本文策略用于量化研究和程序设计交流，不构成投资建议。DCA 会在单边行情中累积仓位，止损也无法消除跳空、强平、流动性和交易所故障风险。

一、固定网格在实盘中的三个问题

固定网格看起来很直观：价格每下跌一个固定百分比就补一层，反弹后统一卖出。但市场的波动尺度一直在变化，同一组间距很难长期有效。

第一个问题是网格距离失真。ETH 在低波动阶段可能几天都走不出 1%，固定间距过宽时几乎没有成交；事件行情中几分钟就能波动数个百分点，原来的网格又会过密，短时间内把所有仓位打满。

第二个问题是“补仓规则”经常没有明确的总预算。有些实现只规定每一层比上一层多买多少，却没有在周期开始前锁定最大投入。连续下跌时，策略表面上是在降低均价，实际上可能是在不断扩大无法承受的尾部敞口。

第三个问题是挂单和持仓会脱节。部分成交、撤单未确认、进程重启或人工操作，都可能留下仍在交易所生效的旧订单。若程序只根据最新信号继续创建新网格，就可能出现幽灵挂单、重复平仓或错误接管外部仓位。

D-Man V3 的价值正在于把这三个问题放进同一个周期管理：布林带定义当前波动尺度，DCA 预算在开仓前确定，所有成交层按一个篮子退出；工程实现再用订单归属和持久化状态机处理异常路径。本文给出的是 FMZ 的 Rust语言实用版。

二、D-Man V3 到底动态在哪里

它不是简单的“跌了补仓、涨了卖出”，而是让布林带承担两个任务：

1. 用布林百分位判断价格是否进入统计极值区域；
2. 用布林带宽度定义每一级 DCA 应该离锚点多远。

这意味着网格距离不再固定。低波动时网格自动收缩，高波动时网格自动扩张。

三、只用闭合 K 线计算布林反转

设布林带中轨、上轨和下轨分别为 Middle、Upper、Lower：

            text
            
            
BB% = (Close - Lower) / (Upper - Lower)

BB% 的含义很直观：

• 0 对应下轨；
• 0.5 对应中轨；
• 1 对应上轨；
• 小于 0 表示收盘价跌破下轨；
• 大于 1 表示收盘价突破上轨。

实用版只把 BBLength 暴露到界面；其余信号规则固定为经过测试的内部常量：

            text
            
            
界面参数：BBLength = 100
内部规则：BB_STD = 2.0，LONG_THRESHOLD = 0，SHORT_THRESHOLD = 1
内部规则：REQUIRE_CROSS = true

FMZ 的 GetRecords(symbol, period, limit) 能直接请求指定合约和周期的 K 线。Rust 版取倒数第二根作为当前闭合 K 线，最后一根仍在形成中的 K 线不参与信号。FMZ GetRecords 文档

信号函数本身很小：

            rust
            
            
fn detect_signal(
    current: &Bands,
    previous: &Bands,
    long_threshold: f64,
    short_threshold: f64,
    require_cross: bool,
) -> i32 {
    let mut long_now = current.bbp <= long_threshold;
    let mut short_now = current.bbp >= short_threshold;

    if require_cross {
        long_now = long_now && previous.bbp > long_threshold;
        short_now = short_now && previous.bbp < short_threshold;
    }

    if long_now && !short_now {
        1
    } else if short_now && !long_now {
        -1
    } else {
        0
    }
}

“首次穿越”很重要。价格若连续运行在下轨之外，均值回归策略不应该每根 K 线都增加一个新周期。这个过滤器不能判断趋势何时结束，但可以阻止重复暴露无限增长。

四、布林半宽决定 DCA 网格尺度

先计算布林带半宽占中轨的原始比例，再裁剪为策略实际使用的动态尺度：

            text
            
            
HalfWidthRatio = (Upper - Lower) / (2 × Middle)
ScaleRatio = clamp(HalfWidthRatio, 0.2%, 8%)

以信号出现时的最新成交价为锚点：

            text
            
            
LongPrice[i]  = AnchorPrice × (1 - Factor[i] × ScaleRatio)
ShortPrice[i] = AnchorPrice × (1 + Factor[i] × ScaleRatio)

基线使用四个距离因子：

            text
            
            
0.05, 0.35, 0.75, 1.25

假设 ETH 为 3000 USDT，信号时半宽为 2%，多头计划大致如下：

ScaleRatio 对应 Rust 源码中的 scale_ratio。设置上下限有两个原因：窄带环境下，多个理论价格可能经过 tick size 量化后重叠；极端波动下，网格又可能扩散到失去执行意义的位置。

