台指期夜盤大漲,隔天日盤怎麼測:定義、跳空、續漲或回補
台指期夜盤大漲可以寫成規則來測,但夜盤的漲幅和開盤跳空都買不到,規則只能從隔天日盤開盤到收盤這一段賺錢。用百分比定義大漲、續漲與回補用同一批事件並排測、扣掉成本後看樣本數,再用壓力檢查確認結果不是少數幾筆撐起來的。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
目錄
台指期夜盤大漲,隔天日盤會續漲嗎?
台指期夜盤大漲之後,隔天日盤續漲還是回補,可以寫成規則來測。多數測試會發現夜盤的漲幅大多在日盤開盤價就已經反映完,你真正買得到的只有開盤之後的日盤走勢。而且符合「大漲」的夜晚一年只有少數幾個,結論要靠事件數量和扣成本後的平均每筆,不能靠印象。
夜盤是台指期在日盤收盤後的交易時段,期交所的盤後交易從 15:00 開始,到隔天 05:00 收盤;日盤則是 08:45 到 13:45。交易所會調整這些時間,正式數字以期交所的契約頁為準,換算成你的時區可以用免費的期貨交易時間查詢工具。夜盤的時間規則、假日與結算日的差異,台指期夜盤交易時間與假日規則有完整整理。
把一個交易日想成三段路:夜盤走了一段,05:00 到 08:45 休市時又跳了一段,然後日盤再走一段。前兩段在你看到訊號時已經走完,就像看到公車開走才想上車。規則能上車的地方只有第三段,所以整篇文章都圍繞一個主張:夜盤大漲本身不是交易機會,隔天日盤開盤之後的走勢才是,而那一段到底偏續漲還是偏回補,要用夠多的事件才能分辨。
夜盤大漲怎麼定義?用點數還是百分比?
用前一日日盤收盤價當基準、用百分比定義大漲,最能跨年份比較;門檻設多高直接決定事件數量,而且門檻要在看結果之前寫下來。夜盤大漲的定義是:夜盤收盤價相對前一日日盤收盤價的漲幅,超過你事先訂的門檻。基準選日盤收盤而不是夜盤開盤,因為日盤收盤是整個市場最後一個完整成交的參考價,夜盤開盤本身就可能已經跳空。
點數門檻的問題在於它會隨指數水位變質。同樣 200 點,在指數一萬點時是 2%,在兩萬點時只剩 1%。用點數定義的「大漲」在低指數年代很少、在高指數年代很多,統計出來的事件分布其實只是指數漲了的副作用。百分比門檻在每個年份的意義一樣,才能把不同年份的事件放在同一批裡比。
| 比較項目 | 百分比門檻(建議) | 點數門檻 |
|---|---|---|
| 跨年份可比性 | 每年意義相同 | 指數翻倍後,同樣點數只剩一半幅度 |
| 事件數量分布 | 依波動大小分布 | 偏向高指數年份 |
| 換算成損益 | 要乘上當時指數才知道幾點 | 直接對應每點價值 |
| 適合的用途 | 定義訊號、篩選事件 | 設停損、算部位大小 |
門檻的高低是取捨。設 1% 事件多但很多只是普通波動;設 2% 每個事件都夠「大」,但幾年下來可能只剩十幾個。做法是先寫下主要門檻(例如 1.5%),再寫下兩個鄰近門檻(1% 與 2%)當作後面壓力檢查用,三個數字都在跑任何測試之前決定。先看結果再挑門檻,等於在幾個候選裡選最好看的那個,結果會被高估;台指期夜盤與日盤的統計比較提供夜盤漲跌幅的歷史分布,可以在設門檻前先看看一次漲跌通常有多大。
夜盤收盤到隔天日盤開盤的跳空怎麼算?
