回測軟體比較：4 種工具類型、付費前要看的 6 項檢查

目錄

1. 挑選回測軟體時該看什麼？
2. 回測工具有哪四種類型？
3. 如何在資料、成交與成本、策略檢驗、速度、匯出與價格上做比較？
4. 免費與內建的回測工具漏掉了什麼？
5. 策略生成軟體何時有意義，何時是殺雞用牛刀？
6. 哪種類型適合哪種交易人？
7. 如何進行試用，才能讓比較公平？
8. 常見問題
9. 參考資料

挑選回測軟體時該看什麼？

比較回測軟體時，依序看六個重點：能否匯入你自己的資料、如何成交委託以及成本是否預設開啟、提供哪些策略檢驗、在你有限的時間內能測試多少候選策略、策略如何離開這個工具，最後才是價格。四種工具類型差異最大的是第四點。

回測是把固定的交易規則套用在歷史 K 棒上，並回報這些規則會做出的交易。軟體只決定這次回測有多誠實，以及你負擔得起跑多少次。選軟體就像買二手車：先檢查引擎、煞車，以及車庫放不放得下，再看價格標籤。不管選哪一套，都可以拿免費的回撤計算器核對它算出的數字。

1. 匯入自己的資料。你必須能載入實際交易的 K 棒，包括夜盤與你自己的轉倉方式。只能用它提供的資料來測試的工具，會把你的研究鎖在那份資料上。
2. 成交與成本。每次回測都應包含手續費與滑價，而且在某根 K 棒收盤時決定的委託，應在下一根 K 棒成交，而不是在同一個收盤價成交。
3. 內建策略檢驗。推進分析是一種測試：先在一段資料上調整策略，再把選出的設定原封不動地套用到緊接著的下一段資料。如果工具做不到，你就得手動做，或乾脆不做。
4. 每次執行的候選策略數。算一算在同一次工作中，工具能在相同設定下評估多少規則或參數的變化版本。這決定你是在精修一個想法，還是在尋找新的想法。
5. 匯出。無法以原始碼形式離開工具的策略，只能手動重寫，而每次重寫都可能改動規則。
6. 價格最後看。預設成本為零的免費工具，花費可能比任何訂閱都高，因為它會放行扣掉費用後虧損的策略。

回測工具有哪四種類型？

平台內建回測、Python 函式庫、雲端平台與策略生成軟體，解決的是不同的工作：前三種測試你已經寫好的一個策略，第四種則根據你設定的限制，替你搜尋大量候選規則。先弄清楚你的工作屬於哪一種，再去看功能清單，選擇範圍就會縮小。

• 平台內建回測是圖表或交易平台內建的回測功能。你用平台自己的語言撰寫規則，在圖表的資料上執行，並在同一個程式中閱讀報表。對已經開著圖表的交易人來說，這是很自然的第一站。
• Python 函式庫是一組程式碼函式，會把你的規則套用在你自己載入的資料檔上。策略、資料載入器、成本模型，通常連報表都要自己寫。一切都由你掌控，也一切都是你的工作。
• 雲端平台是在瀏覽器中使用、在供應商伺服器上執行的回測服務。你撰寫或點選組合出一個策略，服務提供運算資源，通常也提供資料。不需要安裝任何東西，而你的策略與結果則存放在供應商的機器上。
• 策略生成軟體會根據你設定的限制（例如允許的指標、參數範圍與出場類型）產生大量候選規則組合，並在相同的資料、成本與執行設定下評估全部候選策略。AlphaPrime（Valynox）就是這類策略生成軟體：它會生成、回測並檢驗候選策略，把它們存入策略資料庫，並將通過的策略以原始碼匯出。

