成交量最大的期貨合約:ES、NQ、CL、GC、ZN 與為什麼重要
成交量最大的期貨合約,是 CME Group 的基準合約 ES、NQ、CL、GC 與 ZN,排名逐年變動。成交量對系統化交易人的意義在於:它決定回測要假設多少滑價,而規則在被信任之前,應原封不動拿到幾個流動性高的市場執行。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
目錄
哪些期貨合約成交量最大?
成交量最大的期貨合約,是 CME Group 的基準合約:E-mini S&P 500(ES)、E-mini 那斯達克 100(NQ)、WTI 原油(CL)、黃金(GC)與 10 年期美國公債(ZN)。排名逐年變動,所以要查交易所的每日成交量報告。成交量對系統化交易人的重要,在於它決定回測必須假設多少滑價。
這五個合約居於前列,是因為各自是市場不同角落的主要避險與投機工具:美國大型股、美國科技股、石油、黃金與美國利率。銀行、基金與交易商每天都需要它們,所以每個時段的委託簿都是滿的。固定的排名沒有用處,因為一年的利率行情可以讓 ZN 排在 ES 之前,一年的油價行情也可以拉高 CL。交易所每個交易日都公布每個合約的成交量與未平倉量,要查的是這份報告,不是部落格上的名單。如果合約、跳動點與保證金這幾個詞對你還陌生,請先讀期貨交易入門,再看下面的測試規則。
排名的計算方式有一個細節:依口數排名,會把微型合約和完整規模的合約視為相同,所以微型 E-mini 合約(MES、MNQ)的口數排名可能名列前茅,每口承載的金額卻小得多。微型 E-mini 那斯達克 100 是 NQ 的十分之一。比較自己交易規模下的流動性時,口數與合約規模兩者都要看。免費的期貨合約與損益計算機顯示每個合約的最小跳動點、每跳動點價值與每點價值;交易所會不定期調整這些數值,所以最終以交易所的合約頁面為準。
各類別中哪個合約最活躍?
在每個類別裡,大部分成交量集中在一兩個合約,系統化交易人從這裡開始,因為 K 棒資料較乾淨,成交價也更貼近回測價格。流動性高的合約,空 K 棒少、異常報價少,大部分時段價差只有一個跳動點。流動性低的合約,資料有缺口,沒有消息卻有價格一次跳好幾個跳動點的成交,成交價也落在離訊號價較遠的地方。這兩種問題,都會讓回測和帳戶看起來不一樣。
| 類別 | 最活躍的合約 | 較小或相關的合約 |
|---|---|---|
| 股票指數 | ES(S&P 500)、NQ(那斯達克 100) | MES、MNQ(微型版本) |
| 利率 | ZN(10 年期美國公債) | ZF(5 年期美國公債) |
| 能源 | CL(WTI 原油) | NG(天然氣) |
| 金屬 | GC(黃金) | SI(白銀)、MGC(微型黃金) |
| 穀物 | ZC(玉米)、ZS(大豆) | ZW(小麥) |
| 外匯 | 6E(歐元) | 6J(日圓) |
| 台灣 | TX(台指期) | MTX(小台)、TMF(微型台指) |
實務上的順序是:先在該類別最活躍的合約上建立並測試,再檢查較小的合約,流動性是否夠你的委託口數使用,若帳戶需要更細的部位調整,就交易較小的那個。規則本身在 ES 與 MES 之間、或 TX 與 MTX 之間不會變;變的只有每跳動點價值、保證金與成交品質。對台灣讀者來說,同樣的邏輯適用於 TX、MTX 與 TMF。這些合約的圖表怎麼建構,包括串接各合約月份的連續月序列,在期貨走勢圖:合約、連續月與交易時段有說明;在它們上面執行的常見規則類型,則列在期貨演算法交易策略的五種類型與各自的回測方法。
成交量與未平倉量有什麼差別?