把一次事件拆成三段分開算:夜盤漲幅、夜盤收盤到日盤開盤的跳空、日盤開盤到收盤的走勢;前兩段你都買不到,規則只能從第三段賺錢。跳空是夜盤收盤價(05:00)和隔天日盤開盤價(08:45)之間的價差,這三小時四十五分沒有任何成交,期間歐洲早盤與亞股開盤前的消息都會直接反映在開盤價上。
- 夜盤漲幅 = 夜盤收盤價 − 前一日日盤收盤價。這是訊號本身,用來判斷事件成不成立。
- 開盤跳空 = 日盤開盤價 − 夜盤收盤價。這段決定你進場價和訊號價差多少,往往吃掉或反轉一部分夜盤漲幅。
- 日盤走勢 = 日盤收盤價 − 日盤開盤價。這是規則唯一能賺到的部分,續漲或回補都用這段來判斷。
假設範例
前一日日盤收盤 20,000 點,夜盤收在 20,300 點,夜盤漲幅 +300 點(+1.5%),符合門檻。隔天日盤開在 20,280 點,開盤跳空 −20 點。日盤收在 20,350 點,日盤走勢 +70 點。這個事件整體共漲了 350 點,但續漲規則在開盤買進、收盤出場只能拿到 70 點。以小台每點 NT$50 計算,毛利 NT$3,500;若每筆來回成本(手續費、稅與滑價合計)假設為 NT$200,淨利約 NT$3,300。
小台每點 NT$50 是期交所公布的契約規格,交易所會調整,數字以契約頁為準;想換算其他合約的每點價值,用免費的期貨合約損益計算工具即可。資料上有兩個地方要先確認。第一,夜盤收盤價要用哪根 K 棒,05:00 最後一筆成交和交易所公布的盤後參考價不一定相同,台指期夜盤收盤價該用哪一個說明兩者的差別。第二,如果你用的是全時段日線,夜盤和隔天日盤會被合成同一根 K 棒,三段就拆不開,所以這個測試要用分時段的日內資料或分開的日盤與夜盤序列。
續漲還是回補:要多少樣本才算數?
續漲規則和回補規則要用同一批事件、同樣的手續費與滑價並排測,扣成本後的平均每筆要比來回成本大好幾倍,少於幾十個事件只能算線索。續漲規則是:夜盤大漲後,隔天日盤開盤買進、收盤出場,賭日盤延續夜盤方向。回補規則是它的鏡像:開盤放空、收盤回補,賭日盤吐回夜盤漲幅。兩者在同一批事件上的毛損益剛好正負相反,差別只在成本都是扣的,所以同一批事件不可能兩個規則都在扣成本後為正。
| 項目 | 續漲規則 | 回補規則 |
|---|---|---|
| 進場 | 日盤開盤買進 | 日盤開盤放空 |
| 出場 | 日盤收盤平倉 | 日盤收盤回補 |
| 賭的是 | 日盤走勢與夜盤同向 | 日盤吐回夜盤漲幅 |
| 及格的樣子 | 扣成本後平均每筆是來回成本的好幾倍 | 同左,用同一批事件、同樣成本 |
| 事件數下限 | 少於約 30 個只算線索,上百個才值得信 | 同左 |
樣本數為什麼重要,想像用十次擲硬幣判斷硬幣公不公平:七正三反很常見,不代表硬幣有問題;擲一百次還是七比三,才值得懷疑。平均每筆也一樣,只有一個公式值得記:
平均每筆的不確定性 = 單筆損益的分散程度 ÷ √N
這裡的「單筆損益的分散程度」是每筆交易結果通常離平均多遠(標準差),N 是事件數,√N 是它的開根號。開根號長得慢,事件數要變成四倍,不確定性才減半。夜盤大漲的單筆損益分散很大(大漲隔天的日盤本來就波動大),所以 20 個事件算出來的平均每筆,正負號都還沒站穩。以 1.5% 門檻,台指期一年可能只有幾個到十幾個事件,要累積到上百個得用上十年以上的夜盤資料,而台指期夜盤從 2017 年才開始,這是這個題目天生的限制。
夜盤漲跌跟美股有關嗎?
