DOGE 4H 量能確認 Donchian 突破搭配上升趨勢斜率濾網的做多策略

假說

僅做多、單一標的、單一時間週期策略，將經分析師驗證的量能確認 Donchian 突破範本，搭配上升趨勢斜率濾網，套用至新標的 DOGE，使用 DOGEUSDT.BINANCE 4H K 線。此範本透過 XRPVolumeConfirmedDonchianRisingTrendLong 推出。機制：突破 20 根 K 線的 Donchian 高點，並由高於平均值的成交量確認，再以長期上升趨勢濾網（收盤價 > sma_100）AND 上升趨勢斜率濾網（sma_100 本身在最近 30 根 K 線持續上升）限制進場。斜率濾網是分析師針對盤整行情指定的修正方式：當趨勢濾網 SMA 持平或下降（盤整）時，即使價格技術上仍高於濾網，也會停用進場。DOGE 4H 是新的單一標的目標：(a) 目前流程中沒有既有的 DOGE 策略；DOGE Daily 僅作為開發者衍生的 ADADOGEBNB 輪動策略中的次要組成部分；(b) DOGE 與 BTC/ETH/SOL/LINK/XRP 的敘事週期不同，包括迷因幣帶動的關注週期、馬斯克推文事件流及散戶敘事階段，形成與較廣泛 L1 beta 脫鉤的突破；(c) DOGE 的特有波動較高（年化約 80-120%，相較於 BTC 約 40-60%），因此 4H ATR 以百分比計幅度較大，獲利目標有充足空間覆蓋費用；(d) 單一標的、單一時間週期，直接避開曾使所有多標的跨交易所／廣度／輪動提案失敗的 audit_stale 失敗模式。失敗紀錄中較早的 DOGE-4H Donchian 策略，是因 SECONDARY 標的（ADA Daily）audit_stale 而遭淘汰，並非 DOGE K 線本身所致；DOGE 4H K 線可透過 Binance Vision 取得（與開發者衍生的 ADADOGEBNB 輪動策略使用相同來源）。

第 2 次迭代修正 Layer-2（合成）失敗：'_mean() takes 1 positional argument but 2 were given'。根本原因：_mean 宣告為 @staticmethod，卻以 self._mean(...) 呼叫（來自 _sma_at、_compute_atr 及成交量 MA）；Layer-2 驗證代理會將策略輔助函式重新綁定為實例方法並傳入 self，因此接收 1 個引數的靜態方法實際收到 2 個。最小修正是將 _mean 從靜態方法改成實例方法（移除 @staticmethod，加入 self）；_sma_at 和 _compute_atr 已是實例方法，所有呼叫處也都使用 self._mean(...) 形式，因此不需其他變更。其他每一行——Donchian 突破、成交量確認、100-SMA 趨勢閘門、上升斜率盤整濾網、ATR 快照的 TP/SL/通道出場，以及 ATR 風險部位規模——與前次迭代逐位元相同，保留所有 Layer-1 檢查及通過的訊號邏輯。這是反覆出現的合成代理陷阱：透過 self 呼叫 @staticmethod 輔助函式，只會在驗證時引發誤報 TypeError。

DOGE 4H 成交量確認唐奇安突破搭配上升斜率濾網，是成交量確認唐奇安策略家族中集中受惠於多頭行情的分支；該家族在最佳化後一再失敗。引用的「剛推出」XRP 同系策略，實際上在最佳化後已遭 ABANDONED（折減夏普值 0.0004，低於最佳 -225 的 4.21 運氣門檻），因此其機制未經驗證。此 DOGE 版本沒有顯著優勢：夏普值 1.24，但 sharpe_ci_low -1.54（CI 的區間從 -1.54 到 +3.90，跨越 0），PF 1.18，Alpha 約為 0。寬廣的夏普值 CI 顯示跨期間報酬變異很大，這表示在 225 次試驗中，折減夏普值的預期最大值運氣門檻會很高，可信夏普值無法達標——這正是 XRP 的失敗模式。優勢集中於多頭行情（2021 +86% 貢獻了 +55% 的總報酬），近期年度則為負值或逐漸衰退（2023 -22.6%、2026 -7.9%）；此外還有容量上限（總額的 impact_cost_pct 16.9%、$3.5M 的 capacity_usd），使 DOGE 4H 突破策略無法大規模部署。不要進行最佳化：夏普值為 -1.24/CI、區間跨越 -0，且集中受惠於多頭行情、變異很大的突破策略，會對 2021 過度擬合，並無法通過折減夏普值的運氣門檻與留出測試；這是該策略家族已有記錄的失敗（XRP 上升斜率 DSR 0.0004、DOGE 成交量突破留出測試 -1.23、AVAX/ADA 留出測試為負值）。不要繼續迭代：沒有程式錯誤（現貨部位規模合理），多頭行情集中是由市場機制決定，容量上限則是結構性的。FAILURE PATTERN：4H 成交量確認唐奇安突破策略家族（無論有無上升斜率盤整濾網）都無法在山寨幣上泛化——優勢集中於單一多頭年度，夏普值 CI 的區間因跨期間報酬變異很大而跨越 0，最佳 -225 的篩選無法跨過由此產生的預期最大值運氣門檻（DSR << 0.95），此外還有容量上限。即使分布的峰態低、突破形態正確，也無法挽救一個優勢集中於多頭行情、可信夏普值在統計上與最佳 N 次試驗的雜訊無法區分的突破策略。上升斜率濾網無法修正此問題——XRP 已證明它無法通過運氣門檻關卡。研究主管應撤下山寨幣上的成交量確認唐奇安突破策略路線。

