AI炒外匯的資金分配:模型訊號下的倉位算法

AI炒外匯的資金分配:模型訊號下的倉位算法

2026-10-15

「系統叫我買,我到底該買多少?」這個問題我在課堂上每年要回答好幾十次。學員拿着 AI炒外匯 模型吐出來的一行訊號,很自然地以為訊號強度就等於該下多少倉,於是信心九成就重倉,信心六成就輕倉,甚至把倉位大小直接寫成信心度乘上一個固定倍數。這個做法看起來很精密,實際上把兩個本該分開的決定綁在了一起,也是我在實戰中見過最常見的失控來源。這篇要講的,就是把訊號與倉位徹底拆開之後,帳戶該怎麼分配。

模型給的是訊號,不是倉位

先講清楚兩件事的性質差別。模型的輸出是一個統計判斷:在某組市況特徵之下,價格往某方向走的機率略高於一半,可能是零點五八,也可能是零點七二。它回答的是「方向偏哪邊、把握有多大」。倉位回答的卻是另一個問題:「如果這次判斷錯了,我願意讓帳戶少掉多少錢。」一個是機率問題,一個是承受力問題,兩者之間沒有必然的換算關係。

我在課堂上常做一個對照:把同一套模型的同一批訊號,交給兩位學員各自下單。一位帳戶三萬美元、可承受回撤三成,另一位帳戶五千美元、只肯承受一成回撤。同一行訊號,前者可以下一手,後者可能只該下零點一手。訊號一字未改,倉位差了十倍,因為倉位是由帳戶條件決定的,不是由訊號決定的。這也是我在教授 AI炒外匯 的第一堂課,就要學員把這兩個數字分開寫在紙上的理由。

把兩者綁在一起,最直接的後果是:模型信心最高的那一次,剛好就是你倉位最重的那一次。而模型的判斷從本質上就不會次次正確,於是帳戶最大的單筆虧損,永遠出現在最自信的一擊上。這不是運氣差,是設計缺陷。要拆開這兩個決定,得先分清楚市場上有兩類完全不同的下單邏輯,順勢與逆勢對參數的敏感度差很遠,這部分可參考不同策略流派怎麼選,先把策略定位定下來,再談倉位。

兩張交易桌上各有一疊高低懸殊的籌碼,兩側螢幕顯示同一條價格走勢,帳戶規模明顯不同。

模型信心度如何映射為倉位

拆開之後,信心度不是沒用,而是它的正確用途只有一個:在既定風險預算之內做微調,而不是反過來決定風險預算。

三檔倉位的推導

我的做法是把信心度分成三檔,每一檔對應一個單筆風險上限,而不是對應一個倉位數字。倉位數字是算出來的,不是給定的。三檔是這樣:常規訊號(信心低於零點六五)單筆風險百分之三以下的一檔,設在帳戶百分之一;較強訊號(信心零點六五至零點八零)設在百分之一點五;上限檔(信心高於零點八零)設在百分之二。關鍵在於,百分之二是天花板,不是高信心就一定要用滿。

信心分檔 單筆風險上限 對應含義
常規(低於 0.65) 帳戶 1% 系統性參與,不放大
較強(0.65 至 0.80) 帳戶 1.5% 適度加權
上限(高於 0.80) 帳戶 2% 硬天花板,不可突破

注意這張表只規定了「最多虧多少」,沒有規定「下多少手」。同一個百分之二的預算,止蝕距離越遠,手數就越小;止蝕越近,手數才越大。這一步是把風險預算換算成倉位,而 AI炒外匯 系統該做的事情,是把這個換算寫成規則,而不是留給你臨場心算。訊號是怎麼產生、走哪條通道送到下單端,模型與下單通道的三層選型 講得很完整,但通道再快,都不會替你把倉位算對。

為甚麼要設天花板?我用一個模擬說明。假設兩個帳戶各一萬美元,甲把信心直接當倉位倍數用,高信心那筆下了三倍常規倉;乙嚴格遵守百分之二上限。同一次判斷失誤、同一段止蝕距離,甲的單筆虧損是百分之六,乙是百分之二。甲的預算被一個「信心爆棚」的訊號吃掉了三倍。連續出現兩次這種訊號,甲的回撤就是一成二,乙只有百分之四,而模型的準確率完全一樣。差別不在模型,在資金分配規則。倉位控制本身就是風險控制的核心,IG 交易學院關於控制風險的說明 亦把倉位大小列為第一順位的可控變數。

