外匯黃金自動交易績效評估:兩個品種該分開算還是合起來算

外匯黃金自動交易績效評估:兩個品種該分開算還是合起來算

2026-11-03

作者:小風|Ace Fortune 領財智庫首席交易員兼 AI Trading Academy 專業導師

分開算。勝率、盈虧比、最大回撤這三樣,兩個品種各算一份。合起來只留一條線:淨值。

這個結論不是坐在會議室想出來的。我跑 外匯黃金自動交易 的頭兩年,把兩條腿的數字併成一張表。表很漂亮,淨值也向上,我以為我的系統真的做起來了。第三年翻舊紀錄,才看到黃金那條腿從第一季就開始漏。

漏得不快。慢到只看合併數字,你根本看不出來。慢到你會以為那是正常波動。

所以這篇不談怎麼調參數,也不談哪個品種更好。只談一件事:同一份成交紀錄,用兩種算法拆開,會得出兩個完全相反的行動結論。一個叫你關掉整組,一個叫你只關一條腿。

三個數字必須分開算,只有淨值可以合起來

勝率的分母是筆數。兩個品種的筆數差得遠,黃金一年兩百多筆,外匯可能只有一百多筆。混在一起算,分母就成了一個四不像的數字,算出來的比率不屬於任何一邊,你也沒辦法拿它跟自己的歷史比。

盈虧比同理。平均賺多少、平均蝕多少,兩條腿的形狀完全不同。合併之後,一邊的高勝率會蓋住另一邊的低盈虧比,而這兩件事在報表上長得一樣。這是 外匯黃金自動交易 最容易失守的一格,因為多數報表預設就是合併輸出。

最大回撤最會騙人。兩條腿的坑通常不會同時挖,合併淨值的回撤就顯得淺。那個淺不是風險變小,是兩個坑錯開了時間,而你無法保證下一次它們還會錯開。

只有淨值可以合。帳戶裡真的只有一個數字,這個數字不拆分。它的用途是回答「我現在有多少錢」,不是回答「哪條腿在拖後腿」。

報表預設合併,不是因為合併正確,是因為合併容易。它只要讀一個帳戶淨值,而分品種要你把每一筆成交歸類。多一道工序,就少一半人做,所以大部分人看到的第一個數字,是錯的那個。

勝率、盈虧比、最大回撤,各看什麼

看勝率要配一條線,叫打平勝率。算法是 1 除以(1 加盈虧比)。盈虧比 1.6 的品種,打平勝率是 1 ÷ 2.6 = 38.5%。勝率低於這條線,做多少都是白做,補救方法只有一個:把盈虧比拉上去。

盈虧比小於 1 的品種,這條線高得嚇人。盈虧比 0.58,打平勝率是 1 ÷ 1.58 = 63.3%。你要贏六成三才不虧,少一個百分點都是慢性失血,而且整個過程沒有痛感。

最大回撤要按 R 算,不要按金額算。金額隨倉位變,R 不會,所以只有 R 口徑的回撤可以在兩個品種之間比較。1R 怎麼定,我在講 用 ATR 換算倉位 那篇拆過,這裡不重複。

舉個例。假設一條腿全年最大回撤 15%,另一條 18%,兩個坑完全不重疊,合併回撤就會落在 11% 附近。這 11% 不是你的風險,是你的運氣。下一年兩個坑撞在一起,回撤就是 20% 以上,而你會以為系統突然變差。

兩條曲線一前一後各自下探,合併後只剩一段較淺的低谷。

合起來的夏普比率,能信嗎?

