最大不利偏移 MAE:怎麼從 MAE 讀出停損並檢驗
最大不利偏移是一筆交易在平倉前達到的最深未平倉虧損。把每筆交易的 MAE 對照它的平倉結果作圖,讀出虧損交易穿過、獲利交易鮮少到達的水準,並把它當作停損假設,在沒參與挑選它的交易上檢驗。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
目錄
什麼是最大不利偏移?
最大不利偏移(MAE)是一筆交易在平倉前,自進場價起算所達到的最大未平倉虧損。把每筆交易的 MAE 對照它的平倉結果作圖:多數獲利交易沒到過、多數虧損交易卻穿過的水準,就是停損候選,之後還必須在沒參與挑選它的交易上檢驗。
想像一趟健行,終點比起點高,路上仍穿過一道山谷。MAE 是山谷的谷底,不是終點的高度。獲利交易只要在進場後價格曾朝不利方向走,就有 MAE;虧損交易的 MAE 至少和它的平倉虧損一樣大,往往更大。
假設性範例
一筆 ES 多單在 5,000 進場。進場到出場之間的最低價是 4,980,所以 MAE 是 20 點。交易在 5,030 出場,平倉結果是 +30 點。以每 ES 點 $50 計,這筆交易最糟時浮虧 $1,000,最後以 +$1,500 平倉。光看平倉結果,永遠看不出這筆獲利交易需要 20 點的空間。
停損是一條規則:未平倉虧損達到設定距離時,平掉該筆交易。若這個距離落在多數獲利交易的 MAE 之外、多數虧損交易的 MAE 之內,停損就能剔除虧損交易,同時大致不動獲利交易。Kaminski 與 Lo(2014)指出,停損規則是加分還是扣分,取決於虧損後價格通常怎麼走,所以這個水準必須檢驗,不能預設。可以檢驗的停損類型,包括固定跳動點、ATR 型、時間型或移動停損,比較見期貨策略的停損設定。
MAE 與 MFE 有何差別?
MAE 記錄一筆交易最糟的點,MFE 記錄最好的點,所以 MAE 決定停損放哪裡,MFE 決定停利或移動出場放哪裡。最大有利偏移(MFE)是一筆交易在平倉前,自進場價起算所達到的最大未平倉獲利。每筆交易兩個數字都有,把同一筆交易的兩者放在一起讀,就能看出出場規則實際保住了每段走勢的多少。
| 問題 | MAE(最大不利偏移) | MFE(最大有利偏移) |
|---|---|---|
| 記錄什麼 | 自進場起最深的未平倉虧損 | 自進場起最高的未平倉獲利 |
| 多單 | 進場價減去出場前的最低價 | 出場前的最高價減去進場價 |
| 影響的出場規則 | 停損距離 | 停利或移動出場距離 |
| 數值大代表什麼 | 這筆交易需要大量空間 | 這筆交易可得的獲利多於保住的 |
| 常見讀法 | 虧損交易去了獲利交易沒去的哪裡? | 出場保住了最佳點的多少? |
讀 MFE 的實用做法,是拿平倉結果與最佳未平倉獲利比較。MFE 為 40 點、最後以 +10 平倉的交易,保住了最佳點的四分之一。若多數獲利交易只保住 MFE 的一小部分,移動出場或停利值得一測。若多數虧損交易曾有一段可觀的 MFE,後來才轉為虧損,虧損來自把獲利吐回去,而不是進場不好。這兩者都是和停損分開的檢驗。本文只談 MAE 與停損;同樣的作圖方法也適用於 MFE 與停利。
MAE 該用點數還是百分比衡量?
