「預設參數是別人家的市場長出來的。」這句話我在課堂上講過很多次，真正聽進去的人卻不多。不少朋友訂閱了一套 AI選股 工具，頭兩三個星期覺得它神準，名單一出就照著研究；用了一季之後，開始發現某些名單在港股身上總是失手，同一套模型放到美股又表現正常。問題往往不在模型，而在那一組沒有人叫你照單全收的權重。我在 USIC 得獎之後的實戰裡，前後改過十幾個版本的評分權重，這一篇把整條實作路徑攤開來寫：預設值為何不夠用、哪些因子在港股與美股會失效、我怎麼用滾動窗口檢驗新權重到底是真改善，還是只是剛好運氣好。
預設權重其實是別人的市場長出來的
預設值的設計前提
任何一套評分系統出廠時都會附一組預設權重：動能佔多少、價值佔多少、資金流佔多少。這組數字的來源，通常是開發團隊自己跑過的歷史資料，而且測試對象多半是美股或大型指數成分股。它沒有騙人，只是它的訓練場跟你的比賽場未必是同一個。把同一組權重套到港股細價股、新加坡房地產信託，甚至加密貨幣，等於拿別人的尺去量自己的身高。
我第一次接觸評分系統時，做過一個笨但很有用的動作：把工具給出的前十名抄下來，自己用試算表按因子重新算一次，看每個因子到底貢獻了幾分。連算三個月後我發現，名單的排名高度取決於兩三個因子，而那兩三個因子，恰好在我主要交易的市場裡最不穩定。那一刻我才明白，所謂評分準不準，有一大半是我自己配出來的，不是工具給的。工具能替我把每天上千檔標的掃一遍，這件事人手做不到；但哪個因子該佔多少，它沒法替我決定。這也是我一直強調要把 AI選股 當成掃描器、而不是決策機的原因。
我在實戰撞到的三個落差
先講市場結構。港股有大量成交稀薄的細價股，動能因子在這些標的上的讀數，經常來自少數幾筆大單，而不是真實的資金趨勢；同一組動能權重放在美股市值前 500 大，噪音就低得多。
再講行業構成。港股的權重集中在金融、地產與平台股，盈利增長的節奏跟美股以科技為主的結構完全不同。同樣是 20% 的盈利增長權重，在兩個市場抓到的東西根本不是同一回事。
最後是持有週期。預設權重多半假設你持有數週到數月，但不少上班族朋友的實際節奏是三到五個交易日。用長跑的配速去跑短跑，權重不調，訊號再準也對不上你的操作。
先把手算搞清楚：評分是怎麼加出來的
在動手改之前，得先知道分數是怎麼加出來的。我用的那套評分只有六個因子，後面所有討論都建立在這一組數字上，先把它列清楚。
| 因子 | 預設權重 | 衡量什麼 | 在港股的表現 |
|---|---|---|---|
| 動能 | 25% | 過去 20 日與 60 日的價格斜率 | 易受細價股大單扭曲 |
| 價值 | 20% | 市盈率、市賬率相對行業的位置 | 受地產與金融權重拖累 |
| 盈利增長 | 20% | 最近兩季收入與盈利按年變化 | 相對穩定 |
| 資金流 | 15% | 成交金額與大單方向 | 南向資金影響明顯 |
| 波動控制 | 10% | 波動度與最大回撤 | 權重偏小，保護不足 |
| 流動性 | 10% | 平均成交額與買賣差價 | 偏小，易選中難出貨標的 |
一次完整算例：兩檔股票誰排前面
假設工具掃出兩檔標的，六個因子各自拿 0 至 100 分。A 是動能型，B 是穩健型，兩者分數如下。
| 因子 | 權重 | A 得分 | A 加權分 | B 得分 | B 加權分 |
|---|---|---|---|---|---|
| 動能 | 25% | 98 | 24.50 | 55 | 13.75 |
| 價值 | 20% | 45 | 9.00 | 80 | 16.00 |
| 盈利增長 | 20% | 60 | 12.00 | 72 | 14.40 |
| 資金流 | 15% | 92 | 13.80 | 70 | 10.50 |
| 波動控制 | 10% | 35 | 3.50 | 75 | 7.50 |
| 流動性 | 10% | 95 | 9.50 | 85 | 8.50 |
| 合計 | 100% | — | 72.30 | — | 70.65 |
在預設權重下，A 以 72.30 分排在 B 的 70.65 分之前，差距只有 1.65 分。這個「接近」正是重點：當兩檔標的只差一兩分，真正決定誰排前面的，其實是權重怎麼配。同一組因子放進不同策略框架會怎麼分岔，可以參考 各類選股策略的因子配置比較 這篇的整理。
哪些因子在港股會失效、哪些在美股會失效
港股：動能與流動性最容易被扭曲
港股的問題不在因子本身錯，而在樣本被污染。這裡有為數不少的標的，日常成交金額只有數百萬港元，買賣差價闊，一筆幾十萬的單就足以把價格推上幾個百分點。動能因子讀的是價格斜率，價格被單筆大單推高，斜率自然漂亮，但這個「漂亮」跟資金持續流入是兩件事。更麻煩的是，這類標的的流動性分數往往也不低，因為評分是用相對自身歷史計算，一隻平時幾乎沒成交的股票，突然有幾天成交放大，相對分數就會衝高。
