本稿依據本地 Wiki 條目整理，核心來源包括黃金市場三層交易架構、COMEX 黃金期貨的價格發現與槓桿功能、Forecast-to-Fill 工程、黃金期貨趨勢動量狀態變數、波動率目標部位、分數式衝擊調整 Kelly sizing、黃金期貨策略成本與衝擊模型、Trading Friction Drag、ATR 基礎出場、Achilles 簡化風險部位公式、量化回測風險呈現規範，以及期貨與外匯槓桿風險揭露。Wiki 明確給出的部位公式是 V = B × R / P；ATR、波動率目標、Kelly sizing 與平方根衝擊模型在 Wiki 中被確認為策略工程元件，但部分條目沒有提供完整參數，因此下文把 Wiki 的確認內容整理成可閱讀的風險分析框架與交易案例，而不是還原某一套完整源碼策略。
黃金量化交易要先理解黃金市場的結構。Wiki 將黃金市場拆成三層：倫敦場外市場、COMEX 期貨市場、實物與零售市場。倫敦場外市場承擔核心定價與大額流動性，COMEX 期貨透過標準化合約集中反映市場預期、利率條件與槓桿部位變化，實物與零售市場則更多反映終端需求。量化策略在這個市場裡的任務，是把金價方向、波動狀態與可成交條件整合成一條可執行的流程：先識別市場狀態，再計算可承受部位，接著處理出場規則、成本滑價、回撤控制和槓桿風險。這也是 Wiki 中 Forecast-to-Fill 的重點，策略不能只停留在「有訊號」，還要能把訊號轉成可成交、可追蹤、可控風險的交易。
在市場狀態上，可以用趨勢和動量形成一個平滑後的狀態分數：
S_t = smooth(w_T × Trend_t + w_M × Momentum_t)
其中 S_t 是第 t 期的市場狀態分數，Trend_t 代表趨勢變數，Momentum_t 代表動量變數，w_T 和 w_M 分別是趨勢與動量的權重，smooth() 是平滑處理，用來降低單一價格跳動造成的訊號噪音。當 S_t 大於 0，市場狀態偏多；當 S_t 小於 0，市場狀態偏空；當它接近 0，代表方向性不足，策略應降低倉位或等待更清晰的條件。
有了市場狀態，下一步是把訊號轉成部位。Wiki 的 Achilles 條目給出簡化部位公式：
V = B × R / P
這裡的 V 是基礎交易量或持倉規模，B 是帳戶餘額或可用權益，R 是風險比例參數，P 是當前價格。這個公式可以作為第一層估算，但完整風控還需要加入波動率、ATR、滑價、流動性和槓桿限制。換句話說，帳戶有多少錢、願意承擔多少比例風險、現在價格是多少，只能決定初步部位；真正能否交易，還要看當前波動下這個部位會帶來多大虧損敞口。
ATR 可以把出場距離和市場波動連接起來。Wiki 確認來源策略使用 ATR-based exits，但沒有提供具體週期或倍數，因此可用標準風險寫法表述：
TR_t = max(H_t - L_t, |H_t - C_{t-1}|, |L_t - C_{t-1}|)
ATR_n(t) = MA_n(TR_t)
D_ATR(t) = k × ATR_n(t)
Lots_t = (B_t × r_trade) / (D_ATR(t) × C_lot)
TR_t 是真實波幅，H_t 和 L_t 是當期最高價與最低價，C_{t-1} 是上一期收盤價，ATR_n(t) 是 n 期平均真實波幅，D_ATR(t) 是用 ATR 得出的出場距離，k 是 ATR 倍數，Lots_t 是根據風險預算得到的交易手數，B_t 是當前帳戶權益，r_trade 是單筆交易可承受風險比例，C_lot 是每 1 手在價格每變動 1 美元時的盈虧金額，需按券商合約規格確認。這組公式的意義是：波動越大，單位部位的風險越高，交易手數就應該越小。
倉位控制還可以加入分數式 Kelly 和市場衝擊限制。Wiki 確認來源使用 fractional, impact-adjusted Kelly sizing，但未給出完整估計流程，因此可用以下風控語言描述：
f_Kelly = p - (1 - p) / b f_used = α × f_Kelly f_final = min(f_used, f_impact_cap, f_risk_cap)
f_Kelly 是理論 Kelly 倉位比例，p 是勝率估計，b 是平均盈利與平均虧損的比值，α 是分數 Kelly 比例，f_impact_cap 是市場衝擊約束下的倉位上限，f_risk_cap 是帳戶風控上限，f_final 是最終使用的倉位比例。這樣處理的目的，是把理論倉位折減成更保守、更容易執行的倉位，避免勝率估計偏差、交易過密或流動性不足導致風險放大。
交易結果還必須扣除成本、滑價和市場衝擊。Wiki 的成本模型條目確認來源使用 0.7 basis point 線性成本與平方根市場衝擊項，並提到 gamma = 0.02。可寫成：
