「AI炒外匯」模型多久會失效：迭代節奏與舊策略退場

作者：Dicky CCY｜Ace Fortune 領財智庫 AI Trading Academy 講師、量化交易·盈利分裂教練

有位學員在課堂結束之後留下來問我，他那套跑了兩年的模型是不是壞了。他的理由很簡單：最近三個月的權益曲線開始往下彎。我沒有直接回答，反而問他另一個問題：你上一次重新檢視這套模型的假設，是甚麼時候？他想了一陣，說好像從上線那天之後就沒有再動過。這個答案在我意料之內，因為多數人對 AI炒外匯 的理解，都停在「壞了才需要修」這一層。很少有人把「過期」當成一件會持續發生的事，更少人替它訂一個時間表。這篇文章要處理的不是「它現在好不好」，那屬於模型健康度評估的範圍。我要問的是另一條時間軸：它大概多久會偏一次，用甚麼訊號判斷它已經偏了。以及更難的一題——偏到某個程度之後，你該繼續修，還是讓它退場。這三件事合起來才叫迭代節奏，而節奏一旦沒有事先寫好，最後一定由情緒決定。

為甚麼「突然失效」是一種錯覺

我們對模型失效的想像通常是一條斷崖：某天開始訊號全部失準，曲線直線下墜。真實的情況比較接近一條很早就開始傾斜的斜坡，前段斜得慢，慢到會被當成正常波動。回測給你的其實是一個點，一個過去某段行情的統計結果，它不會告訴你這結果在時間軸上怎麼折舊。所以多數人手上並沒有「衰退曲線」這個概念，只有「現在賺不賺」這一個開關。等到開關切換的那一刻，最好的處理時機通常已經過去了。模型的偏離是累積的，它先是某些特定行情下的表現變差，然後是整體期望值緩慢下移，最後才反映在權益曲線上。權益曲線本身是滯後指標，它要等到偏離累積到足以蓋過隨機波動，才會明顯轉向。當曲線終於讓你警覺，模型已經偏了很久，這時候要處理的已經不是微調，而是重建。我在學員帳單上看到的反應時間，往往比模型開始偏離的時間晚好幾個季度，這個時間差就是「突然失效」的真正來源。

三種衰減形態：關係、參數、結構

模型過期的方式不止一種，不同種類的過期，處理方式完全不同。把它們混在一起談，就會出現一種很常見的錯誤：用調參數的辦法，去處理一個假設已經不成立的東西。我習慣按深度分成三層，由淺到深，越深越難救。這三層不是學術分類，用途只有一個：決定你現在該不該動手。

概念漂移：市場關係變了

第一層是概念漂移，指的是模型所依賴的市場關係本身改變了。例如某個貨幣對與利率預期的連動、套息交易的資金流向、避險情緒的傳導路徑。這些關係不是物理定律，它們由參與者的結構決定，而參與者結構會換人。你的模型學到的其實是某一群人當時的行為習慣。這批人換了，AI炒外匯 系統學到的東西就跟著鬆掉。它不會報錯，只會愈來愈常猜錯方向，這種偏離最難早期發現。

參數老化：波動結構變了

第二層是參數老化，這一層最容易被誤讀成「模型還能用，只是數字跑掉了」。假設你的止損用一點二倍 ATR，當日均波幅的分佈改變，同一個一點二倍在新結構下就等於換了一個止損距離。你的風險預算在不知不覺間被改寫，而你以為自己沒有動過任何東西。加上點差行為、跳空頻率、流動性集中的時段一起變，參數就不再是它當初被擬合時的那個意思。參數從來不是常數，它是對某一段波動結構的擬合值。結構走了，值就只是一個記號，繼續用它等於拿去年的地圖找今年的路。所以看一套 AI炒外匯 系統的參數表，我會先問它是哪一年擬合的。

結構變化：交易環境變了

第三層是結構變化，指的是交易環境的規則或物理條件被改動。交易時段的流動性分佈、經紀商的執行方式、槓桿上限的法規調整，都屬於這一層。自動化策略普及之後，止損密集區被反覆試探，市場的微結構和五年前已經不是同一件事。這一層最麻煩，因為它不是你的模型算錯，而是它計算時所站立的那塊地板被移走。你在原地怎麼調都調不回來，這也是為甚麼有些策略重訓三次仍然沒有起色。外匯是保證金交易，槓桿會把上述每一種偏離同步放大，IFEC 關於槓桿外匯的基本認識 把這層結構講得很清楚。

分辨這三層的價值，在於它決定你要不要動手。參數層的偏離，重訓之後樣本外有機會恢復，值得修。概念層的偏離，重訓只是在延長痛苦，因為你要修的東西不在參數裡，這也是 AI炒外匯 系統最常被誤修的一層。結構層的偏離，很多時候連策略的適用範圍都要重寫，根本修不了。三層用同一種方法處理，等於用扳手去修電路，工具沒錯，只是用錯地方。所以每次重訓之前，先問一句：這次偏的是哪一層。

