量化交易策略有哪些？四種常見類型與回測差異

目錄

1. 量化交易策略有哪些？
2. 趨勢跟隨策略怎麼運作？回測報表會長什麼樣
3. 均值回歸策略怎麼運作？回測報表會長什麼樣
4. 突破與動能策略和趨勢策略差在哪裡？
5. 量化交易策略哪種最賺？為什麼答案隨行情改變
6. 新手適合哪一種量化交易策略？
7. 量化交易策略怎麼驗證，才能相信回測結果？
8. 常見問答
9. 參考文獻

量化交易策略有哪些？

量化交易策略是用事先寫死的規則決定進出場的策略，常見四種類型：趨勢跟隨、均值回歸、突破、動能。它們的根本差別只有一個：押注價格會「延續」，還是會「回到原點」。這個差別決定了每一類在回測中的勝率形狀、單筆損益大小、持倉長度，以及領先的行情。

用一個日常比喻：押延續，像是看到公車已經開動就追著跑，多數時候追不上，追上一次可以坐很遠；押回歸，像是拉長的橡皮筋，大多數時候會彈回來，但偶爾會斷。趨勢跟隨、突破、動能三類都押延續，只是進場時機與持倉長度不同；均值回歸押的是回到原點。下表是四類的對照，之後各節會逐一說明它們在回測報表上的樣子。

類型	押注方向	典型持倉	日線一年交易筆數	勝率形狀	領先的行情
趨勢跟隨	延續	數週到數月	少	低勝率、少數大賺	單邊
均值回歸	回到均值	數小時到數日	多	高勝率、單筆小賺	盤整
突破	延續	數小時到數日	多	中等	區間後擴張
動能	延續	數日到數週	中	中等	單邊

這四類不是教科書分類，而是回測報表會自己分出來的形狀：同樣是正的淨利，一張報表可能由三筆大賺撐起，另一張可能由幾百筆小賺堆起來，兩者要檢查的東西完全不同。若你交易的是台指期或美國指數期貨，期貨程式交易策略的五種類型與各自的回測方法把這些類型對應到具體商品與週期。

趨勢跟隨策略怎麼運作？回測報表會長什麼樣

趨勢跟隨策略在價格已經走出方向後順勢進場，方向轉變後才出場，所以它的回測報表典型是勝率低、少數幾筆大賺撐起全部獲利、橫盤期間有漫長回撤。趨勢跟隨策略是「等到價格證明它有方向之後才跟上去」的策略，常見的規則是快均線向上穿過慢均線時做多、反向穿過時出場，或是收盤創 N 日新高時做多、跌破 N 日新低時出場。

這種規則天生進場晚、出場也晚：它要等趨勢成形才進，要等趨勢反轉一段才出。代價是每一段行情的頭尾都會讓給市場，好處是只要抓到一段長行情，一筆就能抵掉前面許多次小虧。在日線上，一筆常常要抱數週到數月，所以每年交易筆數結構性偏少，常只有個位數到十幾筆。這帶來兩個檢查重點：

1. 獲利是否集中在幾筆、幾段時間。把交易按損益排序，拿掉最大的三到五筆，看剩下的淨利是否還是正的；再看逐年或逐季的績效，是否有一年賺了全部、其他年份都在回撤。
2. 樣本筆數是否夠多到能判斷。十年日線可能只有幾十筆交易，這個樣本對「平均每筆」的估計非常不穩，換掉兩三筆結果就會大幅改變。

橫盤期間的回撤是這類策略的常態：價格來回穿越均線，策略反覆進出、反覆小虧。判斷一個趨勢策略好不好，不是看它在單邊行情賺多少，而是看它在盤整期虧得是否可控、回撤時間是否撐得過去。

