# 我们回测了236个TradingView策略后，找到了21个"印钞机"
**作者**: Minara中文
**日期**: 2026-04-16T03:33:51.000Z
**来源**: [https://x.com/MinaraCN/status/2044620258506625334](https://x.com/MinaraCN/status/2044620258506625334)
---
## 摘要
- 我们对236个公开的TradingView策略进行了逐笔交易回测，使用HyperLiquid的真实费率
- 63个通过了严格的复制验证。36个盈利。21个年化收益超过10%
- 交易频率是手续费的头号杀手：每一个从盈利变为亏损的策略，年交易次数都超过200次
- 低频策略几乎保住了全部优势。最佳案例：90天内仅16笔交易，年化收益+204%
- 行业标准的±15%盈亏偏差标准大约能通过约103个策略。而逐笔交易匹配只通过了63个。差距在于那些"看起来复制成功但实际并非如此"的策略
- 我们还尝试修复了4个失败策略。样本内：全部改善。样本外：一项测试表明收益未能持续
在过去三个月里，我们的团队搭建了一套流水线：采集公开的PineScript策略，在我们内部测试的Strategy Studio中逐一重建，将每笔交易与TradingView自身的回测引擎逐笔比对，然后在HyperLiquid的真实费率结构（maker 0.015%，taker 0.045%）下重新运行。我们在主流交易对（BTC、ETH、SOL、XRP、BNB、DOGE）及支持的时间框架上运行了236个策略，最终只有21个年化收益率超过10%。
本文涵盖了整个流水线、汇总结果，以及四个具体策略案例——它们讲述了从TradingView截图到实盘订单簿之间会发生什么。
## 流水线
整个流程分为四个阶段：
采集与筛选。 我们抓取了TradingView社区库中公开的PineScript v5策略，筛选出交易主流交易对（BTC、ETH、SOL、XRP、BNB、DOGE）且在支持时间框架上运行的策略，并在Strategy Studio中重建了236个。
对齐。 每个策略在Strategy Studio中以相同条件运行：相同的资金、手续费、仓位管理和日期范围。我们对每笔交易按三个条件进行匹配：方向相同、入场价格偏差在1%以内、出场价格偏差在1%以内。一个策略通过对齐的标准是：至少70%的TradingView交易能找到Strategy Studio中的匹配交易，且总交易笔数偏差不超过10%（或3笔）。236个策略中有63个通过：21个达到更严格的"A"级标准（≥90%匹配率，≤10%盈亏偏差），42个达到"B"级。剩余173个显示出逐笔交易级别的差异，任何合理的参数调整都无法消除。
零费率回测。 所有63个已对齐的策略在标准化窗口内（1分钟线14天、5分钟线60天、15分钟线90天、30分钟线365天、1小时线730天、4小时线和日线1460天）以10,000美元初始资金、零费率重新运行。这一步将策略逻辑与执行成本隔离开来。
HyperLiquid费率回测。 相同窗口、相同资金，但使用maker 0.015%和taker 0.045%的费率。回测引擎仅模拟手续费；实盘的HyperLiquid市价单会预留额外的滑点容忍度，但我们在此不建模，因为这会降低与TradingView自身报告的可比性。如果你打算实盘交易，这个数字才是最重要的。
仅对齐步骤就花了数周的调试时间。TradingView和Strategy Studio在处理K线磁吸、夏令时转换和合约制仓位管理方面的差异，导致多个策略需要手动修正。总工程量超过300小时。
## 数据
在63个已对齐且拥有最新双费率回测数据的策略中：
- 21个年化收益超过10%（Tier 1）
- 15个盈利但低于10%年化收益率（Tier 2）
- 27个亏损（Tier 3）
- 57%的策略在真实费率下仍然盈利
- 费后中位数年化收益率：+2.4%
- 费后中位数夏普比率：+0.41
（点击图片查看完整排行榜）
21个"印钞机"策略：
