程式交易是什麼？成本、流程與為什麼多數規則會虧損

目錄

1. 什麼是程式交易？
2. 程式交易怎麼運作？
3. 程式交易有哪些類型？
4. 什麼是自動交易？
5. 程式交易會賺錢嗎？
6. 程式交易要花多少錢？
7. 不寫程式也能做程式交易嗎？
8. 交易機器人真的有用嗎？
9. 程式交易比手動交易更好嗎？
10. 常見問題
11. 參考文獻

什麼是程式交易？

程式交易是把每一次進出場都寫成明確的規則，交給電腦執行的交易方式。它的價值只有一件事：用很低的成本淘汰爛規則。在一項實測中，一條簡單的突破規則跑 17 個期貨市場，扣掉成本後只有 5 個市場是正的，所以你測的東西，大部分都要有丟掉的準備。

Algo trading 和 algorithmic trading 是同一件事，只是一個名字比較短；台灣通常叫程式交易。三個名字講的都是同一種做法：規則寫好一次，之後每一根 K 棒都用同樣的方式套用，不靠當天的主觀看法。

交易規則就像一份食譜。同樣的食材、同樣的步驟，不管誰下廚，端出來都是同一道菜。「盤看起來很強就買」不是食譜，因為兩個人會有兩種解讀。「收盤價高於過去 20 根 K 棒的最高價，下一根 K 棒開盤買進」才是食譜，因為任何人或任何電腦在同一個時間點，都會做一樣的動作。

便宜的地方在於「賠」這件事。同一條規則，放在實單帳戶要賠真錢，放在回測裡只花電腦時間。回測是把規則跑過歷史價格的模擬，記錄它會做出的每一筆交易，連每筆的手續費和滑價都算進去。電腦出現之前，交易者要真的下單賠了錢，才知道一條規則不行；現在只要跑過數年的歷史 K 棒，就能換下一個想法。多數想法在這一步就被丟掉，這正是這個方法的重點：爛規則在碰到帳戶之前就被清掉了。

有兩個詞常被混在一起。程式交易是規則做決定；自動交易是電腦送單。「自動交易」那一節會拆開講；簡單說，規則才是重點，自動化只是拿掉延遲和猶豫。

這篇用期貨舉例，因為換月、交易時段和每口成本，最容易把資料和成本的問題看清楚。同樣的步驟也能用在股票和其他市場，只是資料細節不同。

程式交易怎麼運作？

每一條規則都走同樣的六個步驟，從一句話的想法，一路到小量實單和檢討，而且每一步都可能把想法打回起點。不管程式是你自己寫，還是軟體幫你寫，步驟都一樣。第一次接觸的話，可以先看程式交易新手指南走過完整流程，再回來看每一步背後的理由。

1. 用一句話寫下想法。例如：「盤整一段時間之後，突破區間的走勢通常會延續。」這句話要講清楚你預期什麼型態、為什麼。沒有理由的想法，等它失效時更難判斷。
2. 把想法寫成明確的規則。定義進場、出場、停損、部位大小和交易時段。把所有要靠主觀判斷的字眼拿掉，例如「強勢」或「明顯」。兩個人看同一條規則，會在同一根 K 棒下一樣的單，這條規則才算明確。
3. 含成本回測。先處理資料。K 棒是固定週期（例如 5 分鐘或一天）的一筆開高低收價格，通常還帶成交量。選好市場、K 棒週期和歷史長度。檢查換月怎麼接（換月是從快到期的期貨契約轉到下一個契約月份）、K 棒包含哪些交易時段，以及時區和交易時段對不對得上。回測資料品質：缺漏、壞價、時區與換月一文逐項講這些檢查。接著從第一次回測就把手續費、交易所費用和滑價放進去，所有委託都用下一根 K 棒的開盤價成交。規則在某根 K 棒收盤時才做決定，就不可能在同一個收盤價成交，因為收盤價要等這根 K 棒走完才知道。
4. 檢驗。用建立規則時沒用過的資料測試，並測試每個參數的鄰近設定。推進分析（walk-forward analysis）的做法是：在一段歷史上調整規則，參數不動，直接拿到緊接著的下一段測試，再往前推、重複，這樣接起來的測試區間全部是沒看過的資料。推進分析與區間選擇一文有細節。
5. 小量交易。規則要先寫成平台的語言。AlphaPrime（Valynox）可將策略原始碼匯出至 MultiCharts（PowerLanguage）、TradingView（Pine Script v6）、TradeStation（EasyLanguage）、NinjaTrader（NinjaScript）、MetaTrader 4（MQL4）與 MetaTrader 5（MQL5）；各平台的細節請見支援的平台匯出清單。先用模擬帳戶（多數平台都有），或只做一口。
6. 檢討。拿每一筆實單成交價和回測假設的價格比。如果實單成交一直比較差，就把回測的滑價調高，再跑一次。

