📖 還沒搞懂各種策略差異？先看 7 種量化策略總覽 建立全貌，再回來看實測。
一句話結論：我用同一套程式、幣安真實數據，把三大經典策略各跑一年（2025-06-27 ～ 2026-06-27）。結果：趨勢跟蹤（MA 交叉）大贏——靠「跌破均線就空倉」避開大跌，BTC +0.3%、ETH +7.7%，而同期買入持有 BTC -43.9%、ETH -35.5%；動量（突破）在震盪中追高殺低被巴、均值回歸（RSI）接刀勝率高卻賺小賠大。最大的教訓：沒有萬能策略，策略賺不賺高度看行情，而趨勢跟蹤的真本事是「風控與避險」，不是預測。
「到底哪種量化策略最會賺？」網路上每種策略都有人吹得天花亂墜，卻幾乎沒人把它們放在同一個跑道、用同一筆錢、同一段真實行情公平比一次。
所以我用前一篇 網格回測 同一套誠實方法，寫了個策略回測框架，把三種最經典的策略——趨勢跟蹤（雙均線交叉）、動量（突破）、均值回歸（RSI 超買超賣）——在 BTC／ETH／SOL 上各跑一整年，全部對照「買入持有」。這篇把方法、真數字、淨值曲線、誰贏誰輸的原因全攤開，程式碼也附在文末讓你自己驗證。先講最重要的：這是一段震盪偏跌的行情，結論會因行情而異——重點不是背答案，而是看懂每種策略的「個性」。
三種策略分別是什麼？（白話規則）
① 趨勢跟蹤（雙均線交叉 MA Cross）
快線（短期均線）向上穿過慢線就進場做多、跌破就出場空手。邏輯是「順勢而為」——漲就跟、跌就跑。本文用 20／60 期均線。它和站內 SuperTrend＋ADX 同屬趨勢跟蹤家族。
② 動量（突破 Momentum）
價格比 N 根之前高就進場、變低就出場，賭「強者恆強」。本文用 30 期。動量在「持續單邊大趨勢」最賺，最怕來回震盪。
③ 均值回歸（RSI 超買超賣 Mean Reversion）
RSI 跌破 30（超賣）進場做多、漲破 70（超買）出場，賭「價格會回到平均」。它是逆勢思路，和網格的「低買高賣」精神相近，但網格是被動掛單、它是主動擇時。
回測怎麼做的（公平＆誠實口徑）
- 真實數據：幣安 BTC／ETH／SOL 現貨 4 小時 K 線，各約一年。
- 公平對照：三策略用同一筆 10,000 USDT、同一段行情、同樣手續費 0.1%，全部只做多、不開槓桿（不會爆倉）。
- 避免偷看未來：一律「昨天收盤產生訊號、今天才執行」，不用當下或未來資訊下單。
- 換倉才收費：每次進出場扣 0.1%，反映真實成本。
- 對照組＝買入持有：同樣的錢買了放著不動。
⚠️ 誠實話：這是簡化的教學回測（只做多、固定參數、收盤訊號），真實交易還有滑價、參數最佳化過擬合等問題。所有數字為歷史回測、不代表未來，更不是買賣建議。
回測報酬：三策略 vs 買入持有
同樣 10,000 USDT、同一年（2025-06-27 ～ 2026-06-27），三策略與買入持有的真實回測報酬：
| 策略 ＼ 標的 | BTC | ETH | SOL |
|---|---|---|---|
| 趨勢跟蹤（MA交叉） | +0.3% | +7.7% | -3.2% |
| 動量（突破） | -43.4% | -10.1% | -56.2% |
| 均值回歸（RSI） | -32.3% | -41.6% | -33.8% |
| 買入持有（對照） | -43.9% | -35.5% | -48.9% |
※ 4 小時 K 線、只做多、手續費 0.1%、昨訊號今執行。綠底為該標的最佳策略。數字為歷史回測，不代表未來。
三個標的，趨勢跟蹤都是最抗跌的那個（BTC／ETH 甚至翻正）。但別誤會成「趨勢跟蹤穩賺」——下面看圖與特性表你會懂它贏在哪、代價是什麼。
淨值曲線圖：一眼看懂誰抗跌
策略特性表：勝率、持倉時間、回撤
| 策略 | 勝率(BTC) | 持倉時間 | 最大回撤(BTC) | 最適合的行情 |
|---|---|---|---|---|
| 趨勢跟蹤 | 42.9% | 43% | -26% | 有明確大趨勢（漲或跌都行，跌時空倉避險） |
| 動量(突破) | 29.6% | 46% | -50% | 持續單邊大趨勢；最怕來回震盪 |
| 均值回歸 | 50.0% | 55% | -45% | 區間震盪盤；最怕單邊趨勢（接刀） |