1. Optimized BTC Mean Reversion (RSI 20/65) — BTCUSDT 15分钟，年化+204.6%
2. Volatility Breakout System [Fixed Risk] — ETHUSDT 1小时，年化+124.6%
3. SuperTrend AI Adaptive - Strategy [BTC] — BTCUSDT 4小时，年化+60.2%
4. BB Upper breakout Short +2% (dr Ziuber) — SOLUSDT 1小时，年化+48.1%
5. SuperTrend STRATEGY — BTCUSDT 日线，年化+35.6%
6. Penguin Volatility State Strategy — BTCUSDT 日线，年化+34.5%
7. MACD Zero-Line Strategy (Long Only) — BTCUSDT 日线，年化+34.5%
8. CDC BACKTEST (MACD) FIX AMOUNT $200k per trade — BTCUSDT 日线，年化+34.5%
9. Hash Momentum Strategy — BTCUSDT 4小时，年化+32.8%
10. Moon Phases Long/Short Strategy — BTCUSDT 1小时，年化+29.9%
11. 7/19 EMA Crypto strategy — ETHUSDT 30分钟，年化+28.4%
12. RSI > 70 Buy / Exit on Cross Below 70 — BTCUSDT 4小时，年化+24.3%
13. 50 & 200 SMA + RSI Average Strategy (Long Only, Single Trade) — ETHUSDT 日线，年化+23.5%
14. Kadunagra-Pivot Point SuperTrend-trades analysis — BTCUSDT 4小时，年化+23.2%
15. ETHUSDT 4H - Keltner Breakout — ETHUSDT 4小时，年化+21.0%
16. Hash Supertrend [Hash Capital Research] — SOLUSDT 4小时，年化+15.2%
17. Crypto LONG PY — SOLUSDT 5分钟，年化+12.2%
18. Oleg_Aryukov_Strategy — BTCUSDT 15分钟，年化+10.9%
19. Options test Daily Long 08:30 Exit next day 08:00 UTC — ETHUSDT 5分钟，年化+10.8%
20. Qullamagi EMA Breakout Autotrade (Crypto Futures L+S) — ETHUSDT 1小时，年化+10.5%
21. Kinetic Kalman Breakout — ETHUSDT 15分钟，年化+10.1%
## 分析
在HyperLiquid费率下，Tier 1排行榜的顶部并非趋势跟踪者所预期的那样。表现最佳的是一个优化过的BTC均值回归策略（15分钟线），90天内仅交易16次，年化收益+204%，夏普比率超过4。第二名是ETH 1小时动量策略，年化+124%。第三是BTC 4小时自适应SuperTrend，年化+60%。排行榜顶部混合了均值回归、动量和趋势跟踪。没有单一方法占据主导地位。
排行榜中段是手续费敏感度开始显现的地方。15个Tier 2策略都赚了钱，但仅仅勉强盈利。其中许多在零费率下本可以进入Tier 1，只是在费率应用后才跌破10%的门槛。它们的逻辑有效；交易频率侵蚀了优势。
在分布的底部，亏损加速。模式每次都相同：高交易次数、低胜率、薄弱的单笔交易利润。Buy Sell Signal在BTC 1分钟线上是我们在流水线迭代中反复看到的典型案例：14天内2,655笔交易，资金亏损-64.7%，推算年化-1,687.6%。它支付的手续费超过了它可能赚取的全部利润。
