系統化交易說明：規則式策略如何建立

目錄

1. 什麼是系統化交易？
2. 系統化與主觀交易有何不同？判斷力還在哪裡？
3. 系統化交易與演算法交易有什麼不同？
4. 如何分步驟建立一套系統化策略？
5. 系統化交易適合一般散戶嗎？
6. 系統化策略會在哪裡失敗？
7. 規則上線後需要什麼維護？回測又能保證什麼？
8. 常見問題
9. 參考資料

什麼是系統化交易？

系統化交易是指每一個決定都依照下單前寫好的規則進行，包括要交易哪個市場、何時進場、何時出場，以及要下多少口。因為規則是固定的，你可以用過去的價格測試它、不做任何更動地重複執行，並根據它的紀錄來評估，而不是憑記憶中的幾筆交易來判斷。

一套系統化策略就是完整的規則組合：四個決定各有一個答案，交易時段中不會留下空白讓交易者自行填寫。可以把它想成食譜。照著寫好的食譜做菜，星期一和星期五都能做出同樣的味道，要改一種食材也能嚐出差異。憑感覺調味的人則無法說出哪一項改動讓菜變好。回測就像試驗廚房：把寫好的規則套用在過去的價格上，逐筆計算，並扣除手續費與滑價，看看它過去會有什麼表現。這項測試之所以能做，正是因為規則已經寫成文字。

本文要支持的論點很簡單：系統化交易的價值不在於規則比人聰明，而在於規則可以在動用資金之前先接受測試，之後也能拿測試結果來檢驗。閱讀下文的 NQ 數據時請記住這一點。

系統化與主觀交易有何不同？判斷力還在哪裡？

系統化交易並沒有排除判斷力，只是把判斷力從每一筆交易移到三個時點：設計規則、經過測試後接受規則，以及決定何時停用規則。主觀交易是指交易者在交易當下，依據圖表、新聞與經驗，決定每一次的進場、出場與部位大小。這種技術是真實存在的，但它存在於交易者的腦中，無法回測，而且兩位看著同一個畫面的交易者，往往會做出不同的交易。

在系統化交易中，同樣的技術是提前使用的。交易者要決定哪種型態值得立成規則、規則要用哪些數字、測試結果要達到什麼程度才值得實單交易，以及實單結果差到什麼程度就該關掉它。在這些時點之間，每一筆交易都由規則執行，包括那些看起來不對勁的交易。如果因為覺得不對而跳過一筆，紀錄就又變回主觀交易，回測也就不再描述實際交易的內容。

決定	主觀交易	系統化交易
選擇哪種交易設定	盤中逐筆決定	規則寫定時一次決定
部位大小	盤中決定，常依信心程度	固定規則，例如每筆一口，或每筆固定風險
方法如何評估	憑近期交易的記憶	書面測試：扣除成本後的平均每筆損益、回撤、交易筆數
何時停止	覺得虧損太大時	事先寫好的停止規則被觸發時

系統化交易與演算法交易有什麼不同？

系統化描述的是決定如何做出，演算法描述的是由誰送出委託，因此這是兩個獨立的選擇。演算法交易是指由程式下單並管理委託。交易者可以遵循寫好的規則，用手動方式下每一筆單：1980 年代的海龜交易者就是依照一套書面規則操作，並透過經紀商送出期貨委託，遠早於電子下單出現之前（Covel, 2007）。程式也可以代替主觀交易者執行點擊動作，由程式負責路由與管理一筆由交易者憑眼睛挑選的委託。

決定來源	手動送單	程式送單
固定規則	交易者每天早上照著檢核表操作	在平台上運行的自動化策略
判斷力	傳統的主觀交易者	交易者點擊，由程式路由並管理委託

現今多數系統化期貨策略都以演算法執行，原因很實際：一條在 02:30 或 5 分鐘 K 棒上觸發的規則，用手動追蹤很難不漏單、不猶豫。程式帶來的是速度與紀律，但不會帶來優勢。若把一條未經測試的規則自動化，只會讓它更快、更穩定地虧損。程式端要付出什麼代價，以及為什麼大多數規則即使執行得完美無缺仍會虧損，請見演算法交易：它是什麼、成本多高，以及為什麼大多數規則會虧損。

如何分步驟建立一套系統化策略？

建立系統化策略分為五個步驟，並且只朝一個方向前進：想法、寫成規則、含成本的回測、用規則從未見過的資料驗證，然後對照回測結果進行實單監控。若策略沒有通過驗證，應回到想法階段，而不是回到規則階段。