迭代節奏不該按日曆定，要按偏離度觸發

很多人的重訓節奏是日曆式的：每季一次，或者每半年一次。這種安排對管理者很方便，對模型卻沒有意義，因為市場不會配合你的季度會議。按日曆重訓還有一個副作用：它讓你以為自己一直在維護，實際上你只是在固定的時間點確認一次「還沒死」。我核對的時候看三組訊號，它們性質不同，要一起看才有意義。第一組是訊號頻率，把每月成交筆數對比上線初期的基準，突然變高或變低，都代表模型看到的東西和以前不一樣。第二組是行為指標，包括平均持倉時間、止損成交價與設定價的差距、以及平均滑點，這一組最能反映執行鏈有沒有鬆。第三組才是績效，用滾動窗口看期望值與回撤，它的位置應該排在最後，因為它最吵、最滯後。三組同時偏，才算真的偏。只有績效偏、行為完全正常，多數是行情階段的問題，該降暴露而不是改模型，我在連敗期的判斷方法裡把這條界線拆得更細。反過來說，行為先偏、績效還沒反映，那是最有價值的時刻，你比曲線早一步知道有事。

重訓窗口要多長

窗口的長度不是按年數決定，而是按它有沒有覆蓋一個完整的波動週期決定。所謂完整，至少要包含一段低波動、一段高波動、以及一次事件驅動的跳空，因為參數在不同波動狀態下的表現差很遠。只截一段平穩行情訓練出來的參數，遇到波動擴張就會原形畢露，這種失敗常被誤認為「模型不行」，其實是樣本不夠寬。至於樣本量，我自己用的下限是單一參數組合至少百筆交易紀錄，低於這個數字，勝率差異大部分是雜訊。這是我的做法，不是行業標準。真正該堅持的原則只有一條：窗口要寬到能裝下不同的市場狀態，而 AI炒外匯 模型的參數本來就會隨狀態移動。

新舊版本怎麼並行

新版本不要直接上實盤，這是我在課堂上反覆講的一條。做法是影子模式：同一組市場資料，新舊兩版同時產出決策，新版本只記錄、不執行。跑完一段觀察期之後，把兩版的進出點、持倉時間、偏離程度逐筆比對。這個做法慢，但它把「切換」從一次賭注變成一次核對，代價只是晚一點享受成果。切換之前有三件事要先寫下來：新版本的假設是甚麼、你預期它改善哪一個指標、以及觀察期結束後若沒有改善，你打算怎麼處理。不確定的事，先寫下來。這句聽起來像廢話，但它是唯一能讓你在三個月後仍記得自己為甚麼要改的東西。一套系統的版本紀錄，比它的回測曲線更值得保存。

每季重訓，卻每次都用同一段歷史

最常見的一種假重訓，是按時重跑一次優化，但每一次用的都是同一段歷史資料。這樣做的結果永遠是好的，因為你等於在反覆確認自己沒錯：同一段資料裡最優的那組參數就是它，你每次都會找到它。問題是，這段資料的最佳解是這段資料的產物，不是市場的產物，你優化的其實是 AI炒外匯 模型的記憶力。而且你會愈優化愈有信心，因為樣本內的數字只會愈來愈漂亮，這正是最危險的地方。正確的做法是前推測試，每次只用當時已經發生的資料去擬合，然後用接下來那一段沒見過的資料驗證，再把窗口往前推一格重複整個過程。這樣得到的不是一條漂亮的曲線，而是一組「在不同時間點進場，這套方法還能活多久」的紀錄，這組紀錄才是你設定迭代節奏的真正依據。關於擬合與樣本外檢驗的細節，我在回測與參數調優裡有完整拆解，這裡只強調一件事：沒有樣本外紀錄，你無法回答「多久會失效」。我要求學員留下一份重訓日誌，四個欄位：日期、這次為甚麼重訓、改了哪幾個參數、預期改善哪一個指標。第四欄最常被留空，而它恰恰最重要，因為沒有預期，你就無法在事後判斷這次改動是有效還是巧合。日誌寫滿一年之後，多數人會看到一件很有意思的事：真正需要重訓的次數比他們想像的少，而該退場的訊號比他們想像的早。

