VALYNOXSTRATEGY RESEARCH TECHNOLOGY
AlphaPrimeAlphaPrime
策略學院 / 商品與交易時段

最適合交易的期貨商品:系統化策略的 5 項檢查

系統化策略最適合的期貨商品,是流動性高的股價指數、債券、能源與金屬合約:一買一賣成本只占日波幅的一小部分,趨勢或盤整特性又與規則類型相符。依五項檢查為候選商品評分,並以同一套規則測試多個商品後再做選擇。

作者 · 發佈 · 更新於 · 編輯原則

目錄
  1. 系統化策略最適合交易哪些期貨商品?
  2. 哪些期貨流動性最高?流動性為何決定你的成本?
  3. 波動率與每跳動點價值如何改變優勢的大小?
  4. 這個合約走趨勢還是盤整?符合你的規則類型嗎?
  5. 選定之前,如何用多個商品測試同一套規則?
  6. 演算法交易如何一步步選擇期貨合約?
  7. 常見問題
  8. 參考文獻

系統化策略最適合交易哪些期貨商品?

系統化策略最適合交易的期貨商品,是流動性高的股價指數、債券、能源與金屬合約:一買一賣成本只占日波幅的一小部分,特性又與你的規則類型相符。檢查五項:流動性、成本對日波幅、跳動點價值對帳戶規模、趨勢或盤整特性,以及跨多個商品的測試。

系統化策略是一組寫明每次進場與出場的規則,所以是商品要配合規則,而不是配合交易者的心情。本文貫穿一個主張:新聞最多的商品,不見得最適合你的規則。快速而知名的指數合約,可能不適合均值回歸規則;冷清的債券合約,反而可能合適。若你對合約月份、保證金與每點價值還不熟,請先讀系統化交易者的期貨交易基礎,再回來看下面的檢查。

選商品就像為一條特定道路挑車:極速不如抓地力、油耗,以及車庫停不停得下重要。下面五項檢查就是評分表。免費的期貨合約與損益計算機會給出第二列與第三列所需的最小跳動單位、每跳動點價值與每點價值。

檢查項目衡量內容通過的標準
流動性日成交量、以跳動點計的價差、市價單成交價與觸發價的距離大部分時段價差為一個跳動點;成交價接近訊號價
一買一賣成本對日波幅進出場的手續費加滑價,除以平均日波幅日波幅的幾個百分點
跳動點價值對帳戶規模一般停損以跳動點計的美元損失,以及預期最差回撤,占帳戶的比重回撤放得進帳戶,且有餘裕
趨勢或盤整特性同一規則在此商品、此 K 棒週期的結果規則類型與行情特性方向一致
跨商品的結果同一規則、相同設定,測試 5 到 10 個商品此商品屬於相鄰設定同樣有效的幾個商品之一
五項檢查評分表示意圖。流動性高的指數合約通過流動性、成本對日波幅、跳動點價值對帳戶、趨勢或盤整相符,以及跨商品測試。流動性低的合約在流動性與成本上未通過,因此在其他檢查之前即被略過。 低流動性商品敗在成本 五項檢查,兩種商品 示意圖 檢查項目 高流動 低流動 流動性 成本與波幅比 跳動點對帳戶 趨勢或盤整 跨商品 略過 低流動性商品敗在成本。 結論:先看成本,再做回測。
選商品是五項檢查的評分表。低流動性商品還沒輪到看回測,就先敗在成本。

哪些期貨流動性最高?流動性為何決定你的成本?

流動性決定每筆交易的實際成本,因為在多數期貨上,價差與滑價而非手續費,才是一買一賣成本的最大部分。流動性指的是在接近最新價的價位上,隨時可成交的量有多少。滑價是規則假設的價格與實際成交價的差距。一買一賣成本是開倉與平倉一個部位所付的全部費用:買賣兩邊的手續費與交易所規費,加上兩邊的滑價。流動性高的合約,價差通常是一個跳動點,市價單在訊號價附近成交;流動性低的合約,價差有數個跳動點,停損單可能跳過它的價位。