合併之後夏普會變好看。這是數學必然,不是策略變強,兩者要分清楚。

夏普是報酬除以波動。兩條腿的報酬直接相加,波動卻會因為方向不同而互相抵消一部分。分子照加,分母打折,比值自然上升,而整個過程裡你的系統一個參數都沒改。

假設兩條腿各自的夏普都是 1.0,相關性 0.2。合併夏普約等於 1.0 × √(2 ÷ 1.2) = 1.29。同一個系統,報表上的夏普多了 29%,而這 29% 沒有一分錢是新的盈利能力。

這個 1.29 只在相關性 0.2 成立時才算數。壓力期相關性跳到 0.6,合併夏普掉回 1.0 × √(2 ÷ 1.6) = 1.12。你以為的 1.29,其實是市況借給你的,它會在最需要的時候收回。

還有一層。相關性是用歷史資料估出來的,估得越短越不穩。你用三個月日報酬算出的 0.2,可能只是剛好那三個月美元沒動,樣本一換,數字就換。

所以這條數字,我不拿來做決定。它回答的是組合問題,不是策略問題。拿組合的答案去修策略,方向一開始就錯了。

合併績效怎樣掩蓋單品種的虧損?

下面這組數字是假設,用來示範算法,不是實績。樣本期一年,共 400 筆。外匯 160 筆,黃金 240 筆。1R 定為帳戶風險預算的 0.5%,這個口徑讓後面的 R 可以直接換成帳戶百分比。

外匯這一邊:勝率 45%,平均賺 1.6R,平均蝕 1R,每筆成本 0.03R。黃金這一邊:勝率 62%,平均賺 0.7R,平均蝕 1.2R,每筆成本 0.08R。成本差距不是隨意設的,黃金的點差與滑價對波動更敏感,投資者及理財教育委員會 講槓桿產品時也提醒,槓桿會把成本與風險同步放大,這一條在黃金上尤其明顯。

先算外匯。0.45 × 1.6 = 0.72,0.55 × 1 = 0.55,扣掉成本 0.03。每筆期望 = 0.72 - 0.55 - 0.03 = 0.14R。全年 = 160 × 0.14 = 22.4R。

再算黃金。0.62 × 0.7 = 0.434,0.38 × 1.2 = 0.456,扣掉成本 0.08。每筆期望 = 0.434 - 0.456 - 0.08 = -0.102R。全年 = 240 × (-0.102) = -24.48R。

合起來。全年 = 22.4 - 24.48 = -2.08R。每筆 = -2.08 ÷ 400 = -0.0052R。合併勝率 = (160 × 0.45 + 240 × 0.62) ÷ 400 = (72 + 148.8) ÷ 400 = 55.2%。

注意這組假設裡最不起眼的一項:每筆成本 0.08R。它佔黃金每筆虧損的 78%(0.08 ÷ 0.102 = 78%)。成本由 0.08R 升到 0.12R,每筆期望變成 0.434 - 0.456 - 0.12 = -0.142R,全年 -34.08R。合併看,這只是數字難看一點;拆開看,那是一條腿在加速流血。

把 外匯黃金自動交易 的兩條腿放到同一張紙上,過程就是這麼樸素。算完你會發現,誤導不在數字本身,在於你把兩個形狀完全不同的分布壓成了一個,而壓縮的過程沒有留下任何痕跡。

一個把 +22.4R 算成 -2.08R 的算例

先看合併的版本。勝率 55.2%,看起來健康。盈虧比大約 0.90,打平勝率 1 ÷ 1.90 = 52.6%。55.2% 高於 52.6%,帳面上還贏 2.6 個百分點。

可是成本一年吃掉 24R。毛利期望 21.9R 減 24R,結果就是負的。合併報表給出的訊號是「這套東西勉強可以,再調調參數就好」,於是你不會去查那條真正漏錢的腿,只會繼續優化一個本來就健康的部位。

拆開看是另一回事。外匯打平勝率 38.5%,實交 45%,高出 6.5 個百分點,每筆穩定賺 0.14R。黃金打平勝率 63.3%,實交 62%,差 1.3 個百分點,一年 240 筆就是 -24.48R。注意這 1.3 個百分點,它小到任何一次月結都不會讓你想停手。

勝率最高的那條腿,是虧錢的那條。62% 對 45%,沒拆開之前你看不出來,因為合併數字只給你 55.2%,而 55.2% 聽起來像一件好事。

如果那一年只做外匯,全年 22.4R,乘以 0.5% 等於帳戶 11.2%。合併算是 -2.08R,等於 -1.04%。同一套系統、同一批成交紀錄,兩種算法相差 12 個百分點,而這個差距不會出現在任何一份月結單上。