我的處理方式，是把流動性因子的權重由 10% 提到 15%，並且在入選門檻上加一條硬條件：最近 20 日平均成交金額低於門檻的標的，不論總分多高都不進名單。這條規則有點粗暴，但它把我的觀察名單從每天三四十檔壓到十檔以內，反而更看得完。用好 AI選股 的第一步，往往不是加因子，而是先把不該看的標的剔走。
美股：價值因子在輕資產龍頭身上失靈
美股的問題剛好相反。市值前列的科技公司多屬輕資產模式，賬面淨值跟實際賺錢能力嚴重脫節，市賬率長期偏高。價值因子在這種結構下，會把最會賺錢的公司判成「貴」，權重給到 20%，等於系統性地把它們壓在名單外圍。
我試過把同一組預設權重直接搬去跑美股市值前 300 大，前十名裡出現的，多半是傳統工業與公用事業，而不是市場真正的主力。這不是模型錯，是權重跟市場結構不匹配。後來我把價值因子在美股模式下調到 12%，把盈利增長提到 26%，名單才回到比較合理的位置。同一個因子，在兩個市場該拿多少權重，答案可以不一樣。
我第一次改權重的實作過程
把動能從 25% 降到 15%
真正動手是在一個週末，我把自己 AI選股 的半年名單匯出，逐檔標註實際持有 20 日之後的結果，用這批標註資料當作調整依據。第一次我只動一個因子：動能由 25% 降到 15%，把騰出來的 10 個百分點分給盈利增長（20% 提到 25%）、波動控制（10% 提到 15%）、價值（20% 提到 22%），資金流由 15% 微降到 13%，流動性維持 10%。新舊兩組權重合計都是 100%，加起來不會算錯。
| 因子 | 舊權重 | 新權重 | 變動 |
|---|---|---|---|
| 動能 | 25% | 15% | -10 |
| 價值 | 20% | 22% | +2 |
| 盈利增長 | 20% | 25% | +5 |
| 資金流 | 15% | 13% | -2 |
| 波動控制 | 10% | 15% | +5 |
| 流動性 | 10% | 10% | 0 |
前後對照：兩檔股票評分直接對調
把同一組因子分數套進新權重，上一節的 A、B 兩檔標的排名直接對調。
| 因子 | 新權重 | A 得分 | A 加權分 | B 得分 | B 加權分 |
|---|---|---|---|---|---|
| 動能 | 15% | 98 | 14.70 | 55 | 8.25 |
| 價值 | 22% | 45 | 9.90 | 80 | 17.60 |
| 盈利增長 | 25% | 60 | 15.00 | 72 | 18.00 |
| 資金流 | 13% | 92 | 11.96 | 70 | 9.10 |
| 波動控制 | 15% | 35 | 5.25 | 75 | 11.25 |
| 流動性 | 10% | 95 | 9.50 | 85 | 8.50 |
| 合計 | 100% | — | 66.31 | — | 72.70 |
A 由 72.30 分掉到 66.31 分，B 由 70.65 分升到 72.70 分，兩者由「A 領先 1.65 分」變成「B 領先 6.39 分」。在真實名單上，這一改動讓 A 那一類標的由前三位掉到二十名之外，B 那一類由中段升進前十。這個結果跟我自己的交易紀錄吻合：過去一年真正替我賺到錢的持倉，多數是 B 那一類；A 那一類不是不升，而是升得不夠穩、回撤太深，我抱不住。
用滾動窗口檢驗：新權重是真的改善還是運氣
滾動窗口怎麼切
改完之後最危險的念頭，就是「回測賺錢所以它對」。單一段歷史的回測，跟看圖說故事差不多。
我的做法是滾動窗口：用 12 個月資料當訓練段，緊接的 3 個月當驗證段，然後整體往前推 3 個月再跑一次。以 2023 年 1 月到 2025 年 6 月這段區間計算，一共得到 6 個不重疊的驗證窗口。權重只在訓練段上調整，驗證段完全不碰，這樣才能看出換了權重之後，在下一個沒見過的市場階段是否也站得住。
三個必看的指標
驗證段我只對照三件事，再加一個成本指標。
| 指標 | 預設權重 | 新權重 | 差異 |
|---|---|---|---|
| 20 日命中率 | 52.4% | 56.1% | +3.7 個百分點 |
| 平均 20 日回報 | +1.8% | +2.3% | +0.5 個百分點 |
| 期間最大回撤 | -18.6% | -13.2% | 收窄 5.4 個百分點 |
| 年週轉率 | 8.4 倍 | 5.1 倍 | 減少 3.3 倍 |