淘汰最多想法的是第 4 步，因為這是規則第一次碰到沒有參與設計的價格。下面的範例就是常見的情況。

這種落差不是方法出問題，是方法在發揮作用。建立規則的那幾年一定會讓規則看起來比較漂亮，因為參數就是看著這段資料挑出來的。沒用過的年份，才顯示拿掉這項優勢後還剩多少。只看第一個數字的交易者，交易的是被美化過的版本。

程式交易有哪些類型？

跑在幾分鐘到幾小時 K 棒上的趨勢追蹤、均值回歸和突破規則，是一般期貨交易者做得來的類型；價差交易、造市和執行演算法需要的速度或資金，散戶帳戶通常沒有。這些類型的差別在於想抓什麼，以及動作要多快。

下面的範例會用到兩個指標。移動平均是最近 N 根 K 棒的平均收盤價，每根 K 棒都重算，移動平均頁面有各種變化。RSI（相對強弱指標）是介於 0 到 100 的指標，顯示近期 K 棒價格上漲或下跌的強度；RSI 頁面有公式和常用的水準。

類型	作法	規則構想範例	所需速度
趨勢追蹤	價格上漲後買進，走勢持續就續抱。價格下跌後放空。	價格在移動平均之上時抱多單。	低：數分鐘、數小時或數日
均值回歸	賭偏離平均太遠的價格會回到平均附近。	RSI 很低時買進，回到中間值時出場。	低到中
突破	價格脫離近期區間時進場。	收盤價高於過去 20 根 K 棒的最高價時買進。	低到中
價差或統計套利	兩個相關市場的價差異常擴大時進場。	兩個契約月份的價差到極端時，買一個、賣另一個。	中到高
造市	同時掛買價和賣價，目標是賺中間的價差。	買賣兩邊都維持報價，隨委託進來調整。	很高：毫秒或更短
執行演算法	把一筆大單拆成很多小單，降低對價格的衝擊。它們不決定方向。	VWAP（成交量加權平均價）或 TWAP（時間加權平均價）委託。	中

速度是分界線。造市和高頻交易靠的是以毫秒幾分之一計算的連線，還有架在交易所旁邊的伺服器。散戶從家裡透過券商閘道連線，速度差很多，靠搶快的規則，這場比賽一定輸。高頻交易與散戶程式交易的比較一文說明這條線在哪裡，以及為什麼它對 K 棒規則不重要。

趨勢追蹤、均值回歸和突破策略只要用幾分鐘以上的 K 棒，就不需要那種速度。訊號在 60 分鐘 K 棒收盤時成形、下一根 K 棒開盤成交，委託是兩毫秒還是兩秒到，根本沒差。這正是個人期貨交易者有空間的地方，期貨程式交易策略指南裡的五種規則類型都屬於這種慢的。把趨勢追蹤、均值回歸或突破的想法寫成指標、參數範圍和進出場條件，它就成了一個搜尋空間，AlphaPrime 的策略生成可以在裡面產生可測試的規則變體，不必只靠一條手寫規則。