單一期貨合約、數年資料,用點數或跳動點衡量 MAE,因為一點的美元價值由合約規格固定。每點價值是每口合約每動一整個指數點所值的美元金額;ES 是 $50,要確認請看交易所的合約頁面,因為交易所可能調整這些數值。免費的期貨合約與損益計算機會顯示你所測合約的跳動點大小、每跳動點價值與每點價值。
點數在兩種情況下不好用。第一,價格水準在資料期間內變動幅度大時,資料起點的 20 點,占價格的比例遠高於終點的 20 點,所以固定點數的停損,早期偏緊、後期偏鬆。第二,比較多個商品時,點數在各商品的意義不同。這時就改用進場價的百分比,或 ATR 倍數衡量 MAE。ATR 平均真實區間是 K 棒波動區間在指定根數內的平均大小,跳空也算在內,所以一個 ATR 大致就是該商品在當時一根正常 K 棒的走動。ATR 型停損與部位大小怎麼設定,見ATR 移動停損的規則與參數。
| 情境 | 點數或跳動點 | 價格百分比 | ATR 倍數 |
|---|---|---|---|
| 單一商品、歷史短、價格水準穩定 | 適合:美元意義固定、易讀 | 可用,但多一道換算 | 可用,但多一個參數(ATR 期數) |
| 單一商品,價格在歷史期間內翻倍 | 容易誤導:早期停損太緊,後期太鬆 | 適合:全程都是同樣比例的價格 | 適合:跟著商品自身的波動區間走 |
| 比較多個商品 | 各合約之間無法比較 | 可以比較,但忽略各商品的波動率 | 適合:依各商品的走動幅度正規化 |
選任何單位之前,先做一項資料檢查。在沒有回溯調整的連續月序列上,轉倉日的價格跳動,會讓任何跨越轉倉仍持有的交易出現假的 MAE 尖峰。期貨回測的合約規格與轉倉設定說明如何建立序列,讓 MAE 量到的是價格走動,而不是兩個合約月份之間的價差。
如何用 MAE 畫出獲利交易與虧損交易的對照圖?
先不設停損跑策略,讓每筆交易都顯示完整的 MAE,再把每筆交易的 MAE 對平倉結果作圖。回測中若有停損,會剛好切掉你要的資訊:每筆被停損的交易,MAE 都等於停損距離,你就看不出虧損交易原本會走到哪裡。步驟如下:
- 不設停損,跑進出場規則。回測要保留手續費與滑價,平倉結果才是淨額。
- 記錄每筆交易的 MAE。多單是進場價減去進場到出場之間的最低價。空單是進場到出場之間的最高價減去進場價。
- MAE 放橫軸,平倉結果放縱軸。獲利與虧損交易用不同標記。
- 找出獲利交易不再出現、虧損交易繼續延伸的水準。若有這個缺口,它就是停損候選。
好的圖會有清楚的缺口:獲利交易擠在小的 MAE,虧損交易一路延伸到右側。差的圖是獲利與虧損交易沿著整條軸混在一起,這代表停損不論放多遠,剔除的獲利交易與虧損交易數量大致相同,出場得另找方法改善。AlphaPrime(Valynox)的績效報表中的交易明細,列出這類無停損回測每筆已平倉交易的進場、出場與淨結果,MAE 研究就從這份明細開始。
下方的回測是本文背後的無停損交易明細。它測試 ADX 平均趨向指標規則,一個趨勢強度指標,作為唯一的進場與出場,沒有停損、沒有停利、沒有濾網,在 ES 日 K 棒上,期間 2019-01-02 至 2025-06-30,多空皆做,單口,每筆手續費 $20、滑價 $25。ADX 規則是任何無停損策略的替代,它不是 MAE 本身。它是搜尋嘗試了 1,024 個後留下的那一個候選策略,依報酬相對回撤挑出,事後挑出留下的那個,會讓它的表現偏好看。這些數字不是這條規則賺到的,也不是讀者可預期的。
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。
| 項目 | 結果 |
|---|---|
| 淨利(已平倉) | $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 | $2,318.66 |
| 在場時間 | 88.68% |

只有 43 筆交易時,這份明細畫出的圖只是線索,不是結果。這麼小的樣本,獲利與虧損交易之間的缺口可能只是巧合。打算據以行動的 MAE 研究,需要數百筆交易,日 K 棒策略的做法是拉長歷史或增加商品,日內策略通常幾年就夠。
如何從 MAE 圖挑出停損候選?