数据集中胜率极高的策略都采用同一套构建方式：获取小额固定利润、快速退出、重新入场。BB Upper Breakout Short +2%在SOL 1小时线上49笔交易胜率100%。Crypto LONG PY在SOL 5分钟线上39笔交易胜率100%。OrangePulse v3.0 Lite在BTC 1小时线上118笔交易胜率94.9%。这些是均值回归策略，设有小额固定止盈目标，而它们的结构也是它们的弱点。每笔盈利都很小，而每次往返交易的手续费恒定消耗0.06%。当平均赢利为1.5%时，手续费在其他因素之前就吃掉了约4%的优势。OrangePulse以+0.1%的年化勉强存活。排名再往下的策略就没那么幸运了。
相反的画像在纸面上看起来更差，但实际表现更好。RSI > 70 Buy在BTC 4小时线上胜率约35%。它三笔交易中几乎输掉两笔。SuperTrend AI Adaptive胜率接近48%。Keltner Breakout胜率接近34%。这些是趋势跟踪策略，大多数交易小亏，少数交易大赚。偶尔的大赢家轻松消化了手续费成本。Tier 1中按费后年化收益排名的大多数策略，胜率在35%到50%之间。低胜率配合高盈利因子，这就是存活下来的策略画像。
SuperTrend STRATEGY作为Tier 1的成员（BTC日线），在其仅4笔交易的历史中最大回撤达到46.1%。RSI > 70 Buy同样进入Tier 1，最大回撤14.8%，夏普比率超过2。承受46%的回撤和承受15%的回撤是完全不同的体验，即使最终周期结束时的数字更大。
夏普比率对数据集的排序方式与原始年化收益率不同。Tier 1中最高夏普比率属于一个15分钟均值回归策略，它在短窗口内仅进行了极少交易。RSI > 70 Buy和SuperTrend AI Adaptive在风险调整指标上也位居前列。一个年化收益率不高、但回撤可控且夏普比率高的策略，可能比一个年化收益率高但需要经历接近破产才能存活的策略，代表更具可交易性的头寸。
盈利因子讲述了一个相关的故事。SuperTrend的8.98意味着其总利润几乎是总亏损的九倍。这个比率解释了为什么仅四笔交易就足以跻身Tier 1。其他Tier 1策略通过许多较小的盈利获得优势，单笔利润分布在数十或数百个头寸中。两种方式都有效。但运作方式不同。
Tier 1排行榜顶部混合了均值回归、动量和趋势跟踪。复杂的多因子系统和简单的单参数策略都有出现。在63个策略中，复杂度和简单度都无法一致性地预测收益。能预测收益的是策略的单笔交易特征与其所处费率环境之间的匹配程度。没有任何指标或过滤器组合主导Tier 1：趋势跟踪出现最多，但布林带、Keltner通道、EMA交叉、MACD和基于日历的入场信号都产生了Tier 1成员。
费率影响的主要驱动因素不是策略类型、资产或时间框架，而是交易次数。 在分析池的63个策略中，14个在零费率下盈利，但在应用HyperLiquid费率后亏损。这14个策略无一例外，年交易次数都超过200次。年交易次数低于25次的策略几乎保留了全部零费率收益。
策略整体偏向趋势跟踪，最常见的时间框架为4小时和日线。BTC是交易最多的资产，但池中也包括ETH、SOL、XRP、BNB和DOGE策略。
以上汇总数据将63个策略拉平为平均值和层级。以下四个案例将这些平均值拆开：一个100%胜率的均值回归做空策略、一个四年内只交易四次的趋势跟踪者、一个在超买条件下买入的动量策略，以及一个在下跌市场中跑赢的经典移动均线策略。每一个在纸面上看起来都是错的。每一个都奏效了。
（以下所有案例均在Strategy Studio的内部测试版本中运行。如需申请早期访问权限，请参阅本文末尾的链接。）
## 案例1：100%胜率的做空策略
BB Upper Breakout Short +2%，作者@DrZiuber，SOLUSDT，1小时
该策略在价格突破布林带上轨（20周期，2个标准差）2%以上时做空SOL，并在2%利润时平仓。这是教科书式的均值回归操作：当资产价格飙升至远超其近期区间时，做空并等待回调。
