可以買交易演算法嗎？付費前該檢查的事

目錄

1. 可以買交易演算法嗎？
2. 實際販售的是什麼：機器人、訊號、指標還是原始碼？
3. 哪些警訊代表該轉身離開？
4. 付費前該問賣方什麼？
5. 如何用自己的資料重新測試買來的演算法？
6. 該自己建一個嗎？
7. 常見問題
8. 參考文獻

可以買交易演算法嗎？

可以，交易演算法買得到：以封閉式機器人、訊號推送、指標或原始碼的形式販售。但銷售頁上的回測，在你用自己的資料與成本重跑規則之前，證明不了多少。真正的問題不是買不買得到，而是查不查得了。

交易演算法是一組固定的規則，決定何時進場、何時出場，通常也決定部位大小。買來或自建，規則的價值都取決於背後的測試；沒有親自跑過的測試，無從信任。各類規則的基本原則，包括多數規則為何在扣除成本後虧損，請見程式交易的定義與成本。

實際販售的是什麼：機器人、訊號、指標還是原始碼？

四種產品的差別，主要在你能檢查、重新測試多少。原始碼讓你閱讀並重跑一切。指標會顯示訊號，但通常沒有出場規則，無法用它回測出完整策略。訊號推送傳來的交易，只能事後評斷。封閉式機器人執行的是你看不到的規則，唯一的證據就是賣方的報告。

檢查項目	原始碼	指標	訊號推送	封閉式機器人
看得到規則嗎？	能	部分	不能	不能
能自己回測嗎？	能	部分	不能	只有賣方的報告
能調整成本與交易時段嗎？	能	能	不能	不能
付費買到的是	規則	僅有訊號	無法稽核的交易	看不到的執行

哪些警訊代表該轉身離開？

兩個跡象比其他都重要：沒有可驗證的實單或前瞻紀錄；以及結果來自同一段歷史上多次嘗試中的最佳者，又沒有另外的樣本外檢驗。樣本外（OOS）資料，是規則未曾用來調整的那段歷史價格，規則不變、只跑一次。Bailey、Borwein、López de Prado 與 Zhu（2014）指出，同一段歷史上測試許多變體、只留最好的一個，留下的回測從篩選方式上就幾乎必然被高估。Harvey 與 Liu（2015）得出相同結論，並建議依測試次數對結果打折。賣方只展示一條平滑曲線、不說試過幾條，等於讓你看一場你沒看到的比賽的優勝者。

再做一次簡單的算術檢查。把賣方宣稱的勝率、平均獲利與平均虧損，填入免費的勝率計算機。若每筆期望值小於合理的一買一賣手續費加滑價，無論曲線多漂亮，這份紀錄都撐不過實單成本。

付費前該問賣方什麼？

依序問七個具體問題，對方拒絕回答，就視為答案。

1. 我能看到規則或原始碼嗎？ 看不到，之後每一項檢查都得靠賣方一句話。
2. 回測用的是哪一組手續費與滑價？ 沒有成本的結果，衡量的是價格走勢，不是可交易的優勢。
3. 用哪種 K 棒、何時成交？ 下一根 K 棒成交，是訊號 K 棒的下一根才成交委託，這是真實委託最早能成交的時點；在同一根 K 棒的收盤價成交，用的是你無法成交的價格。
4. 在這一個之前，測過多少變體？ 答案決定結果有多少來自挑選。
5. 樣本外的結果是什麼？ 應該比樣本內（IS）弱，扣除成本後仍為正。
6. 有實單或前瞻紀錄嗎？我能驗證嗎？ 券商對帳單比截圖可靠。
7. 市場改變時會怎樣？ 從沒有過虧損年度的賣方，不是賣得還不久，就是沒讓你看到虧損的那一年。

如何用自己的資料重新測試買來的演算法？

用你自己的 K 棒資料、手續費、滑價與下一根 K 棒成交重跑規則；留一段賣方沒看過的近期資料，最後只跑一次；兩次結果都對照你在看到結果之前寫好的通過／不通過標準來判斷。

我們自己的一次實測，說明第 5 步為何重要。AlphaPrime（Valynox）測的是替代規則，不是買來的演算法：以變動率 ROC規則的 1,024 個變體，作為唯一的進場與出場條件，不設停損、停利或濾網；商品為 NQ 日 K 棒，期間 2019-01-02 至 2025-06-30，多空皆做，一口，每筆手續費 $20、滑價 $10。下表列出搜尋依報酬相對回撤而留下的那一個候選策略。

用讀銷售頁的眼光來看這張表。淨損益 $172,380、最大回撤 $114,570，只來自 77 筆交易；這個候選策略是事後留下的，因為它在 1,024 次嘗試中表現最好。這樣的挑選會美化結果；不代表變動率 ROC 規則賺到了這筆錢，也不是讀者能預期的成績。賣方展示的單一曲線也是同樣的東西，只是把其他嘗試藏了起來。AlphaPrime 的策略檢驗，依搜尋開始前就訂好的門檻，為每個存活的候選策略評分；買方也需要同樣的紀律：通過標準要先於結果存在。

該自己建一個嗎？

用簡單易懂的規則自己建，花的是時間而不是金錢，換來的是規則、成本與每一項測試都由你掌控。上面七個問題，當你自己就是賣方時，答案一目了然。第一個演算法不必聰明：一個交易時段濾網、一個進場條件、一個出場條件加一個停損，就足以走完測試、重新測試到實單上線的完整流程。第一支程式交易策略的 30 天新手路線逐週說明這個流程，當沖演算法的建立與測試則展示日內版本在扣除成本後的樣貌。無論走哪條路，從測好的規則到實單委託的步驟都一樣，自動交易的規則、平台與第一次測試依序說明這些步驟。

下一步：拿出你正考慮買的那一個演算法，把通過／不通過的標準寫在紙上，向賣方問清單上的第一個問題。

常見問題

可以買交易演算法並在自己的平台上執行嗎？

可以，前提是賣的是原始碼，或適用你平台的指標。封閉式機器人或訊號推送在賣方那一端執行，無法載入你自己的回測軟體。只有原始碼能讓你閱讀、調整成本並完整重新測試。

販售的交易機器人是騙局嗎？

依定義並非如此，但多數販售的機器人無法查證。封閉式機器人只給你賣方的報告，別無其他，所以看不到規則、假設的成本，也不知道展示的這一個之前試過多少變體。以賣方允許你驗證的程度來評斷機器人，無法重跑的結果，一律視為未經證實。

交易演算法要多少錢？

價格從指標或原始碼的一次性費用，到訊號推送或機器人的月費都有，價格無法反映品質。更該在意的是回測內的交易成本：若遺漏手續費與滑價，展示的結果不論定價多少都無法交易。

能買到一定有效的程式交易策略嗎？

不能。市場會變，針對一段歷史調好的規則，在條件轉變時可能失效。賣方能誠實提供的，頂多是看得到的規則、含合理成本的回測、另外的樣本外結果，以及可驗證的實單紀錄。其餘都是你無法查證的說法。

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.
• Harvey, C. R., & Liu, Y. (2015). Backtesting. The Journal of Portfolio Management, 42(1), 13–28.