剝頭皮最佳指標：期貨測試扣除成本後的結果

目錄

1. 有沒有剝頭皮的最佳指標？
2. 剝頭皮交易人最常用哪些指標，各自衡量什麼？
3. 剝頭皮該用哪種 K 棒週期？
4. VWAP 或 EMA：哪一個適合剝頭皮？
5. 手續費與滑價會削掉多少剝頭皮的獲利？
6. 標準指標規則的真實測試，扣除成本後顯示什麼？
7. 怎麼檢查剝頭皮訊號沒有過度最佳化？
8. 常見問題
9. 參考文獻

有沒有剝頭皮的最佳指標？

沒有哪個指標能單獨成為剝頭皮的最佳指標。唯一公平的排名，是把完整規則放在期貨上回測，並計入手續費與滑價。剝頭皮每筆只追求幾個跳動點，一買一賣的成本通常比指標更早決定結果。

剝頭皮是一種交易風格，每筆交易只求賺幾個跳動點，持倉數秒到數分鐘。指標只是剝頭皮規則的一部分。規則還需要進場價、出場、K 棒週期、交易時段與成本模型。兩位交易人用同一個指標，出場不同，結果可能完全相反。因此「哪個指標最好」這個問題，要等整套規則寫清楚並測試過，才有答案。

把指標想成食譜裡的一樣食材。只問哪樣食材最好，說不出這道菜好不好吃；要把整份食譜做出來，再試吃。對剝頭皮規則來說，「試吃」就是每筆交易都付手續費與滑價的回測，第一個要讀的數字是扣除這些成本後的平均每筆損益。免費的期貨合約與損益計算機，可把幾個跳動點的目標換算成金額，在測試之前先拿它和一買一賣的成本比較。

較慢的日內規則適用同樣的道理，日內交易最佳指標的測試結果一文用較長的 K 棒走過一遍。剝頭皮是最極端的情況：目標的波動越小，成本占掉的比例越大。

剝頭皮交易人最常用哪些指標，各自衡量什麼？

移動平均線、VWAP、RSI 與布林通道，是剝頭皮交易人最常用的四個指標。每個指標回答的是價格的不同問題，因此它們是待測的候選，而不是可以直接採信的排名。一個告訴你方向，一個告訴你當日的平均價格，一個告訴你近期漲幅相對於跌幅拉伸了多少，一個告訴你近期區間有多寬。

	移動平均線	VWAP	RSI	布林通道
衡量什麼	近期價格的方向	當日平均價格，以成交量加權	近期漲幅相對於跌幅的拉伸程度	圍繞移動平均線、由近期波動率決定寬度的通道
剝頭皮的典型用法	趨勢濾網：只順著斜率方向交易	回到合理價：價格回到 VWAP 時進場	極端讀數時的反轉	觸及通道時進場或出場
在剝頭皮中的弱點	落後：轉折在行情發生之後才出現	在開盤時重設，因此早段讀數薄弱	強勢趨勢中會長時間停在極端值	通道是在行情之後才變寬，不是之前

四個指標衡量的東西不同，公平的測試比較的是完整規則，不是指標名稱。移動平均線趨勢濾網加上 RSI 回檔，和其中任何一個指標單獨使用，是不同的規則，每種組合都要各自回測。技術分析工具與可檢驗的指標一文，說明哪些指標能寫成精確規則、哪些不能。針對更快訊號而設計的震盪指標，例如WaveTrend 指標的參數設定與交叉訊號測試所談的那一種，也是同樣的模式：參數與出場比指標名稱更能決定結果。

剝頭皮該用哪種 K 棒週期？

K 棒週期取決於：訊號需要幾根 K 棒才能成形、每個交易時段產生幾筆交易、每筆交易能抓到幾個跳動點的波動。1 分鐘圖、筆數圖與區間圖，對這幾點給出的答案差異顯著，所以 K 棒週期是要測試的參數，不是照傳統就好的慣例。

時間 K 棒依時鐘收盤；筆數 K 棒在成交達固定筆數後收盤；區間 K 棒在價格移動達固定距離後收盤。對剝頭皮交易人而言，差別體現在三方面：交易筆數、訊號在新聞前後如何聚集，以及回測成交的真實程度。

