WaveTrend 指標:參數設定、交叉訊號與回測結果
WaveTrend 指標是一條經過平滑的震盪指標,以兩條線呈現價格偏離近期平均的程度。它的交叉只有寫成明確規則並計入成本檢驗,才值得交易:單純交叉在短 K 棒上出現得太頻繁,區間篩選的交叉或較長的 K 棒,則替一買一賣留下空間。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
目錄
WaveTrend 指標如何運作?
WaveTrend 指標是經過平滑的震盪指標,顯示價格偏離自身近期平均的幅度,並以該幅度的一般大小加以縮放,畫成兩條線。它的交叉只有寫成明確規則並計入成本檢驗才有用:單純交叉在短 K 棒上出現得太頻繁,區間篩選的交叉或較長的 K 棒,則替一買一賣留下空間。
震盪指標是在中心線上下擺動、而不是隨價格一路向上的指標。WaveTrend 波浪趨勢指標頁面有完整定義;本文把篇幅用在參數、訊號與檢驗。可以把它想成溫度計:不報幾度,而是報今天與近兩週相比有多反常。讀數 +60 表示,以近期波動的標準來看,價格遠高於平均;−60 表示遠低於平均。主線稱為 WT1,第二條線 WT2 是 WT1 的短期平均。WT1 穿越 WT2 時,偏離的幅度開始縮小或擴大。WaveTrend 在眾多可檢驗的技術分析工具與指標中位於何處,該篇指南有說明。
WaveTrend 如何逐步計算?
WaveTrend 分四個有序步驟算出,第二條線只是第一條線的短期平均,所以兩條線交叉相當頻繁。每一步都用到上一步的結果。
- 平均典型價格。一根 K 棒的典型價格是最高價、最低價與收盤價的平均。以通道長度(預設 10 根)對它取指數平均,就得到衡量價格偏離的中心線。
- 衡量與平均的典型距離。取每根 K 棒的典型價格與中心線的距離,忽略正負號,再以同樣的通道長度取平均。這代表近期正常波動有多大。
- 以典型距離縮放今天的距離。這會把以點數表示的距離,轉成在平靜與劇烈的週次裡意義相同的數值:
縮放距離 =(典型價格 − 中心線)÷(0.015 × 典型距離)
其中典型價格是當天這根 K 棒的值,中心線是第 1 步的平均,典型距離是第 2 步的平均,0.015 是固定常數,只決定數值的大小,讓一般波動落在 ±50 到 ±60 附近。
- 平滑兩次。對縮放距離以平均長度(預設 21 根)取指數平均,即為 WT1;對 WT1 取 4 根的簡單平均,即為 WT2。
WaveTrend 的預設參數是什麼,該不該調整?
常用的預設值是通道長度 10、平均長度 21、訊號平滑 4。要不要調整,應交給回測決定,而不是憑肉眼看圖。圖表呈現有效的交叉,隱去無效的交叉。滯後是價格轉向與據此算出的指標轉向之間,相隔的 K 棒數。每一道平均都增加滯後,所以兩個長度參數,是在提早與雜訊之間取捨。
| 參數 | 控制什麼 | 較短的值 | 較長的值 |
|---|---|---|---|
| 通道長度(預設 10) | 用幾根 K 棒定義中心線與典型距離 | 中心線貼近價格;交叉較多、較早、雜訊較多 | 中心線移動緩慢;交叉較少、較晚、較平滑 |
| 平均長度(預設 21) | WT1 的平滑程度 | WT1 轉向較早,也更常轉彎 | WT1 轉向較晚,轉彎較少 |
| 訊號平滑(預設 4) | WT2 落後 WT1 的程度 | 交叉出現得較早、較頻繁 | 交叉出現得較晚、較少 |
| 區間水位(預設 ±53 與 ±60) | 超買與超賣從哪裡開始 | 更多 K 棒算極端 | 較少 K 棒算極端 |
合理的做法是檢驗一個範圍,而不是單一數值:通道 6 到 20、平均 13 到 40、平滑 3 到 5。如果只有某一組長度表現好,鄰近的組合都差,這組長度只是在配合雜訊。如果一整片相鄰參數表現相近,規則才有站得住腳的基礎。
WaveTrend 有哪些訊號可以檢驗:超買、超賣,還是交叉?