均值回歸策略怎麼運作？回測報表會長什麼樣

均值回歸策略在價格偏離平均太遠時反向進場、回到平均附近出場，所以它的回測報表典型是勝率高、單筆獲利小、交易筆數多，但偶爾出現一筆大虧。均值回歸策略是「押注價格離平均太遠之後會拉回來」的策略，常見的規則是價格跌到某條均線下方一定距離時買進、回到均線時賣出，或是 RSI 這類震盪指標進入超賣區買進、回到中間值出場。

這個形狀和趨勢策略正好相反。多數時候價格確實會拉回，所以勝率常常偏高；但拉回的幅度就是從偏離點到平均的距離，所以單筆獲利小。危險在於價格不拉回的那一次：一段單邊行情會讓反向部位一路虧下去，規則若只等「回到平均」才出場，這一筆可能吃掉前面幾十筆小賺。因此檢查重點是：

1. 最大單筆虧損相對於平均獲利有多大。如果最大單筆虧損等於 20 筆平均獲利的總和，這個策略每 20 筆就經不起一次失手。
2. 最長連續虧損期間的損失是否超過你願意承受的回撤。趨勢行情通常連續好幾天，反向策略會連續被打。

處理這個弱點的常見做法是加上固定停損或時間停損，但停損也會把一部分原本會拉回的交易變成虧損，所以要用回測比較「有停損」與「無停損」的兩張報表，而不是憑感覺加。均值回歸的公式、常見參數與一個可回測的期貨範例，寫在均值回歸策略的公式與期貨回測範例。

突破與動能策略和趨勢策略差在哪裡？

突破與動能策略都比均線型趨勢策略進場更早、持倉更短、每年交易筆數更多，所以它們對手續費與滑價最敏感，回測時成本設定錯一點，結論就會翻盤。突破策略是「以價格區間的邊界為進場點」的策略：價格向上穿過最近 N 天的最高價就做多，跌破最近 N 天的最低價就做空，押的是區間結束後的擴張。動能策略是「以近期報酬的強弱為進場條件」的策略：過去一段時間報酬為正就做多、為負就做空，Moskowitz、Ooi 與 Pedersen（2012）把這種用資產自身過去報酬當訊號的規則稱為時間序列動能。

三者在同一段行情裡的進場點不同。突破策略在區間上緣就進，動能策略在最初幾根強勢 K 棒之後進，均線型趨勢策略要等到均線交叉才進，通常最晚。進得早的策略也出得早，持倉從數小時到數日或數週，於是交易筆數多、每筆平均獲利小，每筆要付的成本就佔了更大的比例。

比較項目	突破	動能	趨勢跟隨（均線型）
進場位置	區間邊界	最初幾根強勢 K 棒後	均線交叉後
典型持倉	短：數小時到數日	中：數日到數週	長：數週到數月
一年交易筆數	多	中	少
對成本的敏感度	高	中	低
常見失敗情境	假突破後回到區間	強勢後急速反轉	橫盤反覆被洗

這就是為什麼突破與動能策略的回測一定要從第一次執行就把手續費與滑價放進去，而且要用成本加倍重跑一次看是否仍然為正。怎麼估計你自己商品的來回成本、以及平均每筆應該是成本的幾倍，寫在回測中的交易成本：手續費、滑價與平均每筆。

量化交易策略哪種最賺？為什麼答案隨行情改變

先說明本節回測方塊的性質：它的結果是 1,024 個候選中，事後依報酬對回撤留下的一個，所以數字一定比實際能交易到的好看；而且它用的 Stochastics 規則只是替代用的標準指標規則，不是四類中任何一類的原型，所以它不是「哪種最賺」的答案。放它在這裡，是讓你看到一張真實報表要怎麼一起讀交易筆數、回撤與持倉時間，而不是只看淨利。

這次 AlphaPrime（Valynox）的執行測的是 ES（E-mini S&P 500）日線，2019-01-02 到 2025-06-30，多空雙向、1 口，進出場只用一條 Stochastics 規則，沒有停損、沒有目標、沒有濾網，每筆扣 $20 手續費與 $25 滑價。搜尋總共試了 1,024 個候選，依報酬對回撤留下這一個。事後從一千多個裡挑最好的那個，本身就會讓它的數字偏高；Bailey、Borwein、López de Prado 與 Zhu（2014）說明過，試的變體越多，最好的那個回測距離真實表現越遠。

