出場規則設計：4 種出場類型與樣本外檢驗方法

目錄

1. 什麼是出場規則設計？怎樣的出場組合才算穩健？
2. 出場規則有哪些類型？各自的功用是什麼？
3. 移動式出場或固定停利，該用哪一個？
4. 出場規則該不該最佳化？
5. 如何在樣本外檢驗出場？
6. 如何公平地比較兩組出場？
7. 部位大小會改變哪一組出場看起來最好嗎？
8. 常見問題
9. 參考文獻

什麼是出場規則設計？怎樣的出場組合才算穩健？

出場規則設計，就是挑出少數幾條用來結束一筆交易的規則：停損、停利、移動式出場，以及時間或交易時段出場。當每條規則都有市場依據、鄰近的設定得到差不多的結果，而且扣除成本後的平均每筆損益在樣本外資料上維持正負號，這組出場就算穩健。

出場組合，是一個策略一起使用的那一小組出場規則。以出門旅行為例：進場決定你什麼時候離開家，但每趟旅行都以返回收尾，所以出場影響每一筆交易。這就是為什麼出場改變結果的速度可以比進場更快，也是它值得有獨立設計步驟、而不是直接套用範本設定的原因。停損通常是交易人寫下的第一條出場規則，要選固定跳動點、波動率距離、時間上限還是移動規則，期貨策略的停損：固定跳動點、ATR、時間或移動停損有完整的討論。

三項檢查可以分辨穩健的出場與僥倖的出場：

1. 有市場依據。出場距離或時間，連結到市場顯示的某樣東西：波動率、交易時段時鐘，或像波段低點這樣的價格結構。只是「測試結果最好的那個數字」的距離，沒有依據。
2. 鄰近區域平坦。所選數值上下各約 10% 的設定，得到相近的結果。若 2.2 ATR 有效，而 2.0 與 2.4 無效，這個出場描述的是雜訊。
3. 樣本外撐得住。出場固定下來之後，扣除成本後的平均每筆損益在切分日之後仍維持正負號。

出場規則有哪些類型？各自的功用是什麼？

出場有四種類型，各司一職：停損限制虧損，停利收下一段行情，移動式出場跟著趨勢走，時間或交易時段出場把不再動的交易清掉。一個策略每項職責最多需要一條規則，許多好策略只用兩項或三項職責，不是四項。

停損是價格逆向變動達到設定距離時平倉的出場。停利是價格順向變動達到設定距離時平倉的出場。移動式出場是出場位置隨著交易獲利而跟著價格移動的出場，所以能鎖住一段行情的一部分，同時讓行情繼續。時間或交易時段出場是在設定的 K 棒數之後，或交易時段結束之前，不論價格如何都平倉的出場。每一種防範的是不同的失敗。

出場類型	職責	防範的失敗	設定依據
停損	限制單筆交易的虧損	一筆交易吃掉許多筆獲利	波動率（ATR）或價格結構
停利	收下典型幅度的行情	回吐幾乎不再擴大的獲利	交易明細中典型的有利變動
移動式出場	留在一段行情裡，轉向時離場	提早砍掉成就全年的少數長行情	波動率，或像均線這類的訊號反轉
時間或交易時段出場	清掉不再動的交易	不動的交易占用保證金，或隔夜跳空	交易時段時鐘或 K 棒數

兩個出場可能做同一件事，出場組合就是這樣變得臃腫。固定停利與移動式出場都在收下獲利；停損與時間出場也可能結束同一筆虧損交易。每項真正需要的職責，只挑一條規則。以日內交易策略為例，通常依靠交易時段出場與停損，略過移動式出場，因為交易太短，行情來不及發展；強制日內部位平倉的交易時段規則，以現貨市場為例，在台股現股當沖：規則、成本與回測有說明。

