Freqtrade DCA＋RSI 攤平機械人：一年樣本外 +53% 對照買入持有 −34% 的策略拆解

2026年1月5日 · 來源頻道：Quant Tactics · 網格攤平 均值回歸 指標：RSI #策略拆解 #加密貨幣 #量化交易 #回測 #Freqtrade #DCA

YouTube 頻道 Quant Tactics 在 2026 年 1 月上載了一條 Freqtrade 教學片，示範一套結合 平均成本法 DCA 與 相對強弱指數 RSI 的攤平機械人：RSI 跌穿超賣線開倉，價格每再跌一段便加碼一張更大的安全單 Safety Order，把平均入場價一路攤低，待價格反彈至平均成本之上約 5% 便整倉止賺。講者用三年數據做 Hyperopt 優化、再留一年樣本外 Out-of-Sample 數據驗證，聲稱 SOL/USDT 一年 +53.7%，同期買入持有 −34%。流程上比同頻道舊作嚴謹，但 DCA 類策略的風險從來不在勝率，而在那一次加倉加到盡之後仍不回頭的行情——本站之前的 DCA Martingale 策略拆解已處理過同一命題，本篇可對照閱讀。

策略速覽

重現規格

詳細拆解

運作機理：攤平成本換取「小反彈即離場」

策略邏輯一個循環講完：RSI 跌穿超賣線，機械人開首單；價格繼續跌，按預設偏離幅度觸發安全單加碼，而且每張單比上一張大。加倉帶來兩個連鎖效果——平均入場價被攤低，止賺線（平均價之上固定百分比）同步下移，越跌越貼近市價。於是價格不需要重返首單水平，只要輕微反彈，整倉便達標離場。講者的示範是 100 → 200 → 400 USDT 三層結構，一個周期的總注碼是首單的七倍。

這套機理的本質是均值回歸 Mean Reversion 的倉位化寫法：賭的是「跌多了總會彈」，而攤平把「彈多少才夠」的門檻人為降低。它與 Martingale 同源但關鍵分別在於輸贏定義——Martingale 在虧損後加倍下注以求一鋪翻本，DCA 攤平則是不斷改寫自己的成本線，兩者的資金需求同樣呈幾何級數增長。

截圖出自原片（Quant Tactics，2026-01-05）：RSI < 30 開首單 100 USDT，跌 2% 加 200 USDT，再跌 4% 加 400 USDT，三條止賺線隨平均成本逐層下移。

進場濾網：RSI 超賣作為起點

純價格偏離的 DCA（如 Martingale 版本）是「開倉後才開始接刀」，本片版本多了一道閘：首單必須等 RSI 進入超賣區才觸發。設計意圖是在「已經超賣」的位置才開始接貨，理論上縮短攤平路程。但要注意，RSI 超賣在單邊跌市可以長時間維持，濾網只能改善起點，不能消除「接刀接到爆倉」的結構性風險。而 RSI 的觸發方式（低於、下穿、上穿）、期數與閾值全部交給 Hyperopt 在樣本內三年數據上搜尋，最終採用哪一組數字，影片沒有展示。

截圖出自原片（Quant Tactics，2026-01-05）：Freqtrade UI 顯示 UNI/USDT 30 分鐘圖，可見跌市中連續觸發的進場與加倉標記，右欄列出各交易的回報。

優化流程：三年樣本內＋一年樣本外

這是本片相比同頻道舊作最值得肯定的一點：講者明確把數據切成兩段，三年做 Hyperopt 調參，一年完全不參與優化，只用作驗證。待優化參數共十項：首單注碼、首張安全單倍數、初始價格偏離、最大安全單層數、注碼倍數、間距倍數、止賺百分比，外加 RSI 的觸發方式、期數與閾值。十個參數、三年數據、逐對獨立優化——流程正確不等於結果乾淨，參數維度越高，即使在樣本外及格，也要追問參數穩定性。

截圖出自原片（Quant Tactics，2026-01-05）：Hyperopt 優化範圍，左欄為時間設定與 RSI 參數，右欄為六項 DCA 參數及止賺目標。

樣本外成績：九對全勝大市的背後

SOL/USDT 的樣本外一年（2025 全年）：1,520 USDT 本金增至 2,336 USDT，+53.7%，64 次交易、63 勝 1 負，勝率 98.44%，Sharpe 2.85，最大回撤僅約 0.5%。同期 SOL 本身跌 34.4%。其餘八對同樣錄得 +21.5% 至 +54.5%，而九對的市場變化八跌一升（介乎 −73% 至 +11%），即策略在一個近乎全面下跌的年份全數錄得正回報。

截圖出自原片（Quant Tactics，2026-01-05）：SOL/USDT 回測結果，64 次交易 63 勝 1 負，平均盈利單持有約 2 日 19 小時，唯一虧損單拖了兩周多。

