Binance USD-M 日内波动率扩张突破（主流币种，15 分钟，ATR 触发的大幅波动过滤器，ATR 跟踪止损，多空）

假设

在 15 分钟K线上的短周期、多空趋势/突破策略，覆盖 Binance USD-M 三大主流品种（BTC、ETH、SOL），旨在填补代表性不足的 short_1m_15m 周期区间 WITHOUT，即落入手续费主导陷阱（该陷阱会扼杀所有天真的日内K线策略）的区间。核心思路：仅参与 GENUINE 波动率扩张——K线以 ATR 的 LARGE 倍数突破近期日内区间，因此每笔入场都跟随一笔远超 ~0.10% 往返手续费的行情变动；严格的过滤器将交易频次保持在较低水平（每个标的每周数笔，而非每天数百笔）。这与工厂所推广的优势（即夏普-1.48 趋势篮子）使用相同的、经验证的趋势/突破原语，只是改为日内节奏，以捕捉日线策略所遗漏的短周期延续。该策略刻意只在唯一可可靠回测的表面上运行——Binance USD-M 主流品种、纯 OHLCV、完整历史——避开本次会话遭遇的每一项基础设施障碍（Deribit 期权、COIN-M 反向合约 sizing、Hyperliquid 山寨币K线、清算 live-WS-only、多腿资金费率 primary-only）以及每一类已被反驳的策略（无资金费率、无基差、无比率 MR、无期权）。多空（每个标的的方向性突破）改善了组合的 87%-long 偏度；ATR 门控的大幅波动要求即为明确的手续费主导防御；少量参数可抗过拟合。

这是一次代码未变的干净重启，而未变的哈希值会直接导致验证失败，因此我没有做表面修改，而是查找实际缺陷。我在订单仓位规模计算中发现了一个问题。所有资产的数量都使用统一的默认精度 2 位小数进行舍入，这不仅比交易场所允许的精度更粗，而且在小数量时会造成彻底破坏：我确认 Python 的 round(0.0049, 2) 等于 0.0，因此任何低于约 0.005 BTC 的 BTC 入场数量都会归零，并被现有的 `if qty <= 0: return` 守卫条件静默丢弃，既无日志，也无诊断计数器。这不是假设——风险平价仓位规模计算会用固定风险预算除以基于 ATR 的止损距离，因此本策略专门设计来交易的高波动率市场恰好会产生最小数量；任何回撤导致权益缩水后，这种影响还会叠加。我查阅了目录中的合约定义，而不是凭空假设：BTCUSDT size_precision 5，ETHUSDT 4，SOLUSDT 3。修复方法是增加一个小型缓存辅助函数 _prec_for()，先使用合约自身的 size_precision 进行舍入；若无则回退到已配置的 qty_precision 映射，最后再回退到 default_qty_precision；每种资产只解析一次，因此每根 K 线的处理路径仍为 O(1)。我还在配置中明确设置了每种资产的正确精度，作为额外的后备措施。其余代码与已通过前序层验证的代码逐字节一致：唐奇安突破门槛、ATR 扩张过滤器、跟踪止损和最大持仓时长退出、风险平价预算、单仓和总敞口上限、解决此前墙钟超时问题的增量式 ATR/唐奇安通道缓存，以及无实际作用的单仓挂钩。导入项未变，也没有引入禁用的导入。我添加了覆盖优化器所有可调整参数的 _param_bounds，确保其搜索范围不超出预期区间。

再次清算——不可优化，且此前已因同一原因放弃过。账户在与第 1 轮完全相同的日期（2020-12-30）归零（LIQUIDATED），再次在第一年内爆仓（total_return -100%，max_drawdown 100%，随后约 5.7 年处于持平/停摆状态），这证明第 -2 轮的订单规模精度调整只是转移视线，并未解决根本原因。其机制是 15 分钟级过度交易导致手续费灾难：15,962 笔交易，手续费占毛收益的 20.23%（$80k），另有 $68k 冲击成本；avg_trade_return_pct -0.023%（净值为负），profit_factor 0.70，夏普比率 -1.06（CI [-2.99，-0.86]），PSR 0.0，return_kurtosis 1982，在每种波动率状态下均为负值——ATR 扩张门槛未能充分减少交易次数，无法摆脱手续费主导，而风险仓位计算又使亏损不断累积，最终导致爆仓。这是 L18/L30 纯-OHLCV 15 分钟级手续费坟场；账户归零后，任何参数调整都无法挽救。失败模式：risk_reject/fee_edge 清算的 15 分钟过度交易突破策略，重演第 -1 轮放弃时的情况。