四個數字一起看，結論才不會偏。只看命中率，很容易被高頻交易所製造的假象騙到；只看回報，會忽略回撤；只看回撤，又會挑出一個甚麼都不敢做的權重組合。新權重在四個方向都改善，週轉率同時下降，代表它不只是選得準一點，還選得更沉穩。回測流程的細節，選股策略回測的常見做法 這篇寫得比我這裡更完整，值得搭配閱讀。至於這套 AI選股 的輸出要怎麼跟自己的交易節奏對接，我會在下一段用實際踩過的坑說明。
我踩過的過度擬合坑
命中率飆高但實盤接不住
中間有一版，我把流動性權重砍到 3%，回測 20 日命中率一下子跳到 61.2%，平均回報幾乎翻倍。當時我很興奮，以為找到了聖杯。拿到實盤跑一個月之後，問題全跑出來：名單裡多了不少成交量極低的標的，模型說它們會升，實際上我根本買不到足夠的貨，想賣的時候也沒人接，滑價把紙上利潤吃掉大半。
那次之後我給自己定了一條底線：任何因子權重不得低於 8%，流動性與波動控制這兩個防守型因子，合計不得低於 20%。防守因子在回測裡通常是拖後腿的，砍掉它們數字最漂亮，但也最危險。香港投資者教育中心在槓桿及保證金產品的基本認識 裡也提醒，投資者要先弄清楚自己承受的風險幅度，再談其他。
樣本外窗口的殘酷
六個驗證窗口裡，新權重贏了五個，輸了一個。輸掉的那個是 2024 年第三季，市場風格突然轉向動能，我的新權重因為壓低了動能而反應慢了一拍。我沒有為這個窗口再調權重，因為為單一窗口微調，就是典型的曲線擬合。我接受一件事：沒有一組權重能在所有市場狀態下都贏，能贏六成到七成的時間，已經很夠用。
自訂評分的落地流程
真正要動手，我會照下面五步走。挑一個因子開始，不要一次改六個，否則你分不清改善來自哪裡。改動幅度控制在 5 個百分點以內，大改容易把權重推到你意想不到的地方。跑滾動窗口，訓練段調、驗證段看，不能只看單一回測。四個指標一起對照，命中率、回報、回撤，再加週轉率。最後才是小額實盤跟一段時間，紙上回測與真實成交之間永遠隔著一道滑價的溝。
有一件事我特別想提醒：任何聲稱用 AI 選股替你操盤、還暗示穩賺的平台，先查牌照。香港投資者可透過 證監會的無牌公司警示名單 核實對方背景。權重可以自己調，資金安全不能自己猜。我把這套流程放進 AI選股 的日常操作之後，最實際的收穫不是名單變短，而是我知道每一個排名背後的理據是甚麼。
改權重的三條紀律
調權重這件事，技術不難，難在紀律。先講記錄。我用一個簡單的試算表，把版本號、改動內容、當期驗證結果寫清楚，這樣回頭才知道哪一次改動真的有用；沒有記錄的調整，三個月後你只會記得「好像有改過」。
再講檢驗門檻。任何新權重都要先跑過樣本外窗口才准許進實盤，這條沒有例外，也沒有「這次情況特殊」的空間。
最後一層落在停損與倉位上限。這跟權重無關，但比權重重要。任何交易系統都有失效的時候，權重調得再好，也只是把勝率往上推一點，它不會替你控制單筆虧損。IG 交易學院關於風險管理的基本說明 提過一個很樸素的道理：先決定每筆交易願意承受多少虧損，再談進場。我見過不少學員，把心力全放在找最佳權重，卻沒有一次認真算過自己能承受多少回撤，這個順序是反的。
人跟機器該怎麼分工，AI 與人手選股的差異 這篇講得比較清楚：機器負責掃描與排序，權重的價值判斷與最終決策，始終在人手上。
常見問題
問：權重要多久調一次才合理？
答：沒有固定週期。我的習慣是每季檢視一次，並且只在滾動窗口顯示現有權重連續兩個驗證段都轉差時才動手。平日不看回測數字就不改權重，頻繁微調只會讓你自己也說不清版本差異。
問：不懂寫程式，可以自己調權重嗎？
答：可以。權重本質是加減乘除，用試算表就能手算。真正的門檻不在技術，而在於你願不願意把每次改動記錄下來、並且用樣本外的資料檢驗，而不是拿同一段歷史反覆調到漂亮為止。
問：回測變好了，可以直接重倉嗎？
答：不建議。回測改善代表勝率可能提升一點，不代表風險消失。我自己的做法是先小額實盤跟一段時間，確認滑價與成交情況跟回測接近，才逐步把倉位加上去。
問：港股跟美股要用兩套權重嗎？
答：多數情況需要。兩地的行業結構、成交習慣與投資者組成不同，同一因子在兩邊的表現可以差很遠。我自己的美股模式把價值因子降到 12%、盈利增長提到 26%，港股模式則把流動性提到 15%。
問：因子權重加起來一定要等於 100% 嗎？
答：建議維持 100%，這樣每一分都能直接對應到百分比貢獻，除錯時很容易看出是哪個因子把分數推上去。若你用的是「原始分數加總再排名」，只要所有標的都用同一組權重，比例上其實等效，但可讀性會差很多。
立即 WhatsApp 聯繫小風團隊免費諮詢：+852 5378 5383
網站：https://aitrading.ace-fortune.com/speed-radar
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。
