跳至正文
全部策略

策略

DOGE Binance USD-M 动量共振趋势——多空策略，单 K 线快慢 EMA 与长期趋势 EMA 对齐，采用肥尾控制仓位，ATR 跟踪退出（3 个参数）

结局: 已放弃

DogeBinanceMomentumConfluenceTrendLS

结局总结

DogeBinanceMomentumConfluenceTrendLS 汇集了这条研究路径的经验——经过验证的共振机制、Binance 用于统计显著性检验的长历史数据，以及通过波动率缩放和名义金额上限来应对 DOGE 的肥尾特征，以及导致此前 DOGE 尝试失败的代码错误。这次运行正常，产生了分散、且多数年份为正的表现（+146.9%，PF 1.29，峰度受控于 11.9，6/-7 个年份为正），优于已放弃的 XRP 版本。但它捕获的是 DOGE 贝塔，而非阿尔法：夏普比率 0.45，且 CI 跨越零值，相关性 0.52，阿尔法 0.060，信息比率为 -0.63，表现不及买入并持有。分析师在回测审查阶段放弃了该策略——其表现与已放弃的 XRP 移植版本相同，而非成功的 ADA/BNB 版本——因为夏普比率 -0.45 的基数无法通过去膨胀夏普检验；该策略从未进入优化、分析或风险审查阶段。

策略报告

假设

一个 LONG-SHORT、单一品种、纯价格 MOMENTUM-CONFLUENCE 趋势跟踪策略，交易 DOGEUSDT.BINANCE（USD-M 永续合约），4H K 线，单一 K 线类型构建。这是由证据驱动的、对近期所有研究轨迹已确立结论的汇聚：(1) 汇合趋势机制产生了 GENUINELY GOOD、DISTRIBUTED、去相关 alpha 优势（论文阶段的 BTC 幸存者，夏普比率 1.99；LINK/AVAX HL 组合每年均为正，PF 约 1.57 且峰度较低）——该机制 NOT 问题所在；(2) Hyperliquid 目前 PROVEN 无法用于该机制——即使 12H HL 数据也仅从 2023-01 开始（约 3.4 年，单一机制区间），因此显著性门槛（自举夏普 CI、通缩夏普）在那里永远无法通过，这就是每个 HL 组合都以“未确立优势”终结的原因；因此 ONLY 可行的交易场所是币安，拥有约 5–6 年的多机制区间历史。DOGE 被选中的三个具体原因是：它在流动性主流币中拥有 LARGEST 持续的单边趋势（可持续数周的 meme/情绪动量爆发→在约 0.10%……展开收起

一个 LONG-SHORT、单一品种、纯价格 MOMENTUM-CONFLUENCE 趋势跟踪策略，交易 DOGEUSDT.BINANCE（USD-M 永续合约），4H K 线，单一 K 线类型构建。这是由证据驱动的、对近期所有研究轨迹已确立结论的汇聚：(1) 汇合趋势机制产生了 GENUINELY GOOD、DISTRIBUTED、去相关 alpha 优势（论文阶段的 BTC 幸存者，夏普比率 1.99；LINK/AVAX HL 组合每年均为正，PF 约 1.57 且峰度较低）——该机制 NOT 问题所在；(2) Hyperliquid 目前 PROVEN 无法用于该机制——即使 12H HL 数据也仅从 2023-01 开始（约 3.4 年，单一机制区间），因此显著性门槛（自举夏普 CI、通缩夏普）在那里永远无法通过，这就是每个 HL 组合都以“未确立优势”终结的原因；因此 ONLY 可行的交易场所是币安，拥有约 5–6 年的多机制区间历史。DOGE 被选中的三个具体原因是：它在流动性主流币中拥有 LARGEST 持续的单边趋势（可持续数周的 meme/情绪动量爆发→在约 0.10% 双边往返成本之上留出最宽的单笔交易费用边际）；它拥有完整的约 5 年币安 USD-M 历史以供显著性检验；且其趋势 PREMISE 在此处是真正 UNTESTED 的——此前唯一一次 DOGE 趋势尝试（DogeFatTailTrendDormancyGatedLS）死于 CODE BUG（‘_in_pos’属性错误，已处理 0 根 K 线），而非策略本身的问题。为应对 DOGE 的肥尾（唯一真正的风险），仓位采用波动率缩放（在波动率飙升时 DOWNSIZES），AND 每笔交易硬顶，以确保没有任何单根 K 线能主导权益（从而破除异常值幻象导致的放弃），且整个信号使用 SINGLE 4H K 线序列（快/慢/长期 EMA 均源自该序列）——无多时间框架接线、无额外状态，这正是避免杀死此前 DOGE 尝试的属性/验证循环 bug 的关键。NOT 均值回归 fade（L53），NOT 挤压突破（L54），NOT 通道突破（异常值类别），NOT 横截面篮子（L52），NOT 市场中性比率（接近零的优势），NOT 非价格 feed 门控（L46），NOT 期权/COIN-M（L50/L51）。以全新名称填补多空缺口（13.6% 对比 86% 仅做多）。风险特征：经由 ATR 止损，每笔交易约 1.5% 权益风险；波动率缩放名义价值 = risk_budget /（atr_mult * ATR_4H），硬顶为权益*杠杆的 25%；2x 杠杆上限（读取 self.config.leverage）。恰好 3 个可调参数（慢/快 EMA 比率、长期趋势 EMA 长度、ATR 跟踪倍数）；快线 EMA 固定为幸存者的已验证相对值，以抵御 best-of-N 过拟合。