哪些期貨流動性最高?實務上最深的市場,是主要股價指數、美國公債、原油與黃金期貨的近月合約;近月是最接近到期的合約月份。交易所會公布每日成交量,請自行查候選商品,不要只信名單。不過光看成交量並非檢驗標準。檢驗標準是一買一賣成本除以平均日波幅,平均日波幅是每日最高價到最低價的平均距離,例如取最近 20 個交易時段。每天波動大的市場,較大的成本也可能便宜;幾乎不動的市場,較小的成本也可能昂貴。

假設性範例

流動性高的指數合約,平均一天波動 80 個跳動點。每邊滑價一個跳動點,一買一賣的手續費約合半個跳動點,所以一買一賣成本約 2.5 個跳動點,約占日波幅的 3%。流動性低的合約,平均一天波動 20 個跳動點,價差每邊吃掉兩個跳動點,手續費再加一個跳動點,所以一買一賣成本是 5 個跳動點,占日波幅的 25%。一套規則若平均每天能抓到日波幅的四分之一,在第一個合約上能留下大半,在第二個合約上則一點不剩。

一買一賣成本占日波幅比重的假設性範例。流動性高、每天波動 80 個跳動點的合約,成本約 3%。流動性低、每天波動 20 個跳動點的合約,成本約 25%。 成本占波幅比重 一買一賣成本對平均日波幅 高流動 每日 80 跳動點 3% 低流動 每日 20 跳動點 25% 一買一賣成本 示意圖 3% 可交易,25% 不可。 結論:超過上限的商品剔除。
同樣的美元成本,在日波幅寬、流動性高的合約上占比小,在流動性低的合約上占比大。該比較的是占日波幅的比重,不是美元成本。

在任何回測之前,先為清單上每個商品算出這個比重。通常會有數個商品在此階段淘汰,省下原本要花的研究時間。比重偏高時,改用限價單版本的規則也救不了:回測假設價格一觸及限價就成交,但在流動性低的市場,其中許多成交其實不會發生。

波動率與每跳動點價值如何改變優勢的大小?

每跳動點價值乘以規則抓到的跳動點數,就是每筆交易的美元優勢,所以合約每天得波動足夠的跳動點,才付得起數倍的一買一賣成本。每跳動點價值是價格變動最小單位(一個跳動點)時,一口合約賺賠的美元金額。就此處而言,波動率是合約在一般一天內波動多少跳動點。可以想成階梯:每跳動點價值是一階的高度,波動率是市場一天爬升或下降幾階,而規則只在站對邊的那些階上獲得報酬。

每筆交易的美元優勢 = 每跳動點價值 × 淨獲取跳動點數 − 一買一賣成本

其中每跳動點價值是一口合約每個跳動點的美元數,淨獲取跳動點數是規則扣掉虧損交易後,平均每筆交易賺到的跳動點數,一買一賣成本是進出場的手續費加滑價。舉一個具體的每跳動點價值:E-mini Nasdaq-100 期貨(NQ)的合約規模是指數乘以 $20,最小跳動點為 0.25 個指數點,價值 $5.00;其微型合約(MNQ)是十分之一大小,所以一個跳動點為 $0.50(CME Group 合約規格)。交易所可能調整合約價值,所以設定回測前請到交易所的合約頁確認;上面連結的期貨合約與損益計算機會顯示目前的跳動點與每點價值。

假設性範例

假設某規則在每跳動點 $5.00 的指數合約上,每筆交易淨抓 40 個跳動點。價格變動金額是 $200。每邊滑價一個跳動點(共 $10),再加 $4 手續費,一買一賣成本為 $14,優勢約為成本的 14 倍。在每跳動點 $0.50 的微型合約上,同樣 40 個跳動點是 $20,滑價是 $1.00,若手續費也按比例降為 $0.40,成本為 $1.40,所以比值同樣是 14。改變的是帳戶風險:100 個跳動點的不利變動,在標準合約上是 $500,在微型合約上是 $50。