執行演算法則是另一回事。它們不決定要不要買，只決定別人已經決定要買的量怎麼買。只做一口或幾口的散戶期貨交易者很少用到，因為小額市價單對價格的影響小到不值得拆單。

什麼是自動交易？

自動交易是由電腦把委託送到券商，不用人按按鈕；程式交易則是由規則做決定，這是兩個獨立的開關。你可以只開其中一個，「自動交易」的混淆多半來自把兩者當成同一件事。

實務上四種組合都有：

• 主觀判斷，人工下單：一般的主觀交易。
• 規則決定，人工下單：交易者照書面系統操作，每一筆都手動下單。這算程式交易，但不是自動交易。日線規則做得到；5 分鐘 K 棒就不行了，人跟不上。
• 主觀判斷，電腦下單：用自動化工具輔助的點擊下單，例如進場一成交就自動掛出停損和停利的括號單。決定還是人做的。
• 規則決定，電腦下單：全自動的程式交易。平台讀每根新 K 棒、判斷規則，自己送單。

自動化改變的是執行，不是規則的好壞。兩項研究從相反的方向說明這件事。Hendershott、Jones 與 Menkveld（2011）研究紐約證券交易所的演算法委託流量，發現演算法交易越多，買賣價差越窄，大型股尤其明顯；電腦改善的是委託怎麼撮合，不是委託押的方向。美國商品期貨交易委員會（CFTC）與證券交易委員會（SEC）針對 2010 年 5 月 6 日的聯合報告，描述一筆 E-mini S&P 500 期貨的大額賣單交給自動執行演算法，設定為跟著成交量的一定比例賣出，不管價格和時間，而當時市場已經很緊繃。演算法完全照指令做。有問題的是指令，不是自動化。

對散戶來說，教訓很實際。自動化值得用，是因為它消除訊號和委託之間的延遲，而且連續第十筆虧損也不會猶豫。但它也多了幾件事要做：每個交易日確認平台部位和券商部位一致，知道怎麼手動把所有部位平掉，也知道資料斷線時平台會怎麼做。這些事不會讓虧損的規則變賺，也不會讓賺錢的規則變賠，只是讓實際執行和回測假設保持一致。

程式交易會賺錢嗎？

回測不能跟你承諾賺錢，也沒有人能，下面的實測說明了原因：一條突破規則搭配一組固定參數，17 個期貨市場有 12 個虧損、5 個賺錢，只有 1 個市場的獲利因子達到 1.3，所以老實的答案要看規則、市場和成本。獲利因子是所有獲利交易的總和除以所有虧損交易的總和；1.0 是損益兩平，低於 1.0 代表虧損超過獲利。

這條規則就是本文前面提到的簡單突破，外加移動平均出場：收盤價向上穿越前 20 根 K 棒的最高價時做多，收盤價向下穿越 50 根簡單移動平均時出場，60 分鐘 K 棒、一口、只做多，各市場用各自的手續費和滑價，回測期間 2018 年 9 月至 2026 年 10 月。

看這張表要看獲利因子，不要看美元那一欄。每個市場的點值不同，黃金（GC）的一美元和美國公債（ZB）的一美元，背後的價格變動幅度不一樣；正負號和獲利因子可以跨市場比，美元總額不行。結果為正的五個市場是黃金（GC）、那斯達克 100（NQ）、白銀（SI）、道瓊（YM）和標普 500（ES）。只有 GC 的 1.421 超過 1.3。ES 的 1.030 非常接近損益兩平，滑價估高一點就會掉到零以下。虧損的十二個市場，包含清單裡每一檔債券、貨幣和穀物契約。

這項實測能說明的是：一條簡單、只有一組參數的規則不是到處通用；同一段程式在某個市場看起來不錯，到多數其他市場就虧損；成本決定了接近損益兩平的那一個，也就是 ES；而每個市場有 501 到 730 筆交易，差異不是少數幾筆造成的。它不能說明的部分更重要。這是對整段期間跑一次的回測，所以連那五個賺錢的市場都還沒通過任何樣本外檢驗，參數也還沒和鄰近設定比過。它只做多，所以對空方什麼都沒說。它不是說那十二個虧損市場不能交易，而是說這條規則、這組參數，在那些市場做不起來。它對這 17 個市場明年會怎樣，也什麼都沒說。