差別在於誰來寫規則。前三種類型，被測試的每個策略都是你自己想出來的。使用生成軟體時，則由軟體在你的限制內提出規則，你的工作從撰寫規則轉為設定限制與判斷結果。

如何在資料、成交與成本、策略檢驗、速度、匯出與價格上做比較？

對每種類型用同樣的六個問題做成一份檢查清單，就會發現沒有哪一種類型在每一列都勝出，所以正確的選擇取決於哪些列對你的工作流程最重要。下表列出各類型的一般情況；個別產品可能不同，請在試用時確認每個欄位。

檢查項目	平台內建回測	Python 函式庫	雲端平台	策略生成軟體
接受自己的資料	通常可以，透過平台的資料來源或匯入	可以，任何你能讀入程式碼的檔案都行	視產品而定；有些接受上傳，有些只提供自己的資料	通常可以；AlphaPrime 使用客戶自己的歷史 K 棒資料執行
預設開啟下一根 K 棒成交與成本	通常沒有；成本往往在你設定之前都是零	視設定而定；成交邏輯由你自己寫	視設定而定	通常有；AlphaPrime 以費用、滑價與下一根 K 棒成交來評估每個候選策略
內建推進分析或樣本外（OOS）	視產品而定；有些平台以附加元件提供	視設定而定；迴圈由你自己寫	視設定而定	通常有；AlphaPrime 的策略檢驗包含推進分析
每次執行的候選策略數	一個，或在最佳化工具中跑一組參數網格	一個，或你自己寫的迴圈	一個	大量；速度取決於處理器或顯示卡
匯出到其他平台	通常不行；策略停留在平台自己的語言中	通常不行；你得手動翻譯	視產品而定；常常綁定供應商自己的執行環境	通常可以；AlphaPrime 可將原始碼匯出到 MultiCharts、TradingView、TradeStation 與 NinjaTrader
價格	免費或隨平台附贈	函式庫免費，但要花你的時間	訂閱制	付費，買斷或訂閱

請逐列閱讀這張表，而不是逐欄。如果你只精修自己寫的一個策略，第四列就不重要，平台內建回測的得分會很好。如果你要在多個市場中尋找新規則，第四列與第五列才是關鍵，價格那一列則移到最後。尤其匯出這一項很容易被忽略：AlphaPrime 支援的平台列在平台匯出頁面，已經在使用某個平台的交易人應該先看這一列。

免費與內建的回測工具漏掉了什麼？

免費與內建的回測工具通常預設成本為零、只做一次樣本內（IS）回測，有些還允許委託在產生訊號的那根 K 棒上成交，所以在那裡通過的策略，仍需要加入成本、下一根 K 棒成交以及樣本外（OOS）檢驗，結果才有意義。這些都不難補上。問題在於預設報表看起來像是完成了，其實並沒有。

滑價是回測假設的價格與真實委託實際成交價格之間的差額。下一根 K 棒成交是指：在某根 K 棒收盤時決定的委託，最早只能在下一根 K 棒成交，因為收盤價要等這根 K 棒結束後才知道。在同一個收盤價成交的回測工具，用的是交易人根本來不及看到的價格；這是回測中前視偏誤最常見的形式。AlphaPrime 的回測一律在下一根 K 棒成交，手續費與滑價也是每次執行的設定，正好對應這一節說的兩項檢查。

第三項缺漏是策略檢驗。對整段歷史跑一次，是樣本內（IS）測試：規則是在看著同一段歷史時選出來的。推進分析在每個調整步驟中保留較晚的資料，讓結果來自調整時沒看過的 K 棒。許多回測工具只能透過手動更改日期來做到這一點，對一個策略還行得通，對五十個策略就不切實際了。關於成本這一面，回測中的交易成本指南說明了如何把平均每筆損益與一買一賣（來回）的成本做比較。

策略生成軟體何時有意義，何時是殺雞用牛刀？

當你想在相同設定下測試數千甚至數百萬種規則變化時，策略生成軟體就有其價值，速度取決於處理器或顯示卡；如果只是精修一個手寫策略，平台內建回測或 Python 函式庫就夠了。關鍵在於你想評估多少候選策略，而不是你擁有什麼硬體。

