從假設開始
描述市場、時間範圍、進場與出場邏輯,以及風險。AI 研究代理會將您的方向轉化為結構化假設。

示意範例,非實際即時結果
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。
示意的權益曲線會呈現過程中的波折。在解讀結果之前,請先檢視回撤與交易成本。
比較帳戶權益與已平倉餘額。未平倉部位可能在交易結算前就改變權益。
描述市場、時間範圍、進場與出場邏輯,以及風險。AI 研究代理會將您的方向轉化為結構化假設。
AI 程式編寫代理會使用可用資料及已設定的交易場所規則來實作策略。自動驗證與 AI 品質保證代理會在回測前進行檢查。
將假設、迭代、結果與審核決策整合保存。您的工作區會從自身執行紀錄中學習;付費方案還可使用平台研究語料庫。
從策略可能奏效的原因開始。定義能推翻該假設的條件、所需的資料,以及必須克服的成本。工廠會記錄由此產生的假設及其開發歷程。
市場、商品、時間範圍
預期優勢、規則、風險
程式碼、檢查、迭代
明確的任務說明能讓實作與結果都更容易被評判。在尋找最漂亮的結果之前,先定義好構想。
明確指出什麼樣的證據會讓你停止。一次未成功的實驗仍可能回答一個有用的問題。
讓比較聚焦,以便能解釋結果變化的原因。利用執行歷程將每次修訂與其證據連結起來。
水平捲動以查看所有欄位。
| 實驗 | 變更內容 | 問題 |
|---|---|---|
| 基準 | 使用原始的進出場規則。 | 計入模擬交易成本後是否仍有效應? |
| 穩健性檢驗 | 嘗試鄰近的進場門檻值。 | 在參數小幅變動下效應是否仍然存在? |
| 風險修訂 | 加入最長持有期間限制。 | 此舉是否能在不消除效應的情況下限制長期虧損部位? |
此為範例研究設計,並非已回報的執行結果。反覆挑選最佳結果,可能對同一段歷史資料造成過度配適。
互動示意圖
在鄰近設定值上呈現廣泛一致反應,與單一孤立的高峰所代表的研究問題截然不同。試著調整回顧期設定,比較這兩種型態。
在25根K線處,孤立高峰看似表現最佳,但其鄰近設定值的表現卻大幅減弱。請檢視所選結果是否僅仰賴單一僥倖的選擇。
示意用夏普比率
不會。資料限制、檢查未通過、經濟效益不佳或審核發現的問題,都可能導致執行過程需要迭代或遭到放棄。
可以。您可以在開啟自己的工作區之前,瀏覽公開策略及其可用報告。市集中程式碼的存取權限則取決於發布者與您本身的存取權。
一個可測試的構想會指出預期的市場行為,並提供可衡量的進場、部位規模與出場規則。它也會指出所需的資料,以及能推翻所提出優勢的證據。在比較結果之前,應先明確陳述這些假設。
驗證包含程式碼、宣告的交易標的與支援行為的檢查,接著是模擬與品質保證審核。可查閱的報告會顯示需要留意的發現。這些檢查有助於找出實作上的問題,但無法確保每一項經濟假設都正確。
策略報告與迭代歷史紀錄會將各次嘗試與其結果及審核意見連結起來。在比較績效之前,請先閱讀哪些假設或參數發生了變化。原始程式碼的可見性則依該策略的存取規則而定。
研究情境會納入該工作區可取得的先前成功與失敗案例。免費方案僅使用自身的執行歷史紀錄;付費方案還能運用平台的整體研究資料庫。存取該資料庫並不代表能存取其他使用者的私有策略程式碼。
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。