1. 想法。用一句話寫出市場可能移動的一個理由。「強勢趨勢日之後，隔天通常會延續」是一個想法；「交易 NQ」則不是。若需要起點，三種附期貨範例的自動化交易策略會說明一個可測試的想法長什麼樣子。
2. 寫成規則。把想法轉換成四個決定，並給出精確的數字：K 棒週期、指標長度、開啟交易的條件、結束交易的條件、部位大小。檢驗一條規則是否寫得夠好，標準是程式不需要再問任何問題就能讀懂它。
3. 含成本的回測。從第一次執行開始，就在歷史資料上套用手續費、滑價與下一根 K 棒成交的假設，而不是最後才加上去。讀取三個數字：扣除成本後的平均每筆損益、最大回撤，以及交易筆數。
4. 在未見資料上驗證。驗證是指在規則調校時沒有使用過的資料上所做的一系列檢查：保留一部分歷史資料，原封不動地執行規則，然後比較結果。資料該如何切分，以及需要多少筆交易才足夠，請見如何切分樣本內與樣本外資料。若在看過保留資料的結果後才調整回看期間或停損，等於把這段資料變成了調校資料，這也是為什麼失敗時要回到想法，而不是回到規則。AlphaPrime（Valynox）會依照你在搜尋前設定的門檻執行這些檢查，詳見策略檢驗。候選策略只要有一項檢查失敗，後續檢查就會停止，因此接受或拒絕的決定，是由事先寫好的數字做出，而不是看權益曲線的外觀來判斷。
5. 實單監控。依照排定的時程，把實單交易與回測對照，並以實單交易前寫好的停止規則為準。最後一節會說明這部分。

下方的方框顯示第三步的回測結果是什麼樣子。這次測試的是 NQ 日 K 棒，期間為 2019-01-02 至 2025-06-30，做多與做空皆可，每次一口，每筆交易收取 20 美元手續費與 10 美元滑價。這條規則只是本文的示範，不代表系統化交易本身：它的唯一進場與出場依據是效率適應性移動平均線，這是一條在趨勢中加速、在盤整中減速的線（KAMA 指標頁面說明了這一類均線）。沒有停損、停利或過濾條件。搜尋嘗試了 1,024 種變體，並依報酬與回撤的比例保留這一組。因此，下方的數字屬於唯一的最後入選者，而在看過所有結果後挑出最佳者，會讓它的表現顯得比實際更好。

請依照第三步的要求來閱讀這個方框。五十九筆交易是很小的樣本，因此平均每筆損益 3,275.42 美元可能會因為少數幾筆交易的改變而大幅變動。在場時間 92.15%，代表這條規則幾乎一直持有部位，不論做多或做空，所以它的大部分績效來自那幾年 NQ 的走勢方向，而非進出場的時機。淨損益 193,250 美元對上最大回撤 116,210 美元，正是這種走勢形態讓它被挑選出來。這些數字不能說明這條規則確實賺到了這筆錢，也不代表它未來會再賺到；它們只說明：在這些價格、這些成本下，這些規則產生了這樣的紀錄，而這個候選策略現在要進入第四步，接受它從未見過的資料檢驗。

系統化交易適合一般散戶嗎？

當三個數字搭配得當時，系統化交易就適合一般散戶：交易頻率、一買一賣的成本，以及帳戶規模。其中最能決定答案的數字，是扣除成本後的平均每筆損益與一買一賣成本之間的比例。一買一賣成本是指開倉與平倉一個部位時所付的手續費、交易所費用與滑價。

交易頻率決定同樣的成本會佔多大的比例。日 K 棒上的規則每筆能抓到較大的波動，一個月只需付幾次一買一賣成本；5 分鐘 K 棒上的規則每筆抓到的波動較小，同樣的一買一賣成本卻可能一天要付很多次。每筆的成本相同，但它吃掉獲利的比例卻相差很大。

帳戶規模是第三個數字，而決定它的是回撤，不是保證金。帳戶必須能承受策略回測的最大回撤，還要留有更糟情況的空間，才不會被迫出場。想檢查自己的數字，可以把勝率、平均獲利與平均虧損輸入免費的勝率期望值計算機，它會在扣除一買一賣成本之前，先算出平均每筆損益。若規則在日內交易，如何在扣除成本後測試日內交易策略會說明同樣的計算方式如何套用在日內 K 棒上，而這正是最關鍵的地方。許多一般散戶的系統化交易者會從日線或小時線開始，原因就在於此：交易次數少，每筆的優勢較大，而且成本估算不必非常精確。

系統化策略會在哪裡失敗？

大多數失效的系統化策略，都會在三個失敗點出問題：過度最佳化、成本與體制轉換。每個失敗點都有一項可在實單前執行的檢查。過度最佳化是指把規則調得過度貼合某一段歷史，使它描述的是雜訊，而不是可重複的規律。Bailey、Borwein、López de Prado 與 Zhu（2014）指出，搜尋嘗試的變體越多，最佳者的回測結果就被膨脹得越厲害。因此上方 NQ 方框中的結果，是從 1,024 種變體中挑出的最佳者，在未見資料證明之前，應把它視為被美化過的數字。

成本失敗就是上一節提到的情況：每筆的優勢確實存在，但比一買一賣成本還小。在沒有計入成本、或只計入一跳滑價的回測中，這種情況很容易被掩蓋。第三種失敗是體制轉換。所謂體制，是指市場行為具有自己特色的一段時期，例如趨勢或盤整、平靜或波動。只針對某一種體制建立的規則，當市場轉入另一種體制時就會失效；而預期波動率的跳升，也就是VIX 選擇權所追蹤的那類走勢，常常正是兩種體制的分界點。