所以跑每一條規則，都是為了淘汰它，不是為了證明它對。只在一個市場測一條規則、看到賺錢就上線的交易者，學到的很少。把同一條規則跑過很多市場，只留扣掉成本後還活著的，再用樣本外年份檢驗，並依最大回撤決定部位，這樣的交易者就算最後答案是「不是這條規則」，也學到很多。決定散戶帳戶結果的完整數字，從平均每筆損益到帳戶規模，都在程式交易能不能賺錢一文逐步算過。

程式交易要花多少錢？

成本包括交易平台、歷史資料、持續開機的電腦或伺服器、每次進出場的券商手續費和交易所費用，以及滑價。其中每筆交易的成本比固定成本更有決定性，因為每一筆都要扣。固定成本不管你有沒有交易，每個月都要付；每筆成本則隨規則的交易次數增加。

成本	何時支付	決定金額的因素
交易平台	每月，或一次買斷授權	平台本身；部分券商開戶就附
歷史 K 棒資料	每月，或每個市場一次	市場、K 棒週期與歷史長度
電腦或伺服器	每月	在家裡還是資料中心跑，以及每天要開機幾小時
手續費與交易所費用	每次進場與每次出場，按口計算	券商、交易所與契約；微型契約的費用和點值都較小
滑價	每次進場與每次出場	市場流動性、委託類型，以及規則交易的時段

固定成本看得到，因為會收到帳單。每筆成本容易漏掉，因為它藏在每一筆成交裡。滑價是回測假設的價格和實際成交價的差距；市價單和停損單通常比觸發價成交得更差，開盤和消息面前後尤其明顯。在前面的假設範例中，25 美元的來回成本，在行情還沒開始對交易者不利之前，就從 90 美元的毛平均每筆損益裡拿走 25 美元。交易次數是三倍的規則，這 25 美元也要付三倍，毛利要賺到三倍才能打平。

這就是為什麼交易次數多、每筆賺得少的策略，一加成本就最先出局：每筆獲利最薄，每筆成本卻一樣。最簡單的檢驗，是比較毛平均每筆損益和來回成本；回測中的交易成本與平均每筆損益檢驗一文逐步示範這個比較，並說明多少安全邊際才夠。

實務上有三點：

1. 從券商費率表查每筆成本，以每口、單邊計算，再加上交易所和結算費用。費率會變，要看最新的費率表，不要看舊對帳單。
2. 有實單成交紀錄，就用它估滑價。沒有實單紀錄的話，流動性好的期貨用市價單或停損單，先抓單邊至少一跳；冷門契約或波動大的時段要抓更多。
3. 第一次回測前就把兩者放進去。不計成本就排序規則，排在前面的會是加了成本最先被淘汰的那些，花在這些入選者身上的時間就白費了。

成本要在第一次測試前設好，不是事後才加。每筆成本從每一筆交易裡扣，決定哪些規則活下來的力道，遠大於每月的平台費。

有一項成本常被忘記：檢討的時間。自動化規則還是要每天看部位、委託和成交，每週拿實單結果和回測比。這不是金錢成本，但沒時間的交易者，應該挑 K 棒較慢、交易次數較少的規則。

不寫程式也能做程式交易嗎？

第一項技能不是寫程式，而是把規則寫到電腦不會誤讀；Python、平台語言、免寫程式的生成軟體，選的是由誰來寫程式，不是規則會不會成立。三條路的終點都一樣：一條用平台看得懂的語言寫成的規則，在下一根 K 棒成交，每筆交易都付成本。

1. 自己用 Python。回測引擎、資料載入器和規則都自己寫，實單交易還要用平台語言再寫一次。一切都由你掌控，也都要你自己檢查，從 K 棒順序到成交價。用 Python 做程式交易一文列出要安裝什麼、難在哪裡，難處通常是成本模型和換月處理，不是規則本身。
2. 自己用平台語言。用平台自己的語言把規則寫一次，例如 MultiCharts 的 PowerLanguage 或 TradingView 的 Pine Script，回測和交易都由平台負責。引擎是現成的；規則還是要自己寫、自己除錯。
3. 免寫程式的生成軟體加上匯出。用指標、參數範圍和條件描述規則，軟體連同成本測試許多變體，再替你留下的版本產生平台程式碼。免寫程式的程式交易頁面展示從第一次搜尋到匯出檔案的過程；AlphaPrime 可以用六個平台的語言寫出選定的策略，同一條規則就能載入你已經在用的平台。