該調參還是該退場

講到這裡，就要回答那個最難的問題：甚麼時候該停，而不是該調。我的判斷標準還是回到那三層，偏離發生在參數層，值得修；偏離發生在概念層，修只是在買時間；偏離發生在結構層，通常連修的必要都沒有。這條界線不事先畫好，人在虧損時一定會選「再調一次」，因為調參看起來像努力。我具體看三個退場訊號。第一個是重訓之後樣本外仍然不恢復，連續兩次都這樣，就不是參數問題。第二個是同一套假設，每次重訓都要靠同一個參數硬湊才好看，那代表模型已經在擬合雜訊。第三個是你已經無法用一句話說清楚這套策略為甚麼會賺，說不清楚就代表你自己也不知道它在賭甚麼。退場不是失敗，它是資金配置，把錢從一個已經不成立的假設，移到一個還成立的假設上。一套 AI炒外匯 策略的壽命有限，這件事本身不是問題，問題是你有沒有在它還活著時把下一套準備好。我在課堂上用一個比喻：你不會等到水管爆了才找水電師傅，你會在牆壁發霉的時候就約他來看。要換新產品或新供應商之前，先把名字放進 SFC 的懷疑投資產品警示名單對一次，這一步很多人跳過。

一個可以驗算的算例

把上面的東西落到數字上會更清楚。以下所有數值都是假設值，只用來示範算法，不代表任何人的實際績效。假設有一套歐元兌美元的日內突破策略，訓練樣本取自一段行情，樣本內勝率四成一、平均盈虧比一點九、最大回撤一成二。上線兩年之後，假設日均波幅由六十點升到八十五點，跳空頻率上升，參數一直沒有更新，結果變成勝率三成四、盈虧比一點六、最大回撤二成四。接著做一次重訓，重估波幅週期與突破緩衝，假設結果是勝率三成八、盈虧比一點七五、最大回撤一成五。

用每筆交易的平均 R 值來算，期望值等於勝率乘以盈虧比，減去敗率乘以一。未更新版本是零點三四乘一點六，減零點六六，等於負零點一一六 R。重訓後版本是零點三八乘一點七五，減零點六二，等於正零點零四五 R。原本樣本內是零點四一乘一點九，減零點五九，等於正零點一八九 R。重訓把負零點一一六 R 拉回正零點零四五 R，帳面上轉正，是值得做的一次維護。但它距離原本的零點一八九 R 還很遠，等於只恢復了不到三成的期望值。迭代的目標不是回到當初，而是讓系統重新取得正期望。如果你用「回到當初」當標準，你會永遠覺得修不好，然後在第三次重訓之後放棄一套其實還能用的 AI炒外匯 系統，這是我在學員帳單裡見過最可惜的一種退場。

模型迭代節奏表

這張表是我自己核對用的預設，門檻要按你的品種、樣本量和持倉週期調整，它是工作紀錄，不是行業標準。

表裡每一行都有一欄觀察期，這一欄比觸發條件更重要。觀察期的意思是「在確認之前不准動手」，理由很簡單：偏離本身有雜訊，你在偏離剛出現的時候改動，很可能改掉的是一個本來會自己回來的東西。把觀察期寫進行事曆，等於替自己的手銬上一道鎖，時間到了才解開。任何聲稱能消除虧損或保證回報的說法，都值得打上問號，CFTC 關於降低外匯交易風險的提示 講的就是這一類辨識方法。迭代做得好，只能讓一套 AI炒外匯 模型活得久一點，它不會讓風險消失。

常見問題

問：模型跑多久就該重訓一次？

答：沒有通用答案，也不該用日曆決定。要看訊號頻率、行為指標、績效三組是否同時偏離，再對照樣本外的紀錄決定。按日曆重訓最大的問題，是它讓你在不該動的時候動，在該動的時候以為已經動過。

問：重訓後績效回到原本的水準，才算成功嗎？

答：不是。用前面的算例看，重訓能把負期望拉回正期望，但通常回不到最初的水準。迭代的合格標準是重新取得可接受的正期望，而不是複製當初的曲線，用錯標準會讓你在還能用的時候把系統砍掉。

問：怎麼分辨是模型過期，還是只是行情不利？

答：先看行為指標。止損有沒有照走、訊號頻率有沒有異常、滑點有沒有惡化，這三項正常而只有盈虧在波動，多半是行情階段問題。行為先偏、績效後偏，才是模型過期的典型順序。

問：如果重訓後樣本外一直不恢復，該怎麼辦？

答：進入退場評估，不要再加碼重訓次數。連續兩次重訓都無法在樣本外恢復，通常代表偏離已經走到概念層或結構層，這時候該做的是重寫假設，而不是在同一組參數上打轉。

問：參數越多的模型，是不是越容易過期？

答：不一定更容易過期，但一定更難察覺。參數多會吃掉樣本，讓偏離被擬合掩蓋，你看到的曲線仍然平滑，實際上模型已經在背答案。參數少的模型偏離得比較明顯，反而好管理。

立即 WhatsApp 聯繫小風團隊免費諮詢：+852 5378 5383

網站：https://aitrading.ace-fortune.com/forex-trading

投資涉及風險，過往表現不代表未來回報。本內容僅供教育參考，不構成任何投資建議。