移動式出場或固定停利，該用哪一個？

移動式出場適合獲利來自少數幾次長行情的策略；固定停利適合獲利來自許多幅度相近行情的策略。你自己的交易明細會告訴你屬於哪一種，方法是看最大有利偏移的分布。

最大有利偏移（MFE）是一筆交易在平倉前達到過的最大未平倉獲利。想像搭公車與跟著朋友走的差別。固定停利像公車站：你事先決定在哪一站下車。移動式出場像跟著朋友走：只要他一直往你的方向走，你就留著，他折返時才離開。如果朋友通常走一個街區就停，原地等待沒有意義；如果他有時會走過整個城市，公車站會讓你錯過那趟路。怎麼讀 MFE 明細並轉成停利距離，見最大有利偏移：如何用 MFE 設定停利目標。

問題	移動式出場	固定停利
MFE 直方圖的形狀	右側長尾：少數交易跑得遠	窄峰：多數交易達到相近的距離
獲利從哪裡來	少數幾筆大贏家	許多幅度相近的贏家
勝率	較低，小額虧損與獲利回吐較多	較高，每筆贏家都有上限
需要的市場條件	趨勢段	盤整或震盪段
典型用途	日 K 棒或小時 K 棒的趨勢跟隨	均值回歸與短線日內交易

直方圖的形狀本身會隨市場狀況改變。在趨勢年度呈現長尾的策略，在盤整年度會呈現窄峰，因此有些交易人會用市場狀態濾網在兩種出場之間切換。這樣切換是否有幫助，是可以檢驗的問題，市場狀態偵測：3 種狀態與衡量、檢驗的方法說明如何先衡量市場狀態，再讓出場依它而定。

出場規則該不該最佳化？

出場規則應依 ATR 這類市場量設定，並在事先寫下的窄範圍內測試，再以平坦的高原而不是最佳的單一數值來判斷。出場決定每一筆交易的結果，所以自由最佳化出場，比自由最佳化進場更快出現過度最佳化。

ATR 平均真實區間是在選定的 K 棒數內，一根 K 棒完整價格區間的平均大小，也是最常拿來掛出場的市場量，因為在平靜市場裡一個 ATR 寬的停損，和在劇烈市場裡一個 ATR 寬的停損，以波動率來說是同一個停損。值得寫下的公式只有一條：

停損距離 = k × ATR(n)

這裡的 k 是倍數，例如 2 或 3，ATR(n) 是最近 n 根 K 棒的平均真實區間，停損就放在離進場價這麼多點的位置。經驗法則的設定，以及同一個 ATR 距離如何決定口數，見ATR 移動停損的規則、參數與期貨回測。這時最佳化要問的就不是「哪個 k 最好」，而是「k 在多大範圍內，結果大致維持不變」。

高原是一段相鄰設定都給出相近結果的範圍；尖峰是遠高於鄰近設定的單一設定。想像寬廣平頂的山丘與旗桿：站在山頂任何位置都差不多一樣高，離開旗桿一步就回到地面。Pardo（2008）把這當作最佳化的核心檢驗：從高原的中間挑，永遠不要挑尖峰的頂端。Bailey、Borwein、López de Prado 與 Zhu（2014）補上尖峰為何會存在的原因：在同一段資料上試的設定越多，最好的那一個光靠機率就看起來越高。

1. 執行前先寫下範圍。停損可以是 1.5 到 3.5 ATR、間隔 0.25；時間出場則是少數幾個 K 棒數。之後不再試範圍以外的任何值。
2. 把整個範圍在樣本內資料上跑完，畫出結果對設定值的圖。
3. 只有出現高原才保留這個出場，並取高原中間的值，不取邊緣。
4. 保持交易筆數誠實。由 30 筆交易堆出來的高原仍可能是雜訊；由數百筆堆出來的高原才算證據。

先寫下範圍，會把搜尋變成約束，而不是獵取，而搜尋工具應該替你守住這個約束。在 AlphaPrime（Valynox）裡，每個出場參數的允許範圍，會和進出場條件一起在策略生成輸入，所以跑出來的候選策略，不會帶有你事先沒有同意的出場數值。

如何在樣本外檢驗出場？

在樣本內期間結束時把出場組合固定下來，原封不動地跑在後面的資料上，並比較切分前後的兩個數字：扣除成本後的平均每筆損益，與在場時間。在場時間是策略持有部位的 K 棒占全部 K 棒的比例，也是出場最直接影響的數字，因為每個出場都決定一筆交易持有多久。

