Scalping Timeframes 使用哪些输入？
直接回答
“Scalping timeframes” 指的是使用较短的图表时间窗口来管理入场、出场和交易管理。在实践中，该方法使用一组少量的输入：（1）图表时间周期，（2）将时间周期信息映射为决策的规则，（3）执行时机假设，（4）交易成本和摩擦假设，以及（5）市场状况假设，如波动性和流动性。
由于结果可能变化，这些输入应被区分为稳定机制（你能控制的部分）和可变条件（市场和你的平台所决定的部分）。这种区分正是你可以独立验证的内容。
机制与定义：实际使用的输入有哪些
1) 图表时间周期选择（核心输入）
“Scalping timeframe” 是一个描述每次决策所观察价格历史长度的输入。通常，Scalping 使用较短的时间间隔（例如基于分钟的图表）来快速响应价格变化。具体的时间周期本身并不是策略；它仅定义了你所观察信息的分辨率。
稳定机制：你选择一个时间周期（或一组时间周期），然后说明决策如何与K线边界对齐（例如，在K线收盘时或开盘时进行评估）。
2) 时间规则：入场/出场调度
短时间周期需要基于时间的规则，例如：
- 何时允许入场（例如，仅在所选时间周期上发生特定事件后）。
- 何时允许出场（例如，固定数量K线后，或当满足某个条件时）。
- 交易管理更新是否在每根新K线、每个报价点或固定节奏下进行。
这些是输入，因为它们控制了决策的频率以及信息何时可用。
3) 执行时机与滑点假设
即使你的“信号逻辑”已定义，Scalping timeframes 仍隐含地假设成交价格接近预期价格。此处的输入包括：
- 是否以市价单、限价单或止损单建模执行。
- 是否假设滑点极小，或是否明确为滑点预留预算。
- 你的平台是否能以足够快的速度提供报价，以满足你预期的执行时机。
可变条件：实际执行可能与回测模型不同，尤其是在极短的时间周期下。
4) 交易成本与摩擦
Scalping timeframes 依赖于成本，因为利润（如果存在）通常对以下因素敏感：
- 点差（买入价与卖出价之间的差额）。
- 佣金或费用。
- 融资或隔夜处理，如果持仓超出预期持有窗口。
稳定机制：将你的方法转化为包含成本假设的可衡量定义。
可变条件：成本和有效点差可能随流动性变化。
5) 市场状况假设（流动性与波动性）
为了可验证，你必须说明你的时间周期逻辑所预期的环境假设：
- 波动性状态（持有期间价格通常波动的幅度）。
- 流动性与深度（是否有足够的活跃买卖方支持成交）。
- 交易时段行为（交易是否发生在通常更活跃的时段，还是较清淡的时段）。
重大限制：在一种波动性状态下有效的某个时间周期选择，在另一种状态下可能表现下降，因为“相同”的时间周期可能产生截然不同的价格走势和成交质量。
证据或示例：列出输入的独立方法
以下是一个无需实时价格即可验证的“所用输入”检查模板：
- 时间周期输入：“我在 X 时间周期上观察主图表，并在K线收盘时评估条件。”
- 决策节奏：“我仅在 X 时间周期的新K线生成时更新。”
- 出场调度：“如果条件 A 满足则出场，否则在 N 根K线后出场。”
- 执行假设：“我假设成交发生在下一根K线开盘时（或我定义限价/止损成交模型）。”
- 成本：“我在计算中包含点差和费用；我说明假设的成本水平。”
- 环境假设：“我预期流动性/波动性处于某一范围内；我在不同状态下进行测试。”
此示例展示了各输入之间的依赖关系：“时间周期”输入只是其中一部分。其余部分是决定该方法能否被有意义评估的机械约束和假设。
局限性与风险（重大失败模式）
1) 回测与实盘不匹配
短时间周期会放大建模差距。一种常见的失败模式是：回测使用理想化成交（或固定成本假设），而实盘执行却面临可变的滑点和变化的有效点差。