「回測曲線很漂亮，策略是否就代表有效？」這是我最常被問到的問題。很多人以為回測等於驗證，只要歷史表現亮眼，策略就經得起考驗。實際上，回測只是把策略放上歷史數據的考場，而考卷有兩種：一種是策略見過的題目，一種是從未見過的題目。只考前者、不考後者，成績再好也說明不了實力。理解這個分別，正是 量化交易 入門最重要的一課。
過擬合是回測最大的陷阱：把參數調到完美契合歷史數據，回測成績自然漂亮，但這種成績來自背答案，不是懂原理。我在 USIC 全美投資大賽見過不少參賽者，回測年化回報超過三成，實盤幾個月就大幅虧損，原因幾乎都是過擬合。這裡要先澄清一個重要觀念：一條看起來完美的回測曲線，往往不是策略太優秀，而是模型記住了太多歷史細節。要避開這個陷阱，需要完整掌握四件事：回測的基本原理、樣本內外的設計、過擬合的識別方法，以及解讀報告的四大指標。
回測是什麼：把策略放上歷史數據的考場
回測指用歷史數據模擬策略的執行過程，逐筆記錄買入、賣出、持倉與盈虧，最後統計勝率、回撤等數字。它回答一個核心問題：如果過去十年用這套規則交易，結果會如何。答案不能保證未來，卻能淘汰大量想當然的規則。沒有經過回測的策略，只是主觀猜測的另一種形式。
在 量化交易 的完整流程中，回測位於假設與實盤之間，是承上啟下的關卡。假設提供方向，回測提供證據，實盤提供最終考驗。對香港投資者而言，近年不少零售平台內建回測功能，門檻大幅下降，但工具普及不代表方法普及，多數人仍然只按一下執行回測，然後對著漂亮的曲線發呆。
宏觀環境本身也在改變。金管局的基本利率跟隨美國利率調整，可參考金管局基本利率機制的說明；利率週期轉換會令舊策略失效，這正是回測除了要涵蓋不同市況，也必須定期重新檢討的原因。
回測還有一個常被忽略的前提：歷史數據本身要乾淨。除息、拆股、停牌都要正確調整，否則價格上會出現虛假的跳空，策略在這種數據上回測出來的是幻覺。更重要的是倖存者偏差：如果只用目前仍在交易的股票回看歷史，等於拋棄了早已倒閉或退市的標的，過去表現自然被大幅高估。要得出可信結論，必須先檢視數據清洗與樣本完整性，再談其他的數字。
樣本內與樣本外：回測設計的分水嶺
嚴謹的回測必須把歷史數據切成兩部分。樣本內用於開發與調參，樣本外用於驗證。標準做法是先保留最後兩至三年數據完全不碰，只在前面數據上測試；策略定型後，才把樣本外數據拿出來跑一次，看看成績是否仍然成立。
這個設計的邏輯很簡單：策略如果在見過的題目上得高分，可能只是記性好；只有在沒見過的題目上仍然穩定，才稱得上真正理解市場。樣本外成績明顯遜於樣本內，是最常見的過擬合訊號。我自己的開發流程中，樣本外測試不合格的策略，一律不會進入下一步。
更嚴謹的做法是滾動驗證，也有人稱之為走步驗證。做法是把回測視窗向前滾動，每推進一段時間就用新的數據重新測試一次，而不是只在一個固定的樣本外區間賭一次。連續多輪都維持相近表現的策略，可信度才會真正建立起來；單靠一次樣本外測試就下結論，仍然可能被運氣矇騙。
過擬合陷阱：參數尋優如何製造虛假神話
過擬合指策略過度貼合歷史數據的雜訊，把偶然當成規律。最常見的來源是參數尋優：把均線週期、止蝕距離、持倉時間等參數逐個試，直到回測曲線最漂亮。參數愈多、試的組合愈多，過擬合風險愈高。組合試得夠多，總能找到一組完美成績，但那只是數據挖掘的必然結果。
識別過擬合有幾個實用方法。第一，樣本外測試，前面已說明。第二，穩健性測試：把參數輕微改動，例如均線從 20 日改成 21 日，如果成績大幅走樣，代表策略對參數過度敏感。第三，交易次數合理性：真正有效的策略，交易次數通常足夠多，靠三、五次交易撐起的高勝率沒有統計意義。