三個數字要拆開讀。第一，98.44% 勝率是 DCA 的結構性產物而非擇時能力的證明——止賺線設得近，大部分交易微利離場，勝率自然極高；同頻道的 DCA Martingale 版本同樣錄得九成以上勝率。第二，利潤因子 Profit Factor 75.6 是同一結構的另一面：總虧損只有一單，分母極小令比率失真，這個數字沒有比較意義。第三，唯一虧損單持有超過兩周、DOGE 對最差單一交易 −17.9%，對比平均盈利單約 +3.4%——一單虧損抵銷五單盈利，這正是「無數小贏、偶爾大輸」分佈的具體形狀。

截圖出自原片（Quant Tactics，2026-01-05）：九對獨立回測總表，Market change 一行顯示同期市場介乎 −73.2% 至 +11.5%，Worst single Trade 一行可見 DOGE −17.87%、UNI −12.47% 等大額虧損。

沒有展示的另一半：資金需求與層數封頂

按示範參數計，一個三層周期的總注碼是 700 USDT，相當於 SOL 回測起始資金 1,520 USDT 的 46%——這還只是三層、兩倍注碼的溫和設定。若層數放寬至六層，同樣倍數下資金需求達 6,300 USDT，已是本金的四倍。DCA 回測的最大回撤可以很低，只因回測期內從未真正用盡層數；影片沒有展示任何一次「層數用盡後價格繼續跌」的情景如何收場，也沒有交代最大層數的硬上限，這恰恰是此類策略唯一真正致命的環節。

重現 Backtest 清單

• ✅ 市場類型：加密貨幣現貨、只造好倉（口述明確）；具體交易所原片未交代
• ✅ 交易對清單：九對於總表全部可見
• ✅ Timeframe：30 分鐘圖、成交模擬 5 分鐘（畫面有）
• ✅ 回測期間：樣本內三年＋樣本外一年，SOL 樣本外 2025-01-01 至 2026-01-01（畫面有）
• ✅ 起始資金：1,520 USDT（SOL 畫面有）；其餘各對本金原片未逐對交代
• ✅ 持倉上限：1（畫面有）
• ⚠️ 進場條件：RSI 超賣（示範 RSI < 30），但最終優化後的觸發方式／期數／閾值原片未公開
• ⚠️ 首單注碼、加倉倍數、間距倍數、初始偏離：只有示範值（100 USDT、2 倍、2% 起跌），優化最終值原片未公開
• ⚠️ 最大安全單層數：原片未明文交代（檔名暗示 SO3，未經證實）
• ✅ 止賺邏輯：整倉平均價之上固定百分比（示範 5%），畫面 exit reason 為 tp_from_average_price，佐證屬實
• ✅ 止蝕：畫面 Stoploss −99%，即不設（有畫面為證）
• ⚠️ 手續費率與滑價：原片未交代
• ❌ 優化後完整參數與策略檔：置於付費支持者連結，免費觀眾無法核對
• ✅ 樣本外驗證：有，一年期、逐對獨立（本片少見的合格項）

結論：流程框架可重現（切數、優化、驗證的步驟清晰），但十項優化參數的最終值一項都沒有公開，單靠影片內容無法完整重現回測——只能重現「方法」，不能重現「數字」。

MT5 可行性速評

即使成功移植，MT5 回測同樣會過度擬合。

防坑檢查

• DCA 爆倉風險：本片最大的未答之題。不設止蝕（−99%）、加倉注碼幾何增長、最大層數未交代——三者疊加，意味著資金需求上限不明。回測年內市場最多跌 73% 仍全身而退，靠的是反彈始終出現；歷史上加密貨幣不乏連反彈都稀缺的單邊市（2018 年、2022 年 5 月），樣本外一年未曾考驗這條路徑。
• 最大層數與資金封頂：原片沒有展示層數用盡的後備處理。DCA 策略的破產不是「輸一單」，而是某一單的浮虧大到吃掉全部累計利潤——DOGE 對最差單一交易 −17.9% 已是預演，只差市場再多跌一段。
• 勝率幻覺：98.44% 勝率、75 倍利潤因子是近止賺＋攤平結構的必然產物，不是邊際優勢的證據。讀這類回測要反過來看：先找最差單一交易與最長持倉時間，再決定勝率值幾多分量。
• 過度擬合：十項參數在三年數據上逐對優化，自由度不低。講者留了一年樣本外是加分項，但「九對全數跑贏大市」本身也可能是選擇性展示——測過而失敗的幣對不會出現在總表，原片沒有交代篩選過程。
• 滑價與手續費：原片未交代。DCA 單一周期涉及多次加倉，成交次數是同類策略的數倍，費用敏感度更高；Freqtrade 預設計費但設定值未展示。
• 回測期市況：樣本外一年（2025 年）整體下行但有反覆反彈，正是攤平策略最如魚得水的土壤；期內沒有出現無反彈的極端單邊崩盤，策略的壓力測試其實未曾真正發生。
• 固定問題——原片提供的資訊能否完整重現回測？ 不能。時間設定、持倉上限、止蝕、止賺邏輯有畫面佐證，但十項優化參數的最終值全部置於付費牆後，免費觀眾只能重現方法、不能重現數字。

