部落格
策略工廠手記
你回測裡的美元其實是 USDC。3 月 11 日它只值 87 美分。
我們把權益曲線標成美元。帳戶卻是 USDC，而那個週六 USDC 並不是一美元。
閱讀全文 →
如何為回測暖身，卻不把回看期算進績效？
未完成的指標、裁掉曲線卻留下部位，以及拿 30 天暖身去套 8 小時特徵。把這些抓出來的重啟檢查。
閱讀全文 →
我們在 Binance 回測、在 Bybit 模擬交易。優勢其實是領先落後。
我們在 Binance 研究 BTC，在 Bybit 模擬交易。回測並非過於樂觀。它只是在看一條更快的行情帶。
閱讀全文 →
對沖讓我們回測的交易成本翻倍
選擇權交易很少，標的對沖卻每次價格一動就交易。以下是我們如何找出選擇權回測中漏算的成本。
閱讀全文 →
回測裡的空單正在獲利。自動減倉還是把它平掉了。
強平是你保證金用盡時發生的事。ADL 是對方保證金用盡時發生的事，而當時賺錢的人是你。
閱讀全文 →
訊號判斷正確，我們的選擇權回測卻買錯到期日。
訊號指向買權價差。回測挑了事後看來流動性最佳的到期日。我們追查後發現，問題出在一個不起眼的日曆資料連接。
閱讀全文 →
你的選擇權回測用了從未成交過的中間價
中間價可以是合理的價值估計，卻可能是糟糕的成交假設。以下介紹 3 種中間價與實際成交之間的落差，如何悄悄灌水選擇權回測績效。
閱讀全文 →
為什麼我的回測一直替換選擇權資料？
同一套選擇權策略，使用「同一份」歷史資料也可能得出不同結果。以下說明如何判斷封存資料中的市場紀錄是否變了，以及該保存哪些資訊，才能讓下一次執行的結果說得清楚。
閱讀全文 →
加入更多市場後，回測 Sharpe 可能上升
更廣的市場範圍看起來像是分散投資。在策略搜尋期間，它也可能代表多了一批試驗。以下說明如何分辨兩者。
閱讀全文 →
為什麼再平衡頻率越高，回測結果看起來越好？
每日再平衡能更快捕捉訊號，也可能把優勢都花在交易上。以下說明如何衡量額外交易是否值得。
閱讀全文 →
資料變差時，策略的 Sharpe 比率反而可能提高
一筆可疑的 tick 可能是錯誤成交，也可能是揭露策略脆弱性的關鍵觀測值。資料清理需要稽核軌跡，不能只求讓權益曲線更漂亮。
閱讀全文 →
資料供應商改寫歷史資料後，我們重建了回測
只隔 6 週，同一份策略程式碼和日期範圍就跑出不同的資產曲線。我們追查後發現原因是市場資料經過修訂，於是重建實驗，確保能辨明究竟變了什麼。
閱讀全文 →
你的策略跑了 240 次試驗。你實際做了幾次回測？
你試了 240 組參數，最後留下勝出的那組。它的 Sharpe 是 2.1。真正重要的問題是，你給了雜訊多少次機會，讓它看起來像是優勢。
閱讀全文 →
收取期貨部位轉倉成本後，策略就不再奏效了
我們的跨月價差看起來毫無問題，直到近月合約到期。接著，回測就在一個沒人能成交的價格上替部位轉倉。
閱讀全文 →
再平衡看似便宜，直到我們算進買賣價差
回測只計入 4 個基點的手續費。價差和市場衝擊卻讓再平衡成本超過 20。以下是我們如何找出遺漏成本的過程。
閱讀全文 →
如何回測以每日訊號交易的策略？
每日 K 線提供價格和日期，卻不會告訴你策略何時得知收盤價。以下說明如何回測每日訊號，避免假設策略能以不可能的價格成交。
閱讀全文 →
我們讓 AI 研究代理最佳化一套策略，研究日誌卻沒那麼精彩
代理找到 Sharpe 值達 4.1 的策略。接著我們統計嘗試次數、凍結搜尋，再看著結果縮小到真正能評估的程度。