怎麼讀這張報表：六年半只有 41 筆交易，樣本很小；持倉時間比例 93.75% 表示它幾乎永遠在場內，這是一條多空反手規則的典型特徵，淨利有很大一部分其實是跟著指數本身的方向走，而不是規則選到了什麼；最大回撤 $60,292.5 相對於淨利 $94,192.5 是很大的比例，用 1 口交易時帳戶要撐得過這段回撤。這些讀法對四種類型都適用：先問筆數夠不夠、在場內多久、回撤多深，再問賺多少。AlphaPrime 的策略資料庫可以把不同類型、不同期間、不同成本設定的候選分類保存並排序，之後比較「哪一類在哪段歷史領先」時，才不用憑記憶拼湊。

回到問題本身：沒有一種類型在所有期間領先。單邊行情時，趨勢與突破型領先，均值回歸型連續被打；盤整行情時，均值回歸型領先，趨勢型反覆進出小虧。Park 與 Irwin（2007）整理了大量技術交易規則的研究，結論之一是規則的表現隨期間與市場而變，沒有一套在所有樣本裡都站得住。所以「量化交易策略哪種最賺」只能回答成：在哪段歷史、哪個市場、含多少成本之下，哪一類領先。

實務上的做法是把回測期間切成幾段，分別看每一類在每段的表現，而不是只看整段總和。以 S&P 500 期貨為例，各類規則在不同年份的表現差異與回測設定，整理在S&P 500 期貨交易策略：可以回測的規則類型。

新手適合哪一種量化交易策略？

新手的第一選擇是突破策略：規則少、每筆進場原因看得懂、在日線上幾年資料就能累積足夠的交易筆數，判斷結果不是運氣。「N 日新高做多、N 日新低出場」一句話就寫完，回頭看任何一筆交易都能指著 K 線說出為什麼進、為什麼出，這對學習讀報表很重要。

其他三類各有需要先跨過的門檻。趨勢跟隨的規則同樣少，但第二節說過它在日線上每年筆數結構性偏少，要拉長歷史年數、加上多個市場，或改用較小週期才湊得到足夠樣本；新手可以做，但要先確認筆數。均值回歸要先學會處理單筆大虧，也就是先懂停損與部位大小再做。動能策略的條件較多（觀察期、持有期、排序或門檻），每筆進場原因較難一眼看懂，放在之後。

一條可行的起步順序：

1. 選一個商品、一個週期。台灣讀者常從小台日線或 60 分 K 開始，因為資料好取得、合約規格熟悉。
2. 寫下一條突破規則與它的成本。N 日新高進、N 日新低出，來回成本依你的券商手續費加至少一跳滑價。
3. 先只跑一組參數，讀報表的筆數、平均每筆、最大回撤與逐年績效，不要一開始就最佳化。
4. 再掃一個參數範圍，看相鄰參數（例如 18、20、22 日）的結果是否相近，這是第七節驗證的一部分。

不會寫程式也能走完這條路：台指期程式交易從零到第一個策略的無程式路線把每一步對到台灣讀者會用到的資料與工具。另一個常見的起步方式是請 AI 幫忙把想法寫成規則；AI 寫出的規則要走完下一節同樣的驗證順序，而且要特別檢查進出場條件是否用到了當根 K 棒收盤後才知道的資訊，例如用當日最高價決定當日進場。

量化交易策略怎麼驗證，才能相信回測結果？

驗證是一個有順序的流程，每一關不過就停止，而不是看完結果再調規則。順序是：先寫下通過門檻，再依序做樣本外測試、walk-forward、成本加倍、參數鄰近值檢查與移除最大獲利交易，最後保留一段沒碰過的資料只測一次。門檻寫在前面的原因很簡單：看過結果之後，人會不自覺把門檻往結果移。