730天内，它进行了49笔交易。每一笔都盈利。胜率：100%。
在HyperLiquid费率下，总回报+96.3%，年化+48.1%。手续费拖累仅3%，几乎可以忽略不计，因为该策略交易频率低且每笔头寸获利可观。
对齐检查结果干净：Strategy Studio与TradingView的结果偏差在2%以内，交易笔数完全一致。
当然有明显的注意事项。两年内49笔交易是一个小样本。该策略仅适用于SOL，而SOL在此期间有特定的波动率特征。49笔交易100%的胜率并不意味着下一个49笔交易也会100%。而且最大回撤为36.7%，意味着在某一时刻，策略在均值回归完成前承受了相当大的未实现亏损。注意事项是真实的，优势也是真实的。
## 案例2：四年四笔交易
SuperTrend STRATEGY，作者holdon_to_profits，BTCUSDT，日线
大多数策略试图捕捉尽可能多的行情。这个策略恰恰相反。它在BTC日线上运行经典的SuperTrend指标（ATR周期10，乘数8.5），当趋势翻转为多头时做多。高乘数意味着它忽略了几乎所有波动。只有重大趋势反转才会触发信号。
四年（1,460天）内，它进行了四笔交易。三笔盈利，一笔亏损。在HyperLiquid费率下总回报：+292.4%，年化+73.1%。
手续费拖累仅1%。四年四笔交易意味着该策略总共支付了八次手续费（入场和出场各一次）。在HyperLiquid的费率结构下，这个成本在功能上可以忽略不计。
夏普比率为1.24。盈利因子为8.98。最大回撤为46.1%，虽然很大但在预期之内。当你在没有止损的情况下持有BTC度过趋势反转时，你会一路承受回撤直到SuperTrend翻转。
四笔交易即使覆盖了四年的日线K线，仍然是一个小样本。8.98的盈利因子在测试期间是准确的；该数字的置信区间很宽。排名是真实的，但也部分是少量交易数在有利窗口上的产物。
与TradingView的对齐很紧密：7%的盈亏偏差，交易笔数完全一致（TradingView回测窗口内7笔交易），胜率一致。
使用高乘数的SuperTrend几乎算不上一个策略。它更接近于"当BTC开始牛市时买入，结束时卖出"。在我们测试的37个策略中，34个使用了更多的信号、更多的过滤器和更多的逻辑。这一个只用了ATR和一个乘数。它排名第二。
## 案例3：在超买时买入
RSI > 70 Buy / Exit on Cross Below 70，作者Boubizee，BTCUSDT，4小时
每个初学者都学过同一条规则：RSI高于70表示超买，应该卖出。这个策略反其道而行之。它在RSI(14)上穿70时买入BTC，在RSI跌回70以下时退出。这是一个动量延续策略：其假设是强劲的RSI读数意味着力量而非衰竭。
1,460天内，它进行了142笔交易。胜率：35.2%。在HyperLiquid费率下，总回报+99.7%，年化+24.9%。
夏普比率为1.85。最大回撤为14.8%。+24.9%的年化收益配合14.8%的最大回撤，其风险调整后的表现优于我们数据集中大多数名义年化收益更高的策略。
手续费拖累为21%，有意义但不构成否定。四年内142笔交易，每笔交易的往返成本平均约0.06%。单笔交易的优势足以承受。
对齐结果干净：与TradingView的盈亏偏差为2%，交易笔数匹配。
指标阈值是经验法则，不是定律。在BTC 4小时线上，经过四年142笔交易的验证，RSI高于70更多时候意味着动量而非衰竭。
## 案例4：在下跌市场中胜出
50 & 200 SMA + RSI Average Strategy，作者muratkbesiroglu，ETHUSDT，日线
该策略使用了趋势跟踪中最古老的理念之一：当价格同时位于50日和200日SMA之上，且平滑RSI（RSI-21的9周期均值）高于57时做多。当价格跌破50日SMA且RSI均值回落到57以下时退出。纯做多，一次一个头寸，无杠杆。
在测试窗口内，它进行了19笔交易。在HyperLiquid费率下回报+95.1%，而ETH的买入持有回报为-22.1%。在持有ETH亏损的时期，该策略跑赢市场117个百分点。