項目 外匯(160 筆) 黃金(240 筆) 合併(400 筆)
勝率 45% 62% 55.2%
盈虧比 1.60 0.58 0.90
打平所需勝率 38.5% 63.3% 52.6%
每筆成本 0.03R 0.08R 0.06R
每筆期望 +0.14R -0.102R -0.0052R
全年結果 +22.4R -24.48R -2.08R

表格右邊那一欄,就是多數人看到的全部。左邊兩欄才是決策依據,而它們要你自己動手才算得出來。

這段盈利到底是誰賺的

合併報表只告訴你賺或蝕。它不會告訴你錢從哪條腿來,也不會告訴你那筆錢是不是可以被複製。

我評 外匯黃金自動交易 的績效,歸因用三個標籤。每筆成交打上品種、時段、波動等級,月底按標籤分組算 R。三十分鐘的事,比看一整晚淨值曲線有用,因為曲線只給形狀,標籤給原因。

三個標籤之外,我還加一欄:這筆單進場的理由。理由寫不出來的單,通常就是那兩成貢獻八成 R 的單,因為它們沒有規則可以複製,下一次不會再出現。

歸因第一步是集中度,我每次覆盤都先看這一格。如果一條腿八成的 R 來自兩成的單,那條腿靠的是幾次運氣,不是系統。這種曲線在實盤裡會斷,而且通常斷在你加大倉位之後。

時段標籤比品種標籤更早給答案。同樣是黃金,倫敦盤與亞洲盤的期望可以是兩個不同的數字,一個正一個負。合併起來,它們互相抵消,看起來就是不賺不蝕,於是沒有人去處理那個負的。

再看成本歸因。上面那組數字,黃金成本 240 × 0.08 = 19.2R,外匯成本 160 × 0.03 = 4.8R。黃金佔了總成本 24R 的八成,而它只佔六成的筆數。這兩個比例不對稱,就是不划算的定義。

成本歸因比分品種歸因更早給訊號。因為成本是確定的,報酬不是。一個確定在漏的東西,比一個可能賺的東西值得先處理。

我現在看到 62% 勝率的品種,第一件事是算打平勝率。算完對不上,這一單我不做。

歸因還有一個前提,成交紀錄本身要可信。你在報表上算得再準,如果成交價不是你以為的成交價,整張表都是假的。選平台之前先查一步,證監會的無牌公司警示名單 是公開的,五分鐘能看完。

什麼情況下可以合起來看?

兩個條件要同時成立。相關性長期低於 0.3,而且兩條腿由不同的因子驅動。

少一個都不行。相關性低可以是真的低,也可以是還沒遇到壓力,這兩種在報表上長得一模一樣,只有壓力來的時候才分得出。

我自己的門檻是連續兩年、四個滾動半年,相關性都在 0.3 以下。短於兩年的觀察,我當作沒看到。

相關性低不等於策略獨立

外匯做多非美貨幣,黃金做多。看起來是兩個品種,實際是同一件事:賭美元走弱。

平時這兩條腿的日報酬相關性可能只有 0.2。美元一動,兩條腿同時反向,相關係數兩週內跳到 0.6 以上。你以為的分散,是同一種風險的兩件外套,而且兩件都是薄外套。

CFTC 關於外匯風險的投資者提示 講得很直白,要先弄清楚每一項風險從哪裡來。放在這裡就是:先問兩條腿是不是同一個因子,再談要不要合併。次序反了,合併只會讓你安心,不會讓你安全。

還有一種情況我絕對不合併。兩條腿持倉時間不同,一條日內、一條波段。回撤看起來錯開,那是持倉週期造成的時間差,不是分散,這種錯開不會在壓力期救你。

分開算之後,該盯哪幾個數字?