假設性的 40 個跳動點交易。標準合約每跳動點 5 美元,價格變動 200 美元,對應成本 14 美元。微型合約每跳動點 0.50 美元,價格變動 20 美元,對應成本 1.40 美元。兩者的優勢成本比都是 14,而微型合約的金額只有十分之一。 微型合約比值不變 假設 40 跳動點的交易 跳動點 變動 成本 比值 標準型 $5 $200 $14 14× 微型 $0.50 $20 $1.40 14× 同為 14× 比值,風險十分之一。 結論:依回撤定口數,不依優勢。
每筆交易的美元優勢是每跳動點價值乘以抓到的跳動點數。微型合約維持優勢成本比,美元金額與回撤則縮為十分之一。

只有成本同步縮小時,微型合約才會維持比值。滑價會,因為它以跳動點計。手續費由期貨商訂定,常常不會剛好降為十分之一,所以請用自己的費率表重算比值。微型合約的價值在於帳戶規模:規則會產生的回撤必須放得進帳戶,而微型合約讓較小的帳戶能撐過那段回撤,不必中途中斷規則。

這個合約走趨勢還是盤整?符合你的規則類型嗎?

突破或動能規則需要在你的 K 棒週期上走趨勢的市場,均值回歸規則則需要盤整的市場;要知道合約屬於哪一種,唯一可靠的辦法,是在它身上執行規則並讀結果。在特定 K 棒週期上,趨勢市場是啟動的行情傾向延續許多根 K 棒;盤整市場是行情傾向回到近期均值。同一個合約,日 K 棒可能走趨勢,5 分鐘 K 棒卻是盤整,所以問題永遠是「在這個 K 棒週期上是趨勢還是盤整」。期貨演算法交易策略的五種類型各自仰賴其中一種特性。

規則類型需要的行情特性不相符時的樣子
突破或動能突破近期高點或低點後仍持續的行情價格突破後隨即折返,造成許多筆小額虧損(來回洗盤)
均值回歸數根 K 棒內回到近期均值的行情拉開的行情持續走遠而不折返時,出現少數幾筆大額虧損
時段或日內時間規則交易日內重複出現的型態把時段邊界移動一小時,結果就消失
同一個突破規則在兩條價格路徑上的示意圖。在趨勢路徑上,只進場一次,抱住一段長行情而獲利。在盤整路徑上,同樣的進場每次都反轉,產生數筆小額虧損。 突破規則需要趨勢 同一規則,兩種行情 示意圖 趨勢行情 盤整行情 一次大幅獲利 多筆小額虧損 規則要配合行情。 結論:先拿規則實測。
同一個突破規則,兩種行情。在趨勢路徑上抱住一段長行情;在盤整路徑上,同樣的進出場產生數筆小額虧損。

為了呈現趨勢規則在高流動性指數合約上的結果,AlphaPrime(Valynox)在 ES(E-mini S&P 500 期貨)日 K 棒上,執行了一個趨勢跟隨的代表性規則,期間為 2019-01-02 至 2025-06-30,多空皆做,一口,每筆手續費 $20、滑價 $25。規則只以 ADX 的讀數作為進場與出場,不設停損、停利或濾網。它只是一般趨勢規則的代表;不是本文的主題,也不是建議的策略。搜尋嘗試了 1,024 個候選策略,因報酬對回撤的表現而留下這一個。

來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。ES 日線,2019-01-02 至 2025-06-30,多空都做,1 口,每筆手續費 $20、滑價 $25。

數字結果
淨損益(已平倉交易)$99,702.5
最大回撤$60,102.5
交易筆數43
勝率53.49%
獲利因子1.643
平均每筆損益$2,318.66
在市場中的時間88.68%
沿著整段期間追蹤權益曲線,比較持平與下跌的區段持續多久、上升的區段持續多久。日 K 棒上的趨勢規則,多半時間都在回吐上一段行情的一部分,下一段才開始。
沿著整段期間追蹤權益曲線,比較持平與下跌的區段持續多久、上升的區段持續多久。日 K 棒上的趨勢規則,多半時間都在回吐上一段行情的一部分,下一段才開始。 ES · 日 K 棒 · 2019-01-02 至 2025-06-30 · CPU 引擎回測

請把這些數字當作行為的描述,不要當成規則賺到的錢,也不要當成預期結果。事後挑出保留的候選策略會讓它看起來較好,因為同一份資料上表現較差的其他候選策略並未列出。不過這次執行確實顯示了規則類型與市場之間的契合度,這一點有用。該候選策略有 88.68% 的時間在市場中:日 K 棒的趨勢規則在盤整區間仍持有部位,而不是退場觀望,其最大回撤 $60,102.5 即來自於此。平均每筆損益 $2,318.66 是每筆成本的數倍,與高流動性合約的日 K 棒預期相符。而六年半只有 43 筆交易,樣本偏小,所以想倚賴日 K 棒趨勢規則的交易者,在相信任何單筆數字之前,需要更多商品或更長歷史。

選定之前,如何用多個商品測試同一套規則?

