我們回測了 236 個 TradingView 策略後，找到了 21 個印鈔機

原始來源與檔名：TradingView-236個策略回測真相.md

來源：@MinaraCN — 2026-04-16

NAPKIN | 餐巾纸

餐巾紙公式

策略存活率 = 單筆交易優勢 (Edge) > (Maker/Taker 手續費 + 滑點) × 交易頻率

一句話

在真實交易所費率下，TradingView 上 90% 的暴利策略都會破產；決定策略生死的不是複雜的指標，而是它能否控制交易頻率，確保獲利空間不被手續費吃光。

餐巾紙草圖

[ TradingView PineScript ] (236 Strategies)
       |
  (Tick-level matching)
       v
[ Strategy Studio ] (63 Aligned Strategies)
       |
  (HyperLiquid Real Fees: 0.015% / 0.045%)
       v
[ Survival Outcomes ]
  - Tier 1 (21個): 年化 > 10% (特徵：低頻、趨勢跟蹤/均值回歸)
  - Tier 2 (15個): 勉強獲利 (特徵：優勢被手續費大幅侵蝕)
  - Tier 3 (27個): 虧損 (特徵：年交易次數 > 200，高頻剝頭皮)

ROUND 1: SKELETON | 骨架掃描

• 核心問題: TradingView 社群中充斥著勝率極高、紙面回測驚人的開源策略，但一旦投入實盤，絕大多數都會虧損。
• 核心答案: 問題出在「費率摩擦」。建立嚴格的逐筆比對流水線，並套用真實交易所 (HyperLiquid) 費率後發現，高頻交易策略的微小利潤會完全被手續費吞噬。真正有效的策略，單筆利潤必須大於往返手續費成本。

ROUND 2: DISSECTION | 血肉解剖

• 真相數據:
  • 從 236 個策略中過濾出能 100% 複製比對的僅有 63 個。
  • 在零費率下獲利、但套用真實費率後轉為虧損的策略，年交易次數全部超過 200 次。
• 存活策略畫像 (21個 “印鈔機”):
  • 沒有單一指標稱王 (MACD, RSI, SuperTrend 都有上榜)。最常見的時間框架是 4H 和日線。
  • 極端低頻: 例如一個 BTC 均值回歸策略 90 天只交易 16 次，年化 +204%。一個日線 SuperTrend 策略四年只交易 4 次，年化 +73%。
  • 勝率非絕對: 很多存活的趨勢跟蹤策略勝率僅 35%，但盈虧比極高（虧小賺大），足以覆蓋手續費。

ROUND 3: SOUL | 靈魂提取

• 深層洞見: 在量化交易的實戰中，不作為 (Skipping trades) 比進場更具價值。最好的過濾器不是幫你找到更多交易機會，而是強迫你在勝率不高、動能不足的時期「持有現金」，避免毫無意義的手續費摩擦。

Algorithmic Backtesting Pitfalls (Architectural Deep Dive)

回測系統的架構對齊 (Alignment Engineering)

這篇文章展示了建構一個高置信度量化回測系統的核心工程挑戰：系統對齊。 作者團隊花了 300 小時，只為了將 TradingView PineScript 的執行結果與自家 Strategy Studio 引擎對齊。

• 落差來源：K線磁吸效應 (Bar magnetics)、夏令時切換、期貨保證金部位計算邏輯。
• 逐筆匹配 (Tick-by-tick Matching)：僅僅最終收益率相近是不夠的 (±15% 的誤差可能掩蓋了邏輯錯誤)。只有當進出場點位偏差小於 1%、且總交易筆數相符時，才能確認策略邏輯被真實還原。

交易頻率與費率的結構性矛盾

量化策略設計中的一個核心物理法則：優勢與摩擦的拔河。

• 剝頭皮策略 (Scalping) 的死亡螺旋：勝率高達 95%、每筆固定獲利 0.1% 的策略在零手續費下是完美的。但在 Maker/Taker (0.015%/0.045%) 費率下，一買一賣的基本往返成本就是 0.06% 甚至更高。利潤空間太小，導致期望值瞬間轉負。
• 修復架構 (Optimization Architecture)：文章提出了將失敗策略重構的標準手法。例如把 1 分鐘線策略升維到 4 小時線，把固定 0.49% 的停損改為 ATR 波動率動態縮放 (如 1.5 ATR)，並加入 ADX 動能過濾器以避免在震盪市反覆摩擦止損。這些都是將「高頻微利」轉向「低頻高盈虧比」的系統性重構。