跳至內容

回測與驗證

測試構想,檢視證據。

策略工廠會使用已設定的費用與執行假設,在歷史資料上測試策略程式碼。最佳化工具會探查參數穩定性,而 AI 分析師則評估證據並建議下一步。

跨驗證區間的歷史策略路徑,包含回撤與結果分佈

觀看策略工廠運作。

示意範例,非實際即時結果

觀看 AI 代理建構並審查策略。

AI 代理負責發展構想、撰寫程式碼並評估測試結果。審查結果可能會將策略退回以進行下一輪迭代。

  1. 描述構想
  2. 建置與驗證
  3. 回測
  4. 壓力測試
  5. 模擬交易
01

模擬交易條件

回測使用歷史資料、設定好的交易場所手續費與適用的執行假設。資料涵蓋範圍、資金成本、滑點與市場衝擊都可能大幅改變結果。

02

檢視不只是報酬率

查看資金曲線、回撤、報酬分佈與個別交易紀錄。除了關鍵指標外,也要檢查期間、樣本數與假設條件。

03

檢驗穩健性

敏感度分析、滾動優化與保留樣本驗證,可檢視結果在所選參數與訓練區間之外會如何變化。

將假設條件與結果並列呈現。

一張吸引人的圖表只是審核的起點。將交易成本與預期優勢進行比較,檢視樣本外表現,並留意結果是否過度集中於少數交易或期間。

  1. 輸入

    資料期間、交易場所、手續費

  2. 測試

    回測、滾動優化、保留樣本驗證

  3. 實證

    指標、交易紀錄、審核註記

讓後續資料檢驗先前的選擇。

前向測試在較早的區間配適模型,並在較晚的區間進行評估。保留的樣本外資料則獨立於最佳化區間之外。

請查看實際的分割日期與交易筆數。若在多次嘗試中反覆參考保留樣本的回饋,會削弱其獨立性。

配適驗證保留樣本
示意圖:三個配適與驗證區間依時間序向前移動;保留樣本則固定於右側。區間長度與間隔取決於實際設定。

微小的成本也可能吃掉龐大的優勢。

策略交易越頻繁,其結果就越依賴執行假設。移動滑價控制項,即可在不同成本假設下觀察相同毛報酬的結果。

週轉率
相對於期初權益的總交易名目本金;每一次買進與賣出都計入其中。
手續費與滑價
在實際報告中查核所設定的交易所手續費與價格假設。
淨結果
將剩餘優勢與最大回撤、樣本規模及樣本外結果一併比較。

觀察執行成本如何改變結果。

毛報酬12.0%
模擬成本2.0%
扣除此成本後的淨報酬10.0%

範例假設:12% 毛報酬、累計交易名目本金為期初權益的 40 倍、每單位交易名目本金收取 2 個基點手續費。成本 = 週轉率 ×(手續費 + 滑價);1 個基點 = 0.01%。此為線性示意,不含複利、資金費率與市場衝擊。

常見問題解答。

更多問答
良好的回測結果能保證未來報酬嗎?

不能。回測是假設性質,且會受資料、假設條件與選樣影響。驗證有助於發現弱點,但無法消除交易風險。

手續費是否為我帳戶的即時報價?

不是。這些是設定好的模擬預設值。您的交易所等級與商品規則可能有所不同。在解讀結果之前,請先檢視相關假設。

前推測試(walk-forward)與保留驗證(holdout validation)有什麼不同?

前推測試會反覆在較早期的資料上進行擬合,並在較晚的區間上進行評估。保留驗證則是在優化區間之外、另外保留的一段期間,檢驗所選定的參數。請檢視實際的日期、交易筆數與報告內容;反覆利用保留驗證的回饋會削弱其獨立性。

除了總報酬之外,我還應該閱讀哪些結果?

請檢視最大回撤、交易成本、交易筆數與其分布、持倉期間,以及樣本外的結果。留意是否過度依賴少數幾筆交易或某一段市場期間。單看高報酬並無法說明策略是如何獲利的,也無法說明過程中的虧損情況。

為什麼要測試鄰近的參數,而不是直接採用最佳設定?

一個表現極佳、但其鄰近設定表現不佳的參數,可能相當脆弱。敏感度分析會顯示結果隨所選參數變動時的變化情況。在評估某個模式是否具有普遍性、而非僅是單一結果的偶然表現時,應搭配前推測試與保留驗證的證據一併使用。

為什麼兩個相似構想的回測結果會不一致?

不同的交易標的、資料期間、K 線週期、進出場規則、手續費或執行假設,都可能改變結果。在將差異解讀為改善之前,請先比較設定內容與可取得的資料,並對照交易紀錄。

從一個值得測試的問題開始。

探索已發布的策略,或開啟工作區,使用 AI 代理建構、測試並監控您自己的策略。

Stratmill 是 AI 交易策略平台,不提供財務建議,也不是經紀商。回測與模擬交易結果均屬假設性結果。交易涉及虧損風險。