從圖中的缺口讀出停損候選,點算缺口之外的獲利與虧損交易筆數,並在決定這個水準值不值得檢驗之前,算出計入成本後的淨效果。缺口給出距離;筆數告訴你,這個停損在它被讀出的樣本中,會剔除什麼。
三項成本會改變算式。停損單的成交價通常比觸發價差,所以每筆被停損的交易都要加上停損滑價。被停損的交易若在下一根 K 棒又依規則再進場,會多付一次無停損回測沒付的一買一賣手續費與滑價。而被停損砍掉的獲利交易,不只是失去獲利;它變成一筆虧損,金額是停損距離加滑價。
假設性範例
一次無停損的日內 ES 回測有 200 筆交易:110 筆獲利、90 筆虧損。圖在 MAE 約 30 點處出現缺口。30 點之外有 50 筆虧損交易與 6 筆獲利交易。這 50 筆虧損交易平均虧 55 點;若在 30 點設停損,並計入 1 點停損滑價,每筆會以 31 點的虧損平倉,省下 24 點,以每點 $50 計是每筆 $1,200,50 筆共 $60,000。線外的 6 筆獲利交易平均 +$1,800;每筆都變成 $1,550 的虧損,每筆差距 $3,350,總共 $20,100。樣本內的淨效果約好 $40,000,尚未計入任何再進場成本。這個數字描述的是讀出該水準的樣本。它是下一節的假設,不是要保留的設定。
兩種讀法有助判斷。若線外的獲利交易多於少數幾筆,缺口就不乾淨,停損會損失實質的獲利。若線外的虧損交易寥寥可數,停損幾乎沒有改變,該檢驗的是更緊的出場規則,而不是停損。
為什麼 MAE 停損看起來比實際好?
停損水準是從它現在套用的同一批交易中讀出來的,所以一部分改善來自挑選,不是優勢。你看過每筆交易的 MAE,在那個樣本中找到把獲利與虧損分開的唯一距離,然後量測這個距離把兩者分開得多好。當然分得開;它本來就是為此挑出的。換到新交易,有些獲利交易會跌破這條線,有些虧損交易會留在線內,改善幅度就縮小。
Bailey、Borwein、López de Prado 與 Zhu(2014)指出,在同一組資料上嘗試許多變體,其中最佳者幾乎一定被灌水,而從圖上讀出停損,等於同時搜尋每一種可能的距離。解法與任何調過的設定相同:
- 只從歷史的樣本內部分讀出水準。資料怎麼切分、多少筆樣本外交易才算夠,見樣本內與樣本外的切分。
- 把停損原封不動套用在樣本外區塊,或滾動穿過推進分析視窗。Pardo(2008)將推進分析描述為:用發生在挑出設定的資料之後的資料,來判斷一個設定的方法。
- 檢查鄰近值。25、30 與 35 點的停損,結果應該相近。若只有 30 有效,那個缺口只是那批交易的特徵。
- 事先寫下樣本內的改善可以消失多少,才拒絕這個停損。留住一半是常見的工作門檻;正負號翻轉就是失敗。
MAE 與部位大小、槓桿有什麼關係?