成交量是一天內成交的合約口數,未平倉量是當天結束時仍持有未平倉的合約口數。成交量告訴你今天進出有多容易。未平倉量告訴你有多少資金押在這個合約上,以及該交易與轉倉的是哪個合約月份。
想像一座停車場。成交量是一整天開進或開出的車數。未平倉量是打烊時還停著的車數。一個車來車往的忙碌日子,結束時停著的車數可能與前一天相同。每筆期貨交易都有買方與賣方,未平倉量把每一對未平倉部位只算一次;CFTC 的說明文件,在交易人持倉報告(Commitments of Traders)中也是這樣定義。
假設性範例
十口合約在一位買方與一位賣方之間成交。情況 1:雙方都建立新部位,所以成交量是 10,未平倉量增加 10。情況 2:買方建立新的多單,賣方平掉舊的多單,所以成交量是 10,未平倉量不變。情況 3:買方平掉舊的空單,賣方平掉舊的多單,所以成交量是 10,未平倉量減少 10。成交量相同,未平倉量卻有三種不同的變化。
| 問題 | 成交量 | 未平倉量 |
|---|---|---|
| 計算的是什麼 | 一天內成交的合約口數 | 當天結束時仍未平倉的合約口數 |
| 會歸零嗎? | 會,每天從零開始 | 不會,會延續到下一天,每天都有變化 |
| 告訴交易人什麼 | 今天進出場有多容易 | 有多少資金押在合約上;哪個月份是活躍月份 |
| 回測中的用途 | 依時段設定滑價;過濾流動性低的時段 | 選擇連續月序列的轉倉日期 |
在回測裡,未平倉量這一欄只有一個用途:顯示下一個合約月份何時接替目前月份。近月是在特定時間成交最活躍的合約月份。當下一個月份的未平倉量高於目前月份,代表大多數交易人已經轉過去,這個交叉點是連續月序列常用的轉倉日。轉倉、回溯調整與每跳動點價值的細節,請見期貨回測的合約規格、轉倉、每跳動點價值與交易成本。
流動性如何影響滑價與成交品質?
在流動性高的合約,價差是一個跳動點、委託簿夠深,所以市價單或停損單,大約在訊號價一個跳動點內成交;在流動性低的合約或時段,同一張委託單會落在好幾個跳動點之外,因此回測裡的滑價數字,必須貼合你實際交易的合約與時段。流動性是你現在能買進或賣出、又不會推動價格的數量。滑價是回測假設的價格與你實際成交價格之間的差。
把委託簿想成一把價格的梯子。每一格上有一些合約在等待成交。深的委託簿第一格就有許多合約,所以一張 10 口的市價買單,一格就全部吃下。淺的委託簿每格只有兩三口,同一張委託單要爬上三、四格才能成交,平均價格就差了三、四個跳動點。停損單的表現相同,因為停損單被觸發後就變成市價單。
深度並非合約固定不變,會隨時段與日期而變。ES 或 NQ 的夜間時段,深度遠低於美國日盤,所以用日盤滑價去測全時段 K 棒的規則,會低估夜間交易的成本。深度也可能在幾分鐘內消失:Kirilenko 等人(2017)記錄了 E-mini S&P 500 的委託簿,在 2010 年 5 月 6 日急遽變薄,因此滑價設定要比平靜日的平均值留有餘裕。較淺的時段如何改變成交、該設定多少,請見盤後交易是什麼:時段、流動性與回測陷阱。
假設性範例
NQ 上某策略每一買一賣的平均每筆毛損益是 $60。NQ 一個跳動點價值 $5,手續費是每一買一賣固定 $4。每邊一個跳動點的滑價(兩個跳動點,$10),淨損益是 $46。每邊兩個跳動點是 $36,三個跳動點是 $26,四個跳動點是 $16。每邊六個跳動點時,優勢就沒了。平均每筆損益這麼小的規則,成敗取決於它交易哪個時段。
成交量本身能當交易規則嗎?NQ 的測試結果
在 NQ 日 K 棒上,以成交量規則作為唯一的進場與出場,得出下方表格的結果,但它是搜尋嘗試的 1,024 個候選策略中保留的那一個,依報酬相對回撤挑選,事後挑出它會讓它看起來比實際好,所以正確的讀法是「一個待檢驗的起點」,不是「規則賺到的結果」。這次測試的是 NQ 日 K 棒,期間 2019-01-02 至 2025-06-30,多空皆做,一口合約,沒有停損、停利與濾網。AlphaPrime(Valynox)在每次評估裡計入 $20 手續費與 $10 滑價;它的回測會對每個候選策略套用手續費、滑價與下一根 K 棒成交,所以這 1,024 個候選策略是以扣除成本後的結果排序。
來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。NQ 日線,2019-01-02 至 2025-06-30,多空都做,1 口,每筆手續費 $20、滑價 $10。
| 數字 | 結果 |
|---|---|
| 淨利(已平倉) | $145,380 |
| 最大回撤 | $71,785 |
| 交易筆數 | 107 |
| 勝率 | 53.27% |
| 獲利因子 | 1.515 |
| 平均每筆 | $1,358.69 |
| 在場時間 | 57.95% |

這張表裡有三件事,比淨損益更重要。第一是交易筆數:六年半 107 筆交易是小樣本,所以幾筆交易就決定了平均值。第二是平均每筆損益與成本的比值:$1,358.69 對 $30 的手續費與滑價,表示成本不是這個候選策略的弱點;挑選才是。第三,最大回撤 $71,785 幾乎是淨損益的一半,而 1,024 個候選策略中最好的那一個,其回撤通常是你能見到該規則最寬容的數字。Bailey 等人(2014)指出,在同一段歷史上嘗試許多變體時,即使沒有任何一個有優勢,最好的那個預期也會看起來不錯。報表中標出的樣本外區段的斜率,比整段期間的數字更能說明問題,下一節說明接著要做的跨市場檢查。
為什麼要在多個流動性高的市場測試規則?
