交易策略優化 Strategy Optimization
系統化的策略優化流程，從診斷問題到達成目標
適用場景
- 勝率過低（< 40%）
- 報酬未達目標
- 策略在特定市場狀態表現差
- 需要達成特定報酬目標（如 15%+）
核心流程
┌─────────────────────────────────────────────────────────────────┐
│ │
│ 策略優化迭代循環 │
│ │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ ANALYZE │ → │ DIAGNOSE│ → │ RESEARCH│ → │IMPLEMENT│ │
│ │ 分析 │ │ 診斷 │ │ 研究 │ │ 實作 │ │
│ └────┬────┘ └────┬────┘ └────┬────┘ └────┬────┘ │
│ │ │ │ │ │
│ ▼ ▼ ▼ ▼ │
│ 收集指標 找根因 搜尋方案 實作變更 │
│ │
│ ┌─────────────────────────────────────────┐ │
│ │ │ │
│ ▼ │ │
│ ┌─────────┐ ┌─────────┐ │ │
│ │VALIDATE │ → │ ITERATE │ ────────────────────┘ │
│ │ 驗證 │ │ 迭代 │ 未達標 → 回到 ANALYZE │
│ └────┬────┘ └─────────┘ │
│ │ │
│ ▼ │
│ 達標 → 文檔化部署 │
│ │
└─────────────────────────────────────────────────────────────────┘
Phase 1: ANALYZE（分析）
收集當前績效指標：
| 指標 |
說明 |
健康標準 |
| 勝率 |
獲利交易比例 |
> 40% |
| 報酬 |
總損益 |
正數 |
| 回撤 |
最大虧損幅度 |
< 20% |
| 交易次數 |
統計顯著性 |
> 100 筆 |
| 期望值 |
每筆預期獲利 |
正數 |
期望值公式
Expectancy = (WinRate × AvgWin) - ((1-WinRate) × AvgLoss)
範例：
勝率: 54.5%, 平均贏: $7.42, 平均輸: $8.26
期望值: (0.545 × 7.42) - (0.455 × 8.26) = +$0.29/筆
正期望值 × 大量交易 = 穩定獲利
Phase 2: DIAGNOSE（診斷）
關鍵：找根因，不是症狀
常見根因
| 症狀 |
可能根因 |
診斷方法 |
| 勝率低 |
策略不適合市場狀態 |
檢查 ADX/市場 regime |
| 報酬低 |
SL/TP 比例不佳 |
分析盈虧分布 |
| 回撤大 |
槓桿過高 |
計算風險暴露 |
| 交易少 |
條件太嚴格 |
放寬進場條件 |
市場狀態分析
┌─────────────────────────────────────────────────────────────────┐
│ 市場狀態 vs 策略匹配 │
│ │
│ ADX < 25 (盤整) → Grid Trading, Mean Reversion │
│ ADX > 25 (趨勢) → Trend Following, Momentum │
│ 高波動 → Scalping, 減少部位 │
│ 低波動 → Grid Trading, Breakout 準備 │
│ │
│ ⚠️ 90% 時間市場在盤整，趨勢策略會持續虧損！ │
└─────────────────────────────────────────────────────────────────┘
診斷範例
症狀: 勝率只有 25%
↓
分析: 使用 RSI+MACD 趨勢策略
↓
檢查: ADX 平均 < 25（90% 時間在盤整）
↓
根因: 趨勢策略用在盤整市場
↓
方向: 需要盤整市場策略（Grid Trading）
Phase 3: RESEARCH（研究）
策略-市場狀態對應表
| 市場狀態 |
推薦策略 |
原因 |
| 盤整 (ADX < 25) |
Grid Trading |
利用價格震盪 |
|
Mean Reversion |
回歸均值 |
|
Scalping |
快進快出 |
| 趨勢 (ADX > 25) |
Trend Following |
順勢而為 |
|
Momentum |
動量延續 |
|
Breakout |
突破跟進 |
| 高波動 |
Scalping |
快速獲利 |
|
減少部位 |
