網格交易把「低買高賣」變成一組機械掛單：在一段價格區間內切出若干條價格線，每條線掛買單，成交後在上一條線掛賣單，價格每來回穿越一格就賺走一格價差。它不預測方向，只賭價格會來回——這個特性讓它成為所有自動化策略裡最容易理解、也最容易被誤解的一個。
這個專欄處理的是機制與方法，不是收益承諾。 網格的核心事實可以用一句話說完：它的持倉是價格的減函數，也就是負 gamma——在區間內震盪時穩定收租，一旦單邊突破就承受加速擴大的損失。用 收益與風險數學 的具體數字說，一趟完整的區間來回大約賺 2%，過程中要承受 19% 的浮虧敞口。這個約 1:10 的比例是整個專欄的主軸。
好消息是，網格幾乎所有關鍵量都可以在開單前用代數算出來：手續費佔毛利多少、跌到區間下緣會虧多少、槓桿上限是多少、預期收益是多少、突破機率是多少。這個專欄的目標，是讓你在點下「建立」之前，這五個數字都有答案。
三個能力階段
基礎：把機制與名詞弄精確
參數頁面上的每一個欄位背後都有一個會影響損益的定義。把定義搞錯，後面所有計算都不成立。
機制：分清楚三種網格
現貨網格與合約網格的最壞情況差了一個量級。把它們當成同一個策略的兩種模式，是最貴的一個誤解。
參數設計：五個可以事先算出來的數字
數學：收益從哪來、風險長什麼形狀
這兩篇是整個專欄的理論核心。讀懂它們，後面的實務規則全部變成推論。
選標的與驗證
實戰：工具、監控、風控
除錯與客觀檢視
「我想做到…」目標索引
| 我想達成的目標 | 去哪一篇 |
|---|---|
| 搞懂網格到底怎麼運作 | 網格交易是什麼 |
| 看懂參數頁面上的每一個欄位 | 核心名詞 |
| 決定該用等差還是等比 | 等差 vs 等比 |
| 決定該用現貨還是合約 | 現貨 vs 合約 |
| 搞懂無限網格／移動網格在做什麼 | 網格變體 |
| 決定區間的上下限 | 區間與格數 |
| 算出這個區間被突破的機率 | 突破機率表 |
| 決定要切幾格 | 格數上限公式、手續費門檻 |
| 算出手續費會吃掉多少利潤 | s 佔比矩陣 |
| 算出合約網格的安全槓桿上限 | 槓桿與爆倉 |
| 事先算出跌到區間下緣會虧多少 | (U+L) |
| 事先估算這一單的預期收益 | R 公式 |
| 理解為什麼網格會突然大賠 | 負 gamma |
| 挑出適合做網格的標的 | 選標的與篩選流程 |
| 判斷現在是震盪還是趨勢 | 行情判斷 |
| 做一個不會騙自己的回測 | 回測陷阱與流程 |
| 選一個平台開始 | 平台比較 |
| 判斷 AI 推薦的參數能不能用 | AI 參數 |
| 知道開單後每天該看什麼 | 監控三個數字 |
| 設一個真的有用的停損 | 停損的三種設法 |
| 決定這一單該投入多少錢 | 從風險預算倒推 |
「我卡在…」問題索引
| 我遇到的問題 | 去哪一篇 |
|---|---|
| 行情漲上去了，但網格幾乎沒賺到 | 錯誤一、損益不對稱表 |
| 一路跌破區間，現在滿手套牢 | 錯誤二、區間外處置決策樹 |
| 網格利潤是正的，但總資產變少了 | 錯誤三、損益的三個欄位 |
| 看起來有賺，算進手續費是虧的 | 錯誤四、手續費侵蝕 |
| 格子設得越多，好像賺得越少 | 錯誤五、格數與收益無關 |
| 合約網格沒到區間下緣就爆倉了 | 錯誤六、移動的爆倉價 |
| 回測年化很高，實盤卻虧損 | 錯誤七、回測陷阱 |
| 賺了三個月，一週全還回去 | 錯誤八、負 gamma 的損益分布 |
| 掛了單但一直沒成交 | 錯誤九、ATR 門檻 |
| 中性網格漲也虧、跌也虧 | 錯誤十、三種方向 |
| 不知道浮虧擴大時該怎麼辦 | 實戰風控、不該調整的三種衝動 |
| 平台顯示的年化收益率看不懂 | 年化為什麼不能信 |
| 分不清是策略有效還是運氣好 | 負 gamma、交易日誌 |
怎麼用這個專欄
完全沒接觸過：01 → 02 → 09。先理解機制與名詞，然後直接跳到數學——因為 09 的損益不對稱表（賺 2%、承受 19% 浮虧）會決定你要不要繼續。在知道這個比例之前做的任何參數決策，都建立在錯誤的期待上。
已經開過網格但沒有系統：09 → 10 → 07。收益公式解釋你的收益從哪來，負 gamma 解釋你為什麼會突然大賠，手續費那篇解釋為什麼「看起來有賺」實際上沒有。這三篇的投報率最高。
想開合約網格：08 是必讀，且要在 09、10 之後讀。負 gamma 策略乘上槓桿，尾部會非常難看——理解這一點比背爆倉公式重要。
已經在虧損中：16 → 15。先從十二個症狀裡找到你的那一個，理解它是機制必然還是操作失誤，再看風控那篇決定下一步。不要在浮虧擴大時做新的參數決策。