在一個合約上找到的規則,應原封不動拿到不同類別中幾個流動性最高的合約執行,因為能在三、四個市場站得住的規則,較不可能只是某一條價格歷史裡的雜訊。一條價格序列只是歷史的一個樣本。如果成交量規則在 NQ 有效,是因為成交量在行情之前的行為有某種普遍性,那麼在 ES、CL、GC 與 ZN 上也應該看到一些。如果只在 NQ 有效,它可能只是學到了 2019 至 2025 年那斯達克的形狀,別無其他。
整個檢驗的關鍵在「原封不動」這個詞。NQ 上找到的設定固定下來;不為其他市場重新調整。只有屬於各市場的東西會變:每跳動點價值、時段、手續費,以及你為該合約委託簿設定的滑價。在每個市場重新調整,會把跨市場檢查變回另外四次搜尋。
- 在一個市場上找出規則,並計入成本。上面的 NQ 測試就是這一步。
- 固定設定。載入另一個市場之前,先寫下來。
- 在 ES、CL、GC 與 ZN 上原封不動執行,各用自己的每跳動點價值、時段與滑價。
- 把五次測試放進一張表:各自扣除成本後的平均每筆損益、交易筆數、最大回撤,以及樣本外與樣本內平均每筆損益的比值。
- 用事先寫好的規則決定。例如:只有在扣除成本後的平均每筆損益,於五個市場中至少三個維持為正,才保留這條規則。若沒過,就標記為只適用於特定市場,並以更多懷疑看待,而不是更多調整。
把五次測試並排來讀,是這項比較能否成立的關鍵;每次測試放在不同的資料夾、成本設定也不同時,你看到的差異往往只是設定的差異。AlphaPrime 的策略資料庫把同一條規則在 NQ、ES、CL、GC 與 ZN 上的測試並排保存,可依相同欄位排序,所以第 4 步的跨市場表格,在一個畫面就能讀完,不必手工拼湊。
你的下一步:取出你最信任的那一條規則,寫下它的設定,原封不動拿到你還沒測過的兩個類別,在各自最活躍的合約上執行,用該合約的每跳動點價值,以及符合其交易時段的滑價數字。數出各自的交易筆數與扣除成本後的平均每筆損益,先和原本的結果比較,再去看其他東西。
常見問題
哪個期貨合約最活躍?
E-mini S&P 500(ES)通常是成交量最大的一兩個期貨合約之一,E-mini 那斯達克 100(NQ)、WTI 原油(CL)、黃金(GC)與 10 年期美國公債(ZN)緊隨其後。順序逐年隨哪個市場在動而變。交易所每個交易日都公布每個合約的成交量與未平倉量,這份報告就是目前的答案。
哪裡可以看期貨成交量排名?
各交易所每天公布旗下所有合約的成交量與未平倉量報告;ES、NQ、CL、GC 與 ZN 掛牌的 CME Group 每個交易日都會發布,臺灣期貨交易所對 TX、MTX 與 TMF 也一樣。成交量用來看今天交易有多容易,未平倉量用來看有多少資金押在其中。第三方網站上的排名,可能已經是幾天或幾週前的。
微型期貨的流動性夠回測嗎?
主要的微型合約,如 MES 與 MNQ,對多數散戶的委託口數來說夠用,規則與完整規模的合約相同。先在資料歷史較長的完整規模合約上建立並測試,再檢查微型合約在你交易時段的委託簿深度,並為它設定滑價。微型 E-mini 那斯達克 100 是 NQ 的十分之一,所以每跳動點價值與保證金會變,訊號不變。
成交量高,代表策略在該合約上會有效嗎?
不會。成交量高,代表你的成交價會貼近回測價格,K 棒資料的缺口與異常報價也較少,這讓回測可信。規則有沒有優勢,是另一個問題,要靠樣本外資料、推進分析,以及設定固定的跨市場檢查來回答。流動性讓測試可信;不會讓規則變好。
References
- CME Group. E-mini Nasdaq-100 Futures Contract Specs. https://www.cmegroup.com/markets/equities/nasdaq/e-mini-nasdaq-100.contractSpecs.html
- CME Group. FAQ: Micro E-mini Equity Index Futures. https://www.cmegroup.com/articles/faqs/frequently-asked-questions-micro-e-mini-equity-index-futures.html
- U.S. Commodity Futures Trading Commission. Explanatory Notes: Commitments of Traders. https://www.cftc.gov/MarketReports/CommitmentsofTraders/ExplanatoryNotes/index.htm
- Kirilenko, A., Kyle, A. S., Samadi, M., & Tuzun, T. (2017). The Flash Crash: High-Frequency Trading in an Electronic Market. The Journal of Finance, 72(3), 967–998.
- 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.