价格量化也不是普通四舍五入：

            rust
            
            
fn round_price(runtime: &Runtime, price: f64, buy: bool) -> f64 {
    round_decimals(
        quantize(
            price,
            runtime.market.price_step,
            !buy, // 买单向下，卖单向上
        ),
        decimal_places(
            runtime.market.price_step,
            runtime.market.price_precision,
        ),
    )
}

买单向下取整、卖单向上取整，避免量化把挂单推向更激进的一侧。所有配置层的价格必须严格单调；只要有两层量化到同一个价格，整个周期就会被拒绝。

五、预算上限比“补仓倍数”更重要

动态 DCA 最容易被误解成无限补仓。这里在创建周期时就固定最大预算：

            text
            
            
CycleBudget = min(
    TotalCycleQuote,
    AccountEquity × MaxCycleEquityPct
)

默认资金权重为：

            text
            
            
1, 1, 1.5, 2.5

默认四层分别获得约 16.67%、16.67%、25% 和 41.66% 的周期预算。越深层权重越高，但策略不会在配置层数之外临时追加新层，也不会在亏损后扩大总预算。

FMZ 合约接口的 amount 通常是张数，不能把 USDT 金额直接传给下单函数。Rust 版从 GetMarkets() 读取：

• TickSize / AmountSize；
• PricePrecision / AmountPrecision；
• MinQty / MaxQty；
• MinNotional / MaxNotional；
• CtVal / CtValCcy。

然后把报价币预算换算成合约张数。FMZ GetMarkets 文档

核心规划可以简化为：

            rust
            
            
let scale_ratio = clamp(
    bands.half_width_ratio,
    DCA_SCALE_MIN_PCT / 100.0,
    DCA_SCALE_MAX_PCT / 100.0,
);

let budget = TotalCycleQuote.min(
    equity * MaxCycleEquityPct / 100.0,
);

for (spread, weight) in spreads.iter().zip(weights.iter()) {
    let raw_price = if signal == 1 {
        anchor_price * (1.0 - spread * scale_ratio)
    } else {
        anchor_price * (1.0 + spread * scale_ratio)
    };

    let quote = budget * weight / weight_total;
    let amount = amount_from_quote(runtime, quote, raw_price)?;
    // 随后检查价格、张数和名义金额约束
}

只要某一层小于最小张数、超过最大张数或违反名义金额限制，程序拒绝整个周期，不留下缺层计划。

六、把所有成交层作为一个篮子退出

DCA 各层不一定全部成交。若分别管理每层止盈，很容易留下碎片持仓和孤立挂单。这里直接使用交易所返回的平均持仓价，将已成交层合并为一个篮子。

动态退出距离同样使用信号时确定的 ScaleRatio：

            text
            
            
止损距离       = 3.00 × ScaleRatio
止盈距离       = 1.00 × ScaleRatio
移动止盈启动   = 0.80 × ScaleRatio
移动止盈回撤   = 0.25 × ScaleRatio

此外还支持：

• 价格回到中轨且篮子收益不低于内部常量 MIN_PROFIT_PCT=0.15% 时退出；
• 持有超过 MaxHoldingBars 时退出；
• 达到内部移动止盈启动线后，按 ScaleRatio 计算允许回撤。

多空收益必须分开计算：

            rust
            
            
fn position_return(position: &PositionView, price: f64) -> f64 {
    if position.price <= 0.0 {
        0.0
    } else if position.side == 1 {
        price / position.price - 1.0
    } else {
        1.0 - price / position.price
    }
}

如果空头也使用 price / entry - 1，价格上涨反而会显示为盈利。这类方向错误很适合交给 Rust 单元测试固定下来。

七、从信号到退出：把交易看成一个周期

一个可靠的 DCA 策略不能把“下单成功”当成唯一状态。挂单可能部分成交，请求可能超时，策略进程也可能在订单已经到达交易所后中断。因此，Rust 版把每次反转交易建模为一个完整周期：

            text
            
            
IDLE
  -> PLACING
  -> ACTIVE
  -> CANCELING_FOR_EXIT
  -> SUBMITTING_EXIT
  -> EXITING
  -> IDLE

入场前先保存 PLACING 和当前待提交层级；拿到有效订单 ID 后，才把订单纳入周期。若请求已经发出却没有返回 ID，策略会暂停，而不是假设失败后再次发送。

退出也有明确顺序：先停止增加仓位，撤销剩余 DCA 挂单，确认撤单完成，再按交易所返回的实际持仓量提交整篮平仓。持仓连续两次确认为零后，周期才真正结束。

订单 ID 会随周期持久化。策略重启后先恢复订单归属，再核对挂单和持仓；如果发现无法证明属于本周期的订单，或者实际持仓方向与周期方向不一致，就进入 HALT 等待人工处理。这种保守设计牺牲了一部分自动恢复能力，换来的是不盲目补发订单。

