「你的策略回測每年翻倍，一上實盤就虧？」「回測曲線完美得無可挑剔，為何真金白銀進場卻對不上號？」這兩條問題，我在 AI Trading Academy 課堂上幾乎每兩期就會聽到一次。回答之前，通常會先反問一句：那份回測，究竟有多少水分？
回測是評估 程式交易 策略的第一步，卻也是最容易被誤用的第一步。數字不會騙人，騙人的是數字背後的假設。本文聚焦回測的可信度與常見陷阱，並附上一份可以照做的檢查清單，幫你把策略在紙上談兵階段就篩走瑕疵。
回測數據漂亮，為何實盤照樣虧錢？
先看一個典型場景。新手用五年歷史數據回測一套均線策略，年化回報三成、最大回撤一成，看起來無懈可擊。結果放進模擬帳戶跑一個月，績效立即縮水，再上實盤更是不忍直視。
問題往往不在策略邏輯，而在回測設定。最常見的三個錯誤，一是樣本量不足，規則只被驗證過十幾次；二是把成本略去，點差、手續費、滑價全部假設為零；三是參數過度優化，讓曲線剛好貼住歷史行情。
我自己早期也踩過同一個坑。剛開始寫策略時，我把止損距離調到剛好避開五年內每一次回調，回測數字亮眼，實盤卻在一次正常波動中連續止損。後來才明白，那一條曲線不是策略能力，而是參數對歷史的背誦。
回測的本質，是用過去推測未來。過去不會重演，但可以提供一個合理的期望區間。判斷一份回測是否可信，關鍵不是看它有多漂亮，而是看它設定得有多誠實。
這裡要特別說明，回測和實盤脫節，往往不是因為策略突然失效，而是因為回測從未真正模擬過實盤的條件。實盤有報價延遲、有成交斷層、有平台執行差異，這些在圖表上都看不出來。把這些變數想清楚，再回頭看成績，才會比較踏實。回測的真正價值，在於幫我們分辨哪些策略值得投入時間，而不是替我們保證任何未來的回報。
三個回測可信度的關鍵：樣本量、成本與驗證
要判斷回測數據是否可信，可以從三個方向著手，這三個方向同時也是入門 程式交易 時最值得先建立的認知。
樣本量是第一個關鍵。一項統計結論要成立，最少需要三十次以上的交易樣本，理想是五十次以上。次數太少，勝率一個百分點的浮動都能大幅改變結果，偶然因素會被當成規律。我通常建議至少用三年歷史數據，最好覆蓋不同市場環境。
樣本的代表性同樣重要。如果三年數據恰好全是單邊趨勢，策略在趨勢行情表現亮眼，一遇到橫行市就無所適從。挑選數據時，最好確認包含趨勢、盤整與劇烈波動三種階段，樣本才不會有所偏頗。
成本計算是第二個關鍵。真實交易一定有點差、手續費與滑價，高槓桿市場還涉及隔夜利息。回測把這些全部設為零，等於假設每一次成交都剛好掛在理想價位。
按照投委會對槓桿式外匯的基本說明，這類產品以按金形式交易，開倉按金最低為合約價值的 5%，槓桿可高達 20 倍，極端波動下損失可能超過開倉按金。槓桿放大了每一次點位波動的價值，成本假設越寬鬆，回測與實盤的落差就越大。
驗證方法是第三個關鍵。專業做法是樣本外測試：把歷史數據切開，前面八成用來開發參數，後面兩成留著驗證，參數定案後再跑到那段沒見過的數據上。若兩段表現差距懸殊，代表策略在背歷史，而不是捕捉規律。
三個常見回測陷阱：曲線擬合、前視偏差與倖存者偏差
除了設定問題，還有三種更隱蔽的陷阱，足以讓回測完全失真。
陷阱一是曲線擬合，又稱過擬合。策略參數越多、優化次數越多，越容易剛好貼住歷史行情。判斷方法很簡單：把參數輕微改動幾個百分比，若績效立即大幅崩壞，多半是過度優化。
CFTC 美國商品期貨交易委員會的外匯詐騙警示同時提醒，自動交易軟件與 AI 機器人可以按過往市場活動調整參數，卻無法預測未來的市場條件，任何聲稱能持續預測未來的系統都值得警惕。回測再漂亮，也只是對過去的描述。
過擬合的可怕之處，在於它很難在回測期內被發現。曲線在歷史數據上怎麼跑都漂亮，直到進入未知行情才現形。減少參數、簡化規則，往往比不斷增加條件更能提升實盤的穩定度。一套只有兩三個參數的策略，勝過一套十幾個參數卻剛好貼合歷史的策略。
陷阱二是前視偏差。指策略在回測時用了當時尚未公布的數據，例如以當天收市價觸發，卻混入了翌日才會更新的數據。這類錯誤常藏在程式細節裡，我自己就曾在移動平均線的計算中把未來幾根 K 線資料一併算進去，回測勝率異常高，實盤卻完全失效。
前視偏差還有一種隱晦形態，是重新報價偏差。實盤中價格可能跳過你的觸發價，成交在更差的位置，而回測假設每次都能以觸發價成交。這部分差距，正是算例中滑價的來源。修正的方法，是把所有指標計算鎖定在當根 K 線收盤那一刻的數據，不允許任何向後窺視。
陷阱三是倖存者偏差。選股或選貨幣對回測時，若樣本只包含今天仍然存在的標的，就會忽略早已退市或崩盤的品種。最穩妥的做法，是使用包含退市標的在內的完整歷史池，或用指數的回測數據。
如果回測的是某個信號組合或選股名單，同樣要留意樣本是否只包含歷史上表現好而存活下來的成員。樣本池越小，偏差越容易被放大。這類問題在股票回測中尤其常見，因為指數成分股會定期調整，被剔除的往往是弱勢股。
一個算例：滑價與手續費沒算進去的差別
把成本因素量化，會比空談更有說服力。以下為教學示範，並非實際交易紀錄或回報預測。