严格按假设实现：在 Binance USD-M 上，对 DOGE 使用汇合趋势机制（13306 4 小时 K 线，2020-07-10 至 2026-08-05，约 6 年多市场状态数据）；基于 SINGLE K 线序列构建，确保没有额外交易腿或多时间框架状态可能接线错误——该类仅持有标量和有界双端队列，这是针对导致先前 DOGE 尝试失败的属性错误所做的结构性修复。恰有 3 个可调参数，快线 EMA 固定为 12；代码中的钳制与 _param_bounds 完全一致。多空策略填补了方向上的空白；杠杆 2.0 确实用于名义仓位上限（权益 * max_notional_frac * self.config.leverage），按波动率缩放的仓位和上限均以 CURRENT 权益的比例表示，这正是该假设指定的肥尾风险工程设计。通过对完整真实目录序列回放 THIS EXACT CLASS，并采用 Binance USD-M 吃单费率（往返 0.10%），来VERIFIED BEFORE SUBMITTING：589 次往返交易（约每年 97 次，因此显著性检验的样本量充足，且 15 天留出期并非空样本）；平均每笔交易……展开收起

严格按假设实现：在 Binance USD-M 上，对 DOGE 使用汇合趋势机制（13306 4 小时 K 线，2020-07-10 至 2026-08-05，约 6 年多市场状态数据）；基于 SINGLE K 线序列构建，确保没有额外交易腿或多时间框架状态可能接线错误——该类仅持有标量和有界双端队列，这是针对导致先前 DOGE 尝试失败的属性错误所做的结构性修复。恰有 3 个可调参数，快线 EMA 固定为 12；代码中的钳制与 _param_bounds 完全一致。多空策略填补了方向上的空白；杠杆 2.0 确实用于名义仓位上限（权益 * max_notional_frac * self.config.leverage），按波动率缩放的仓位和上限均以 CURRENT 权益的比例表示，这正是该假设指定的肥尾风险工程设计。通过对完整真实目录序列回放 THIS EXACT CLASS，并采用 Binance USD-M 吃单费率（往返 0.10%），来VERIFIED BEFORE SUBMITTING：589 次往返交易（约每年 97 次，因此显著性检验的样本量充足，且 15 天留出期并非空样本）；平均每笔交易 +1.53%，扣除费用后仍为 NET（费用成本为 15x）；胜率 26%，移动止盈产生的盈利单远大于亏损单；盈利因子 1.62。逐年平均每笔交易表现：2020 +1.77%，2021 +6.67%，2022 +0.58%，2023 -0.15%，2024 +1.38%，2025 +0.72%，2026 YTD -0.09%；最近 365 天为每笔交易 +0.03%。所有处于声明范围内的参数设定在全样本中均盈利（平均值从 +1.28% 到 +2.16%，PF 1.58-1.82），因此结果并非临界值拟合；默认值 trend_ema=120 是经典的 20 日趋势过滤器，而非网格搜索最大值（trend_ema=240 的平均值更高，达到 +2.16%，但利润更加集中于 2021，因此NOT选用）。THE ONE CAVEAT THAT MATTERS，坦率来说：该假设认为按波动率缩放仓位并设置名义仓位上限可以避免因异常值幻象而放弃，这一点在收益层面NOT得到支持——交易收益峰度为 131，前 -3 笔交易贡献了总毛利润的 25.8%；相比之下，在相同机制下的 ADA 同类策略峰度为 17，前 -3 笔交易贡献了 11%；而且仅 2021（每笔交易 +6.67%）就贡献了全样本优势的大部分，同时 2023 和 2026 YTD 略为负值，过去一年则持平。仓位规则限制了任一根 K 线能造成的 EQUITY 变动幅度，但无法令 DOGE 的收益分布摆脱厚尾，因此应根据审阅者是否接受这一真实但集中于 2021 的迷因币动量优势来评估本次运行；就分布而言，ADA/BNB 才是承载该机制的更佳品种。每根 K 线的计算量为 O(1)（三个增量 EMA、一个深度为 14 的 TR 双端队列），因此 300s Layer-3 上限是安全的；全部六个 Layer-2 合成场景均在本地通过，信号连续且会变化。