閱讀全文 →
你的 AI 研究代理已看過測試集：分數遭污染的 3 種方式
當測試集的結果左右下一次實驗，它就不再是測試集。以下介紹研究代理悄悄從中學習的 3 種方式，以及如何讓評分維持公正。
閱讀全文 →
如何測試策略優勢能否承受更高的交易成本？
別只問策略能否承受「合理的成本」。要衡量它能吸收多少成本、哪些假設最關鍵，以及優勢會在哪裡消失。
閱讀全文 →
為什麼回測需要下市紀錄帳簿
如果公司從回測中消失，它的最終報酬也可能跟著消失。3種常見的取巧做法，會讓已倒下的股票變成看不見的贏家。
閱讀全文 →
回測發現 20% 超額報酬：有多少來自一個錯誤時間戳？
20% 的回測超額報酬，可能來自當時沒有人能得知的一個數字。以下說明如何查明修訂、延遲發布或供應商回補資料，是否正在替你執行交易。
閱讀全文 →
我們拆解了一次買錯合約的預測市場回測
回測買進了「法案會通過嗎？」但究竟是哪一項法案、截止日期是何時，又由誰來判定結果？我們剖析合約身分識別失誤，看看它們如何讓一場俐落的預測市場重播，變成另一筆賭注。
閱讀全文 →
讓獲利永續合約交易賠錢的資金費用
一筆 BTC 永續合約交易方向看對了，最後仍然虧錢。以下逐筆列出帳目與付款，並說明背後的會計檢核方式。
閱讀全文 →
如何判斷策略優勢能否在不同市場體制下持續？
策略的平均報酬可能掩蓋了它與某一種市場之間脆弱的互利關係。以下說明如何確認策略優勢能否跨越不同體制。
閱讀全文 →
更好的回測，可能讓策略研究變得更糟
回測能幫你淘汰不好的構想；但若拿它從 500 個構想中挑出最佳者，勝出的可能只是運氣最好的一個。以下說明如何讓研究過程保持誠實。
閱讀全文 →
為什麼市場價格根本沒到，我的回測限價單卻成交了？
你的限價落在 K 棒區間內，所以回測判定成交。那只是價格觸及，不代表你真的買進或賣出了。
閱讀全文 →
你的策略通過了 Walk-Forward 測試，為什麼模擬交易結果卻出現偏差？
策略通過了 Walk-Forward 驗證，接著模擬交易結果卻出現偏差。首先該檢查的，可能是研究流程與執行流程之間的交接，而不是市場。
閱讀全文 →
為什麼我的回測成交價是市場從未出現過的價格？
如果模擬成交價比 K 棒上的所有價格都好，問題可能出在你的執行假設，而不是訊號。以下說明如何追查這個價格從何而來。
閱讀全文 →
回測顯示年換手率 12%，帳戶實際交易了 38%
回測可能顯示年換手率 12%，帳戶卻交易了 38%。差距往往從程式碼裡「換手率」的定義開始。
閱讀全文 →
如何避免 AI 策略代理把明天的資訊洩漏到今天？
策略可能通過所有語法檢查，卻仍然像是知道未來。以下整理研究代理洩漏資訊的隱蔽方式，以及能抓出問題的檢查方法。
閱讀全文 →
如何回測在市場暫停交易期間進出場的策略？
暫停交易不等於成交量為 0 的 K 棒。它會改變市場允許策略採取的行動，而恢復交易時的集合競價也可能重新決定你原以為能成交的價格。
閱讀全文 →
手續費級距變了，你的優勢就消失了。是策略失靈，還是帳戶出了變化？
策略的總交易結果沒變，但手續費級距會隨帳戶成交量而變。以下說明如何判斷，變動的是策略優勢，還是帳戶狀況。
閱讀全文 →
賣掉明日贏家的再平衡：換手率拆解
排名表要轉化為委託單，才算得上交易策略。跟著一次每月再平衡，從目標權重一路追蹤換手率、手續費，以及那些可能讓回測看起來過於理想的假設。
閱讀全文 →