想從源頭壓低過擬合風險，最有效的方法是控制參數數量。一個需要七八個參數同時成立才見效的策略，在有限的歷史數據上幾乎必然過擬合。正確的順序是先確立策略邏輯與合理的參數範圍，再讓回測去驗證；而不是在大量參數組合中反覆搜尋最亮眼的一組。順序一倒轉，就墮入曲線擬合的漩渦，成績再漂亮也只是自欺。
我在 USIC 比賽中看過一個典型案例：某參賽者的回測勝率接近八成，實盤卻連續虧損。拆解後發現，他的策略在十年數據上只交易了 11 次，其中兩次大賺撐起全部成績，正是過擬合的典型形態。真正值得信賴的策略，邏輯必須能解釋為什麼有效，而不只是數字好看。這份判斷力，正是 量化交易 與亂試式投機的最大分別。
四大指標：勝率、盈虧比、最大回撤與夏普比率
一份合格的回測報告，至少要看四個數字，缺一不可。
勝率是盈利交易佔總交易的比例。勝率 60% 看似不錯，但如果平均每次賺 1 元、蝕 2 元，長期仍然虧損。因此勝率必須與盈虧比一起看：平均盈利與平均虧損的比例為 1.5 時，配合勝率 50%，期望值已為正；勝率再高、盈虧比不足 1，系統長期仍然蝕錢。
最大回撤指帳戶從高峰跌落的幅度，是最重要的風險指標。年化回報 20% 很吸引，但若中間經歷 40% 回撤，實盤中大部分人都會中途放棄，心理承受力必須計入策略設計。槓桿會進一步放大回撤，正如投委會 IFEC 對槓桿式外匯的風險教育所提醒，按金交易下虧損可以遠超本金比例。所以回測報告一定要標明最大回撤發生的時間段，讓你知道那段最難捱的日子到底有多深。
夏普比率衡量每承受一單位波動換取多少回報，一般高於 1 屬於可接受，高於 2 已屬優秀。它的好處是把回報與波動放在同一把尺上量度：兩個策略年化回報同樣是 15%，波動較小那個夏普比率更高，實盤中也更容易被堅持執行。
我見過不少投資者只看勝率，忽略回撤與盈虧比，結果被高勝率誤導。四個指標要一起讀：勝率與盈虧比看期望值，回撤看風險，夏普看效率。回測報告如果只列勝率不列回撤，這份報告本身就要打問號。學會讀懂這四個數字，是 量化交易 的基本功。
實戰操作：五步完成一次嚴謹回測
理論講完，落到操作層面。一次嚴謹的回測可以拆成五步，每一步都有容易犯的錯誤。
第一步，確立假設。先想清楚策略背後的邏輯，例如趨勢形成後會延續，再決定用甚麼規則捕捉它。沒有邏輯、純粹從數據中拼湊的規則，是過擬合的溫床。
第二步，準備數據。歷史數據要夠長、品質要高，最好包含不同市況，例如牛市、熊市與橫盤。除息、拆細要正確調整，否則回測會被虛假價格波動污染。開戶前亦應查證服務提供者是否持牌，正如證監會 SFC 的無牌公司警示名單所示，市場上確有無牌機構以 AI 交易之名招攬客戶。
第三步，設定規則。把買賣條件、倉位大小、止蝕止賺寫成明確規則，一次只測試一個變數，不要同時改動多個參數。
第四步，執行回測並記錄。用樣本內數據測試，記錄每一筆交易的入場、出場與盈虧，統計四大指標。
第五步，樣本外驗證與檢討。用未參與開發的數據重跑一次，對比兩組指標；若樣本外明顯遜色，回到第一步重新思考假設，而不是繼續微調參數。這五步循環往復，就是 量化交易 開發的真實節奏。
整個流程中，還有一件事要在每一步都記住：交易成本。真實市場存在買賣價差、佣金與滑點，回測若假設可以永遠按理想價格成交，利潤會被明顯高估。穩健的做法是把來回成本按 0.1% 至 0.2% 計入每一筆交易，再觀察策略是否仍然賺錢。成本對短線策略的殺傷力尤其大，一次疏忽就可能令整套系統由盈轉虧。
完整算例：均線交叉策略十年回測的樣本內外對比
用一個具體例子說明整套流程。假設我想驗證一個簡單的均線交叉策略：20 日均線上穿 60 日均線時買入盈富基金（2800.HK），下穿時賣出，全程不設槓桿。我取得 2009 至 2019 年共十年的日線數據，保留最後三年作為樣本外，其餘七年作為樣本內。