每個品種一張表,七個欄位。這張表比合併報表難看,難看是好事,它至少是真的。

欄位 怎麼算 警戒線
筆數 該品種全年成交次數 少於 100 筆先別下結論
勝率 獲利筆數 ÷ 總筆數 低於打平勝率即是虧
盈虧比 平均獲利 R ÷ 平均虧損 R 低於 1 要配極高勝率
每筆期望 勝率 × 盈虧比 − 敗率 − 成本 連續兩季為負就停
成本佔比 總成本 R ÷ 總毛利 R 超過四成,結構有問題
最大回撤 以 R 計的淨值最大回落 超過全年期望 R 的三倍要減倉
集中度 前兩成單的 R ÷ 總 R 超過八成,績效不穩

七個欄位裡,筆數和成本佔比是最早看得動的兩個。它們不需要等樣本,也不需要等行情,隨時打開帳戶就能算。

還有一樣不在表裡:決策紀錄。每次停一條腿、加一條腿,寫下日期與理由。半年後回頭看,你會發現大部分調整是因為月度噪音,不是因為策略失效。

風險那一端,我在 自動交易的風險管控 寫過另一套框架,兩張表可以配著用。這張管歸因,那張管暴露,不要用同一張表兼顧兩件事。

多久算一次才夠?

頻率要配樣本。樣本不夠,算出來的數字只是噪音,而噪音會讓你做出比不做更差的決定。

所以我把月結的用途降級了。它只做一件事:確認系統還在按計畫運行。判斷留給季度,改動留給事件後,兩者不要混。

黃金一年 240 筆,除以 12 個月,每月 20 筆。20 筆的勝率,抽樣誤差比你想的大。這個月 62%、下個月 55%,可能只是同一件事抽了兩次,不代表策略退化。

要湊到 100 筆,240 ÷ 12 = 20,100 ÷ 20 = 5。黃金要五個月才夠一次像樣的檢視。外匯更慢,160 ÷ 12 = 13.3,需要七個多月。這就是為什麼按品種拆開之後,外匯黃金自動交易 不能再沿用月結的節奏去下判斷。

月度、季度、事件後,三種節奏

月度只看兩樣:筆數和成本。這兩樣每一筆都發生,樣本等於筆數,20 筆夠用。筆數掉出計畫範圍,先查執行有沒有斷,不要先改參數。

季度看勝率、盈虧比、每筆期望。這三樣需要樣本,一季三個月剛好。不足一季就下判斷,等於在看噪音,然後你會為噪音改一次參數,把本來正常的系統改壞。

事件後看回撤。美元急升、利率決議這類日子過完,單獨把那兩週切出來,比兩條腿的同步程度。這一段不用等樣本,你要看的是極端值,不是平均值。

三種節奏要寫進日曆,不要靠記憶。記憶會把月結和季度混在一起,然後你在樣本不足的時候動了參數。

攤開的行事曆上,三處間隔長短不一的格子被圈起,旁邊擺著翻開的筆記本。

落點:明天早上打開報表做這一個動作

把 外匯黃金自動交易 過去十二個月的成交紀錄拉出來,按品種分成兩張紙。各算四樣:勝率、盈虧比、每筆期望、成本佔比。三十分鐘做完,不需要任何軟件。

如果兩張紙算出來的結果跟你的印象相反,先信紙,不要信印象。印象是合併報表餵給你的。

做完只會看到兩個結果。兩條腿都健康,繼續合併看淨值,但每季仍要拆一次。有一條腿的期望為負,停那條腿,別停整組,這是最容易做反的一步。

一個月後再算一次,看兩個數字有沒有變。變的是成本,去查平台;變的是勝率,去查執行;兩個都沒變,就不要動它。

合起來算的績效,不能拿來做開關。它只回答帳戶現在多少錢,不回答哪條腿該留。

這條我沒有保留。除非兩條腿的相關性連續兩年低於 0.3,而且我能證明它們由不同因子驅動,否則兩個品種的績效一律分開算,我自己也是這樣做的。

立即 WhatsApp 聯繫小風團隊免費諮詢:+852 5378 5383 網站:https://aitrading.ace-fortune.com/algo-trade-hk

常見問題

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。

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