※ 勝率＝完整一買一賣的獲利比例。注意：勝率高 ≠ 賺得多（見下方解讀）。
為什麼趨勢跟蹤贏、動量輸、均值回歸平庸？
為什麼趨勢跟蹤贏？——它的本事是「避險」不是「預測」
看 BTC 圖最清楚：2025 年底崩盤時，趨勢跟蹤（青線）因為跌破均線早早空倉，整段大跌幾乎沒參與，淨值走平；其他策略和買入持有都一路被拖下去。趨勢跟蹤 BTC 全年只持倉約 43% 的時間、勝率僅 42.9%（常被假突破洗），但它賺大賠小＋跌時閃開，最後勝出。它的價值是控制下檔，不是猜對方向。
為什麼動量輸？——震盪盤把它兩面巴
動量賭「強者恆強」，需要乾淨的單邊趨勢。這一年行情上沖下洗，動量常常追在反彈的頂、砍在回落的底，勝率只有 29.6%，SOL 甚至跑到 -56.2%（比買入持有還慘）。動量不是不好，是這段行情剛好最剋它。
為什麼均值回歸平庸？——勝率高卻賺小賠大
均值回歸 ETH 勝率高達 62.5%，聽起來很厲害，但全年 -41.6%、甚至輸給買入持有。原因是對的時候只賺一點點、錯的時候（行情持續下跌）卻一路接刀套牢。這是新手最大的誤會之一：勝率高不等於賺錢，賠率（賺賠比）同樣關鍵。
這場回測告訴我們的 5 件事
- 沒有萬能策略。同一策略換個行情就換張臉——趨勢跟蹤這年贏，是因為遇到大趨勢（崩跌）讓它發揮避險；若是來回窄幅震盪，反而是網格／均值回歸的主場。
- 勝率 ≠ 賺錢。趨勢跟蹤勝率最低卻賺最多，均值回歸勝率最高卻虧——賺賠比和風控比勝率更重要。
- 趨勢跟蹤的核心是「風控」。它最大的貢獻是把回撤從持有的 5～7 成砍到 2～4 成，讓你睡得著、活得久。
- 這是「跌市」的結論。若換成單邊大漲的牛市，動量與趨勢跟蹤會更猛、均值回歸更容易踏空——再次證明策略要配行情。
- 手續費與紀律。主動策略換倉頻繁，手續費與「能不能嚴格執行訊號」往往才是實盤勝負手。
所以真正的問題不是「哪個策略最神」，而是「現在是什麼行情、我該用哪種策略、能不能控制回撤」。與其賭單一策略，不如理解它們的個性、在對的行情用對的工具——這也是為什麼很多人乾脆用網格機器人把「低買高賣」自動化，少一點擇時的人性干擾。
自己跑比較：可下載 Python 碼
三策略一次比的精簡版（約 35 行，只需 numpy、抓幣安公開 API、不用金鑰）。複製成 .py 直接跑就能複現本文邏輯，改 "BTCUSDT" 換標的：
import urllib.request, json, numpy as np
def closes(sym, interval="4h", limit=1000):
u=f"https://api.binance.com/api/v3/klines?symbol={sym}&interval={interval}&limit={limit}"
r=urllib.request.Request(u, headers={"User-Agent":"Mozilla/5.0"})
return np.array([float(k[4]) for k in json.load(urllib.request.urlopen(r))])
def rsi(c, n=14):
d=np.diff(c); g=np.where(d>0,d,0.); l=np.where(d<0,-d,0.); ag=np.zeros(len(c)); al=np.zeros(len(c))
ag[n]=g[:n].mean(); al[n]=l[:n].mean()
for i in range(n+1,len(c)): ag[i]=(ag[i-1]*(n-1)+g[i-1])/n; al[i]=(al[i-1]*(n-1)+l[i-1])/n
rs=np.divide(ag,al,out=np.zeros_like(ag),where=al!=0); o=100-100/(1+rs); o[:n]=50; return o
def sma(a,w): return np.concatenate([np.full(w-1,np.nan), np.convolve(a,np.ones(w)/w,"valid")])
def bt(c, pos, fee=0.001, cap=10000): # 昨訊號今執行、換倉扣費
eq=cap