步驟的順序，比任何單一設定都重要：

1. 寫下出場組合與每個參數的允許範圍。
2. 只用樣本內資料擬合參數，像上一節那樣尋找高原。
3. 固定這些設定，連同日期寫下來。
4. 把策略原封不動地跑在樣本外資料上。
5. 比較切分前後扣除成本後的平均每筆損益與在場時間。

清單上沒有的那一步，正是讓檢驗失效的那一步：因為樣本外曲線看起來偏弱，就回到第 1 步。出場一旦用後面的資料重新調整，那段資料就成了樣本內，下一次的樣本外結果也已經用掉了。

這兩個數字在真實執行裡長什麼樣子？下框是 AlphaPrime 在 NQ 日 K 棒上的一次回測，期間為 2019-01-02 到 2025-06-30，多空皆做、一口，每筆收 $20 手續費與 $10 滑價。它測試的是替代規則，不是設計過的出場組合：拋物線 SAR 指標 Parabolic SAR的翻轉同時作為唯一的進場與唯一的出場，不設停損、停利與濾網，所以它代表最簡單的訊號出場，而不是本文的主題。這次執行是搜尋嘗試的 1,024 個中保留下來的那一個候選策略，依報酬相對於回撤挑選；事後挑選保留下來的候選策略，會讓數字好看，框內沒有任何一項是預測。

以出場設計者的角度讀它，而不是當成成績單。在場時間 94.54% 正是只用訊號出場會產生的結果：翻轉規則平掉一筆就開出反向一筆，所以策略幾乎從不空手。加上時間或交易時段出場，或加上停損，是降低這個比例的唯一辦法，而且每加一項，都會用一部分 $3,289.34 的平均每筆損益換取較低的曝險。六年半裡的 53 筆交易，也呼應樣本內與樣本外的規則提醒：日 K 棒上這麼慢的出場組合，需要更多筆交易，或採用推進分析的設計，切分前後的正負號變化才有分量。這條規則背後的出場停損與反轉概念，可回溯到 Wilder（1978），他同時提出了拋物線 SAR 指標，以及 ATR 出場所依據的真實區間。

如何公平地比較兩組出場？

只有進場、成本、測試期間與口數都完全相同，並且以多個每筆的數字而不是只看淨損益來讀，兩組出場的比較才公平。這四項改動任何一項，比較的就不再是出場。

只看淨損益會誤導，因為兩組賺到它所承擔的風險，往往不同。留在交易裡較久的移動式出場組合，在趨勢年度每筆賺得較多，但要熬過更大的虧損；停利加停損的組合每筆賺得較少，但大部分時間空手。用計分板同時讀兩組：

• 扣除成本後的平均每筆損益：付完手續費與滑價之後，一筆交易的價值。
• 在場時間：資金在這段期間有多少時間暴露在市場中。
• 最大單筆虧損：最糟的單一筆交易，由停損與交易時段出場控制。
• 各規則平倉的交易占比：一條規則若幾乎沒有平掉任何交易，就是多餘的負擔；若某條規則平掉幾乎所有交易，其他規則只是裝飾。

平倉占比那一列，是多數交易人略過的一列，卻是最便宜的診斷。範例中，A 組的交易時段出場只平掉 15% 的交易；若這個占比在樣本外資料掉到 2%，這條規則就是什麼都沒做，可以移除。Kaminski 與 Lo（2014）指出，停損規則是增加還是減少價值，取決於市場報酬隨時間的行為，這正是要在你自己的市場與自己的進場上做這項比較、而不是借用別的策略結論的正式理由。

部位大小會改變哪一組出場看起來最好嗎？

部位大小把同一份交易明細等比例放大或縮小，所以它改變淨損益與回撤，卻不動任何一個出場，這就是為什麼出場組合先以一口比較，之後才選部位大小。部位大小是決定每筆交易帶幾口的規則。