	1 分鐘 K 棒	筆數 K 棒（例如 500 筆）	區間 K 棒
每個一般交易時段的 K 棒數（示意）	固定：六個半小時的交易時段有 390 根 K 棒	隨活躍度而變：行情熱絡的日子根數多，清淡的日子根數少	隨波動率而變：價格移動時根數多，價格停滯時幾乎沒有
訊號在新聞前後如何聚集	無論發生什麼事，每分鐘一根；新聞急漲急跌落在一、兩根 K 棒之內	數秒內形成許多根 K 棒，一次急漲急跌可能觸發數個訊號	數秒內形成數根 K 棒，每根都是完整的一格區間
回測成交如何模擬	在下一根 K 棒的開盤價，這是真實存在過的價格	在下一根 K 棒的開盤價，實際上常晚了一秒不到	在下一根 K 棒的開盤價，該價恰好距上一個收盤價一格區間
下一根 K 棒成交是否貼近實況？	是，計入一個跳動點的滑價	大致是，但下一個開盤價出現時，委託單可能還來不及送出	只有在你接受開盤價是邊界價格時才成立，這個價格可能只成交過一瞬間

實務上的選法，是從跳動點倒推。先決定單筆剝頭皮在扣除成本後，實際能抓到幾個跳動點，再挑一種 K 棒週期，使一根完成的 K 棒大約移動這個距離。平均只移動兩個跳動點的 K 棒，餵不了目標八個跳動點的規則，除非持倉跨越數根 K 棒；而持倉跨越數根 K 棒的規則，已經不是剝頭皮。無論選哪一種，同一條規則至少要在另一種 K 棒週期上再測一次。在 1 分鐘 K 棒有效、在 2 分鐘 K 棒失效的訊號，描述的是 K 棒的邊界，不是市場。

VWAP 或 EMA：哪一個適合剝頭皮？

VWAP以交易時段為錨並每日重設，EMA則以你選定的任何長度追隨近期價格，所以選擇取決於你想測試哪一種訊號，而且兩者都只有在扣除成本後才有意義。沒有哪一個更好；同樣的 K 棒，兩者產生不同的訊號。

VWAP（成交量加權平均價）是截至目前整個交易時段內的平均成交價，以每個價位的成交量加權。EMA（指數移動平均）是近期收盤價的平均，賦予最新的 K 棒較大權重。兩者的差別在於錨定的對象。VWAP 錨定在交易時段的開盤，所以 09:35 時只反映五分鐘的交易，到了下午就反映整天。EMA 錨定在自己的長度：一條 20 根 K 棒的 EMA，在一天中的任何時刻，大約都反映最近 20 根 K 棒。

	VWAP	EMA
錨定對象	交易時段開盤；每日重設	選定的長度；不重設
要測試的參數	幾乎沒有（交易時段的定義）	長度；交叉通常需要兩個長度
典型的剝頭皮訊號	價格回檔到 VWAP 並守住	價格穿越 EMA，或快 EMA 穿越慢 EMA
在剝頭皮中的弱點	早段交易時段的讀數建立在少量成交量上	落後：交叉確認的是已經發生一部分的行情
過度最佳化風險	指標本身偏低；風險落在出場與濾網	較高：每多一個長度，就多一項要調整的參數

就測試而言，參數的差異和訊號的差異同樣重要。VWAP 回檔規則幾乎沒有指標參數，調整的重心都在出場與進場濾網。EMA 規則至少要選一個長度，交叉則要兩個，最佳化程序因此有更多空間去擬合雜訊。如果困擾你的是 EMA 的落後，縮短 EMA 落後的 DEMA 交叉測試是順理成章的下一個變體，同樣要留意：落後越少，快速 K 棒上的假交叉也越多。

手續費與滑價會削掉多少剝頭皮的獲利？

剝頭皮只追求幾個跳動點的獲利，所以一買一賣的手續費，加上每邊一個跳動點的滑價，可能比毛平均每筆損益還大。這也是為什麼在讀報表上其他任何數字之前，要先拿平均每筆損益和一買一賣的成本比較。