用相同的成本與 K 棒週期,在五到十個合約上執行同一套規則,並依比較結果選合約,而不是依一次最佳的回測。一套規則在一個合約上有效,卻在每個相似的合約上失效,多半是在描述該合約歷史中的雜訊。Pardo (2008) 將跨多個商品的績效,視為穩健策略的標準檢驗之一,道理簡單明瞭:規則撐過的互不相關的市場越多,結果是單一價格序列偶然產物的可能性越低。Bailey、Borwein、López de Prado 與 Zhu(2014)說明了為何單一最佳回測最該懷疑:在多次嘗試中,最佳者因挑選本身而被灌水。

  1. 固定規則與 K 棒週期。一套規則、一個 K 棒週期,寫下來。不要讓 K 棒週期隨合約而變。
  2. 為每個合約固定手續費與滑價。每個合約各有自己的手續費,與以跳動點計的滑價,執行前先設定,使任何合約都不會以它拿不到的成本測試。
  3. 在 5 到 10 個合約上執行規則。混合不同類別:至少一個指數、一個債券、一個能源與一個金屬合約,讓比較不會是同一個市場的五種版本。
  4. 檢查每個合約的相鄰設定。若 20 根 K 棒的設定有效,而 18 與 22 無效,該合約上的結果就屬脆弱。
  5. 剔除結果只靠一年撐起的市場。把每個結果依年度拆開;獲利只來自一年、其餘年度毫無貢獻的合約,不算通過。
  6. 把每次測試記在同一張表,並從表中選擇。扣除成本後的平均每筆損益、交易筆數、最大回撤與年度拆分,並排呈現。

假設性範例

一套日 K 棒的突破規則,以相同設定在六個合約上執行。三個合約扣除成本後的平均每筆損益明顯高於零,相鄰設定的結果相近,獲利分散在多數年度。兩個接近零。一個顯示所有合約中最大的獲利,但來自單一年度,且相鄰設定虧損。要往下帶的合約是那三個之一,而不是數字最大的那一個。

在多個商品上測試一套規則的六個步驟,依序為:固定規則與 K 棒週期,接著固定每個合約的成本。在 5 到 10 個商品上執行規則,並在每個商品上改變設定。依年度拆分結果,剔除只靠一年獲利的商品,再從同一張比較表中選合約。 一套規則,多個商品 六個步驟,依此順序 1 2 3 4 5 6 固定規則 固定成本 5–10 個商品 調整參數 依年度拆分 依表格選定
跨商品測試是一套固定順序,終點是一張比較表,而不是單一回測。

把這次比較的每次測試集中在一處,正是 AlphaPrime 的策略資料庫的用途:每個候選策略連同商品、設定與結果一併存放,六個合約的表格便能排序、日後重讀,不必憑記憶重建。這項比較也能說明規則,而不只是合約。在四個互不相關的市場上通過的規則,值得進入進一步檢驗;只在一個市場通過的規則,只值得提出一個問題。

演算法交易如何一步步選擇期貨合約?