回測最看好那個時段。換了時間後還能交易嗎？
你的策略在第一個小時獲利——直到那個小時挪了位置。這份實用指南將說明如何測試日內季節性，並納入夏令時間變化與交易場所的時程安排。
閱讀全文 →
你的回測把同一筆資金花了兩次：投資組合帳務指南
持倉帳面上可能獲利，卻讓你的下一筆訂單無錢可用。3 種常見的帳務捷徑，說明回測如何悄悄把同一筆資金花了兩次。
閱讀全文 →
你的模擬策略重啟後持倉變了：一封談狀態復原的信
程序重新啟動了，但策略也從正確的狀態繼續了嗎？以下說明如何確認策略對持倉、未成交委託與訊號的記憶，是否與模擬帳戶一致。
閱讀全文 →
回測通過了，紙上策略卻漏掉 37% 的委託
我們的紙上策略送出 100 筆委託，成交 63 筆；回測卻計為 91 筆。落差來自委託狀態、時機，以及 Sharpe 比率無法呈現的假設。
閱讀全文 →
我們試著重現一套策略的回測，看看數字在哪裡出現偏差。
我們重新執行一套存檔的策略，得到的權益曲線卻不一樣。幾天下來，我們一路追查資料修訂、相依套件版本，以及一個出乎意料的小型預設值，終於找出偏差來源。
閱讀全文 →
如何判斷回測使用的市場資料是否真的可交易？
價格正確，不代表回測就可信。確認每筆觀測何時可供使用、代表哪個市場，以及策略當時是否能據此採取行動。
閱讀全文 →
我們在重新啟動後重播了一個模擬策略，結果委託變了。
我們在持倉期間重新啟動了一個模擬策略，結果委託順序變了。訊號沒問題，出問題的是它的記憶。
閱讀全文 →
選擇權回測在到期時究竟會怎麼處理？
到期時，最後一筆選擇權報價往往是損益表上最沒用的數字。以下說明如何建模結算、行權與交割，而不憑空假設成交。
閱讀全文 →
你的連續期貨圖表，是一份沒人能交易的合約
2020 年 4 月 20 日，兩份 WTI 合約的結算價相差 $58.06。若草率地把它們接在一起，你的回測就會記上一筆沒有任何部位賺到的 $58,060。
閱讀全文 →
在回測中途重新啟動策略，它還記得自己持有哪些部位嗎？
策略可能在資料集中的每個市場都安然度過，卻在程序重新啟動時出問題。把重播停在中途，看看它忘了什麼。
閱讀全文 →
模擬帳戶拒絕了回測成交的訂單：一封談交易所篩選規則的信
你在回測中算對了訂單規模，模擬交易場所卻拒絕了訂單。以下說明如何將精度規則納入策略的執行模型。
閱讀全文 →
Tick 資料救不了你的回測——對大多數策略來說，反而會讓結果更糟
解析度更高，不代表更接近真相。對大多數策略而言，使用 Tick 資料只是把一個真問題——錯誤的成交與成本假設——換成一個假問題：以為資料越細，回測就越誠實。
閱讀全文 →
吃掉訊號的再平衡：策略首次踏入真實市場
訊號對方向的判斷沒錯，但投資組合仍在再平衡時失去了優勢，一次又一次遇上深度不足的訂單簿和過大的委託。
閱讀全文 →
如何在回測反向永續合約時不混淆 BTC 與美元？
一筆交易賺了 $10,000。帳戶卻增加了 $15,000。兩個數字都沒有錯。你的回測系統得解釋清楚那消失的 $5,000。
閱讀全文 →
你的股票回測發現了放空機會。你真的借得到券嗎？
你的跳空回落策略會放空所有選中的標的，但券商能提供的選擇少得多。這封信談的是進場前缺少的那筆交易。
閱讀全文 →
你的回測滑價模型，最好刻意算錯
滑價模型的目的，不是猜出你原本會成交的價格，而是確認策略能否承受歷史 K 線資料無法告訴你的合理成交情境。
閱讀全文 →
你的總經濟回測交易了修正後的就業報告