三條路都不變的，是交易前要檢查的事：

• 你讀到的規則，就是程式跑的規則。打開匯出或自己寫的程式碼，用手追一筆交易。規則寫「下一根 K 棒開盤」，程式就必須在下一根 K 棒開盤成交。
• 同一份程式在平台上回測，交易明細要相近。換月、交易時段或成本設定有差，會在這裡以少了或多了交易的形式跑出來。
• 平台裡的成本要和研究時一致。研究時用來回 25 美元通過的規則，到平台上用 0 美元跑，實單看起來會比實際好。

三條路真正的差別，是同一個晚上能測多少變體。手寫並跑一條規則要花一個晚上。像上面實測那樣把同一條規則跑 17 個市場，或跑數百組鄰近參數，是生成軟體在你睡覺時就能做完的事。這種速度很有用，也很危險：測的變體越多，最好的那一個越可能只是運氣最好。下一節就是講怎麼分辨。

交易機器人真的有用嗎？

機器人只會忠實照規則做，所以問題在規則是可用還是僥倖，要靠樣本外資料、鄰近參數、加倍滑價，以及找到這條規則前試過多少變體來回答。交易機器人就是名字比較親切的自動化程式；本文談規則的內容全部適用，「機器人」這個詞本身不會帶來任何優勢。

過度擬合是規則貼合了過去價格裡的隨機雜訊，而不是會重複出現的規律。過度擬合的規則在建立它的資料上看起來非常漂亮，換到其他資料就普通，甚至更差。樣本內資料是用來建立和調整規則的那段歷史；樣本外資料是保留下來、只用一次做檢驗的那段。下面四項檢查，各抓一種規則靠僥倖的情況。

1. 只用一次的樣本外資料。如果樣本外年份的平均每筆損益，還保有樣本內平均每筆損益的合理比例，像前面範例從 65 美元到 20 美元，規則就算過了第一關。如果掉到零或以下，樣本內的成績大多是擬合出來的。
2. 鄰近參數。20 根 K 棒的突破有效，但 18 和 22 根都失效，結果就是賭在一個幸運的數字上。可用的規則站在高原上，周圍的參數結果都差不多。
3. 加倍滑價。用兩倍滑價重跑一次回測。規則因此轉負，代表它靠的是便宜的成交，而實際市場未必給得起。
4. 試過的變體數量。一百個變體裡最好的那個，光靠機率就該看起來不錯。Harvey 與 Liu（2015）主張，回測結果應該依找到它之前試過多少策略來打折；搜尋得越多，勝出者要跨的門檻就越高。

軟體測的變體越多，第四項檢查越重要。AlphaPrime 的公開基準測試在一張 RTX 3090 上，約 18 小時跑完約 12 億次策略評估，每次評估都含手續費和滑價（測量日期 2026-10-05）。實際速度取決於顯示卡、資料長度和研究設定。這麼大的搜尋一定會跑出一個看起來很驚人的頂尖結果，交易者要把它當成檢驗的起點，不是終點。AlphaPrime 的策略檢驗會對每個候選策略跑基礎、標準或完整檢驗，搭配推進分析和自訂門檻；候選策略只要有一項沒過，後面的檢查就停止，所以不管搜尋十個還是一千萬個變體，標準都一樣。

通過全部四項檢查的規則，也只換到一次小量實單，僅此而已。三個習慣能讓這次實單更有參考價值：

• 依測試中的最大回撤決定部位，然後假設實單的回撤會更大。回撤是帳戶權益從高點跌到之後最低點的幅度。部位大小計算器把帳戶風險和停損距離換算成口數，讓最初的實單靠設計保持小量，不是靠運氣。
• 事先寫下回撤多大或連虧幾個月就要停手檢討。實單前寫下的數字是規則；連虧時才決定的數字是情緒。
• 每週比對實單成交和回測成交。機器人好不好，就看兩者對得有多準。

程式交易比手動交易更好嗎？

程式交易贏在一致性、測試和紀錄，在預測市場上並沒有比較強。把電腦看成照規則做事的執行者，而不是優勢的來源，常見的迷思就站不住腳。下表列出兩種做法各自的優勢，以及兩者面對同一個市場的地方。