在任何最佳化之前,依固定順序逐項檢查,讓合約的選擇在第一次搜尋開始前就寫下來。資料與成本排在最前,因為檢查成本低,又能淘汰多數候選;跨商品測試排在最後,因為它是唯一需要完整研究執行的步驟。

  1. 有可交易的時段與資料嗎?決定要交易哪個時段,並確認能取得該時段乾淨的 K 棒資料,且已處理轉倉。各交易所的時段不同,也會因假日而變動;免費的期貨現在有開盤嗎?工具會以你的時區顯示,期貨圖表如何處理合約、連續月與時段則說明連續月必須做對哪些事。沒有乾淨資料,就略過該合約。
  2. 一買一賣成本低於你的上限嗎?如第二節所示,計算手續費加滑價占平均日波幅的比重。先設上限再計算;幾個百分點是可行的起點。高於上限,就略過。
  3. 保證金與最差回撤放得進帳戶嗎?向期貨商與交易所確認目前的保證金,並把依規則類型預期的最大回撤與帳戶比較。若單次回撤會用掉大半帳戶,就改用微型合約,或略過。
  4. 規則類型符合行情特性嗎?在你的 K 棒週期上,於該合約執行規則,並對照第四節的表格讀結果的形狀。不相符,代表這個規則要略過該合約,而不是修改規則的理由。
  5. 通過跨商品測試嗎?該合約是規則在相近設定下有效、獲利分散在各年度的幾個合約之一。到這時才開始最佳化,而且只針對通過的合約。
依序五項檢查,每項的否都通往略過清單:時段資料乾淨、成本低於上限、回撤放得進帳戶、規則符合行情,以及通過跨商品測試。是,就讓合約進入下一項檢查。 五項檢查,依序進行 是則往下,否則略過 1 2 3 4 5 時段資料乾淨? 成本低於上限? 回撤符合帳戶? 規則符合行情? 通過跨商品測試? 否 否 否 否 否 略過
順序不能亂:任何最佳化之前先查資料與成本,任何一步答否,該合約就進入略過清單。

略過清單與選定的合約同樣有用。它記錄每個市場被剔除的原因,讓你半年後不會再去重測一個因成本而未通過的合約。你執行策略的平台,也必須提供所選合約的資料、時段與委託類型;系統化交易者需要期貨交易軟體具備的六件事列出該確認的項目。

你的下一步:寫下五個你能取得 K 棒資料的合約,在期貨合約與損益計算機查出每個合約的每跳動點價值,為每個合約算出一買一賣成本占平均日波幅的比重,並在執行任何一次回測之前,剔除高於上限的合約。

常見問題

哪些期貨流動性最高?

最深的期貨市場,通常是主要股價指數、美國公債、原油與黃金期貨的近月合約。流動性會隨時段、合約月份與日期而變,所以請查交易所公布的候選商品每日成交量,不要依賴通用名單。系統化策略要看的不是成交量本身,而是一買一賣成本占平均日波幅的比重。

微型期貨適合系統化策略嗎?

微型合約與其標準合約的價格路徑相同,每跳動點的美元金額約為十分之一,所以優勢成本比維持接近,而以美元計的回撤縮小。這讓較小的帳戶能撐過規則產生的回撤。請確認期貨商對微型合約收取的手續費,因為它常不會剛好降為標準合約手續費的十分之一,並用自己的費用重算比值。

波動最大的期貨合約最值得交易嗎?

不一定。波動大代表每天的跳動點數較多,可讓一買一賣成本占日波動的比重變小,但也代表回撤較大,且在交易熱絡時滑價較大。合約必須通過全部五項檢查:成本占比、跳動點價值對帳戶規模、符合規則的趨勢或盤整特性,以及跨多個商品仍成立的結果。

選合約之前,應該在多少個商品上測試規則?

來自不同類別的五到十個合約,例如指數、債券、能源與金屬合約,每個都用相同的規則、K 棒週期與成本模型。重點是看規則在多個互不相關的價格序列上有效,還是只在一個上有效。選擇相鄰設定同樣有效、獲利分散在各年度的那幾個合約之一,而不是單一回測最大的那個。

參考文獻

  • CME Group. E-mini Nasdaq-100 Futures contract specifications (contract size $20 × index, minimum tick 0.25 index points = $5.00). cmegroup.com/markets/equities/nasdaq/e-mini-nasdaq-100.contractSpecs.html
  • CME Group. Micro E-mini Nasdaq-100 Index Futures Contract Specs. https://www.cmegroup.com/markets/equities/nasdaq/micro-e-mini-nasdaq-100.contractSpecs.html
  • 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.
  • Pardo, R. (2008). The Evaluation and Optimization of Trading Strategies (2nd ed.). John Wiley & Sons.