夜盤時段與美股現貨交易時間幾乎完全重疊,台指期夜盤漲跌多半只是跟著美股走,所以測試要檢查「夜盤大漲」在「美股收漲」之外還有沒有多出來的資訊。美股現貨 09:30 到 16:00(美東時間)換成台灣時間,冬令是 22:30 到隔天 05:00,夏令是 21:30 到隔天 04:00。冬令時美股收盤正好是夜盤收盤的 05:00,夜盤收盤價等於已經吸收了整段美股;夏令時夜盤比美股收盤多交易一小時。
這對測試的意義是:如果隔天日盤的表現用「昨晚美股漲了多少」就能解釋,那「夜盤大漲」這個訊號沒有獨立價值,你拿它當規則只是繞一圈在交易美股收盤。檢查的做法是把事件分成兩組並排比:
- 夜盤大漲且美股同日大漲:這組是常態,看隔天日盤走勢的平均每筆。
- 夜盤大漲但美股平盤或小漲:這組代表台灣自己的消息或資金推動,事件會更少,但如果隔天日盤表現和第一組明顯不同,才說明夜盤訊號有美股之外的資訊。
反過來也可以做:美股大漲但夜盤沒有跟上的夜晚,隔天日盤怎麼走。如果兩種分組的隔天日盤差異都在雜訊範圍內,比較誠實的結論是「這是美股規則,不是夜盤規則」,然後直接用美股收盤漲跌當條件,事件數會多一些、定義也更乾淨。
事件太少又群聚,怎麼避免被結果騙?
夜盤大漲事件集中在少數波動大的月份,幾筆交易就能決定整體結果,所以要用拿掉最大獲利幾筆、加倍滑價、改門檻等壓力檢查來確認。市場不是每個月都會出現 1.5% 的夜盤漲幅;它們成串出現在急跌後反彈、重大政策或美股暴漲的那幾週,中間可能半年一個事件都沒有。這表示你的「上百個事件」其實只來自三、四段行情,彼此高度相關,有效樣本比帳面數字少得多。
壓力檢查的目的,是在信任結果之前自己先試著把它弄壞。下面四項每一項都要在跑之前寫好及格標準:
- 拿掉最大獲利的五筆:如果整體從正轉負,結果是少數幾筆撐的,不是規則撐的。
- 滑價加倍:日盤開盤第一分鐘買賣價差常比平時寬,大漲隔天更寬;加倍滑價後仍為正才算站得住。
- 改門檻:用事先寫好的 1% 和 2% 再跑一次,三個門檻的結果方向應該一致,只有 1.5% 好的規則多半是碰巧。
- 逐年拆開:看每一年的事件數和平均每筆,如果獲利全部來自某一年,等於只測到一段行情。
Bailey 等人(2014)指出,在同一批資料上試過越多變體,最好看的那個被高估得越多;Harvey 與 Liu(2015)則建議依照測試次數折扣結果。這個題目每個人都會忍不住多試幾個門檻、多試幾種出場,所以寫下主要門檻、鄰近門檻、及格標準再開始,是最便宜的防線。如果你的研究流程是從零開始建的,台指期程式交易從零到第一個策略把規則定義、資料與驗證的先後順序排好了。
實際跑一次測試時,報表要看哪些數字?
用研究工具跑規則時,先固定資料區間、下一根 K 棒成交、手續費與滑價,再依序讀淨利、最大回撤、交易筆數與平均每筆,最後看權益曲線上樣本外那段的形狀。下一根 K 棒成交指的是:規則在某根 K 棒收盤時判斷,單子在下一根開盤才成交,這正好對應夜盤收盤判斷、日盤開盤進場的流程。台指期的夜盤資料通常以小台為主,流動性與時段設定的細節見小台夜盤回測的時段與流動性設定。AlphaPrime (Valynox) 在回測裡對每一個候選規則都用同一組手續費、滑價與下一根 K 棒成交來評估,所以你看到的排名已經是扣完成本後的,不用事後再補算。
- 淨利:已平倉交易扣掉成本後的總和,只看它會被幾筆大單騙。
- 最大回撤:權益曲線從高點掉到低點的最大跌幅,是你實際要忍受的那個數字。
- 交易筆數:對應前面的事件數,決定平均每筆可不可信。
- 平均每筆:淨利除以筆數,拿來和來回成本比,倍數不夠就不用看其他數字。
- 權益曲線與樣本外:看樣本外那段斜率有沒有明顯變平或轉向,而不是只看總結數字。