可以把它想成找房子。看三間你已經找到的房子，走幾步路就好。要把一座城市裡的每間房子，依預算、大小與地點逐一比對，那是搜尋引擎的工作。每個候選策略就是一間房子，生成軟體的工作就是用同一把捲尺把它們全部走訪一遍。

1. 一個手寫策略。你知道規則，想看看交易。平台內建回測或 Python 函式庫都做得很好，生成軟體不會為你增添需要的東西。
2. 幾百種參數變化。相同的規則，搭配不同的回看期間與停損。平台的最佳化工具或 Python 迴圈就能處理，成本與下一根 K 棒成交只需對整組網格設定一次。
3. 數百萬種規則組合。不同的指標、進場條件、出場類型與參數範圍，每一種都以相同的成本與執行規則評估。這正是策略生成軟體存在的目的。AlphaPrime 的策略生成會把一組允許的規則、參數範圍與搜尋限制轉成可測試的候選策略，並以費用、滑價與下一根 K 棒成交來評估每一個。

規模還會改變另一件事。測試大量候選策略，代表有大量機會碰上一個運氣好的，所以沒有內建策略檢驗的生成軟體，比沒有檢驗的回測工具更糟，因為它更快找出被灌水的結果。Bailey 等人指出，在許多次嘗試中表現最好的回測，其樣本外表現往往比樣本內結果所顯示的更差（Bailey, Borwein, López de Prado and Zhu, 2014）。對每個候選策略都執行推進分析與門檻檢查的生成軟體，能直接處理這個問題；只用淨損益排名的則不能。

關於第三階的規模，唯一值得引用的產品數字就是已公布的數據：AlphaPrime 在一張 RTX 3090 上於 18 h 23 min 內完成了 1,268,200,000 次策略評估，於 2026-10-05 在真實研究設定下量測（TY 37 分鐘 K 棒，2015-01-01 至 2026-09-25，每個候選策略 114,371 根 K 棒，每次評估都包含手續費與滑價）。實際速度取決於顯示卡、資料長度與研究設定，條件列在基準測試頁面。相同的功能在 CPU 上也能執行；顯示卡只改變執行所需的時間。

哪種類型適合哪種交易人？

依你的工作方式來選工具：只想驗證單一想法的主觀交易人、想要完全掌控的程式設計師、想用瀏覽器且不想安裝的交易人，以及每次都在尋找新規則的系統化交易人，各有自然適合的選擇。下表列出適合的類型，以及該類型中最需要嚴格檢查的一件事。

交易人類型	自然適合的工具類型	最需要檢查的事
交易前先驗證一個圖表想法	平台內建回測	成本與成交設定；兩者常常預設為樂觀的值
想要完全掌控的程式設計師	Python 函式庫	資料清理與執行程式碼；函式庫不會抓出你自己寫的同一根 K 棒成交
想用瀏覽器、不想安裝	雲端平台	資料所有權與匯出；你的策略與結果能否以檔案形式離開該服務
在多個市場中尋找新規則	策略生成軟體	策略檢驗設定與匯出；沒有樣本外（OOS）檢驗的搜尋，會產生被灌水的贏家

許多交易人最後會用兩種工具：用生成軟體或函式庫來尋找並檢驗規則，再用平台內建回測，在自己實際交易的圖表上確認匯出的程式碼。只有在第一個工具能匯出可讀的原始碼時，這種搭配才行得通，這也是為什麼匯出這一列在檢查清單中排在價格之前。

如何進行試用，才能讓比較公平？

用同一個市場、同樣的 K 棒、同樣的成本、同樣的執行規則與同樣的日期範圍來比較各工具，在每個工具中跑一個已知的策略，然後逐筆比對交易明細，而不是只看總損益。這樣找到的任何差異，就屬於工具本身，而不是設定造成的。

