度市場波動幅度的指標，本策略以 1.5 倍及 2.5 倍 ATR 設止蝕止賺。
- 蒙地卡羅模擬 Monte Carlo Simulation：隨機重組交易或數據以壓力測試回測結果穩健度的方法。
- 夏普比率 Sharpe Ratio：量度每單位風險換取多少回報的指標，本回測約 2.2 至 2.5。
- 最大回撤 Drawdown：權益由高位回落的最大幅度，原始回測 -7%、蒙地卡羅中位數 -33%。
- 過度擬合 Overfitting：策略參數過度遷就歷史數據，令回測好、實盤差的常見陷阱。
- 倉位管理 Position Sizing：決定每宗交易投入多少資金的規則，本策略固定風險 1.5%。
- 滑點 Slippage：預期成交價與實際成交價的落差，講者把費率預鬆以涵蓋此成本。
- 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。
常見問題 FAQ
沽空策略為甚麼要求 RSI 高於 55 而不是等超買？
這是順勢反彈沽空的思路：跌勢確認後（EMA 死亡交叉），等價格反彈出現一定力度才進場，避免沽在已經急跌的低位、一進場就遇上技術反彈被掃止蝕。RSI 55 只是中性偏強的門檻，比傳統 70 超買線更早介入，代價是部分訊號會在反彈初段已觸發。門檻高低沒有標準答案，屬需要自行回測的參數。
為甚麼講者看到回撤只有 -4% 就把倉位放大四倍？
因為在固定百分比風險的框架下，倉位縮放會同比例放大回報與回撤，而 Sharpe ratio 等風險調整後指標不變。他判斷 -7% 左右的回撤在自己承受範圍內，於是放大倉位把回報由 22% 推至 86%。但蒙地卡羅模擬顯示同樣的交易序列，回撤中位數可達 -33%——倉位放大的決定是否穩妥，取決於你信原始回測還是信模擬分佈。
這套策略可以直接搬去沽空比特幣嗎？
原片講者明確表示不可以，他預期對 BTC、ETH 的回測「肯定不會好」。策略的盈利前提是標的長期陰跌而中間有規律反彈，這是迷因幣在特定階段的價格行為，主流幣的走勢結構不同，同一組門檻完全不適用。任何策略換標的都必須重新回測與驗證。
蒙地卡羅模擬的中位數回撤 -33%，是否代表策略不能用？
不一定，它提供的是決策依據而非判決。模擬顯示原始回測的 -7% 回撤帶有運氣成分——同樣的勝率與盈虧比，交易次序重排後回撤可以深得多。務實的用法是反推倉位：若你只能承受 -15% 回撤，就按模擬分佈把倉位縮至相應水平，而不是相信原始回測的單一數字。講者本人亦是用這個邏輯決定倉位倍數。
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：