滑價是指回測假設的價格，和真實委託單實際會拿到的價格之間的差距。對流動性佳的期貨，市價單與停損單的常見起始假設是每邊一個跳動點。手續費與交易所規費在進場與出場時各收一次。合併起來，本文只需要這一條公式：

淨平均每筆損益 = 毛平均每筆損益 − 每一買一賣的手續費與規費 − 每一買一賣的滑價

其中毛平均每筆損益是未扣任何成本前，平均每筆交易的結果；每一買一賣的手續費與規費是券商與交易所對一次進場加一次出場收取的費用；每一買一賣的滑價是進場損失的跳動點加上出場損失的跳動點，換算成金額。

範例中的跳動點價值，依據交易所公布的 E-mini 那斯達克 100 期貨合約規格，每跳動點為 0.25 個指數點，價值 $5.00。交易所可能調整跳動點大小、費用與合約條款，所以請到交易所的合約頁面，查閱你所測試商品的規格；第一節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。

這個教訓談的是比例，不是某一個市場。毛平均每筆損益只有一買一賣成本的兩、三倍的規則，要靠便宜的成交，滑價稍有變動，就決定輸贏。毛平均每筆損益是成本許多倍的規則，則能承受不好的成交。這也是成本從第一次執行就該放進搜尋、而不是留到最後檢查的原因：先排名、後扣成本的搜尋，會偏愛交易最多、每筆最小的規則，而這正是成本最先淘汰的那一類。AlphaPrime（Valynox）的GPU 回測，在每一次評估中都計入你設定的手續費與滑價，並採下一根 K 棒成交，所以只在免費成交下才有效的剝頭皮規則，永遠進不了候選策略清單的前段。

標準指標規則的真實測試，扣除成本後顯示什麼？

本文背後的執行，並不是剝頭皮測試。它測試的是由標準指標建立的替代規則，跑在 ES 日 K 上，用來展示計入手續費與滑價後的報表長什麼樣，以及從眾多候選中只留下一個，為何本身就會讓結果被美化。

這次執行使用 ES 日 K，期間 2019-01-02 至 2025-06-30，多空皆做，一口，每筆手續費 $20、滑價 $25。規則是資訊熵（Information Entropy，變體 2），作為唯一的進場與出場，沒有停損、沒有停利、沒有濾網。它是本文主題的替代，不是剝頭皮訊號：日 K 加上六年半只有 44 筆交易，與剝頭皮正好相反。搜尋共跑了 1,024 個候選策略，只留下這一個，評選標準是報酬相對於回撤。

這份報表有兩件事可以帶到剝頭皮上。第一，$2,922.33 的平均每筆損益，是在每筆 $45 的手續費與滑價之後量得的，所以在日 K 上，成本只占每筆的一小部分。剝頭皮規則把這個比例倒過來，這正是上一節的重點。第二，$128,582.5 的淨損益相對於 $55,412.5 的最大回撤，屬於 1,024 個候選中被留下的那一個。事後挑出最佳者，會美化它：任何規則的一千種變體裡，總有幾種在同一段歷史上因運氣而好看，報表無法告訴你這一個屬於哪一類。這條規則並未賺到那筆錢，讀者也不該期待；這個數字描述的是一段歷史，不是預測。

從這份報表能帶走的，是讀報表的方式。淨損益要放在回撤旁邊才有意義。交易筆數告訴你平均每筆損益能承受多少份量：44 筆是偏小的樣本，換掉幾筆交易，平均值就會大幅移動。有數千筆交易的剝頭皮報表，問題正好相反：平均每筆損益穩定，但數字微小，問題變成成本模型是否準確到差距不到一個跳動點。

怎麼檢查剝頭皮訊號沒有過度最佳化？

每次都以相同順序執行相同的檢查，遇到第一個失敗就停止，並在看任何結果之前，先寫下通過條件。有數千筆交易的剝頭皮回測，可以畫出平滑的權益曲線，卻仍然只是在描述雜訊，因為許多小額交易把每一筆的隨機性平均掉了，卻沒有把它從規則中去除。