欣利克的看法

• 樣本外流程值得肯定，但不要因此放下戒心。截至 2026 年初的同類 YouTube 回測片中，明確切出一年樣本外數據的並不多見，本片做法比「全段歷史調參」乾淨一個層次。不過十項參數逐對優化的自由度仍在，一年樣本外及格只證明參數在該年有效，不證明參數穩定。
• DCA 類策略的成績表要倒序讀。先看 Worst single trade，再看最大層數與資金需求，最後才看勝率與總回報。本片勝率 98.44%、利潤因子 75 皆是結構產物；真正有資訊量的是 DOGE −17.9% 那一單和兩周多的最長持倉——它們標示了這部機器失靈時的模樣。
• 「跑贏跌市」正是攤平策略的設計本業，不必過度驚豔。在反覆尋底的年份，分段接貨、小反彈離場天然佔優；同樣的機器放進無反彈的單邊崩盤，虧損速度同樣是幾何級數。2025 年的樣本外年份屬前者，這是讀結果時必備的時間脈絡。
• 與同頻道 Martingale 版本的對照有教學價值。兩套策略共用攤平骨架，分別在於首單有無 RSI 閘與風控層設計；本站 DCA Martingale 拆解顯示無指標版本同樣錄得高勝率，側證「攤平結構」而非「RSI」才是勝率的主要來源。
• 利益關係一如既往要知。講者經營 Freqtrade 付費課程，完整策略檔與教學置於付費支持者連結，影片屬引流內容；回測數字服務於銷售目的，宜當方法示範看待，而非獨立驗證。

名詞解釋

• 平均成本法 DCA：分段買入攤低成本的投入方式，本策略將其自動化為機械人加倉機制。
• 安全單 Safety Order：DCA 機械人在價格逆向時自動加碼的預設訂單，層數、間距與倍數決定資金需求增長。
• 相對強弱指數 RSI：量度升跌力度的動能指標，本策略以其進入超賣區作首單觸發。
• 均值回歸 Mean Reversion：價格偏離後回歸均值假設的交易思路，攤平等反彈即其倉位化寫法。
• 馬丁格爾 Martingale：虧損後加倍下注的注碼法，與 DCA 攤平同樣令資金需求幾何增長。
• Freqtrade：開源加密貨幣自動交易與回測框架，本片回測與優化平台。
• HyperOpt 超參數優化：Freqtrade 內建的參數搜尋工具，本片用以優化十項 DCA 與 RSI 參數。
• 樣本外測試 Out-of-Sample Testing：以未參與調參的數據驗證策略，本片留了一年，屬少見的合格項。
• 止賺 Take Profit：預設的獲利離場水平，本策略以整倉平均成本之上固定百分比設定。
• 勝率 Win Rate：盈利交易佔比，本策略 98.44% 屬攤平結構的產物而非擇時優勢。
• 利潤因子 Profit Factor：總盈利除以總虧損，本策略 75.6 因虧損僅一單而失真。
• 最大回撤 Max Drawdown：資金曲線高位回落的最大幅度，SOL 對聲稱僅約 0.5%。
• 買入持有 Buy and Hold：不作擇時的基準策略，本片九對同期八跌一升。
• 過度擬合 Overfitting：參數遷就歷史數據的風險，本片以樣本外驗證緩解但未消除。

常見問題 FAQ

勝率 98% 是否代表這套策略很穩陣？

不是。截至 2026 年 1 月的回測中，高勝率來自「止賺線貼近市價＋跌市加倉攤平」的結構：大部分交易微利離場，代價是偶爾一單深套——DOGE 對最差單一交易 −17.9%，一單抵銷約五單盈利。DCA 類策略要倒序讀：先看最差交易與最大層數，勝率放最後。

DCA 攤平和 Martingale 有什麼分別？

Martingale 是虧損後加倍下注，求一鋪翻本；DCA 攤平是分段加碼買入，不斷改寫平均成本線，求小反彈達標。目標不同，但兩者的資金需求同樣呈幾何級數增長——本片示範的 100→200→400 USDT 三層已需七倍首單資金，層數再多風險急升。

這套策略最大的風險是什麼？

層數用盡後價格繼續單邊下跌。策略不設止蝕（Stoploss −99%）、注碼逐層翻倍，一旦遇到沒有像樣反彈的崩盤，浮虧會以幾何速度膨脹。原片沒有交代最大層數與封頂後的處理，而樣本外的 2025 年恰好是反彈充足的年份，這條最危險的路徑從未被測試。

為什麼說這次回測的流程比同頻道舊作嚴謹？

講者明確把數據切成三年樣本內（Hyperopt 調參）與一年樣本外（只驗證不調參），並逐對獨立回測——這是避免「用答案出題」的基本功。不過十項優化參數的最終值全部置於付費連結，免費觀眾無法核對數字，嚴謹的流程與不透明的參數並存。

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=lxlti_EDD28