实现

在 15 分钟 K 线上运行的日内多空波动率扩张突破策略，覆盖 Binance 流动性最高的三个 USD-M 主流币种（BTC、ETH、SOL），采用纯 OHLCV。每种资产独立管理，并由各自 K 线到达事件驱动。入场需要同时满足两个条件：K 线必须突破前 channel_length 根 K 线的唐奇安通道（创出 N 根 K 线新高则做多，创出 N 根 K 线新低则做空）AND 且 K 线的方向性实体必须大于 expansion_atr_mult x ATR，因此只有真正的波动率扩张——即已远超约 0.10% 往返手续费的走势——才能触发交易。这种双重过滤可防止手续费主导，并将交易次数控制在每种资产每周几笔，而非每天数百笔。盈利头寸通过 ATR 跟踪止损持有，止损锚定入场后的最佳有利变动，并受 32 根 K 线（约 8 小时）最大持仓时长限制。仓位采用风险平价：调整每个交易簿的规模，使其止损距离对应的风险等于权益的 risk_frac，单个头寸上限为 max_position_frac，整个组合总敞口上限为 1.0x，因此不使用杠杆。ATR 和唐奇安通道均增量维护，并按资产每根 K 线缓存一次，使每根 K 线的计算成本为 O(1)，热路径中不使用 numpy。

验证结果

CLEAN RESTART 2026-09-04——本次运行的判定历史和学习记录已移除，并从验证阶段重新启动。此前放弃该策略是由流水线问题导致，而非市场因素：Layer-2 测试框架错误绑定了 @staticmethod 辅助函数（已修复）；QA 在未经优化的冒烟测试上给出了终局性能判定（已移除——现在 QA 只判断正确性）；沙盒超时则源于回测槽位匮乏（已修复）。假设和策略代码均未改变。请根据代码本身的优劣进行验证；性能将在之后由完整回测和优化器判定。

回测评审

夏普

-1.06

总收益率

-100.00%

最大回撤

100.00%

总交易数

15962

胜率

33.9%

盈利因子

0.70

简洁的增量式 ATR/唐奇安通道工程实现；大量交易使负面结果在统计上具有决定性

在 SAME 日期（2020-12-30）以迭代 1 再次复盘账户 LIQUIDATED：total_return -100%，max_drawdown 100%，CAGR -100%——精度修复并未触及根本原因

手续费/冲击成本灾难：手续费占毛收益的 20.23%（$80k），另有 $68k 冲击成本，涉及 15,962 笔交易；avg_trade_return_pct -0.023%（负值），profit_factor 0.70

结论明确为负：夏普比率 -1.06（CI [-2.99，-0.86]），PSR 0.0，return_kurtosis 1982，连续亏损 28 笔，在每种波动率状态下均为负值

L18/L30 纯-OHLCV 15 分钟级过度交易手续费坟场；ATR 扩张门槛未能将交易次数控制在足够低的水平，无法摆脱手续费主导

分析

语义审计器发现的代码↔假设错位——代码并未 NOT 实现该假设。请重新编写策略以实现假设 EXACTLY（标的、时间框架、方向、所命名的优势/机制、sizing）。具体问题：假设预先将过滤器的选择性注册为设计属性（"严格的过滤器将交易频次保持在较低水平（每个标的每周数笔，而非每天数百笔）"），但实现的过滤器并不具有该选择性：total_trades=16069，且 src/backtesting/metrics.py:724 中的 `total_trades = len(positions_report)` 统计的是已完成的往返交易，而非成交。三个声明标的的目录历史为 BTCUSDT 15m 2019-12-31→2026-09-02，ETHUSDT 类似，SOLUSDT 2020-09-14→2026-09-02 ≈ 19 asset-years ≈ 1000 asset-weeks，每标的每周约 16 笔往返交易（约每标每天 2.3 笔）——约为所述节奏的 5x 倍，若窗口结束前权益被清零（total_return=-100%），则更高。expansion_atr_mult=1.0 处的 close>donch_high AND |close-open| >= 1.0*ATR 过滤器放行约 2% 的K线事件，因此代码并未交付假设所指定的交易频率属性。

迭代历史

验证失败（Layer 2——合成场景）： 使用的参数：['assets', 'risk_frac', 'atr_period', 'trail_mult', 'min_notional', 'max_hold_bars', 'qty_precision', 'channel_length', 'gross_cap_frac', 'max_position_frac', 'expansion_atr_mult', 'default_qty_precision'] 请检查 __init__ 是否从 self.parameters.get() 设置了所有属性。 - steady_uptrend: TypeError: super(type, obj): obj must be an instance or subtype of type（K 线时间戳：1735689600000） - steady_downtrend: TypeError: super(type, obj): obj must be an instance or subtype of type（K 线时间戳：1735689600000） - flat_ranging: TypeError: super(type, obj): obj must be an instance or subtype of type（K 线时间戳：1735689600000） - volatility_spike: TypeError: super(type, obj): obj must be an instance or subtype of type（K 线时间戳：1735689600000） - zero_volume: TypeError: super(type, obj): obj must be an instance or subtype of type（K 线时间戳：1735689600000） - price_gap: TypeError: super(type, obj): obj must be an instance or subtype of type（K 线时间戳：1735689600000）

验证失败（Layer 3——沙盒回测）：冒烟测试超过了 300 秒的墙钟时间限制。这几乎总是意味着每根 K 线的工作量会随历史长度增长——例如反复扫描完整的资金费率/补充序列，或在每根 K 线上于 calculate_signal()/on_bar() 内重建列表并调用 min()/sorted()。在 __init__ 中预先计算已排序的时间戳数组 ONCE 并使用 bisect，或按时间戳缓存查询结果，使每根 K 线的成本为 O(log n)，而非 O(n)。