過度最佳化，是把規則調整得過度貼合某一段歷史，貼合的是那段歷史裡的雜訊，而不是可重複的模式。Bailey、Borwein、López de Prado 與 Zhu（2014）指出，大規模搜尋中的最佳結果，會被搜尋本身墊高，而且試過的變體越多，墊高越多。Sullivan、Timmermann 與 White（1999）在測試大量技術交易規則時發現了同樣的效應：把搜尋規模納入考量後，樣本內最佳的規則看起來遠沒那麼亮眼。剝頭皮的搜尋本質上就是大規模搜尋，因為每個指標長度、K 棒週期與出場距離，都會讓候選策略成倍增加。

1. 搜尋時就計入成本。手續費、滑價與下一根 K 棒成交，在評估第一個候選策略之前就設定好，所以排名反映的已是可以交易的結果。
2. 依日期切分。在歷史較早的部分調整，再把規則原封不動地跑在較晚的部分。在執行之前，先寫下切分日期，以及可接受的平均每筆損益降幅。
3. 滑價加倍後重跑。每邊多一個跳動點就轉為負值的剝頭皮，依賴的是成交，不是訊號。
4. 測試鄰近的參數。若 9 根 K 棒的 EMA 通過，而 8 與 10 都未通過，這個參數只是幸運的尖峰。可信的優勢，落在鄰近參數表現相近的高原上。
5. 移除獲利最高的五筆交易。剝頭皮規則不該依賴少數幾筆交易；若拿掉它們後結果低於零，所謂優勢只是幾次新聞急漲急跌。

順序之所以重要，是因為每項檢查都會耗掉資料的一部分資訊。先跑成本低的檢查（成本、滑價加倍），可以在多數候選策略碰到樣本外期間之前就淘汰它們，使在該期間上相互比較的規則維持在少量。事先寫好的通過條件，則阻止最後一步淪為「我看起來沒問題」。這個流程不證明任何規則有效；它只淘汰能被證明無效的規則。

具體的下一步：拿你正在交易或打算交易的剝頭皮規則，把它的毛平均每筆損益和你實際一買一賣的成本並排寫下，再以每邊多一個跳動點的滑價重跑回測。如果重跑後的平均每筆損益仍為正，且仍是成本的數倍，再以事先寫下的通過門檻，進入日期切分。

常見問題

大多數剝頭皮交易人用哪個指標？

最常見的是移動平均線與 VWAP，通常用作方向或合理價的參考，再加上 RSI 或布林通道來抓進場時機。受歡迎與結果無關。同一個指標，出場、K 棒週期與成本設定不同，結果就不同，所以唯一有用的比較，是在扣除手續費與滑價後測試的完整規則之間比較。

剝頭皮用哪種 K 棒週期最好？

沒有單一最佳的 K 棒週期。從單筆交易在扣除成本後實際能抓到的跳動點數來選 K 棒週期，再挑一根完成時大約移動這個距離的 K 棒。一分鐘 K 棒讓每個交易時段的根數固定；筆數與區間 K 棒在市場活躍時根數較多，清淡時較少。信任一條規則之前，先在第二種 K 棒週期上再測一次。

能只用 RSI 剝頭皮嗎？

RSI 單獨可以寫成剝頭皮規則，但它的弱點是在強勢趨勢中會長時間停在極端值，所以反轉規則會一路對著上漲的價格放空。多數經過測試的 RSI 剝頭皮規則，都會搭配方向濾網與出場距離。這個組合是否站得住，要看你自己的資料上扣除成本後的平均每筆損益。

為什麼剝頭皮回測看起來不錯，實單交易卻虧損？

通常是因為回測以真實委託單拿不到的價格成交。在訊號 K 棒的收盤價成交、假設價格一碰到限價單就成交、或漏掉每邊一個跳動點的滑價，這些做法對剝頭皮的灌水程度比其他任何策略類型都大，因為每筆毛利只有幾個跳動點。以下一根 K 棒成交與滑價加倍重測；如果結果崩潰，實單交易的結果才是誠實的那一個。

參考文獻

• 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.
• Sullivan, R., Timmermann, A., & White, H. (1999). Data-Snooping, Technical Trading Rule Performance, and the Bootstrap. The Journal of Finance, 54(5), 1647–1691.
• CME Group. E-mini Nasdaq-100 Futures Contract Specs. https://www.cmegroup.com/markets/equities/nasdaq/e-mini-nasdaq-100.contractSpecs.html