從虧損 50% 到管理 72 萬美元資金：DARWIN IME 交易員 Blayn Marshall 的量化之路
Blayn Marshall 是 Darwinex 上 DARWIN「IME」背後的程式交易員。早年他在 CFD 裁量交易中曾單日跌去帳戶 50%，這次重擊成為他徹底轉向系統化交易的契機。如今，他用超過 **20 套以突破為核心的 MQL5 系統**組成投資組合，在低於 3% VaR 的風控架構下，替自己與投資人管理超過 72 萬美元資金，並保持約 6% 左右的最大回撤與優於股市指數的報酬表現。
起點：股票小戶、CFD 新手與 50% 回撤的教訓
Blayn 的金融之路從 18 歲開始，最初隨意買進股票，曾在短期內帳面翻倍，卻因毫無出場計畫，最終幾乎將獲利全數吐回。
後來在 CFD 與外匯交易之路，他因為不設止損、不了解槓桿與保證金，**某天上班打開帳戶卻發現淨值瞬間少了 50%**。這次打擊讓他意識到：不設止損、不了解槓桿與風險，離爆倉只有一步之遙。這次打擊讓他開始積極找策略、上課學習，但也發現不少網路教學缺乏長期回測，難以作為嚴肅職涯的基礎。
從裁量到全自動：為什麼堅持用 EA 取代人腦？
裁量階段：供需 / 反轉交易 + 高強度盯盤
在轉向自動化前，Blayn 曾用「供需區＋反轉」的裁量策略穩定賺錢約一到兩年。雖然績效不錯，但為了不錯過訊號，他曾**半夜設鬧鐘起床看盤**，嚴重壓縮了生活品質。
真正壓垮他的，是在帳戶突破六位數後，經歷一波浮動回撤，即便符合策略統計，情緒卻開始動搖。這讓他問自己：「如果一套策略明明有 edge，卻因為情緒介入而無法長期執行，那表示問題出在『人』，而不是策略。」
於是，他決定用程式把「人」從決策鏈中移除。
轉向演算法交易：從零開始學 MQL5
Blayn 之後報名了演算法交易課程，語言選擇 **MQL5**（對應 MT5），而非 Python。初期過程極度陡峭，但他最終建立起一套固定的系統開發流程：從概念、回測、參數穩健性檢驗，到實盤小資金測試，最後才納入主組合。
IME 的策略結構：20+ 突破系統組合、極低風險、穩定期望值
多策略、低槓桿的組合思維
IME 是一個由 **19～20 套左右獨立系統**組成的突破／動能策略組合：
- 標的涵蓋主要貨幣對、商品與黃金等。
- 每一套系統的單筆風險極低，多數落在 0.05%～0.1% 帳戶風險之間。
他的設計哲學是：**不追求單一策略的高報酬，而是追求「整體組合」曲線的平滑與回撤控制。** 讓整體權益曲線像「極小振幅的震動」，在統計上有顯著向上斜率，但在情緒上看起來非常平穩。
相關性與頻率控制：從「每千筆交易」的角度調風險
Blayn 在組合內部做了幾層風控設計：
- **交易頻率調權重**：若某系統交易頻率高，會降低其單筆風險，使它在「每 1,000 筆交易」層面上承擔相近的總風險。
- **邏輯與時間框架分化**：混用不同時間框架、不同停損距離、不同出場邏輯，降低系統間完全同步虧損的機率。
整體結果反映在 Darwinex 的 IME 數據上：最大回撤約 **6.35%**，以原始帳戶約 3% VaR 的前提下，跑出優於股市指數的風險調整報酬。Darwinex 的容量指標也估計其可承載資金上限約為 2,250 萬美元。
MQL5 策略開發流程：從「簡單穩健」到「因應市場調整」
開發與壓力測試：先確認 Edge，再談優化
在策略開發層面，Blayn 採用工程師式思維。他用工程中的「**安全係數（Factor of Safety）**」概念來定義策略穩健性：
- **不選單一表現最好的極端參數**，而是選擇位於**穩定區間中間**的設定。
- 確保在多種停損距離下，策略仍能維持正期望值。
若隨時間推移發現某段區間的性能顯著變差，在確認統計樣本充足後，他才會微調參數，讓策略重新回到穩定區間。
實盤監控：每月對照回測與實際表現
Blayn 每月會針對每一套系統做一次「健康檢查」，利用 Magic Number 分離績效，並跑回測與實盤結果對比。他非常避免在短期虧損時就動手大改邏輯，若某策略長期偏離預期，他會選擇直接「放棄」，而不是硬調成漂亮回測。
Darwinex 風險引擎與資金成長：為什麼 IME 適合長期規模化？
風險引擎：像有一位獨立風控長坐在你後面
Blayn 非常認同 Darwinex 風險引擎的設計：
- 平台會將原始策略的 VaR 調整至約 6.5%，讓所有 Darwin 的波動度接近 S&P 500，便於投資人比較。
- 若平台偵測到策略風險明顯升高，也會相應調降放大倍率，相當於有一位不帶情緒的客觀風控人員在旁監督。
資金與職涯視角：先把風控做到位，AUM 自然跟上
截至訪談錄製時，IME 總管理資產已超過 **50 萬美元**，並有空間向 2,000 萬美元等級上升。Blayn 對未來的規劃很清楚：
他認為真正該追求的不是「明年賺幾％」，而是：「能否在合理回撤下，**持續跑贏主要指數**，並在此過程中穩定放大管理資金規模。」
實務啟發：對想從裁量轉向程式交易的交易員，有哪些可操作重點？
- 從「**簡單可程式化**」的概念開始，不要一口氣搬完整裁量系統，避免過度複雜。
- 建立「**丟棄習慣**」：寧可多丟幾套系統，也不要救一個本質沒有 Edge 的策略。
- 把自己定位為「**風險經理**」，不要再把重心放在「每筆單是對是錯」。
- 學程式時，重點不是「語言多強」，而是「能否穩定轉譯交易邏輯」。
- 善用像 Darwinex 這類平台，讓自己的 Edge 變成「可驗證、可被市場定價」的資產。
相關資源與工具整理
| 項目名稱／說明 | 網址 |
|---|---|
| 訪談影片 | 50% Loss to a $720K Portfolio: The IME Journey |
| 策略頁面 | Darwinex – DARWIN IME（Blayn 的突破系統組合） |
| 個人網站 | Blayn Marshall 官方網站（策略、服務與聯絡資訊） |
| 平台首頁 | Darwinex 官方網站 |
| 訪談節目系列 | Market Masters / Darwinex 交易員訪談播放清單 |