想評估這個策略值不值得做：10 → 17。負 gamma 那篇說明它的損益形狀，客觀檢視那篇說明哪些主張可信、哪些是平台宣傳。
網格的所有數學都可以在紙上算完，但**「這段期間會不會震盪」這個判斷沒有可靠方法**（見 待解問題）。這是這個策略最誠實的限制，也是為什麼風控不是加分項而是前提。
風險與前提（請先讀）
這不是投資建議。 本專欄討論的是策略機制、參數推導與工具使用，不構成任何買賣建議，也不對任何標的、平台或參數組合作背書。
網格交易包含本金虧損的風險。 現貨網格的最壞情況是滿倉持有一個持續下跌的資產，且資金被鎖住；合約網格另有強制平倉（爆倉）風險——保證金可能全部歸零，已實現的網格利潤也會一併消失。
它的損益分布是負偏態的：高勝率、小額獲利、偶爾大額虧損。 這代表「已經連續獲利三個月」提供的資訊量遠低於直覺，而「因為近期表現好而加碼」是這類策略最典型的爆倉路徑。詳見 負 gamma 與賣波動率。
加密資產的價格波動劇烈，且尾部遠比常態分布厚。 本專欄用到的機率估計（突破機率、爆倉條件）全部是在常態假設下的近似，實際風險更高。所有標的都有下市、脫鉤或歸零的可能，而網格在下跌時的行為是持續買進。
只用完全可以損失的資金。 不要使用借貸資金或生活必需的資金做網格。各地對加密資產交易與衍生品的監管規範差異極大且持續變動，開始前請自行確認所在地的法規與稅務義務。
與其他專欄的連結
- 因子投資（Factor Investing）研究 — 同一套期望值與變異數語言。因子的回測陷阱 與網格的過擬合問題結構完全相同；carry 與低波動因子共享網格的凹形損益結構。
- 德州撲克研習——由淺入深的職業級技術 — 機率思維的另一個應用場。撲克的資金管理與網格的部位規模是同一個 Kelly 問題；tilt 管理 與網格浮虧時的心理是同構的。
- 區塊鏈 — 永續合約、資金費率、交易所撮合機制的底層背景。
- Engineering AI Coding Methodology — 「AI 幫你量測、不能幫你決策」的分工，與 AI 參數推薦的正確用法是同一個命題。
- Serenity 選股策略 — 另一種「把交易規則明確化」的嘗試，可對照兩者在可證偽程度上的差異。
🔍 待解問題 / 持續追蹤
- 事前的行情制度判別是網格的核心未解問題。 ADX、ATR、效率係數、帶寬全部是後視指標，它們描述過去而不預測未來。有沒有對網格特別有效的前瞻指標，公開研究極少——而這恰好是決定成敗的那個變數。
- 網格 vs 賣期權的期望值結構。 選擇權賣方有波動率風險溢酬（隱含長期高於實現）作為收入，網格只賺實現波動、沒有權利金收入。這是否代表網格的期望值結構性劣於賣期權？機制上似乎是，但沒看到嚴謹分析。
- 多網格的尾部相關性。 崩盤時相關性趨近 1 是共識，但具體是 0.8 還是 0.98，對部位規模的建議差很多。
- 網格 vs DCA vs 買入持有的長期實證對照，缺乏獨立的、含費、含尾部、跨多個市場週期的公開研究。現有比較幾乎全部來自有利益關係的來源。
- 資金費率的可預測性。 若能預測方向，做多／做空／中性網格的選擇就有明確依據。
- 平台撮合的細節差異（快速穿越時是否跳格、部分成交如何處理、trailing 用限價還是市價）各家不同且未公開，直接影響實際收益與理論值的差距。
σ²T/s²的來回次數估計在極細網格上會失效（微觀結構與點差），但失效的門檻在哪，沒有公開的量測。- DeFi 上的鏈上網格與集中流動性做市（如 Uniswap v3 的區間流動性）在數學上高度相似——同樣是區間內的被動買賣、同樣是負 gamma、同樣有「價格離開區間就停擺」的問題。兩者的對照值得單獨處理，本專欄暫未涵蓋。
🕒 更新紀錄
- 2026-08-07 — 專欄建立。hub ＋ 17 篇原子筆記，分基礎・機制・參數設計・數學・選標的與驗證・實戰・除錯七個階段，以目標／問題索引編排。理論核心是兩個推導：期望收益
C·σ²T/R × (1 − 2f/s)（由二次變差導出，並用 20 格路徑法驗算一致）與槓桿上限(U+L)/(U−L)。平台現況以 Binance、OKX 官方 FAQ 與 2026 年 8 月的公開資訊為準（Binance 現貨 170 格／合約 2–1000 格、OKX 500 格與七日 AI 回測窗口、Pionex 0.05% 統一費率、3Commas 訂閱制與 trailing down）。全程區分數學恆等式、模型推論、實務共識與平台宣傳，分級表見 主張 vs 可佐證。