1. 寫下門檻。例如：樣本外平均每筆至少是樣本內的一半、至少 100 筆、成本加倍後仍為正、相鄰參數結果同號。
2. 樣本內搜尋。只在歷史的前 70% 到 80% 上選規則與參數。
3. 樣本外測試。把選好的規則不改動地跑在後面那段，拿結果對照第 1 步的門檻。
4. Walk-forward。walk-forward 是把「前段調參、後段不改動測試」沿著歷史重複多次、再把所有後段接起來的測試，Pardo（2008）把它當成最佳化之後的標準步驟；對一年只有十幾筆的趨勢策略，這一步也是湊到足夠樣本外筆數的方法。細節見walk-forward 分析：唯一一個你真的能交易到的回測數字。
5. 成本加倍與參數鄰近值。滑價加倍重跑；把每個參數往上下各動一格，看結果是否同向。
6. 移除最大五筆獲利。剩下的淨利仍為正，獲利才不是靠幾筆意外。
7. 保留一段沒碰過的資料，只測一次。通過前六關之後才跑，照門檻決定接受或放棄，不回頭改規則。

四種類型在這條流程裡的重點不同：趨勢跟隨卡在第 4 和第 6 關（筆數與獲利集中），均值回歸卡在第 5 關的成本加倍與第 1 關寫下的最大單筆虧損門檻，突破與動能最常在第 5 關的成本加倍被淘汰。AlphaPrime 的策略驗證也是這種逐關停止的做法：門檻由你在搜尋開始前設定，一個策略在前面的檢查沒過，後面的檢查就不再跑。

下一步可以這樣做：挑你現在手上任何一個策略，先按第一節的表判斷它押的是延續還是回歸，然後只做一件事：按損益排序它的交易清單，拿掉最大的五筆獲利，看淨利是否還是正的。這一個數字就能告訴你，它更像第二節的趨勢報表，還是只是運氣好的幾筆。

常見問答

趨勢跟隨策略和動能策略是同一種嗎？

不完全是。兩者都押價格延續，但趨勢跟隨通常用價格與均線或區間的關係判斷方向，進場較晚、持倉數週到數月；動能策略用一段期間的報酬正負或強弱當條件，進場較早、持倉數日到數週。回測上的差別是動能策略交易筆數較多，對成本較敏感。

量化交易策略要多少歷史資料才夠？

以交易筆數計算，不以年數計算。同樣十年日線，趨勢策略可能只有幾十筆，均值回歸或突破策略可能有幾百筆。一般的經驗是樣本外至少要有幾百筆才信得過平均每筆，少於三十筆只能當線索。筆數不夠時，用 walk-forward、加上多個市場，或改用較小週期增加樣本。

均值回歸策略一定要加停損嗎？

不一定，但一定要知道沒有停損時最大單筆虧損有多大。均值回歸的弱點是一段單邊行情造成的大虧，固定停損或時間停損能限制它，代價是把一部分原本會拉回的交易變成虧損。正確做法是回測「有停損」與「無停損」兩張報表，比較最大單筆虧損、最長連續虧損與淨利，再決定。

一個策略能同時兼顧趨勢和盤整嗎？

單一規則很難，因為押延續與押回歸在同一段行情裡會互相抵銷。常見做法是把一個趨勢型與一個均值回歸型策略放進同一個組合，讓它們在不同行情輪流貢獻；或是加上判斷行情型態的濾網，在單邊時只開趨勢規則、盤整時只開回歸規則。兩種做法都要用回測確認組合後的最大回撤，而不是只看各自的淨利相加。

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.
• Moskowitz, T. J., Ooi, Y. H., & Pedersen, L. H. (2012). Time Series Momentum. Journal of Financial Economics, 104(2), 228–250.
• Park, C.-H., & Irwin, S. H. (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21(4), 786–826.
• Pardo, R. (2008). The Evaluation and Optimization of Trading Strategies (2nd ed.). John Wiley & Sons.