為了讓你知道這些數字在真實報表上長什麼樣子,下面放一個 AlphaPrime 的實際執行結果。它測的不是夜盤大漲規則:市場是 NQ(那斯達克 100 期貨)日線,不是台指期;區間是 2019-01-02 到 2025-06-30,多空雙向、1 口;規則是用標準指標組成的替代規則(Gamma-Smoothed RSI,只用它進出場,沒有停損、停利或過濾條件)。這個結果是搜尋從 1,024 個候選裡依報酬對回撤挑出來保留的一個,事後挑出最好的那個本身就會美化數字,所以它只是讀表範例,不是夜盤規則的結果,也不是任何人可以預期的收益。
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。
| 項目 | 結果 |
|---|---|
| 淨利(已平倉) | $90,145 |
| 最大回撤 | $28,805 |
| 交易筆數 | 81 |
| 勝率 | 60.49% |
| 獲利因子 | 1.878 |
| 平均每筆 | $1,112.9 |
| 在場時間 | 9.05% |
照前面的順序讀這張表:淨利 $90,145 對最大回撤 $28,805,回撤約是淨利的三分之一;81 筆交易,依前面的標準算「超過線索、還不算上百」;平均每筆 $1,112.9 對每筆 $30 的成本是好幾十倍,成本不是這個結果的風險,筆數少和事後挑選才是。在場時間 9.05% 表示大部分時間空手,這和夜盤大漲規則一樣,是事件型規則的共同特徵。
下一步可以自己動手:打開你的小台分時段資料,以前一日日盤收盤為基準,數一數近幾年夜盤漲幅超過 1.5% 的夜晚有幾個。如果不到 30 個,先把門檻降到 1% 或拉長資料區間再談測試;夠多的話,照第三節拆出跳空和日盤走勢,續漲與回補並排各跑一次。
常見問答
台指期夜盤大漲後,隔天日盤開盤價為什麼和夜盤收盤價不一樣?
夜盤 05:00 收盤到日盤 08:45 開盤之間沒有任何成交,這段期間歐洲早盤、亞股開盤前的消息與匯率變化都會直接反映在日盤開盤價上,形成跳空。跳空可能和夜盤同向也可能反向,所以把夜盤漲幅和跳空分開算,才知道規則在開盤進場時的起點在哪裡。
夜盤大漲用多少百分比當門檻比較合理?
沒有唯一正確的數字,重點是門檻在看結果前就寫好,並且同時寫下兩個鄰近門檻當壓力檢查。1% 事件多但很多只是普通波動,2% 每個都夠大但幾年可能只剩十幾個。可以先看夜盤漲跌幅的歷史分布,挑一個一年只出現少數幾次的幅度當主要門檻。
台指期夜盤漲跌跟美股有關嗎?要怎麼檢查?
關係很大,夜盤的後半段和美股現貨交易時間重疊,冬令時兩者甚至同在台灣時間 05:00 收盤。檢查方法是把夜盤大漲的事件分成「美股同日大漲」與「美股平盤」兩組,比較隔天日盤走勢;如果兩組差不多,夜盤訊號沒有美股之外的資訊,不如直接用美股收盤漲跌當條件。
夜盤大漲的事件太少,回測還有意義嗎?
有意義,但要把它當線索而不是結論。少於約 30 個事件時,平均每筆的正負號都還沒站穩;而且事件常成串出現在少數波動期,帳面事件數會高估有效樣本。把最大獲利的幾筆拿掉、滑價加倍、鄰近門檻再跑一次,三項都站得住才值得往下做。
可以用小台的夜盤資料來測台指期的夜盤大漲嗎?
可以,小台和大台追蹤同一個指數,夜盤漲幅的百分比幾乎相同,而多數台灣交易人回測夜盤也是用小台資料。差別在每點價值和手續費,算淨損益時要用小台的契約規格與你自己的費率,並且用分時段的日內資料,不要用把夜盤和日盤合併的全時段日線。
參考文獻
- Taiwan Futures Exchange. Mini-TAIEX Futures. https://www.taifex.com.tw/enl/eng2/mTX
- 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.
- Harvey, C. R., & Liu, Y. (2015). Backtesting. The Journal of Portfolio Management, 42(1), 13–28.