同樣兩條線可以寫出三種可檢驗的規則,其中區間篩選的交叉,交易次數遠少於單純交叉,成本的結果因此大不相同。超買區是 +53 以上(+60 以上更強)的區域,超賣區是 −53 以下(−60 以下更強)的區域。光有區間不構成委託單;強勢趨勢中,線可以在區間裡停留許多根 K 棒。交叉才提供可以動作的那一根 K 棒。
| 規則 | 買進條件 | 賣出或出場條件 | 出現頻率 |
|---|---|---|---|
| A. 任何交叉 | WT1 在任何位置向上穿越 WT2 | WT1 在任何位置向下穿越 WT2 | 最頻繁 |
| B. 區間內交叉 | 兩條線都在 −53 以下時,WT1 向上穿越 WT2 | 兩條線都在 +53 以上時,WT1 向下穿越 WT2 | 最少 |
| C. 零軸交叉 | WT1 向上穿越 0 | WT1 向下穿越 0 | 居中 |
規則 B 需要自己的出場方式,因為反向的區間交叉可能數週都不會出現。常見做法是 WT1 穿越零軸時出場、持有固定根數後以時間出場,或使用固定停損。規則 A 與規則 C 若不另加空手條件,會一直在場內,不是多單就是空單。交易次數之所以重要,是因為每筆交易都要付手續費與滑價,出現最頻繁的規則,每筆能拿來支付的行情最小。
假設性範例
假設規則 A 在 15 分鐘 K 棒上每年出現 60 次,每筆取得 $25 未扣成本的行情;規則 B 每年出現 12 次,每筆取得 $90。一買一賣的成本為 $30 時,規則 A 每筆淨損益為 −$5,一年 −$300。規則 B 每筆淨損益為 $60,一年 $720,而交易次數只有五分之一。未扣成本的回測把 A 排在 B 前面;扣除成本後的回測,順序則反過來。
WaveTrend 與 RSI、CCI 有何不同?
WaveTrend 可說是加上訊號線、經過平滑的 CCI;RSI 衡量的則是上漲收盤與下跌收盤的均衡。三者在實務上的差別,是滯後與交易次數。CCI 順勢指標(商品通道指數)以典型價格的簡單平均為基準,把距離除以平均距離,使用同樣的 0.015 常數,之後不再平滑。WaveTrend 把簡單平均換成指數平均,再把結果平滑 21 根,所以較慢,也平順得多。RSI 相對強弱指標從另一個問題出發:最近 14 根 K 棒的走勢裡,上漲收盤與下跌收盤各占多少?它的範圍限定在 0 到 100,與隨機指標及其 %K、%D 線相同,而 CCI 與 WaveTrend 沒有硬性上下限。
| WaveTrend | RSI | CCI | |
|---|---|---|---|
| 衡量什麼 | 與指數平均的縮放距離 | 上漲與下跌收盤的均衡 | 與簡單平均的縮放距離 |
| 刻度 | 無上下限;區間在 ±53 與 ±60 | 0 到 100;水位在 70 與 30 | 無上下限;水位在 +100 與 −100 |
| 平滑與滯後 | 縮放後兩道平均;滯後最多 | 一道平滑;滯後中等 | 縮放後無平滑;滯後最少 |
| 自帶訊號線 | 有,WT2 | 無 | 無 |
| 交叉規則的交易次數 | 最少 | 中等 | 最多 |
雙線結構讓 WaveTrend 的用法比起 RSI,更接近MACD 指標及其訊號線交叉:兩者的訊號,都是平滑線穿越自己的短期平均。這些指標之間的公平比較,不是看圖的印象,而是各指標的交叉規則,在同樣成本、同樣 K 棒、同樣期間下的結果。Park 與 Irwin(2007)回顧數十年的這類檢驗,發現結果高度取決於成本與期間,這正是比較必須實際跑過、不能憑猜的原因。
WaveTrend 震盪指標適合哪種 K 棒週期與市場?