夏普比率为1.16。该策略在大部分横盘和下跌期间保持空仓，这就是为什么它能以如此大的幅度跑赢买入持有：RSI 57阈值的过滤器迫使它在低动量条件下持有现金，而这些条件正是拖累长期持有者的因素。
对齐检查近乎完美：19笔交易中19笔与TradingView引擎匹配，盈亏偏差在0.1个百分点以内（TradingView测试窗口内1,072.0% vs 1,071.9%）。
本文中大多数策略在买入持有表现良好的时期跑赢了它。而这一个在买入持有亏损的时期跑赢了它。这是一种不同类型的测试，也是更难的一种。教科书式的方法仍然有效；在弱势期间保持空仓的纪律性才是使其奏效的关键。
## 优化
四个案例从不同角度指向同一个模式。使它们奏效的不是指标选择、胜率或复杂性，而是单笔交易优势与手续费成本之间的匹配：每个策略要么交易频率足够低以保持其优势，要么获利足够大以吸收往返费用。BTC日线上的SuperTrend四年内支付了八次手续费。SOL上的均值回归做空策略730天内交易了49次。RSI延续策略三笔交易中只赢一笔，但赢家足够大，手续费几乎无感。SMA策略的优势不在于它交易了什么，而在于它跳过了什么：RSI过滤器在拖累长期持有者的时期让它保持现金持有。
复制是Minara的一项能力。以下四个案例展示了另一项：从数据集的亏损端取一个策略，识别结构性问题所在，然后修复它。修复方案从四行代码补丁到完全重写不等，并非所有方案都在样本外数据上站住了脚。以下是我们在测试期间遇到的典型优化案例。
## 修复1：Buy Sell Signal Strategy → Quant Trend Engine风格逻辑（完全重写）
第一个目标是Buy Sell Signal Strategy，一个1分钟BTC剥头皮策略，14天内进行了2,655笔交易，在HyperLiquid费率下亏损64.7%的资金。Minara拒绝调参，而是从头重写，借鉴了我们数据集中排名靠前模板的结构元素。结果是一个4小时多因子趋势跟踪策略，在结构上与原始的EMA交叉逻辑完全无关。
Minara的改动：
- 时间框架： 1分钟 → 4小时。1分钟窗口14天内产生了2,655笔交易。4小时窗口每年约产生18笔交易。每笔交易需要承受的费率优势从不可能的0.09%+降低到可达到的0.2%至0.5%。
- 入场： 单一EMA交叉 → 8因子加权评分。重写要求在EMA堆叠、斜率、间距、动量持续性、路径效率、突破强度、ATR区间和回调收复等八个因子中最低达到5.0分。没有任何单一因子可以单独触发入场。
- 增加路径效率过滤器。 Kaufman效率比率 ≥ 0.33。这一单一过滤器阻止了在横盘市场中的入场——原始策略大部分亏损正是在横盘中积累的。
- 止损： 0.5 ATR固定 → 2%硬止损 + 2.8 ATR追踪止损。1分钟线上的紧ATR止损会被噪音吞噬。追踪止损给真正的趋势留出运行空间。
- 方向： 多空双向 → 仅做多。BTC的长期Beta为正。做空一个结构性上涨的资产，在任何策略逻辑应用之前就已经放弃了优势。
- 退出后5根K线冷却期。 防止在刚触发前一次止损的同一噪音模式中重新入场。
Minara并未发明这种结构。它选择了与Quant Trend Engine类似的骨架——该策略已是我们数据集中的最佳表现者——并将其适配到原始策略的资产上。诊断一个策略在结构上不可挽救并提出一个已知有效的替代方案，比假装参数调优会有效要更有价值。
## 修复2：XRP Non-Stop Strategy → XRP Trailing ATR
第二个目标是XRP Non-Stop Strategy，一个使用EMA 20/50过滤的纯做多趋势跟踪策略，固定25%止盈和15%止损。730天内回报+26.2%，胜率43.8%。问题不在于名义回报，而在于75.7%的最大回撤和1.04的盈利因子——意味着该策略的存活仅因为一笔最终的盈利恰好抵消了累积的亏损。Minara保留了骨架（EMA过滤器、仅做多、25%止盈、XRP标的守卫），并在其周围添加了四个模块。
Minara的改动：