回撤預算怎麼定

回撤預算是整套算法的地基,它必須先於任何單筆倉位被定下來。

從帳戶規模推回單筆風險

定預算的順序是從大到小:先定帳戶可承受的總回撤,再定同時最多幾筆持倉,最後才切出單筆風險。舉個例,帳戶一萬美元,你可承受的年度最大回撤定為兩成,即二千美元。假設系統的歷史模擬顯示,一段連續不利行情最多會出現連續八次失誤,若單筆風險是帳戶百分之二,連八次就是百分之十六,逼近兩成上限;若單筆風險降到百分之一,連八次是百分之八,留有一倍緩衝。這個推導告訴你,單筆百分之二不是不能碰,而是它必須搭配縮倉機制,否則在連續失誤的段子裏必然越界。

回撤預算也要分清口徑。日內回撤、月度回撤、年度回撤是三個不同的抽屜,不能互相挪用。我的習慣是,當月度預算用掉一半,單筆風險自動降一檔;用掉八成,當月停止開新倉,只管理既有持倉。這條規則寫進系統之後,就不需要你在連續虧損的晚上跟自己講道理。

關於槓桿如何放大這些數字,IFEC 投委會關於槓桿外匯的基本認識 說得很清楚:槓桿讓你用較少的保證金控制較大的名義倉位,盈虧同步放大。回撤預算是用帳戶百分比寫的,不管你的槓桿開多大,這個數字都不該變,會變的只能是手數。這是把槓桿關進籠子的唯一方法。 AI炒外匯 的風控設定裏,槓桿與倉位應該分兩個欄位管理,混在一起就等於沒有管理。

連續失誤時的縮倉階梯

模型一定會遇到連續失誤的段子,這是統計的必然,不是模型壞掉。問題是,遇到的時候倉位該怎麼動。

階梯的觸發與回復

我給學員的規則是一條單向階梯:連續三次失誤,單筆風險降一檔;連續五次,再降一檔;降到最低檔百分之零點五仍繼續失誤,當週停手覆盤。回復則是對稱的,但更慢:連續四次成功,才回升一檔。為甚麼回復要慢?因為連續失誤往往意味着市況結構變了,模型還停留在舊環境的參數上。慢慢回升,是用小倉位去重新確認模型還有效,而不是一開始就重倉相信自己。

觸發條件 單筆風險調整 說明
連續 3 次失誤 降一檔 啟動縮倉
連續 5 次失誤 再降一檔 進入防守
降到 0.5% 仍失誤 當週停手 覆盤檢查市況
連續 4 次成功 回升一檔 慢速恢復

階梯的意義不只省錢,更是把「我要不要繼續跟這個模型」這種情緒化的問題,變成一個可執行的機械規則。在 AI炒外匯 的實作裏,這條階梯應該被寫成參數,而不是靠臨場自覺。我在課堂上見過不少學員,連續失誤之後急着把倉位放大去追回虧損,結果把一次普通回撤演成一場重創。縮倉階梯的作用,是在你情緒最想加碼的時刻,強迫你減碼。這套邏輯與 AI炒外匯 系統的風控模組應該是同一套規則,不是兩套。

階梯狀排列的籌碼堆由高到低逐級下降,最矮一階旁放著一本翻開的交易紀錄本。

完整算例:一萬美元帳戶走一遍

把前面幾節拼成一條完整的算式。假設帳戶淨值一萬美元,只交易歐元兌美元,模型給出一個較強訊號(信心零點七二),對應單筆風險上限百分之一點五,即一百五十美元。當前匯價一點零八零零,止蝕放在一點零七六零,距離四十點。

先算點值。標準手歐元兌美元一手名義值十萬歐元,一點價值十美元。每手四十點的風險是四百美元。

再算允許手數。一百五十美元除以四百美元,等於零點三七五手。系統向下取整到零點三五手,實際風險一百四十美元,佔帳戶百分之一點四,在百分之一點五的預算之內。

換一個情境。若同一訊號的止蝕只能放在一點零七零零,距離八十點,每手風險變成八百美元。一百五十除以八百等於零點一八七五手,取整零點一八手,實際風險一百四十四美元。注意,兩次的風險金額幾乎一樣,手數卻差了一倍。這正是先定風險、再算倉位的具體長相:風險固定,倉位浮動。

