推進分析（Walk-Forward）：為什麼只跑一次回測不夠

只跑一次回測的問題

回測就是把一套規則套在歷史資料上，看看當時會發生什麼事。如果這些規則或參數，是看著同一段資料挑出來的，那回測結果有一部分只是在衡量你把這段資料貼合得多好。貼合得越好，這個數字對明年的參考價值就越低。

這不是回測本身的缺陷，而是一次回測能回答的問題有限。想知道一套建立策略的流程靠不靠得住，就要拿這套流程沒用過的資料來測。

推進分析在做什麼

推進分析會沿著整段歷史，反覆做一個簡單的循環：

1. 最佳化：在一段資料（樣本內區間）上最佳化策略參數。
2. 測試：把選出的參數直接拿到緊接在後的下一段資料（樣本外區間）上測試，什麼都不改。
3. 往前推：往前推進一個樣本外區間的長度，再重複一次。

最後把各段樣本外結果接成一條權益曲線。這條曲線上的每一筆交易，用的參數都是在最佳化還沒用到那段資料之前就選好的。這跟你實際操作策略的方式接近得多：定期重新調參數，然後往前交易。

區間怎麼選

沒有一體適用的設定，但有幾個經驗法則還算可靠：

• 樣本內要夠長，交易筆數才夠。一個區間只有寥寥幾筆交易，最佳化能貼合的就只剩雜訊。很多交易者會讓每個樣本內區間至少有 30 到 50 筆交易，參數多的策略要更多。
• 樣本外要比樣本內短。樣本內與樣本外的長度比，常見落在 3:1 到 5:1 之間。樣本外區間越短，重新最佳化的次數越多，也越接近實際定期調參數的情況。
• 錨定式或滾動式。滾動式區間往前推時，會丟掉最舊的資料；錨定式區間永遠從頭開始算。滾動式對市場變化反應較快，錨定式用到的資料較多。不確定哪種適合你的策略，兩種都試試看。
• 涵蓋不同的盤勢。完整的歷史資料應該包含趨勢盤、盤整盤、高波動和低波動的期間，這樣樣本外區段才不會全部來自同一種盤勢。

結果怎麼看

接起來的樣本外曲線是最主要的結果，但不要只看最後的數字：

• 推進效率。比較樣本外和樣本內的績效水準（例如每個區間換算成年化的淨損益）。如果樣本外只留下樣本內績效的一小部分，代表最佳化大多是在貼合雜訊。
• 各區間是否一致。如果整條曲線只靠一兩個運氣好的區間撐起來，那就很脆弱。數一數有幾個樣本外區間是正報酬，再看最差的區間有多差。
• 參數穩定性。如果每換一個區間，最佳化就選出差很多的參數，表示這個策略在這組參數範圍內沒有穩定的優勢。相鄰區間選出相近的數值，是好跡象。
• 有沒有算進成本。沒算手續費和滑價的推進分析結果，可能看起來比實際好很多，交易頻繁的策略尤其如此。請參考如何把交易成本算進回測。

推進分析矩陣

區間長度本身也是一種選擇，所以最好用幾種組合來跑，例如樣本內 2、3、4 年，搭配樣本外 3、6、12 個月。如果策略只在某一種組合下撐得住，這個結果就要存疑。如果大多數組合的樣本外表現都差不多，結果就比較可信。

推進分析做不到的事

• 它沒辦法修正本身就有偏差的流程。如果你跑了幾百次推進分析，只留下最好的那一次，等於把推進分析本身也最佳化了。請參考策略生成的過度最佳化。
• 它無法證明未來會跟過去一樣。它只能告訴你，一套重新調參數的流程，在你手上這段歷史裡有沒有用。
• 它很吃運算資源。每個區間都是一次完整的最佳化。9 種組合跑 15 年的矩陣，可能就要跑幾百次最佳化，這時運算能力就開始限制你能測得多徹底。

AlphaPrime 在這裡能幫上什麼

AlphaPrime 的策略檢驗包含推進分析，也能自訂門檻：策略沒通過前面的檢查，就不再跑後面的檢查。

看方案與價格