EA策略三大迷思：回測漂亮不等於能賺錢

先講一個我在 AI Trading Academy 見過的真實形態：一位學員興沖沖來找我，展示一套回測年化報酬驚人的 ea策略，曲線平滑得像用尺畫出來。我問了他三個問題：數據口徑是哪一組？樣本外測過嗎？成本算進去了嗎？他答不出任何一題。三個月後他的實盤帳戶給出了答案，回測的漂亮曲線在真實市場裡沒有重現。

這不是運氣差，而是被三個流傳最廣的迷思誤導了。迷思一，回測漂亮等於能賺錢；迷思二，勝率高等於好策略；迷思三，參數越多等於越精準。這三個迷思的共同根源，是把「歷史數據上的完美」誤當成「未來市場中的可靠」。釐清它們，比多學十個技術指標更保值。

這篇文章逐一拆解三大迷思，配上迷思與現實的八維度對照表，以及一個樣本內、樣本外期望值對比的完整算例。文末我會給出「回測三問自檢」，三個問題問完，你就能自己判斷一套回測報告可不可信。想先補回測基本功，可參考這篇EA 策略回測實戰。

迷思一：回測漂亮就等於能賺錢

回測的本質，是讓策略在歷史數據上重跑一遍。問題在於，歷史數據只有一份，而你可以把 ea策略 調到在這份數據上表現最好。調到極致時，策略學到的不是市場規律，而是這段歷史的每一段雜訊，這就是過擬合。過擬合的策略在樣本內無所不能，一離開訓練數據就原形畢露，這種現象叫樣本外失效。

判斷一套回測可不可信，關鍵不是曲線多漂亮，而是它有沒有經過樣本外檢驗。標準做法是把歷史數據切成兩段：前段用來開發與調參，後段完全封存，開發完成後才讓策略第一次接觸。樣本外表現與樣本內接近，策略才有可信度；落差巨大，前面的漂亮曲線只是自我安慰。

樣本外檢驗還有一個更嚴格的版本：用完全沒參與過開發的另一段時期，或另一個相關品種做測試。我在帶學員時要求至少兩層樣本外，時間上切一段，品種上換一個。兩層都站得住，才允許進入模擬盤階段。時間切分還有講究：兩段數據最好不要包含完全相同的行情事件，例如樣本內已經覆蓋某次大型危機，樣本外再測一次同類危機，資訊其實有重疊；真正的封存數據，應該包含樣本內沒見過的市況類型，這樣的考試才有鑑別度。

樣本外測試怎麼做才有效

樣本外測試最常見的漏洞，是偷看。很多人所謂的樣本外，其實是調完參數之後反覆在同一批「封存數據」上測試，測不好就回去改參數再測，改到好看為止。這樣做，封存數據早就透過你的決策間接參與了開發，已經不算樣本外。正確的紀律是：樣本外只許測一次，結果如何都接受；要再改，就換一段新的封存數據。紀律守不住，測試等於白做。

迷思二：勝率高就代表好策略

第二個迷思的迷惑性更強，因為高勝率看起來太討喜了。市面上不少自動化服務的宣傳頁只曬勝率數字，一套 ea策略的優劣被壓縮成一個百分比，這正是問題所在。勝率只是一半的真相，另一半是盈虧比。一套勝率九成的策略，如果賺的時候賺零點一倍風險、虧的時候虧一倍風險，只要連續錯兩筆，十筆的利潤全部吐回。評價策略的唯一標準是期望值：勝率乘平均獲利，減去敗率乘平均虧損，算出來是正的，策略才成立。

這正是風險回報比存在的意義。勝率與盈虧比是蹺蹺板的兩端：趨勢類策略常常勝率只有四成，靠盈虧比超過二取勝；逆勢類策略勝率可以高到七八成，靠的是小賺多次、偶爾大虧。單看任何一端都會誤判，想深入這條數學線，可參考這篇EA 策略風險回報比。

還有一層很少人提：勝率對心理的欺騙性。高勝率策略的虧損雖然罕見，一旦出現往往又深又痛，很多用戶正是在那筆「不該發生的」大虧之後棄用系統，偏偏錯過了後面補回來的行情。理解了期望值，你才會知道虧損是策略成本的一部分，而不是系統失效的證據。

迷思三：參數越多越精準

第三個迷思藏在工程細節裡。一套策略動輒十幾二十個可調參數，每個參數的每個取值組合，都是在向歷史數據借自由度。參數越多，曲線擬合的空間越大，回測自然越漂亮，但每一分漂亮都在透支未來。參數是描述歷史的工具，不是預測未來的水晶球。

我的經驗法則是：一套系統的可調參數，核心的不超過五個，每一個都要答得出經濟邏輯，例如止損距離對應波幅、倉位對應帳戶淨值。答不出邏輯的參數，只是給過擬合多開一扇門。參數優化時還要看參數高原：好策略的表現應該在參數的鄰域內都穩定，而不是只有某一個精確取值特別好。只有一個點好、旁邊全塌，這個點幾乎必然是歷史的巧合。

把參數高原講得更具體：假設一套 ea策略 的均線週期參數，在二十這個取值回測最佳，那就把十八到二十二一起測一遍。如果這一段的表現都差不多，說明策略捕捉的是一段真實存在的市場節奏；如果只有二十特別好，二十二就明顯走樣，這個最佳值多半經不起未來檢驗。高原寬不寬，比峰值高不高更值得看。