- 止损： 固定15% → 2.5 ATR初始止损、2.0 ATR追踪止损、仅上调。固定15%在高波动区间要么太紧，在低波动区间要么太松，而且对未实现盈利没有保护。ATR追踪止损随价格推进锁定利润。这一项改动是回撤从75.7%降至14.6%的主要原因。
- RSI入场过滤器： 要求RSI < 45。看似反直觉地严格。在EMA已确认上涨趋势的前提下，入场仅在RSI回调时触发，买入回调而非突破。胜率从43.8%升至55.8%。
- ATR区间过滤器： 当ATR/价格 < 1.5%时跳过。低波动窗口产生虚假的EMA交叉和容易被扫掉的紧止损。屏蔽这些窗口使盈利因子从1.04升至2.99。
- 退出后3根K线冷却期。 防止在刚触发止损的同一震荡模式中重新入场。
策略交易更频繁，但每笔交易质量更高。Minara还报告了四个测试后被否决的替代方案：更紧的1.5 ATR追踪止损被正常回调扫掉；更短的EMA产生更多虚假交叉；更近的15%止盈限制了盈利并导致盈利因子崩塌；8根K线的冷却期错过了延续入场。被否决的分支与被采纳的改动一样定义了参数空间。
## 修复3：EMA 50/200 Pullback + RSI（BTC/USDT 15分钟 - 2 Bar Logic）
第三个目标是BTC 15分钟线上的EMA 50/200 Pullback策略，使用2根K线回调-收复信号，固定0.49%止损和1:5收益风险比。骨架是合理的。但执行尺度有误：15分钟线上0.49%的止损处于正常噪音之内，1:5的收益风险比在纸面上很诱人，但大多数交易在到达目标前就被止损，实际上无法实现。Minara改变了时间框架、替换了风险模型、添加了趋势过滤器、添加了追踪止损，并收紧了入场条件。
样本内结果（2022年4月至2025年1月，2.8年）：
Minara的改动：
- 时间框架： 15分钟 → 日线。15分钟线上0.49%的止损大约为0.16 ATR（处于正常噪音之内）。在日线上，相同的百分比约为0.5 ATR（一个有意义的波动）。回调-收复信号也从一个微观结构事件转变为跨越两天的结构性事件。
- 风险模型： 固定0.49%/2.45%、1倍杠杆 → ATR缩放1.5/4.0、20倍杠杆。收益风险比从纸面上的1:5降至实际可实现的1:2.63。原始比率无法实现；新比率在20笔交易中有14笔实际达成。之所以提高杠杆，是因为四年内20笔交易的低频率需要放大每笔交易的影响才能产生有意义的回报。
- 添加追踪止损： 在+2 ATR利润时激活，以1 ATR追踪。20笔交易中12笔通过追踪止损退出，平均盈利+6.21%。没有追踪止损的话，这些中等距离的盈利要么会回撤到初始止损，要么停滞在止盈目标以下。
- 添加ADX > 20趋势强度过滤器。 EMA 50/200确认方向但不确认趋势是否实际在推进。ADX要求真正的方向性动量，阻止了"EMA堆叠看起来看涨但价格在震荡"的环境——原始策略大部分亏损正产生于此。Minara将此作为单独的v2 → v3迭代报告，以便独立衡量其边际贡献。
- RSI阈值： > 50 → 限定在45至75（做多）。原始策略接受RSI = 85作为买入信号。限定范围在过滤掉超买顶部附近的晚期入场信号的同时，保留了有意义的动量范围。
## 修复4：Momentum Strategy → Momentum ATR Exit
第四个目标是Momentum Strategy，一个经典的TradingView模板：当12根K线动量为正且加速时做多，两者均为负时做空。入场逻辑是干净的。策略完全没有退出逻辑：没有止损、没有止盈、没有定时平仓。头寸仅在相反信号触发时才翻转。这使得每一个盈利趋势都变成了往返旅程：策略随行情上涨，然后在等待反转确认时回吐全部盈利。1,165笔交易的盈利因子为1.01，本质上是随机的。Minara的诊断：入场有优势，退出不存在。修复仅需四行代码。
Minara的改动：
- 添加ATR缩放止损： 1.5 × ATR(14)。距离随当前波动率缩放，而非固定百分比。
- 添加ATR缩放止盈： 3 × ATR(14)。每笔交易内置2:1的收益风险比。
- 入场逻辑： 未改变。mom0 > 0且mom1 > 0的条件以及stop=high+mintick的挂单保持原样。