WaveTrend 需要足夠長的 K 棒,才會有可用的波段:平均每筆損益要涵蓋一買一賣成本的數倍。因此日 K 棒與數小時 K 棒是最先檢驗的地方,極短的日內 K 棒排在最後。這個指標在縮放之後還有兩道平均。在 1 分鐘 K 棒上,這段滯後是數分鐘;在日 K 棒上,是數天。滯後的根數相同,但每筆捕捉到的行情隨 K 棒變長而增加,每筆的手續費與滑價卻不變。
相對於每跳動點成本,波動幅度大且乾淨的市場,最適合這類偏離後回歸的指標:流動性高的指數期貨,如 ES、NQ 與台指期,以及黃金與主要貨幣期貨。成交清淡的合約,滑價會吞掉交叉規則本就有限的優勢。若仍想在日內檢驗,日內交易最佳指標的測試結果中關於交易次數與成本的推論可以直接套用:從 30 或 60 分鐘 K 棒開始,不要用 1 分鐘 K 棒,並在信任任何一種之前,先比較各 K 棒週期扣除成本後的平均每筆損益。
兩條線交叉規則在 NQ 上的回測結果如何?
以替代用的雙線交叉規則在 NQ 日 K 棒上檢驗,扣除成本後結果為正但起伏不一,回撤占淨損益的大部分,交易之間還有長時間的空手期間。AlphaPrime(Valynox)在 NQ 日 K 棒上跑這次搜尋,期間為 2019-01-02 到 2025-06-30,多空皆做,一口,每筆交易收 $20 手續費與 $10 滑價。檢驗的規則是以 MACD 交叉作為唯一的進出場條件,沒有停損、沒有停利、沒有濾網。它用來替代 WaveTrend 主線的交叉,因為兩者都是平滑線穿越自己的短期平均;這次執行並未檢驗 WaveTrend 本身。
來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。NQ 日線,2019-01-02 至 2025-06-30,多空都做,1 口,每筆手續費 $20、滑價 $10。
| 數字 | 結果 |
|---|---|
| 淨利(已平倉) | $96,490 |
| 最大回撤 | $41,205 |
| 交易筆數 | 146 |
| 勝率 | 56.16% |
| 獲利因子 | 1.373 |
| 平均每筆 | $660.89 |
| 在場時間 | 17.7% |

這是搜尋在嘗試的 1,024 個候選中保留的那一個,依報酬相對回撤選出。事後從眾多結果中挑最好的,會讓保留下來的那個看起來比實際好:Bailey、Borwein、López de Prado 與 Zhu(2014)指出,大量搜尋中最佳的回測帶有選擇加成,新資料不會重現;Sullivan、Timmermann 與 White(1999)在數千條簡單技術規則上發現同樣的效應。上表的數字只描述這一次、這一段歷史的結果。它們不代表這條規則或這個指標能賺多少,讀者也不應當作預期。
這次執行真正呈現的,是雙線交叉規則在日 K 棒上產生的樣貌。六年半內有 146 筆交易,是波段的節奏,不是當沖的節奏。在場時間 17.7% 代表規則大部分時間空手,指數的大部分走勢根本沒有交易。平均每筆損益 $660.89,是每筆手續費與滑價 $30 的許多倍,這是日 K 規則有、5 分鐘規則沒有的餘裕。獲利因子 1.373 表示獲利交易付清了虧損,還剩下三分之一強;最大回撤 $41,205,是帳戶為了看到其餘結果必須承受的幅度。
如何設定自己的 WaveTrend 檢驗?