你正確下載了歷史就業數據序列，但策略交易的數字仍要再過 2 個月才會出現。以下說明如何重建策略當時掌握的資訊集。
閱讀全文 →
回測應加入多少延遲？我們量測了每一毫秒
中位數 195 ms。第 99 百分位為 2,970 ms。訊號實際觸發的分鐘，中位數為 840 ms。這些數字中，只有 1 個值得關注。
閱讀全文 →
5 種倉位規則、同一個訊號：回測真正仰賴的部分
回測結果的大部分差異，來自你持倉有多大，而不是何時進場。以下用 6 種倉位規則測試同一個訊號，並列出報告忘了印出的手續費帳單與最高槓桿。
閱讀全文 →
相同程式碼、相同資料，兩種 Sharpe：回測需要的非決定性稽核
11,205 根 K 棒完全一致，接著排名出現平手，最後 Sharpe 差了 0.15。如果你不知道自己回測的抖動區間，就不知道表現最佳的參數組合到底有沒有勝出。
閱讀全文 →
你的 Sharpe Ratio 通過了所有檢驗，卻仍可能只是巧合
嘗試 1,000 次後，Sharpe 為 2 看起來可能格外驚人。真正令人意外的是，你用了多少種方法才得到這個結果。
閱讀全文 →
為什麼回測中的波動率目標，未能控管它原本要控制的風險
10% 波動率目標是部位規模指示，不是風險保證。拆解一個 BTC 永續合約策略，看看這個數字從哪裡開始無法描述帳戶可能承受的損失。
閱讀全文 →
資金費率看起來很划算，持倉卻還是一路虧損。
一筆永續合約每 8 小時支付 0.01% 資金費率，這筆交易最後卻賠了錢。回測中看似誘人的套利收益，究竟消失在哪裡？
閱讀全文 →
期權回測的基礎資料列：逐欄解析一張 Deribit BTC 買權
這筆行情資料大約有 20 個欄位。其中 2 個是沒人交易過的價格，3 個的單位你的回測很可能會讀錯，而讓多數期權策略失效的數字根本不在資料內容裡。
閱讀全文 →
你回測時每筆下 $2,000，現在想提高到 $50,000：一封談容量的信
你的每筆交易毛利為 22 bps。下 $2,000 時，衝擊成本約 2 bps；下 $50,000 時則是 11。接下來的計算會決定你手上的是一套策略，還是一張截圖。
閱讀全文 →
你的回測從未被強制平倉：保證金、標記價格，以及你忽略的槓桿界線
4 月淨值曲線下跌 63%，到了 6 月又回升。在交易所，帳戶第 41 天就已經被平倉，根本沒有任何資金可以回升。
閱讀全文 →
停損和目標價都落在同一根 K 棒裡。你的回測判定哪個先成交？
這根 K 棒的低點低於你的停損，高點高於你的目標價。其中一個先發生，但 K 棒沒說是哪個，你的程式碼裡總有某段邏輯替你做了決定。
閱讀全文 →
不存在的分鐘：OHLCV 歷史資料中的缺口、停牌與零成交量 K 棒
缺少的 K 棒不會隨機散落在歷史資料裡。它們會集中在策略最在意的分鐘，而常見的修補方法會讓傷害悄悄消失。
閱讀全文 →
限價單沒成交：談排隊順位、maker 回測，以及你憑空算出的 Sharpe
你的成交規則只有一行：如果 K 棒最低價小於或等於我的限價，我就算成交。這一行的影響比你整套 alpha 還大，而且它寫錯了。
閱讀全文 →
拆股調整資料拆解：NVDA 的 10 比 1 拆股如何影響背後每一列資料
這列資料寫著收盤價是 $120.8781。當天的市場成交價是 $1,208.88。兩個數字之間隔著 6 個欄位，而多數回測至少誤讀了其中 3 個。
閱讀全文 →
預測市場回測會在哪裡出錯：八天紀錄