現在看綁在一起會怎樣。假設同一帳戶把信心當倉位倍數,信心零點七二就下零點七二手。第一種情境下,零點七二乘以四百,等於二百八十八美元,佔帳戶百分之二點八八,接近預算的兩倍。若這是信心零點九的訊號,零點九手對應三百六十美元,佔百分之三點六,是百分之一點五預算的二點四倍。一次判斷失誤,就吃掉兩倍以上的風險額度。把這算式推到底:連續三次這種失誤,回撤超過一成,帳戶要先賺回一成以上才能回到原點。 AI炒外匯 的使用者最容易忽略的,就是這個複利式的回撤代價。

我在課堂上把這條算式叫風險倒推法:先寫下你願意虧的錢,再回頭問市場,這個止蝕距離需要多少手。順序反了,整個算法就反了。若你想把訊號產生到下單執行的完整流程走一遍,四步流程的拆解 有逐步說明,可以對照着套這套倉位算法。

把倉位算法寫成一張規則卡

把前面所有決定濃縮成一張紙,就是這套資金分配的落地形態。我要求學員把規則卡放在電腦旁,內容只有四行:帳戶可承受回撤多少、單筆風險上限多少、三檔信心對應哪個上限、連敗幾次降一檔。規則卡上不寫手數,手數每次由止蝕距離算出來。

三個常見的失控來源

最常見的一種,是把信心當倉位倍數,這已經在前面算過代價。另一種是止蝕距離隨心情定,比如為了把倉位開大而把止蝕拉近,結果被正常波動掃掉。還有一種是連續失誤後手動放大倉位去追回,這一條幾乎是所有重大回撤的共同起點。

檢查規則有沒有漏洞,可以用一個簡單測試。把過去三個月每一筆交易的單筆虧損,除以當時的帳戶淨值,全部算成百分比。如果這個數字的分佈裏出現超過你設定上限的筆數,說明規則只寫在紙上,沒有真正執行。根據 CFTC 關於降低外匯交易風險的提示,投資者對自己帳戶發生的一切負最終責任,任何聲稱可以繞過風險控制的說法都應該存疑。倉位規則的價值,就在於它在你最想破例的時候仍然有效。 AI炒外匯 系統可以幫你執行規則,但它不會幫你訂規則,那四行永遠是人的工作。

常見問題

問:模型的信心度到底能不能用來決定倉位?

答:可以用來微調,但不能用來決定風險預算。信心度只決定你在既定預算內用哪一檔,例如常規百分之一、較強百分之一點五、上限百分之二,實際手數仍要由止蝕距離反推。把信心直接當成倉位倍數,單次失誤就可能吃掉兩倍以上的預算,這也是 AI炒外匯 新手最常犯的第一個錯。

問:一萬美元的帳戶,單筆風險定百分之一還是百分之二好?

答:看你設定的回撤預算與最多連續失誤次數。若年度回撤預算兩成、模擬連敗八次,單筆百分之二意味連敗虧百分之十六,逼近上限;單筆百分之一只虧百分之八,留有緩衝。數字沒有絕對答案,比例關係才是重點。

問:連續失誤之後,我應該停手還是加倉追回?

答:應該縮倉或停手,絕不該加倉。連續失誤往往代表市況結構已變,模型還在用舊參數。我的階梯規則是連敗三次降一檔、五次再降一檔、降到百分之零點五仍失誤就當週停手,連續四次成功才回升一檔。

問:止蝕距離越近,是不是就可以下越大手?

答:在風險金額固定的前提下,止蝕越近、允許手數越大,這是數學結果,不是鼓勵。但止蝕太近會被正常噪音掃掉,實際虧損未必更小。止蝕距離應該配合行情波動,而不是為了放大手數而設定。

問:外匯的槓桿,會不會讓回撤預算失效?

答:不會,只要你用帳戶百分比寫預算。槓桿改變的是手數與所需保證金,不該改變你願意虧的百分比金額。若你發現同一個訊號下,槓桿越高、單筆虧損金額越大,那就是倉位算法沒有真正鎖住風險。

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。

類別:投資攻略
分享到:
null

Ace Fortune 2018年成立於香港,早期研究方向包括面向 PI(個人專業投資者)的大數據智能指標及選股器,以及運用量化模型研究交易策略。
今天,我們將這份系統思維,延伸至 AI 工具與程式交易教育,讓新手學習運用 AI Agent 輔助整理資料、編撰程式與檢查邏輯。
從理解工具到動手實作,讓科技更容易入門,支持個人增值與成長。Let Intelligence Empower Your Growth. 

null
© 2026 Weber All Right Reserved