1. 同一個市場與合約。挑一個期貨合約與一種轉倉方式，並在所有工具中沿用。如果每個工具用不同的轉倉規則建立連續月資料，在任何策略執行之前，K 棒就已經不一樣了。
2. 同樣的 K 棒與日期範圍。從同一個來源匯出 K 棒，並把同一個檔案載入每個接受上傳的工具。固定起訖日期，並納入相同的交易時段，只有日盤或全時段。
3. 同樣的手續費與滑價。在每個工具中設定相同的一買一賣（來回）手續費與相同的每邊滑價。如果某個工具無法設定其中一項，請記錄下來；那就是關於該工具的發現。
4. 同樣的下一根 K 棒成交規則。在每個工具中都以收盤價決策，在下一根 K 棒的開盤價成交。如果某個工具預設在訊號那根 K 棒成交，請在執行前改掉。
5. 在每個工具中跑一個已知的策略。使用一組你完全理解的簡單規則，例如搭配固定停損的均線交叉，這樣你就能逐筆手動檢查每一筆交易。
6. 逐筆比對交易明細。對齊進場時間、進場價格、出場時間與出場價格。兩個錯誤互相抵銷時，總損益可能剛好一致；交易明細則不會。

這項試用的良好結果，是兩份交易明細幾乎每一筆都一致，僅有的少數差異也能以已知原因解釋，例如交易時段開盤的跳空。不好的結果，是兩份明細的交易筆數不同，因為這代表各工具對訊號何時觸發的看法不一致，再怎麼比較損益也無法告訴你哪一個才對。

如果你使用 AlphaPrime，這意味著：像對任何其他工具一樣對它執行這六項檢查，載入你自己的 K 棒，確認費用、滑價與下一根 K 棒成交都設定成你實際交易的方式，並在依賴匯出的策略之前，把它的交易與你的平台內建回測做比對。

常見問題

期貨交易人最好的回測軟體是什麼？

沒有單一最好的回測軟體，因為四種工具類型做的是不同的工作。平台內建回測適合一個圖表想法，Python 函式庫適合想要掌控的程式設計師，雲端平台適合不想安裝任何東西的交易人，策略生成軟體則適合在大量規則變化中搜尋。依序套用同樣的六項檢查：資料、成交與成本、策略檢驗、每次執行的候選策略數、匯出與價格。

免費的回測軟體夠用嗎？

用來測試你自己寫的一個策略，通常夠用，前提是你改掉三個預設值：把手續費與滑價設為大於零、在下一根 K 棒成交委託，並保留一段規則從未接觸過的樣本外（OOS）期間。免費回測工具很少會禁止這些設定；只是一開始沒有啟用。免費工具的代價，就是你花時間補上它漏掉的東西。

回測交易策略需要 GPU 嗎？

不需要。單一策略或幾百種參數變化，在一般處理器上就能跑。當你要在相同設定下評估數百萬組候選規則時，顯示卡才重要，此時執行時間取決於顯示卡、資料長度與設定。AlphaPrime 的每項功能在 Classic 與 Reserve 中運作相同；只有每次執行的時間不同。

回測工具與策略生成軟體有什麼差別？

回測工具評估你寫好的規則並回報交易。策略生成軟體則在你設定的限制內產生候選規則，在相同的資料、成本與執行規則下評估全部候選策略，並檢驗結果。生成軟體讓你的工作從撰寫規則，轉為設定限制並判斷留下來的策略。

試用軟體時，為什麼要比較交易明細而不是總損益？

兩個工具的總損益可能一致，但交易卻不同，因為兩個錯誤可能互相抵銷。逐筆比對進場時間、進場價格、出場時間與出場價格，能精確顯示工具在哪裡出現分歧，通常是成交時點或交易時段的處理。這正是你決定要信任哪個工具所需要的資訊。

參考資料

• Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.