一張表看懂迷思與現實的差距

三大迷思拆完，用八個維度把常見迷思與現實並排對照，方便逐項自檢：

這張表最後一行把三個迷思連成了一句話：迷思的解藥都是同一味，用可驗證的數據流程取代直覺。與其記住八行結論，不如記住接下來的三問自檢。

完整算例：樣本內與樣本外的期望值對比

現在用數字把迷思一與迷思二一起拆掉。假設一套 ea策略 回測一百筆，每筆風險一個單位（1R），盈虧比 1.5，樣本內勝率七成。期望值怎麼算：七十筆獲利，每筆一點五倍風險，共一百零五個單位；三十筆虧損，共三十個單位；淨利七十五個單位，平均每筆期望正零點七五倍風險。這條曲線放在任何人都會心動。

同一套策略換到樣本外一百筆，勝率跌到四成五。四十五筆獲利共六十七點五個單位，五十五筆虧損共五十五個單位，淨利只剩十二點五個單位，平均每筆期望正零點一二五倍風險。期望值縮水超過八成，這就是過擬合的典型樣貌。

還沒完，把成本算進去。假設每筆點差與滑點合計零點一五倍風險：樣本內每筆期望變成正零點六倍風險，依然豐厚；樣本外每筆期望變成負零點零二五倍風險，一百筆下來淨虧二點五個單位。同一套系統，樣本內與樣本外、含成本與不含成本，結論完全反轉。回測報告不寫清楚這幾項，等於什麼都沒說。

順帶用同一組數字拆掉迷思二：如果另一套策略樣本外勝率同樣四成五，但盈虧比做到二，淨利就是四十五筆乘二減五十五筆乘一，共三十五個單位，平均每筆正零點三五倍風險，扣成本後仍為正。勝率完全相同的兩套策略，好壞可以差出一個世界，這就是只看勝率的代價。

這個算例還有一個實務提醒：樣本內與樣本外的落差幅度，本身就是診斷訊號。落差在兩成以內，多半是正常的市場狀態變化，策略仍可用；落差超過五成，像本例從零點七五跌到零點一二五，過擬合的可能性就很高，值得回到開發階段簡化參數重驗。落差大到扣完成本轉負，結論只有一個：這套策略從來沒有真正有效過，之前的漂亮曲線只是歷史的回聲。

回測三問自檢：拿到報告先問三題

把前面的內容收攏成一個自檢框架。往後任何一套 ea策略 的回測報告放到你面前，無論是自己做的還是別人推銷的，先問三個問題。第一問，數據口徑是哪一組：回測用的報價與實盤同源嗎？歷史深度夠嗎？第二問，樣本外測過嗎：數據有沒有切分？封存段是不是真的只測了一次？第三問，成本算進了嗎：點差、滑點、隔夜息有沒有按實盤條件扣除？三問全過，報告才有討論價值；任何一問答不上來，就當作還沒有證據。

三問自檢的價值在於成本低、殺傷力大。市面上大量推銷的現成策略服務，經不起第一問；自己做的回測，最常死在第三問。把三問變成習慣，你在選策略這一步就已經贏過大多數人。我每學期帶新班時，都會讓學員互相交換回測報告做三問互審，第一次通常一半以上的報告當場出局，這個體驗比講十堂課都深刻。選擇層面還有更完整的判斷框架，可參考這篇EA 交易策略怎麼選。

最後一句防詐騙提醒：凡是展示完美曲線、把回報說得天花亂墜的銷售話術，都值得先查證再相信。美國 CFTC 降低外匯詐騙風險的指引把虛假績效與誇大收益列為典型詐騙訊號，黃金與外匯都是槓桿產品，按投委會對槓桿式外匯的基本認識，槓桿同時放大盈利與虧損，任何淡化風險、只談勝率的包裝都與槓桿產品的本質矛盾。選用任何自動化服務前，先到證監會無牌公司警示名單核對平台資質。

常見問題

問：回測多久算夠長？一年的數據夠嗎？

答：建議至少涵蓋幾年，並且包含不同市況，趨勢段、震盪段與急跌段都要有。只測單邊行情的回測，等於只在晴天測雨傘。

問：樣本外勝率掉很多，策略還能救嗎？

答：先別急著加參數補救，那通常會讓過擬合更嚴重。正確做法是回到樣本內，簡化參數、確認經濟邏輯，再用全新的封存數據重新驗證一次。排查的每一步都要有數據依據，不能靠感覺跳步。

問：勝率多少才算及格？

答：勝率本身沒有及格線，要跟盈虧比合看。勝率四成配盈虧比二，比勝率七成配盈虧比零點五更健康，判斷標準只有期望值一個。

問：參數優化軟件跑出來的最佳組合，可以直接用嗎？

答：不可以直接用。優化結果只是歷史最優，必須經過樣本外檢驗與參數高原檢查，確認鄰近取值也穩定，才考慮進入模擬盤。

問：我自己回測，成本該怎麼設？

答：用你實際平台的點差，加上一個保守的滑點估計，寧可高估不可低估。數據公布時段的點差擴大也要考慮，具體數值可以從模擬盤成交紀錄統計出來。

問：完全不懂統計，也能自己驗證回測嗎？

答：可以。回測三問不需要統計學基礎，只需要紀律：查數據來源、切樣本外、扣成本。把這三個動作固定成流程，大部分人為的偏差都能擋在門外。

立即 WhatsApp 聯繫小風團隊免費諮詢：+852 5378 5383

網站：https://aitrading.ace-fortune.com/EA

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。