樣本內的回測結果：七年共交易 57 次，勝率 58%，平均盈利與平均虧損比例為 1.4，年化回報 11.2%，最大回撤 18%，表面成績不俗。接著用樣本外三年數據重跑同一套規則：交易 22 次，勝率跌至 47%，盈虧比降至 0.9，年化回報只有 3.8%，最大回撤擴大至 26%。同一套規則，在未見過的市場中表現明顯遜色。
如果此時選擇優化，把均線參數從 20/60 微調至 18/57，樣本內年化回報可以升到 15.6%，看似解決了問題。但用樣本外數據再測一次，年化回報反而跌到 1.2%。這就是過擬合的完整證據：參數在樣本內越貼合，樣本外越脆弱。回測的真正價值不在證明策略有效，而在及早發現策略無效，省下實盤的虧損學費，這正是 量化交易 最核心的紀律。
這個算例還帶出一個務實的結論：樣本外表現下滑，不代表策略要馬上丟棄，而是提醒你要調低倉位、加入濾網，或縮短持倉時間。回測提供的不是一個「可行」或「不可行」的答案，而是一組可供判斷的證據。把樣本內外兩組數字並排比較，再對照自己的風險承受能力，決定才不會憑感覺。這套比較的思維，比起任何一次性的漂亮成績都更值得保存。
行動清單：五個具體步驟
想開始驗證自己的策略，可以按以下五步行動。
1. 選一個簡單策略，例如雙均線交叉，先跑通整個流程，不要一開始追求複雜模型。 2. 準備最少五年歷史數據，確保涵蓋升市、跌市與橫盤市況。 3. 預留最後兩至三年作樣本外，開發期間完全不碰。 4. 回測後記錄四大指標，並做參數穩健性測試，確認策略不依賴特定數值。 5. 樣本外成績與樣本內明顯落差時，回頭檢討假設，不要繼續微調參數。
常見問題
問：回測曲線很漂亮，為什麼實盤卻虧錢？
答：最常見的原因是過擬合：參數過度貼合歷史數據，把偶然當成規律。其次，回測往往忽略交易成本與滑點，令利潤虛高。分辨方法很簡單：看樣本外成績，再看實盤起步階段與回測預期是否接近。若兩者落差明顯，多數情況下是回測本身有漏洞，而不是實盤運氣差。
問：回測勝率要多少才算合格？
答：沒有絕對標準，勝率必須與盈虧比一起看。勝率 40%、盈虧比 2 的策略，長期期望值為正；勝率 70%、盈虧比 0.5 反而蝕錢。實務上我會先用一個簡潔的公式估算期望值：勝率乘平均盈利，減去失敗率乘平均虧損，結果為正才算有立足點。與其追求勝率，不如確認整套系統期望值為正，並做好回撤控制。
問：不懂編程可以做回測嗎？
答：可以。不少平台內建回測功能，只要會設定買賣條件就能起步，進階再用 Python 配合數據庫做更複雜的分析。重點是先掌握樣本內外與過擬合這些概念，工具反而是次要的。
問：回測需要多少歷史數據才夠？
答：一般建議最少五至十年，並涵蓋不同市況。數據太短，統計樣本不足，結論不可靠；數據太舊，市場結構已變，參考價值下降。十年日線數據是較平衡的起點。
問：回測和模擬交易有什麼分別？
答：回測是讓策略在歷史數據上重跑，速度快、成本低，但無法反映真實滑點與執行環境；模擬交易用即時行情測試，環境較接近實盤，但需要較長時間才累積到足夠的交易樣本。兩者互補：先回測淘汰明顯無效的規則，再用模擬交易驗證執行細節。我的建議是回測與模擬各跑一段時間，兩者的結果都偏離預期時，就應回到源頭檢討策略本身，而不是一味調整參數。
準備好以量化方法系統化你的交易？立即 WhatsApp 聯繫小風團隊免費諮詢：+852 5378 5383
網站：https://aitrading.ace-fortune.com/quantitative-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。