	程式交易	手動交易
執行的一致性	每個訊號都照同樣方式做，連續第十筆虧損也一樣	取決於交易者當天的狀態
用歷史資料測試的能力	任何規則都能在動用真錢前，先跑過數年的 K 棒	主觀判斷無法回測，只能從現在開始往後記錄
每筆交易的紀錄	自動記錄：每一筆成交的時間、價格、理由和成本	只有交易者寫交易日誌才有
市場風險	不變：規則會賠多少，市場說了算	不變
每天盯盤檢查的需求	還是要：部位、委託、成交、資料來源、換月	本來就要

有三個迷思，來自只讀前三列、忘了後兩列：

• 「演算法能消除風險。」它消除的是猶豫和不一致。虧損和回撤照樣會依規則發生，上面的實測就是以完全一致的執行，在 17 個市場裡虧了 12 個。
• 「指標越多，演算法越聰明。」每多一條規則或一個參數，就多一分擬合雜訊的空間，高原檢查也更難做。參數越少，越好檢驗，通過了也越值得相信。
• 「開始跑之後就不用管。」連線會斷、契約會換月、市場會變。自動化省掉的是按按鈕，不是檢查。

程式交易給散戶的，是手動交易給不了的三樣東西。第一，每筆交易都有明確理由，而且是交易前就寫好的。第二，有一段已知的回撤和連續虧損紀錄，是用含成本的歷史資料量出來的，實單虧了一週可以拿來比，不用憑感覺。第三，冷靜時就訂好的停手條件。手動交易者只能靠紀律做到這三點；程式交易則是設計上就有。

先把便宜的測試用起來。拿一條你正在做或相信的規則，寫到兩個人會在同一根 K 棒下一樣的單，再用每個市場各自的手續費和滑價，跑過你手上有資料的每個市場。扣掉成本後不是正的市場就淘汰，只把留下來的送去做樣本外檢驗。如果一個都沒留下，這條規則花掉的是電腦時間，不是你的錢。

常見問題

程式交易和自動交易是同一件事嗎？

不完全一樣。程式交易是明確的規則決定交易；自動交易是電腦送出委託。多數程式交易者會把下單自動化，但在日線上你也可以照規則手動下單；自動化系統好不好，取決於它跑的規則。

新手不寫程式也能做程式交易嗎？

可以，因為第一項技能是把規則寫到電腦不會誤讀，不是寫程式。軟體可以把規則生成平台程式碼，並含成本測試許多變體。交易前，你還是要看過匯出的程式碼、用手追一筆交易，並確認平台上的成本和研究時一致。

回測需要多少歷史資料？

要足以產生很多筆交易，並涵蓋不同行情，例如趨勢、盤整、平靜和劇烈波動的時期。許多交易者的目標是數年資料、一百筆以上的交易。留一段歷史做樣本外測試，而且只用一次。

為什麼同一條規則在某個期貨市場賺錢，在另一個市場卻虧損？

每個市場的趨勢特性、流動性、跳動點和成本都不同，固定參數（例如 20 根 K 棒的突破）只適合其中一部分。在本文的實測中，一條規則在 17 個市場中有 5 個扣除成本後為正。這告訴你要逐一市場測試規則，只留下通過成本和樣本外檢驗的市場。

程式交易對股票也適用嗎？

同樣的流程也適用於股票、期貨與其他市場。細節會不同：股票的資料中包含除權息等公司行為，期貨則有換月與每口費用。在第一次測試前，請先為你實際交易的市場設定資料與成本。

參考文獻

• Hendershott, T., Jones, C. M., & Menkveld, A. J. (2011). Does Algorithmic Trading Improve Liquidity? The Journal of Finance, 66(1), 1–33.
• Staffs of the CFTC and SEC (2010). Findings Regarding the Market Events of May 6, 2010. Report to the Joint Advisory Committee on Emerging Regulatory Issues, September 30, 2010.
• Harvey, C. R., & Liu, Y. (2015). Backtesting. The Journal of Portfolio Management, 42(1), 13–28.