第一次執行之前,先寫下參數範圍、進場規則、出場規則、成本與通過門檻,再用沒有拿來調過參數的資料,並排檢驗三種訊號類型。順序不能顛倒,因為看到結果後才決定的事,都會變成調整的一部分。
- 選定 K 棒週期與商品。基於上述的成本理由,從流動性高的指數期貨的日 K 棒或 60 分鐘 K 棒開始。
- 寫下參數範圍。通道 6 到 20、平均 13 到 40、平滑 3 到 5。檢驗範圍,不是單一組合。
- 選一種訊號與一種出場。從上表選規則 A、B 或 C,並把出場寫清楚。在交叉後下一根 K 棒的開盤進場,因為當根 K 棒的 WaveTrend 值,在該 K 棒收盤前都會變動。
- 輸入每筆交易的手續費與滑價。用券商的手續費,每邊至少一個跳動點的滑價;再把滑價加倍重跑,看結果是否依賴便宜的成交。
- 寫下通過門檻,然後執行。最少交易筆數,加上扣除成本後最低的平均每筆損益,都在第一次執行前寫好。每次執行都把最近一段資料留出來,做最後一次檢驗。
第 2 與第 3 步會產生規模龐大的格點:三組參數範圍、三種訊號類型與多種出場方式相乘,會變成數千種變化。AlphaPrime 的策略生成正是接收這些輸入:指標、參數範圍、進出場條件與搜尋限制,再把格點變成候選策略,每一個都以同樣的成本評估。不論是手動跑格點,還是用策略生成軟體跑,第 5 步的通過門檻,都是避免把看起來最好的那一格誤當成檢驗過的規則的關鍵。
今天就可以做的第一次執行:載入一個指數期貨的日 K 棒,留出最後十二個月,在上述參數範圍內檢驗規則 B,並以零軸交叉出場。數交易筆數、讀取扣除成本後的平均每筆損益,並在看任何一條權益曲線之前,先與同樣 K 棒上的規則 A 比較。
常見問題
WaveTrend 指標會重繪嗎?
已收盤的 K 棒不會。WaveTrend 由典型價格的平均算出,K 棒一旦收盤,最高價、最低價與收盤價就不再變動,那根 K 棒的 WT1 與 WT2 也不會變。正在形成的 K 棒,其值隨每個新價格變動,直到收盤,所以在 K 棒進行中看到的交叉,到收盤時可能消失。回測與實單規則,都應該在已收盤 K 棒出現交叉後的下一根 K 棒行動。
WaveTrend 比 RSI 好嗎?
一般而言沒有誰更好;兩者衡量的東西不同,交易頻率也不同。WaveTrend 衡量與指數平均的縮放距離並平滑兩次,所以交叉較晚、較少。RSI 衡量 14 根 K 棒內上漲與下跌收盤的均衡,範圍限定在 0 到 100。針對你的市場,唯一公平的答案,是以同樣成本、同樣 K 棒,檢驗各指標的交叉規則。
WaveTrend 適用哪個 K 棒週期?
從日 K 棒或數小時 K 棒開始。指標在縮放後有兩道平均,所以在任何 K 棒週期上,滯後都是數根;在極短 K 棒上,兩次交叉之間捕捉到的行情,常比手續費與滑價還小。K 棒越長,每筆行情越大,每筆成本不變。先檢驗 60 分鐘 K 棒,再檢驗 5 分鐘 K 棒,並比較各週期扣除成本後的平均每筆損益。
WaveTrend 該用什麼參數?
常見預設是通道長度 10、平均長度 21、訊號平滑 4,區間水位在 ±53 與 ±60。與其找一組完美的組合,不如檢驗一個範圍,例如通道 6 到 20、平均 13 到 40。若相鄰參數一整片表現相近,規則才有實質支撐;若只有某一組有效,就是在那段歷史中配合了雜訊。
參考文獻
- Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.
- Sullivan, R., Timmermann, A., & White, H. (1999). Data-Snooping, Technical Trading Rule Performance, and the Bootstrap. The Journal of Finance, 54(5), 1647–1691.
- Park, C.-H., & Irwin, S. H. (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21(4), 786–826.