把交易明細想成一首歌，部位大小就是音量旋鈕。旋鈕轉大，大聲的段落更大聲，小聲的段落也依同樣比例更大聲；旋律從不改變。如果你用不同的大小比較兩組出場，比較的是音量，不是歌曲。出場組合以一口選定之後，特定帳戶與停損距離下的口數，就可從免費的期貨部位大小計算機得出。

第二個框顯示光是這個旋鈕，就能把數字推到多遠。它取上面那次執行的同樣 53 筆 NQ 交易、同樣的進場與同樣的拋物線 SAR 指標出場，以九種資金管理方法重新決定部位大小，起始資金 $100,000、上限 10 口，每種方法都用其報表預設值。各列之間沒有任何一個出場改變；所有差異都來自部位大小。

差距就是重點。在一口時，上面的執行顯示最大回撤 $128,220；在權益百分比的部位大小下，同樣的交易顯示最大回撤 $1,281,660，比該方法的淨損益 $1,026,820 還大，而凱利部位大小平均 1.06 口，回撤為 $217,965。出場規則在這幾列之間並沒有變好或變壞；動的只有乘數。若你拿兩組出場來比較，其中一組以權益百分比決定大小、另一組用固定口數，部位大小會在出場還來不及發言之前就決定勝負。這些數字也承襲第一個框的挑選美化：它們是 1,024 個中保留下來的候選策略重新決定大小的結果，不是任何人應該預期的結果。

下一步不大，用你自己的交易明細就能做：匯出目前策略的交易，依最大有利偏移排序，並畫出直方圖。它的形狀會告訴你，獲利存在於尾部還是峰值，這一張圖在任何最佳化開始之前，就能解決移動式出場還是停利的問題。

常見問題

出場規則有哪些類型？

四種類型涵蓋幾乎所有策略：限制單筆交易虧損的停損、收下典型幅度行情的停利、跟著一段行情走並在轉向時離開的移動式出場，以及把不再動、或否則會被留倉過夜的交易平掉的時間或交易時段出場。每種類型各做一件事。一個策略每項職責最多需要一條規則，許多策略只用四種中的兩種或三種。

我該用移動停損還是固定停利？

看你自己交易明細中最大有利偏移的分布，也就是每筆交易達到過的最大未平倉獲利。若少數幾筆交易跑得遠、多數提早停下，獲利就在那條長尾裡，移動式出場能留住它。若多數交易達到差不多的距離、少有再走更遠的，放在那個峰值附近的固定停利能收下更多。這個形狀可能在趨勢期與盤整期之間改變，所以要在不止一段資料上檢查。

出場規則該不該最佳化？

只能在執行前寫下的窄範圍內，而且只為了找高原，不是找單一最佳數值。依 ATR 這類市場量設定出場，測試少數幾個相鄰的倍數，只有鄰近設定得到相近結果時才保留這個出場。因為出場決定每一筆交易的結果，自由最佳化的出場，擬合雜訊的速度比自由最佳化的進場更快。

比較出場時，為什麼在場時間重要？

在場時間是策略持有部位的 K 棒占比，而出場正是推動它的因素。兩組淨損益相同的出場，曝險可能差距甚大：一組可能大部分時間空手就賺到結果，另一組則幾乎一直持有部位。曝險是不論交易有沒有成功都要承擔的風險，所以應該和扣除成本後的平均每筆損益一起放進計分板。

可以用不同的部位大小來比較出場組合嗎？

不能算公平。部位大小會乘上同一份交易明細，所以較大的大小會同時放大淨損益與回撤，卻沒有改變任何一個出場。比較出場組合時，要在一口、相同進場、成本與期間下進行，依每筆的數字選出出場組合，再把部位大小方法當成另一個獨立決定。

參考文獻

• Wilder, J. W. (1978). New Concepts in Technical Trading Systems. Trend Research.
• Pardo, R. (2008). The Evaluation and Optimization of Trading Strategies (2nd ed.). John Wiley & Sons.
• 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.
• Kaminski, K. M., & Lo, A. W. (2014). When Do Stop-Loss Rules Stop Losses? Journal of Financial Markets, 18, 234–254.