for i in range(1,len(c)):
eq*=(1+pos[i-1]*(c[i]/c[i-1]-1))
if pos[i]!=pos[i-1]: eq*=(1-fee)
return eq/cap*100-100
c=closes("BTCUSDT")
trend=(sma(c,20)>sma(c,60)).astype(float) # 趨勢跟蹤
mom=np.array([1. if i>=30 and c[i]>c[i-30] else 0. for i in range(len(c))]) # 動量
r=rsi(c); mr=np.zeros(len(c)); s=0
for i in range(len(c)):
s=1 if r[i]<30 else (0 if r[i]>70 else s); mr[i]=s # 均值回歸
print(f"趨勢 {bt(c,trend):+.1f}% 動量 {bt(c,mom):+.1f}% 均值回歸 {bt(c,mr):+.1f}% 持有 {c[-1]/c[0]*100-100:+.1f}%")※ 教學示範用最小版（收盤訊號、只做多）。想加出圖、勝率、回撤等完整指標，可往 ccxt 自寫機器人 與 回測教學 延伸。
看懂之後，怎麼實際操作
看懂策略個性後，真正的難關是紀律執行——人很難嚴格按訊號進出。這也是為什麼多數人用交易所內建機器人把策略自動化：
- 逆勢／震盪：用 網格機器人（被動低買高賣，免擇時），先看 網格真實回測。
- 選機器人／交易所：OKX 機器人完整教學、四大所機器人比較。
- 自己寫程式跑：Python 接 OKX API。
🧮 主動策略換倉頻繁，手續費很吃績效。用邀請碼 VIP20FEE 註冊 OKX 可享返佣；想算省多少用 手續費返佣計算機。
常見問題 FAQ
趨勢跟蹤、動量、均值回歸哪個最賺錢？
看行情。本文一年（震盪偏跌）回測中趨勢跟蹤最抗跌（BTC +0.3%、ETH +7.7%），動量被震盪兩面巴、均值回歸接刀；但若換成單邊牛市，結論可能相反。沒有萬能策略，要配合行情選工具。
為什麼趨勢跟蹤勝率低卻賺最多？
趨勢跟蹤常被假突破洗、勝率不高，但它『賺大賠小＋跌破均線就空倉避險』，靠少數大行情賺回來、並躲開大跌。這說明勝率高低不等於賺賠，賺賠比與風控更關鍵。
均值回歸勝率明明很高，為什麼還虧？
因為它『對的時候只賺一點、錯的時候一路接刀套大虧』。在加密這種趨勢強的市場，超賣後常繼續更賣，逆勢進場風險高。勝率高、賠率差，總和仍可能虧。
這個回測可信嗎？
三策略用同一筆錢、同一段幣安真實數據、同樣手續費，且一律『昨訊號今執行』避免偷看未來。但它是簡化教學回測（只做多、固定參數），歷史結果不代表未來，也非投資建議。
我可以自己跑這個比較嗎？
可以。文末附約 35 行 Python，只需 numpy、抓幣安公開 API，複製到 .py 跑即可一次比較三策略，改代號與參數能驗證不同標的與設定。
這些策略我該用哪一個？
與其賭單一策略，不如理解個性：有明確趨勢用趨勢跟蹤、區間震盪用網格／均值回歸。多數人會用交易所內建機器人把策略自動化以維持紀律，詳見站內網格與機器人教學。
為什麼只測做多、不做空？
為了讓比較單純、且現貨做多不會爆倉、最貼近多數散戶。加入做空雖能在跌市更猛，但也放大風險與複雜度，屬進階範疇。
回測賺就代表實盤會賺嗎？
不一定。實盤有滑價、流動性、情緒與紀律問題，回測無法完全還原。回測是用來理解策略特性與風險，不是獲利保證。
延伸閱讀：量化交易完整學習地圖
🟢 策略入門：7 種量化策略總覽（先看這篇選方向）、量化交易零基礎入門
🔬 策略實測：網格交易真實回測、SuperTrend＋ADX 趨勢策略拆解、網格 30 天實測
⚙️ 程式量化：ccxt 自寫機器人、Python 接 OKX API、TradingView 回測教學
🤖 機器人實作：OKX 機器人完整教學、四大所機器人比較
利益揭露與風險聲明：本文部分連結含交易所邀請碼，使用不增加你的成本。所有報酬、回撤、勝率均為歷史回測結果，不代表未來；回測採收盤訊號、只做多、固定參數的簡化模型，計入手續費但未含滑價等實盤因素。加密貨幣波動劇烈，任何策略都可能虧損，本文為教學與數據研究，不構成投資建議，請自行評估風險。
發表迴響