常有人問「AI 團隊研究策略」具體是什麼意思,所以這裡把一個假設從頭到尾走一遍。最重要的一點要先記住:這個漏斗存在的目的就是否決。多數點子都會死掉。這正代表產品在正常運作。
大家實際上會問哪些問題
點子是誰想出來的?
由一個研究代理負責。它會先讀取資料庫能支援哪些東西——資金費率、未平倉量、清算紀錄、選擇權曲面、新聞情緒、恐懼與貪婪指數——然後寫出包含論點、交易場所、時間週期與風險輪廓的假設。它天生就把手續費納入考量:一個點子如果合理的優勢低於該交易所的來回成本,那它一到手就是不合格的。它也會讀「墳場」。每一個被放棄策略的失敗原因都會被嵌入並可供搜尋,所以「小時線上的資金費率動能,第三次嘗試」在浪費一個週期之前就會被標記出來。
程式是誰寫的?憑什麼信任它?
由一個開發代理依照固定的基礎模板來實作策略——相對資本的部位規模、明確的停損邏輯、宣告所需的資料。信任來自層層關卡,而不是來自作者。共有四層:靜態分析(用 AST 檢查我們已建檔的反模式);合成情境(六種市場形態搭配人工生成的輔助資料——一個在它本該迴避的崩盤情境中還去買進的策略,會死在這裡);在真實資料上跑的沙盒回測,必須至少產生一筆交易;最後由 QA 代理做程式碼審查,檢查訊號極性、邊界情況與手續費可行性。第 2 層抓到的是最尷尬的一類:程式跑得完美無缺,做的事卻與假設完全相反。
回測到底計入了哪些成本?
各交易所真實的 maker/taker 費率、按標記價格計提的資金費率、平方根市場衝擊、槓桿帳戶的保證金與強制清算、股票的交易時段行事曆。權益曲線按市值計算並包含未實現損益,所以回撤不會藏在進場與出場之間。如果這聽起來像是基本功,其實不然;每一項都是因為缺了它就曾造成一次具體的錯誤晉升,才被加進來的。
最佳化不就是在過度擬合嗎?
它確實會想這麼做,管線也預設它會:參數先經過敏感度掃描(一個只在 lookback=14 這個精確值才有效的策略,是巧合而不是策略),接著在三個視窗上做 walk-forward 最佳化並追蹤樣本內/樣本外(IS/OOS)表現,最後是策略只會見到一次的最終保留期測試。樣本外 Sharpe 低於樣本內一半就直接否決。保留期必須保住 walk-forward 樣本外 Sharpe 的至少 70%。這些是程式碼強制執行的關卡,不是分析師的裁量權——分析師可以在留下記錄理由的前提下豁免軟性門檻,但不能豁免過度擬合的檢查。
通過率有多高?
很低,而且本來就該低。最常見的死法是在分析師審查:優勢是真的,但扣除成本後每筆交易的報酬不到 0.15%。第二常見的是敏感度斷崖。存活者會交給風控官,再進入模擬交易,由每日的重播一致性檢查讓它們持續對照真實資料、無限期地保持誠實。實盤資金則放在另一道獨立、由人類控制的關卡之後。