控制風險 |
Sharp Edge: 研究數據驗證
┌─────────────────────────────────────────────────────────────────┐
│ ⚠️ SE-1: 研究數據必須實測驗證 │
│ │
│ 嚴重度: critical │
│ │
│ 案例： │
│ - 研究聲稱圖表模式有 80-84% 成功率 │
│ - 實際回測：讓策略表現更差 │
│ - 原因：股市數據不適用於加密貨幣 │
│ │
│ 教訓： │
│ ❌ 看到研究數據就實作 │
│ ✅ 先用真實數據回測驗證 │
└─────────────────────────────────────────────────────────────────┘
Phase 4: IMPLEMENT（實作）
參數調整策略
| 參數 |
調整方向 |
影響 |
| SL/TP 比例 |
對稱 (1:1) vs 非對稱 |
勝率 vs 盈虧比 |
| 槓桿 |
1x → 10x |
報酬 vs 風險 |
| 進場閾值 |
寬鬆 vs 嚴格 |
交易次數 vs 品質 |
關鍵發現
┌─────────────────────────────────────────────────────────────────┐
│ 優化發現 │
│ │
│ 1. 對稱 SL/TP 更好 │
│ - 1.8%/1.8% 產生 ~55% 勝率 │
│ - 比 1%/3% 的表現更好 │
│ │
│ 2. Grid Trading 在盤整市場 │
│ - 勝率從 25% 提升到 55% │
│ - 關鍵：ADX < 25 時啟用 │
│ │
│ 3. 更多交易 + 正期望值 │
│ - 小獲利累積成大報酬 │
│ - 191 筆交易 × $0.29/筆 = +$55 │
└─────────────────────────────────────────────────────────────────┘
Phase 5: VALIDATE（驗證）
回測要求
| 項目 |
最低要求 |
建議 |
| 回測期間 |
60 天 |
180 天 |
| 交易次數 |
50 筆 |
100+ 筆 |
| 樣本外測試 |
有 |
必須 |
| 交易成本 |
包含 |
包含滑價 |
驗證清單
□ 勝率是否改善？
□ 報酬是否達標？
□ 回撤是否可接受？
□ 期望值是否為正？
□ 樣本外表現如何？
Phase 6: ITERATE（迭代）
未達標 → 回到 ANALYZE
│
├── 分析新結果
├── 調整參數或策略
├── 重新驗證
└── 重複直到達標
最佳實踐
- 先診斷再動手 - 不要盲目調參數
- 一次改一個變量 - 才能知道什麼有效
- 驗證研究結論 - 理論數據不可信
- 足夠的交易次數 - 統計顯著性
- 文檔化成功經驗 - 寫成 ADR
常見錯誤
| 錯誤 |
後果 |
修正 |
| ❌ 只調參數不換策略 |
無法解決根本問題 |
先診斷根因 |
| ❌ 回測期間太短 |
過度擬合 |
180+ 天 |
| ❌ 忽略市場狀態 |
策略-市場不匹配 |
使用 Regime Detection |
| ❌ 追求高勝率 |
犧牲盈虧比 |
關注期望值 |
成功案例
優化前：
- 報酬: 0.46%
- 勝率: 23.5%
- 策略: RSI+MACD（趨勢策略用在盤整市場）
診斷：
- 90% 時間 ADX < 25（盤整）
- 趨勢策略不適合
優化後：
- 報酬: +19.93%
- 勝率: 54.5%
- 策略: Grid Trading + Regime Detection
關鍵改變：
1. 新增 Grid Trading 策略
2. 使用 Regime Detection 動態切換
3. 對稱 SL/TP (1.8%/1.8%)
4. 10x 槓桿 + 191 筆交易
風險警示
⚠️ 高報酬伴隨高風險
- 上述案例最大回撤 48.84%
- 考慮降低槓桿 (5x) 換取更低風險
- 持續監控市場狀態變化
- 設定停損機制
參考配置
config = {
"leverage": 10.0,
"stop_loss_pct": 0.018,
"take_profit_pct": 0.018,
"top_n_signals": 3,
"min_confidence": 0.5,
"use_regime_selector": True,
}
相關 Skills
finance/quant-trading - 量化交易基礎finance/investment-analysis - 投資分析methodology/knowledge-acquisition-4c - 學習新領域