這種商品終將到期，只會在你無法掌控的日期支付 1 美元或一無所有。以報酬為基礎的回測器幾乎所有內建假設在這裡都不成立，而我們發現這些問題的順序如下。
閱讀全文 →
回測需要多少筆交易，Sharpe 才有意義？
年化 Sharpe 的標準誤約為 1 除以資料年數的平方根。所有令人不舒服的結論，都從這一行推導而來。
閱讀全文 →
你打造了一套只在 00:00 UTC 交易的策略——談資金費率結算時間效應的一封信
你的 Sharpe 是 2.9，而且每一分獲利都在資金費率結算前後 4 分鐘內進帳。我大概看過十幾次一模一樣的結果。下面說明如何判斷你遇到的是哪一種。
閱讀全文 →
為什麼你的回測會把波動飆升當成新市場體制
波動率目標化聽起來很靈活。但過時的估計、設定不當的下限，或隱藏的再平衡規則，都可能讓一次艱難的一週變成好幾個月錯失曝險機會。以下說明如何找出問題。
閱讀全文 →
你的交易標的池是一台時光機：加密貨幣永續合約回測中的存活者偏誤
你今天呼叫一次 exchangeInfo，再篩選 status == TRADING 來建立交易標的池。這一行程式碼悄悄刪掉了所有已經消失的幣種。
閱讀全文 →
一根 1 分鐘 K 線的解剖：OHLCV 沒告訴你的所有事
JSON 陣列中的十二個值。其中至少四個的意義，和你的成交引擎所假設的不同。這就是完整的一根 K 線，現在把它拆開來看。
閱讀全文 →
回測有 100 筆交易，為什麼平均成交價還是只能猜？
100 筆交易、0.04% 手續費，以及 0.02% 的滑價假設，看起來很精確。但只要追問市場能承接多大的委託，就會發現成交價仍然只是猜測。
閱讀全文 →
為什麼我的回測交易次數比紙上交易策略更多？
訊號可能只說了一次「買進」，訂單系統卻嘗試了 3 次、成交了 2 次。以下說明如何建模回測交易紀錄與紙上交易帳戶訂單歷史之間的落差。
閱讀全文 →
即使每個時間戳都正確，你的回測仍有時鐘問題
報價和訊號可能有相同的時間戳，抵達順序卻不同。這個微小的模糊之處，可能決定你的策略到底有沒有成交。
閱讀全文 →
為什麼你的回測掛單需要時鐘
限價單可能比建立它的訊號存續得更久。本文說明回測常見的 3 種掛單追蹤失誤，並提供實用模型，讓訂單處理更貼近實際。
閱讀全文 →
為什麼你的回測會算錯股利
股利看起來可能像突然的虧損、白拿的報酬，或是策略根本沒收到的現金餘額。3 種常見的建模錯誤，正是造成這些情況的原因。
閱讀全文 →
三種讓你在不知不覺中做錯前推最佳化的方式
前推測試常被當成過度擬合的解藥。做得馬虎的話，它只是換上更漂亮文件的過度擬合。三種失效模式，以及它們的破綻。
閱讀全文 →
AI 代理團隊如何把一個交易點子從一句話帶到模擬資金
十個代理、一條管線,以及一個生來就是要淘汰點子的漏斗。帶你走一遍從「資金費率動能」到實際運行的模擬交易節點之間,究竟發生了什麼事。
閱讀全文 →
模擬交易才是回測唯一該交代的基準
我們每天把每一支模擬交易策略的時間窗丟回回測引擎重播，然後逐筆比對交易。這個例行儀式一直抓出什麼問題，以下分曉。
閱讀全文 →
九家交易場所的一趟來回，實際成本是多少
手續費頁面是行銷文案。這裡是決定你的策略究竟是一門生意還是一筆捐款的雙向算術，一家一家算給你看。
閱讀全文 →
為什麼多數回測都在說謊，以及修正它們的四個成本項目
回測年化 +40%、實盤卻虧錢的策略不是運氣不好，而是量錯了。這兩個數字之間，只隔著四個成本項目。
閱讀全文 →