使用废弃的XRP版本，而非优化的ADA/BNB端口。夏普仅为0.45，自举CI [-0.20, 1.14]横跨零点——即使在6年和585笔交易中，优势也未确立。关键的是，在有意义的基准上（相关性0.52），它UNDERPERFORMS买入并持有DOGE：阿尔法仅为0.060，information_ratio -0.63——结果主要由DOGE贝塔捕获，不同于ADA（阿尔法0.218，相关性0.26）和BNB（阿尔法0.151，相关性0.25），后者具有真正的去相关阿尔法。近期市场状态为负面（2026 -1.6% YTD，rolling_sharpe -4.9于四月2026），且它稀薄/受影响（impact_cost_pct 10.5%，容量~$9.1M，max_drawdown CI至53.5%，win_rate 0.26）。分布式的大多数年份正收益特征（优于XRP，峰度控制在11.9）是真实的，但风险调整后的弱优势（夏普0.45，CI横跨零点）表现不佳于买入并持有，不可部署。夏普-0.45基础远低于~1.1-1.3的最佳N噪声栏；ETH-币安兄弟在夏普1.04已失败于通缩夏普（0.04），因此DOGE在0.45没有现实路径来清除DSR。放弃而非花费优化预算。

实现

多空、单标的、SINGLE K 线类型动量共振趋势跟随策略，运行于 DOGEUSDT.BINANCE USD-M 永续合约，使用 4H K 线。所有三个读数都来自同一个 4H 序列——固定的 12 根 K 线快线 EMA（约 2 天）、慢线 EMA，周期为 12*ema_ratio，以及长期趋势 EMA（120 根 K 线 ≈ 20 天）。每根 K 线计算 calculate_signal 回报（EMA_fast - EMA_slow)/ATR14，作为连续的波动率缩放动量读数。仅当其符号与长期趋势一致时才 ENTRY（收盘价位于趋势 EMA 上方/下方）；不一致则 FLAT。若收盘价向不利于持仓的方向穿越趋势 EMA、触及入场后最佳收盘价起算的 3x-ATR 跟踪止损，或快慢线差反转，则 EXIT。仓位按波动率缩放（数量 = 权益*1.5%/(3*ATR)，因此 ATR 扩大时仓位会缩小），并硬性限制在权益 x 2x 杠杆的 25% 以内。不使用 extra_instruments，不使用 extra_bar_types，不涉及多时间框架状态。

验证结果

Backtest_review/分析师：应根据分布统计和 OOS/样本外期持续性进行判断，而不是依赖假定的肥尾控制；预计去膨胀夏普/异常值门槛会产生影响。

异常值幻象风险（L9/L41）——该假设的核心前提是，波动率缩放仓位加名义金额上限能够避免因异常值幻象而放弃策略；但根据开发者自己的数据，这一前提并未得到 NOT 证实：全样本交易回报峰度为 131，排名前 -3 的交易贡献了毛利润的 25.8%；仅 2021（每笔交易 +6.67%）就贡献了大部分优势，而 2023 和 2026 YTD 为负，最近 365 天则为每笔交易 +0.03%（持平）。仓位规则限制每根 K 线的 EQUITY 影响，却无法让 DOGE 的回报分布变得不那么肥尾。这种优势是集中于 2021 的迷因币动量脉冲，而非分散化阿尔法。

