VALYNOXSTRATEGY RESEARCH TECHNOLOGY
AlphaPrimeAlphaPrime
策略學院 / 進出場與風控

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 · 發佈 · 更新於 · 編輯原則

目錄
  1. 什麼是最大不利偏移?
  2. MAE 與 MFE 有何差別?
  3. MAE 該用點數還是百分比衡量?
  4. 如何用 MAE 畫出獲利交易與虧損交易的對照圖?
  5. 如何從 MAE 圖挑出停損候選?
  6. 為什麼 MAE 停損看起來比實際好?
  7. MAE 與部位大小、槓桿有什麼關係?
  8. 常見問題
  9. 參考文獻

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。

假設性的 ES 多單,價格跌到進場價下方 20 點,MAE 為 20 點,之後在進場價上方 30 點出場,平倉結果為 +30 點,所以獲利交易同樣有 MAE 獲利單也有 MAE 一筆 ES 多單,假設性 進場價 MAE−20點 平倉 +30 點 平倉結果藏住了最糟的點 所以:每筆交易都記錄 MAE
MAE 是交易期間最深的未平倉虧損。平倉結果是另一個數字,獲利交易同樣有 MAE。

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?
兩條交易路徑,一筆獲利、一筆虧損,各標出進場價上方最好的點 MFE 與進場價下方最糟的點 MAE;MAE 指引停損,MFE 指引停利或移動出場 兩個極端,同一筆交易 虛線=進場價 獲利 虧損 MFE MAE MFE MAE MAE 指引停損,MFE 指引停利 所以:每筆交易兩個數字都讀
MAE 與 MFE 是同一筆交易的兩個極端。一個指引停損,另一個指引停利或移動出場。

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
比較點數、價格百分比與 ATR 倍數作為 MAE 單位的對照表:點數適合價格穩定,但在價格翻倍或混合多個商品時失效;百分比適合價格翻倍的情況;ATR 適合價格翻倍與混合商品 依情況選MAE 單位 各單位適用的情況 點數 百分比 ATR 價格穩定 價格翻倍 多個商品 最佳 可 可 不宜 最佳 最佳 不宜 可 最佳 點數只適合價格穩定時 所以:其他情況改用 % 或 ATR
適合的 MAE 單位,取決於測試期間內價格水準與商品組合的變動幅度。

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:

  1. 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。
  2. 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。
  3. MAE 放橫軸,平倉結果放縱軸。獲利與虧損交易用不同標記。
  4. 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。
假設性的散布圖,橫軸為以點數計的 MAE,縱軸為平倉結果:獲利交易(實心點)的 MAE 都在約 25 點以下,虧損交易(空心點)從 10 到 80 點都有,30 點處的虛線標出停損候選,超過它只剩虧損交易 超過 30 點,只剩虧損 假設性的無停損回測 獲利單 虧損單 停損 30 點 MAE點 30 80 獲利單鮮少需要超過 30 點 所以:用新資料檢驗 30 點停損
假設性的獲利與虧損交易 MAE 對照圖。獲利交易集中在小的 MAE,虧損交易向右散得廣,虛線標出的水準,超過它就只剩虧損交易。

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%
提供交易明細的無停損 ES 回測。請看交易筆數,以及淨損益與最大回撤的關係;兩者都決定這份明細畫出的 MAE 圖能不能讀。
提供交易明細的無停損 ES 回測。請看交易筆數,以及淨損益與最大回撤的關係;兩者都決定這份明細畫出的 MAE 圖能不能讀。 ES · 日 K 棒 · 2019-01-02 至 2025-06-30 · CPU 引擎回測

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。

五個編號步驟:不設停損跑回測、記錄每筆 MAE、畫出獲利與虧損交易、讀出水準並點算其外的交易筆數、做樣本外檢驗;從最後一步指回第一步的箭頭標為新候選 從圖到檢驗過的停損 五個步驟,然後循環 1 2 3 4 5 不設停損跑回測 記錄每筆 MAE 畫獲利與虧損 讀水準、點筆數 樣本外檢驗 新 候選 圖只給猜測,不給停損 所以:每個水準都用新交易檢驗
從無停損回測,到交付檢驗的停損候選。檢驗失敗,就把下一個構想送回起點。

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。

兩張假設性的散布圖,使用同一條 30 點虛線停損:樣本內,線外沒有獲利交易;樣本外,線外有五筆獲利交易,虧損交易則落在線的兩側 乾淨的缺口在新資料中變模糊 實心:獲利 · 空心:虧損 樣本內 樣本外 砍掉獲利單:0 砍掉獲利單:5 30 點停損只適配自己的樣本 所以:新資料也認同才保留
同一條 30 點停損,套用在挑出它的交易與沒參與挑選的交易上。樣本內乾淨的缺口,到了樣本外變模糊。

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:

  1. 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。
  2. 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。
  3. 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。
  4. 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。

在相同的假設性單筆美元風險與每 ES 點 50 美元下,20 點停損每口只用掉該風險的一半,可做 2 口;40 點停損每口用掉全部風險,可做 1 口 停損越寬,口數越少 每筆風險相同,每點 $50 口數 = 風險 ÷(停損 × $50) 20點 一半 2 口 40點 全部 1 口 美元風險相同,部位減半 所以:停損與部位一併決定
每筆美元風險相同,兩種停損距離,兩種口數。以 MAE 為基礎的停損放得越寬,口數就越少。

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$180,2283
固定名目金額$251,928$120,1652.51
權益百分比$74,628$437,9653.86
固定美元風險$218,340$110,3252.67
固定比例風險$81,390$376,8284.44
波動率目標$218,340$110,3252.67
固定比率$183,928$339,1283.14
權益曲線交易$154,703$112,3532.21
凱利$93,840$69,3131.09
同樣 43 筆 ES 交易在九種部位大小方法下的最大回撤,以起始資金的倍數表示:權益百分比 4.4 倍,固定比例風險 3.8,固定比率 3.4,固定口數 1.8,固定名目金額 1.2,權益曲線交易 1.1,固定美元風險 1.1,波動率目標 1.1,凱利 0.7 同樣的交易,九種回撤 最大回撤 ÷ 起始資金 權益 % 固定比例 固定比率 固定口數 固定名目 權益曲線 固定 $ 風險 波動率目標 凱利 4.4× 3.8× 3.4× 1.8× 1.2× 1.1× 1.1× 1.1× 0.7×
同樣 43 筆 ES 交易在九種部位大小方法下的最大回撤。進場與出場相同,只有口數不同。

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.