这就是全部改动。其他所有内容（动量计算、方向、仓位管理、多空对称性）均保持不变。
## 注意事项
这些发现在特定条件下成立。以下几个条件值得明确说明。
市场制度。 回测窗口（最长时间框架为2016年至2026年，高频策略更短）对加密货币来说是净看涨的。几个Tier 1策略是纯做多的趋势跟踪者，直接受益于持续的向上漂移。在多年熊市中，大多数策略会有不同的风险特征，有些会跌出Tier 1。
资产集中度。 已对齐的策略池偏向BTC。ETH、SOL、XRP、BNB和DOGE策略基于较小的样本，可能不具有普遍性。具有不同波动率或流动性特征的山寨币未被测试。
样本外验证。 本文中只有一个策略（修复3）在调优过程中保留的数据上进行了测试。其余结果应被视为样本内：策略逻辑在用于识别它的相同数据上进行了评估。优化案例尤其存在过拟合风险，需要更大的样本外样本才能排除。
选择偏差（已量化）。 我们测试了236个通过初始筛选（支持的标的、支持的时间框架、足够的K线历史）的公开PineScript策略。其中只有27%通过了逐笔交易复制验证。在63个通过复制的策略中，57%在HyperLiquid费率下仍然盈利。一个随机的TradingView策略在我们的样本中既能复制自身回测又能在真实费率下赚钱的复合概率约为15%，大约七分之一。
对齐标准的选择很重要。 从±15%盈亏容忍度切换到逐笔交易匹配，使我们的通过率从大约44%降至27%。不同的验证标准产生不同的结论。本文中我们所说的"已对齐"均指逐笔交易匹配。其他团队可能使用更宽松的标准报告更高的对齐率；我们认为那是噪音，不是信号。
费率特异性。 所有真实费率数据均假设HyperLiquid的费率结构（maker 0.015%，taker 0.045%）。taker费率更高的交易所会将更多策略推入Tier 3。零费率环境会将若干Tier 3结果翻转回盈利。
回测与实盘。 这些是回测。实盘执行会增加延迟、部分成交和订单簿效应，这些是纯OHLC回放无法捕获的。
## 下一步
本文描述的已对齐策略库、双费率回测结果和优化工具都将在Minara Strategy Studio中推出。我们目前处于内部测试阶段。上线后，将从候补名单上的用户开始分批开放访问。⬇️
https://minara.ai/app/trade/strategy-studio
随着更多社区策略涌现，我们计划推出"策略广场"（Strategy Square），交易者可以在其中分享、讨论，甚至从自己的策略中获利。敬请期待。👀
## 相关链接
- [Minara中文](https://x.com/MinaraCN)
- [@MinaraCN](https://x.com/MinaraCN)
- [196K](https://x.com/MinaraCN/status/2044620258506625334/analytics)
- [$200k](https://x.com/search?q=%24200k&src=cashtag_click)
- [@DrZiuber](https://x.com/@DrZiuber)
- [https://minara.ai/app/trade/strategy-studio](https://minara.ai/app/trade/strategy-studio)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [11:33 AM · Apr 16, 2026](https://x.com/MinaraCN/status/2044620258506625334)
- [196.2K Views](https://x.com/MinaraCN/status/2044620258506625334/analytics)
- [View quotes](https://x.com/MinaraCN/status/2044620258506625334/quotes)
---
*导出时间: 2026/4/28 08:52:10*