分析师：全样本每笔交易 +1.53% 的收益由较早的牛市阶段贡献；在投入优化预算前，确认任何优势能否在 OOS 后持续。

近期市场阶段优势有限，费用可行性接近底线。沙盒（回溯约 363 天）：total_return 0.434%，夏普比率 -0.014，PF 1.017，avg_trade_return_pct 0.169%——仅略高于 0.15% 底线；在 OOS 个窗口和 15 天样本外期所处的市场阶段，净优势实际上为零；自助法夏普比率 CI [-1.65, 1.58] 跨越零值。

对于实盘部署，应持久化 _side/_extreme/_entry_atr，或根据实际持仓重建，而不是根据当前信号重建。

should_exit() 在重启时根据实时信号符号推断 _side（_side==0），并根据当前值重新设置 _entry_atr/_extreme。回测中无法触发；仅存在实盘持仓期间崩溃并重启的风险。

回测评审

夏普
0.45
总收益率
146.86%
最大回撤
14.71%
总交易数
585
胜率
26.3%
盈利因子
1.29

分布特征(优于 XRP):在 7 年中有 6 年为正,包括 2022 熊市(+10.2%)、2024(+18.7%)、2025(+17.9%);中等 return_kurtosis 11.9(肥尾仓位控制有效);585 笔交易跨 6 年

优势尚未确立：夏普比率 0.45，且 CI [-0.20, 1.14] 跨越零值，即使覆盖 6 年 / 585 笔交易也是如此

主要捕获的是 DOGE 贝塔，而非阿尔法：相关性 0.52，阿尔法仅为 0.060，information_ratio -0.63——表现不及买入并持有 DOGE（对比 ADA 的阿尔法 0.218/相关系数 0.26，以及 BNB 的阿尔法 0.151/相关系数 0.25；后两者具有低相关阿尔法）

近期市场状态为负面：2026 -1.6% YTD，rolling_sharpe -4.9于四月2026

流动性薄、市场冲击大：impact_cost_pct 10.5%，容量约为 $9.1M，max_drawdown CI 至 53.5%，win_rate 0.26

结局总结

即使解决了数据和肥尾问题（拥有较长的多市场阶段历史、峰度受控、且多数年份为正），如果机制只是捕获资产的贝塔，仍无法产生阿尔法——夏普比率 CI 且跨越零值，基准相关性为 0.52，信息比率为负，这意味着共振机制适用于某些资产（ADA/BNB），但不适用于 DOGE，其趋势很大程度上就是自身的贝塔。

分析师在回测审查阶段放弃了该策略：即使覆盖 6 年和 585 笔交易，优势仍未得到确立（夏普比率 CI 跨越零值）；在有意义的基准上，其表现也不及持有 DOGE（阿尔法 0.060，IR -0.63，相关性 0.52）——它捕获的是贝塔；而 ADA（阿尔法 0.218）和 BNB（阿尔法 0.151）这两个 Binance 移植版本具有真正的低相关阿尔法。夏普比率 -0.45 的基数远低于多重检验噪声门槛，而夏普比率为 1.04 的 ETH-Binance 同类策略此前已未通过去膨胀夏普检验。

一种在 DOGEUSDT.BINANCE USD-M 4H 上运行的单标的多空动量共振趋势跟随策略（3 个参数），以单一 K 线序列将快慢 EMA 差与长期趋势 EMA 对齐——信号均来自同一序列；意见不一致时空仓，并使用 ATR 止损跟踪盈利头寸，采用波动率缩放仓位和硬性名义金额上限，以控制 DOGE 的肥尾特征；选择 Binance 是因为其拥有约 5-6 年的多市场阶段历史数据。

回测（DOGEUSDT.BINANCE 4H，2020-07 起的 2217 天数据）在 585 笔交易中取得 +146.9% 回报，盈亏因子为 1.29，avg_trade_return_pct 1.61%，最大回撤为 14.7%，肥尾特征受控（峰度 11.9）；在 7 年中有 6 年为正，包括 2022 熊市。但夏普比率仅为 0.45（CI [-0.20, 1.14] 跨越零值），且主要捕获的是 DOGE 贝塔，而非阿尔法——相关性 0.52，阿尔法 0.060，信息比率 -0.63（表现不及买入并持有 DOGE），其中 2026 为负值 YTD。

Stratmill 是研究与模拟交易工具，不提供财务建议，也不是经纪商。回测与模拟结果均为假设性结果。交易存在亏损风险。