假設一套 程式交易 策略，每次交易 EUR/USD 0.1 手，每點價值約 1 美元，一年觸發 60 次訊號，平均每次毛獲利 10 點。
若回測假設零成本，全年毛利為 60 乘以 10，等於 600 點，折合約 600 美元。數字不算驚人，但看起來是正期望值。
現在把真實成本加回去。假設平台點差平均 1.2 點，來回即 2.4 點；每次成交滑價平均 0.5 點；合計每次成本約 2.9 點。60 次交易，總成本為 60 乘以 2.9，等於 174 點。
扣掉成本後，全年淨利從 600 點縮到 426 點，折合約 426 美元。利潤瞬間蒸發近三成。
再把滑價假設放大：數據公布前後流動性急降，滑價升至平均每次 1.5 點，加上點差每次成本共 3.9 點。60 次總成本 234 點，淨利跌至 366 點。
同一套邏輯，成本假設從零到保守，結果差了超過三分之一。若策略本身毛利率只有 5 點，成本甚至足以把正期望值扭成負數。這就是為何回測必須把成本納入，而且寧願設得保守。
回測可信度檢查清單：上線前逐項核對
以下清單是我在教學與實盤中反覆使用的版本，任何策略上線前，逐項打勾：
1. 樣本量足夠：交易次數三十次以上，歷史數據至少三年，並跨越不同市場環境。 2. 成本已納入：點差、手續費、滑價、隔夜利息全部計入，滑價用保守假設。 3. 無前視偏差：檢查程式邏輯，確認所有數據在觸發當刻已實際存在。 4. 無倖存者偏差：樣本包含退市與失敗的標的，避免只回測活下來的。 5. 參數穩定性：把關鍵參數增減百分之十，績效不應大幅崩壞。 6. 樣本外驗證：留一段未參與開發的數據，確認策略在陌生行情仍能成立。
六項全過，回測才算勉強可信。我見過不少交易者只做前三項，結果第四至第六項的漏洞，讓整套數字失去意義。檢查清單不是儀式，而是把模糊的「感覺可行」變成可核對的標準。
這份清單不需要一天內全部完成，但每一項都值得花時間做實。很多人以為回測工具越專業越好，其實決定可信度的，從來不是工具的華麗程度，而是假設是否貼近真實。工具只是幫你算數，算數背後的邏輯才是關鍵。
做完清單，下一步是 程式交易 從紙上到實盤的過渡，這一步同樣講究方法。
從回測到實盤：四步安全過渡
回測通過不等於實盤穩妥，中間還隔著執行落差。四步過渡可以大幅降低落差。
第一步，模擬帳戶先行。用至少兩至四星期模擬運行，比對訊號觸發與實際成交的差距，確認滑價與成本假設是否貼近現實。
第二步，小額實盤起步。首次投入只用帳戶淨值的一小部分，讓系統在真實市場環境下累積運行紀錄，同時驗證報價源、伺服器與下單穩定度。
第三步，出場規則寫進程式。止損與止盈不應依賴臨場決定，IG 交易學院關於規劃出場的教學強調，交易者必須在開倉前準備退場策略，止損可以消除壓力下的決策搖擺。系統化的出場，正是 程式交易 相對人手操作的核心優勢之一。
第四步，定期覆核績效。每週檢視成交紀錄，每月重跑一次回測，確認策略在最新市場環境下仍站得住腳。市場結構改變時，要果斷調整參數或暫停系統。
實盤初期，最大的敵人是回測以外的意外。伺服器斷線、平台維護、數據源延遲，這些都無法在紙上測試中看到。所以小額起步不是保守，而是用最低成本換取最真實的運行經驗。系統運行一段時間後，累積的實盤紀錄本身，就是下一次調整回測假設的最好依據。
四步走完，一套策略才算完成由紙上到真金白銀的閉環。過渡期間的每一筆紀錄，都是日後調整的依據。
常見問題
問：回測勝率很高，是不是代表策略可靠？
答：不一定。勝率只是其中一個指標，若樣本量不足、成本沒算進去或有前視偏差，高勝率可能只是假象。建議同時看最大回撤、盈虧比與樣本外表現，綜合判斷才可靠。
問：回測最少需要多少年數據？
答：一般建議至少三年，理想是五年或以上，並覆蓋上升、下跌與橫行等不同市場階段。交易次數比年數更重要，樣本至少三十次，統計結論才比較有參考價值。
問：什麼是過擬合，怎麼避免？
答：過擬合是參數調到剛好貼住歷史行情，實盤一變就失效。避免方法是減少參數數量、加入樣本外驗證，以及測試參數的敏感性，微調後績效大幅波動即屬過度優化。
問：回測可以完全不考慮滑價嗎？
答：不建議。滑價是實盤必然存在的成本，尤其數據公布或流動性薄弱時會明顯擴大。回測應使用保守的滑價假設，並記錄實際成交與訊號價位的差距，定期校準假設。
問：回測表現好的 程式交易 策略，可以直接用真錢嗎？
答：建議先經模擬帳戶與小額實盤兩個階段，確認執行落差與成本假設貼近現實後，才逐步增加資金。直接滿倉上線，一旦假設失準，虧損速度會遠超回測顯示。
想知道自己的策略回測到底可不可信？立即 WhatsApp 聯繫小風團隊，預約一次免費諮詢，由講師陪你逐項核對檢查清單與回測設定：+852 5378 5383
網站：https://aitrading.ace-fortune.com/algo-trade-hk/
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。