實作

僅做多 DOGEUSDT.BINANCE_SPOT 4H 量能確認 Donchian 突破，搭配過濾盤整的上升趨勢斜率。當收盤價突破前 20 根 K 線的 Donchian 高點（超過 ATR 緩衝值）、目前成交量高於前 20 根 K 線平均值的 1.3x、收盤價高於 100-SMA，AND 100-SMA 在最近 30 根 K 線上升時，策略做多（盤整或下降行情會停用進場）。出場條件為 3x-ATR 停利、1.5x-ATR 停損（於進場時快照 ATR），或收盤價跌破前 10 根 K 線的 Donchian 低點。現貨 CASH（僅做多，槓桿 1），以 ATR 風險計算部位規模，每筆使用 2% 權益風險，名目部位上限為 95%。

驗證結果

回測檢視

夏普值

1.24

總報酬率

55.04%

最大回撤

38.24%

總交易筆數

134

勝率

37.3%

獲利因子

1.18

實作乾淨，分布健康（return_kurtosis 2.86——NOT 由離群值主導，與其他 DOGE 策略不同）；突破形態正確（勝負比約 2:1），交易 134 筆

正確導向 BINANCE_SPOT（曝險合理 10.5%，沒有部位規模錯誤）

沒有顯著優勢：夏普值 1.24，但 sharpe_ci_low -1.54（CI 的區間從 -1.54 到 +3.90，跨越 0），PF 1.18，Alpha 約為 0——寬廣的 CI 代表報酬變異很大，最佳 -225 的運氣門檻也很高

集中於多頭行情且趨勢轉弱：2021 +86% 帶來總額的 +55%；2023 -22.6%、2026 -7.9%，近期表現混合——這正是量能 Donchian 系列未通過保留樣本／deflated-Sharpe 的特徵

容量上限：毛利的 impact_cost_pct 16.9%，$3.5M 的 capacity_usd——DOGE 4H 突破策略無法大規模部署；max_DD 38.2%（ci_high 60.8%）

機制經 NOT 驗證：所引述的 XRP「落地」同系策略，實際上在最佳化後已被放棄（DSR 0.0004 低於 4.21 的運氣門檻）；這是失敗策略族群中較薄弱、且集中於多頭的分支

結果摘要

4H 量能確認 Donchian 突破系列（無論是否搭配上升斜率盤整濾網）都無法推廣至其他山寨幣：優勢集中於單一多頭年，Sharpe CI 因報酬變異過高而跨越零，最佳 N 選擇也無法越過由此產生的 deflated-Sharpe 運氣門檻；因此，乾淨的低峰度分布和新標的都無法挽救它。

第二次迭代時，分析師在最佳化前的回測審查關卡判定「放棄」，因此並未進行最佳化、完整分析或風險審查：所引用、據稱「剛推出」的 XRP 同系策略，實際上在最佳化後已遭放棄（折減夏普值 0.0004，低於 4.21 的運氣門檻），因此其機制尚未經驗證；而 DOGE 夏普值區間寬廣 CI，代表跨期間變異很高，其可信夏普值將低於最佳 -225 預期最大值的運氣門檻——這正是此策略家族已記錄的失敗方式。

僅做多、單一標的、單一時間週期策略，將量能確認的 Donchian 突破範本移植至 DOGE，使用 DOGEUSDT.BINANCE_SPOT 4H K 線：突破 20 根 K 線的 Donchian 高點，並由高於平均值的成交量確認；同時須符合長期上升趨勢濾網（收盤價 > SMA-100）及上升趨勢斜率濾網（SMA-100 在 30 根 K 線期間持續上升），以停用盤整時的進場；出場則依據 ATR 計算停利、停損及通道出場。

在 134 筆交易中，分布乾淨，並非由離群值主導（峰度 2.86，勝負比約 2:1，現貨曝險 10.5% 合理），但沒有顯著優勢：Sharpe 1.24，sharpe_ci_low -1.54（CI 從 -1.54 到 +3.90 跨越零），獲利因子 1.18、勝率 37%、alpha 約 0、最大回撤 38.2%；報酬集中於多頭行情（2021 +86% 帶來總額的 +55%），近期則轉弱（2023 -22.6%、2026 -7.9%），另有容量上限（衝擊成本占毛利 16.9%，容量 $3.5M）。