LinearCost_t = |Notional_t| × c Impact_t = |Notional_t| × γ × σ_t × sqrt(|Q_t| / ADV_t) NetPnL_t = GrossPnL_t - LinearCost_t - Impact_t - Slippage_t
其中 Notional_t 是交易名義金額，c 是線性成本率，0.7 bps 對應 0.00007，γ 是衝擊參數，Wiki 來源提到的值為 0.02，σ_t 是當期波動率估計，Q_t 是交易量，ADV_t 是平均日成交量或可成交流動性基準，GrossPnL_t 是扣除成本前的盈虧，Slippage_t 是滑價成本，NetPnL_t 是最後可實現的淨盈虧。對黃金量化策略來說，毛利不是最終答案，扣除交易摩擦後的淨結果才有實際參考價值。
績效閱讀需要同時看回撤、盈虧結構和樣本條件。最大回撤率可寫成：
Peak_t = max(Equity_0, Equity_1, ..., Equity_t) DD_t = Peak_t - Equity_t DD%_t = DD_t / Peak_t PF = Σ PositivePnL / |Σ NegativePnL| WinRate = N_win / N_total
Peak_t 是截至第 t 期的資金曲線峰值，Equity_t 是第 t 期帳戶權益，DD_t 是回撤金額，DD%_t 是回撤率，分母應使用對應資金曲線峰值。PF 是 Profit Factor，也就是盈利交易總和除以虧損交易總和的絕對值；WinRate 是勝率，N_win 是盈利交易筆數，N_total 是總交易筆數。這些指標要和樣本區間、交易筆數、成本假設、滑價條件一起看，避免只用單一收益數字判斷策略。
可以用一個 XAUUSD 案例把整個框架串起來。假設帳戶權益 B_t = 10,000 USD，當前金價 P = 2,350 USD/oz，策略觀察到黃金趨勢與動量同步轉強，平滑後的狀態分數 S_t = +0.72，代表偏多狀態。此時策略先進入風險校準流程。假設 ATR_14 = 22 USD，ATR 倍數 k = 1.5，單筆風險比例 r_trade = 1%，每 1 手 XAUUSD 在價格每波動 1 美元時盈虧約 100 USD，那麼 ATR 出場距離是 D_ATR = 1.5 × 22 = 33 USD，單筆可承受風險是 RiskCapital = 10,000 × 1% = 100 USD，交易手數為：
Lots = 100 / (33 × 100) = 0.0303 lots
實務上可下調為 0.03 lots。如果策略在 2,350 附近建立多單，ATR 風險參考區間約在 2,317。若價格向上運行至 2,405，毛利為：
GrossPnL = (2,405 - 2,350) × 0.03 × 100 = 165 USD
名義金額約為 Notional = 2,350 × 0.03 × 100 = 7,050 USD，按 0.7 bps 線性成本計算，LinearCost = 7,050 × 0.00007 = 0.49 USD。如果再估算點差、滑價與衝擊成本合計約 5 USD，則淨結果為 NetPnL = 165 - 5 = 160 USD。若價格反向觸及 2,317，單筆虧損約為 Loss = (2,350 - 2,317) × 0.03 × 100 = 99 USD，加上交易摩擦後實際虧損會略高；若遇到跳空、流動性不足或急速行情，虧損也可能超過原先估算。
這個案例展示的是從訊號到交易的完整鏈條：市場狀態先由趨勢與動量確認，部位由帳戶權益、ATR 距離和單筆風險比例決定，最後再扣除成本、滑價和可能的市場衝擊。若把這套框架用於公開績效閱讀，應同時看樣本區間、交易筆數、最大回撤率、Profit Factor、勝率與是否扣除成本。以站內 performance.json 在 2026-06-27 的 Alpha Core 觀察樣本為例，公開口徑顯示觀察週期 102.22 天、Profit Factor 1.93、最大回撤率 5.42%、平倉筆數 473。這些數據只能用來理解歷史樣本的風險收益特徵，不能用來保證未來結果。
總結來說，黃金量化交易的專業表述應該圍繞「訊號、部位、出場、成本、回撤」展開。Vanta Alpha 的研究框架可以表述為：先用趨勢與動量形成市場狀態判斷，再透過波動率目標、ATR 出場、分數式 Kelly 倉位與成本衝擊模型，控制單筆風險、交易摩擦與市場流動性影響。黃金、期貨、外匯與差價合約都涉及槓桿，槓桿可能放大利潤，也可能放大虧損；歷史績效僅代表特定樣本期的表現，不構成未來收益承諾。