失敗點	回測中的徵兆	實單交易前的檢查
過度最佳化	樣本內曲線陡峭，樣本外曲線平坦	在從未見過的資料上，原封不動地執行規則
成本	滑價加倍時，獲利消失	扣除成本後的平均每筆損益 ÷ 一買一賣成本
體制轉換	歷史上某一段時期獨自貢獻了所有獲利	逐年獲利，並分別檢視趨勢期與盤整期的表現

請依照以下順序執行檢查：先看未見資料，因為它最省力，也最能抓出問題；第二是滑價加倍；第三是逐年獲利。一個趨勢規則若把所有獲利都賺在某一個強勢趨勢年，它可能通過前兩項檢查，卻在第三項失敗。只要策略在三項中任何一項失敗，就應回到想法階段。

規則上線後需要什麼維護？回測又能保證什麼？

規則在上線後需要兩件事：定期將實單結果與回測對照，以及在第一筆實單交易前寫好的停止規則。建議每月檢視一次，並將三個數字與回測比較：實際交易筆數對上回測每月的平均筆數、扣除成本後的平均每筆損益，以及目前的回撤對上回測的最大回撤。若交易筆數符合目標，但實單平均每筆損益遠低於回測，通常代表滑價比預期更嚴重；若交易筆數與目標差距很大，通常代表資料或交易時段的設定與測試時不同。

停止規則是上線前寫下的一句話，例如「當實單回撤超過已寫明的回測最大回撤倍數時關閉」，並填入具體的倍數。一旦觸發，就關閉該策略，並把想法退回第一步；不應在實單中修補它。Pardo（2008）把策略開發視為設計、測試與重新評估的循環，而不是一次性的最佳化後就永遠交易。

回測能保證的範圍很窄，但仍然有用：它描述的是，寫好的規則在過去價格上、在既定成本與執行假設下的表現。它並不描述明年。市場可能進入歷史中不曾出現的體制，成本也可能改變，而大型搜尋中的最佳候選策略，本身就帶有選擇偏誤，只有未見資料才能衡量這種偏誤。回測的任務，是讓你能以低成本拒絕不好的規則，並為上線中的策略提供一個可供比對的基準。

今天可以先做的一件事：挑一個你目前憑感覺交易的設定，試著填寫它的四個欄位（市場與 K 棒週期、進場、出場、部位大小），並寫出精確的數字。如果某個欄位無法在不寫「通常」或「視情況而定」的前提下填完，那就是你要先寫下的第一條規則；在它寫好之前，回測無從開始。

常見問題

系統化交易用白話來說是什麼意思？

系統化交易是依照下單前寫好的規則進行交易：交易哪個市場、何時進場、何時出場、下多少口。因為規則固定，所以可以用過去的價格測試，也能不加改變地重複執行。交易者的判斷力，投入的是設計規則、測試後接受規則與關閉規則，而不是每一筆個別的交易。

該如何開始做系統化交易？

先用一句話寫出一個想法，並把它寫成四條精確的規則：市場與 K 棒週期、進場條件、出場條件、部位大小。從第一次執行開始，就把手續費與滑價算進回測。接著，將規則原封不動地套用在你先前保留的那段歷史資料上做測試。只有通過之後，才考慮實單交易，並且每個月都要將實單結果與回測對照。日線或小時線是實際的起點，因為相對於成本，每筆交易的優勢較大。

系統化交易和演算法交易是同一回事嗎？

不是。系統化描述的是決定如何做出（依固定規則），演算法描述的是由誰送出委託（由程式）。交易者可以手動執行規則，程式也可以代替主觀交易者執行點擊動作。大多數系統化期貨策略都以演算法運行，因為程式不會漏單，也不會猶豫，但程式帶來的是紀律，而不是優勢。

系統化交易適合一般散戶嗎？

當扣除成本後的平均每筆損益是一買一賣成本的數倍，而且帳戶能承受回測的最大回撤並留有更糟情況的空間時，就適合。交易頻率決定了大部分的結果：每月只交易幾次的日線規則，很少需要付一買一賣成本；5 分鐘規則則可能一天要付很多次。在其他事情之前，先做這個除法。

系統化策略會失效嗎？

會，常見的三個原因是過度最佳化、成本與體制轉換。描述歷史雜訊的規則，在新資料上會失敗；優勢小於一買一賣成本的規則，只要滑價上升就會失敗；為趨勢市場建立的規則，在市場轉為盤整時會失敗。每月與回測對照一次，再搭配上線前寫好的停止規則，就能決定何時關閉策略。

參考資料

• 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.
• Covel, M. W. (2007). The Complete TurtleTrader: The Legend, the Lessons, the Results. HarperBusiness.
• Pardo, R. (2008). The Evaluation and Optimization of Trading Strategies (2nd ed.). John Wiley & Sons.