MAE 建議的停損距離,決定每口的美元風險,再加上你每筆願意承擔的風險,就決定口數,所以停損與部位大小應一併決定。免費的期貨部位大小計算機,可依指定的帳戶風險與停損距離算出這道算術。這裡有一條公式要知道:
口數 = 每筆風險 ÷(停損距離 × 每點價值)
其中每筆風險是停損被觸發時你接受損失的美元金額,停損距離是以 MAE 為基礎的水準(點數),每點價值是每口合約一點的美元價值。停損放得越寬,同樣的美元風險下口數就越少。
假設性範例
每筆風險 $2,000,ES 每點價值 $50。20 點停損每口風險 $1,000,所以口數是 2 口。40 點停損每口風險 $2,000,所以口數是 1 口。停損放寬使部位減半,停損被觸發時的美元虧損不變。
部位大小即使其他都不變,也會改變回撤。下方第二個回測,取上方方框中同樣的 43 筆 ES 交易,進場與出場相同,套用九種資金管理方法,資金 100,000、最多 10 口,各用報表的預設設定。只有部位大小改變,所以各列之間的差異,全部來自部位大小。最大回撤從凱利法的 $69,313(平均持有 1.09 口)到權益百分比法的 $437,965(超過起始資金的四倍,平均 3.86 口)。固定美元風險與波動率目標在這份明細上產生相同的回撤 $110,325。在獲利後加大部位的方法,回撤最寬,因為較大的部位,剛好出現在虧損階段之前。
來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。與上表同一批交易,初始資金 $100,000,上限 10 口。
| 方法 | 淨損益 | 最大回撤 | 平均口數 |
|---|---|---|---|
| 固定口數 | $300,828 | $180,228 | 3 |
| 固定名目金額 | $251,928 | $120,165 | 2.51 |
| 權益百分比 | $74,628 | $437,965 | 3.86 |
| 固定美元風險 | $218,340 | $110,325 | 2.67 |
| 固定比例風險 | $81,390 | $376,828 | 4.44 |
| 波動率目標 | $218,340 | $110,325 | 2.67 |
| 固定比率 | $183,928 | $339,128 | 3.14 |
| 權益曲線交易 | $154,703 | $112,353 | 2.21 |
| 凱利 | $93,840 | $69,313 | 1.09 |
其中數個回撤大於起始資金 100,000,在真實帳戶中,這意味著遠在測試結束前就遇到追繳保證金。保證金要求如何把回測回撤變成被迫出場,見期貨槓桿與回測回撤。接下來,拿你自己的策略做這件事:在歷史的樣本內部分不設停損跑一遍,記錄每筆交易的 MAE,點算有多少獲利交易落在你原本猜的水準之外。若多於少數幾筆,代表那個猜測一直在讓你丟掉獲利交易,這張圖已經回本。
常見問題
如何用 MAE 設定停損?
在歷史的樣本內部分不設停損跑策略,記錄每筆交易最深的未平倉虧損。把 MAE 對每筆交易的平倉結果作圖,找出獲利交易不再出現、虧損交易仍然延伸的距離。把這個距離當作候選,原封不動套用在樣本外交易,只有改善幅度站得住、鄰近距離表現一致,才保留。
什麼是 MAE MFE 分析?
MAE MFE 分析為每筆交易記錄兩個數字:最糟的未平倉虧損(最大不利偏移)與最好的未平倉獲利(最大有利偏移)。MAE 這一側告訴你,獲利交易需要多少空間、虧損交易去了哪裡,指引停損。MFE 這一側告訴你,每筆交易保住了最佳點的多少,指引停利與移動出場。
MAE 圖需要多少筆交易?
多到獲利與虧損交易之間的缺口不太可能是巧合,實務上是幾百筆。只有幾十筆交易的圖,像本文 43 筆的 ES 回測,只是線索。若策略交易稀少,先增加歷史或商品,再從圖上讀停損;合併多個商品時,用百分比或 ATR 倍數衡量 MAE。
量測 MAE 時,回測該不設停損嗎?
該。回測中若有停損,每筆被停損的交易都會在停損距離被截斷,你就看不出虧損交易原本會走多遠,也看不出獲利交易會不會回升。先單獨跑進場與出場、計入成本,從那次回測讀出 MAE 圖,最後才把停損當作獨立的檢驗,加在沒參與挑選它的交易上。
參考文獻
- Kaminski, K. M., & Lo, A. W. (2014). When Do Stop-Loss Rules Stop Losses? Journal of Financial Markets, 18, 234–254.
- 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.