八、真正值得调整的核心参数

参数并不是越多越专业。对这个策略而言，真正影响行为的参数可以归为四组：信号速度、周期预算、DCA 形状和退出尺度。

调参应遵循依赖关系。SignalPeriodMinutes 和 BBLength 共同决定统计窗口覆盖的真实时间；DCA 距离与资金权重必须成对调整；固定预算和权益比例共同决定实际投入上限；止盈止损倍数则基于同一个动态波动尺度。

布林标准差、首次穿越、带宽过滤、DCA 尺度上下限、挂单有效期、冷却期和移动止盈等规则保持固定，可以减少大量难以解释的组合。只有在明确研究某一条规则时，才值得单独放开。

九、它适合什么行情，又怕什么行情

D-Man V3 本质上仍是均值回归策略。它最适合流动性充足、波动反复扩张和收缩、价格经常从带外回到中轨的市场。动态网格可以适应波动尺度变化，但不能判断一次突破究竟是假突破还是新趋势的开始。

最危险的是持续单边行情。价格越走越远时，深层 DCA 会让均价更接近市场，却也会让名义仓位集中在风险最大的阶段。预算上限只能限制投入规模，不能把负期望的趋势逆行交易变成安全交易。

第二类风险来自波动突变。布林半宽取自信号附近的历史窗口，而事件行情可能让未来波动瞬间跳到另一个量级。即使设置止损，真实成交也可能受滑点、流动性和交易所限制造成明显偏离。

第三类风险是成本侵蚀。四层挂单、撤单和整篮退出会产生手续费，永续合约还可能承受资金费率。若单周期目标过小，毛利润很容易被执行成本吃掉。

十、回测应该回答哪些问题

对 DCA 策略，只看最终净利润远远不够。更有价值的是把回测拆成一个个独立周期，观察策略在不同市场状态下如何使用资金。

至少应记录：

• 单周期最大投入和最大保证金占用；
• 每一层 DCA 的触发率和成交贡献；
• 周期最大不利波动与最终盈亏；
• 最长持仓时间和时间退出比例；
• 连续亏损周期数量；
• 手续费、滑点和资金费率占毛利润的比例；
• 止损、止盈、移动止盈、中轨退出和时间退出各自的贡献。

样本还应按市场状态拆分，而不是只跑一个长区间：

最后再做参数敏感性分析。如果只有一组非常精确的参数盈利，而邻近取值全部失效，通常说明结果依赖样本巧合，而不是稳定机制。

十一、工程可靠性也是策略的一部分

均值回归公式很短，真实交易路径却很长。部分成交、订单查询失败、撤单延迟、进程重启和人工订单都会改变实际风险。因此，本策略坚持几个边界：

• 同一标的一次只管理一个活动周期；
• 不自动接管无法证明归属的持仓或挂单；
• 请求结果不确定时不盲目重发；
• 退出前先撤销剩余入场单；
• 按实际持仓量平仓，而不是按计划数量平仓；
• 杠杆和持仓模式必须事先明确，不能把账户设置当成策略参数优化。

这些规则不会提高信号胜率，却能减少“回测公式正确、实盘订单失控”的差距。对于会逐层增加仓位的策略，这种可靠性本身就是风险控制的一部分。

十二、总结

策略源码

D-Man V3 的核心可以概括为三句话：BB% 寻找统计极值，布林半宽定义 DCA 尺度，所有成交层按平均持仓价作为一个篮子退出。

它比固定网格更适应波动变化，也用周期预算限制了无限补仓，但仍然无法消除均值回归在单边趋势中的尾部风险。真正决定策略能否长期使用的，不只是入场公式，还包括预算约束、执行成本、状态恢复和对异常订单的保守处理。

因此，评价这类策略时，应该把“赚了多少”放到“用了多少资金、承受了多大不利波动、在哪些行情中失效”之后。动态 DCA 的价值不是预测每一次反转，而是在反转假设成立与失败时，都让风险路径尽可能清楚。

感谢您的阅读！