スキル一覧に戻る
miles990

strategy-optimization

by miles990

非技術領域的專業知識 skills(金融、行銷、遊戲設計等),與 /evolve 整合自動識別載入

1🍴 0📅 2026年1月20日
GitHubで見るManusで実行

SKILL.md


schema: "1.0" name: strategy-optimization version: "1.0.0" description: 交易策略優化方法論,從診斷到達標的迭代流程 triggers: keywords: primary: [策略優化, 優化策略, 提高勝率, 改善報酬, strategy optimization, improve returns] secondary: [win rate, 回測, backtest, 調參, parameter tuning, 績效改善] context_boost: [trading, quant, 交易, 量化, return, profit] context_penalty: [design, marketing, frontend] priority: high keywords: [finance, trading, optimization, strategy, backtest] dependencies: domain-skills: [quant-trading] author: claude-domain-skills

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

  1. 先診斷再動手 - 不要盲目調參數
  2. 一次改一個變量 - 才能知道什麼有效
  3. 驗證研究結論 - 理論數據不可信
  4. 足夠的交易次數 - 統計顯著性
  5. 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

# 經過驗證的配置
config = {
    "leverage": 10.0,          # 或 5.0 降低風險
    "stop_loss_pct": 0.018,    # 1.8%
    "take_profit_pct": 0.018,  # 1.8%
    "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

スコア

総合スコア

55/100

リポジトリの品質指標に基づく評価

SKILL.md

SKILL.mdファイルが含まれている

+20
LICENSE

ライセンスが設定されている

+10
説明文

100文字以上の説明がある

0/10
人気

GitHub Stars 100以上

0/15
最近の活動

3ヶ月以内に更新がある

0/10
フォーク

10回以上フォークされている

0/5
Issue管理

オープンIssueが50未満

+5
言語

プログラミング言語が設定されている

0/5
タグ

1つ以上のタグが設定されている

0/5

レビュー

💬

レビュー機能は近日公開予定です