VALYNOX
VALYNOXSTRATEGY RESEARCH TECHNOLOGY
AlphaPrimeAlphaPrime
策略學院 / 指標與訊號

Williams %R:公式、-20/-80 門檻、與 KD 的差異,以及 NQ 回測

Williams %R 把最新收盤價放在最近 N 根 K 棒的高低價區間內,並以 0 到 -100 的刻度表示,因此可以看出價格被拉伸到什麼程度。它本身不是反轉訊號:在趨勢明顯的期貨市場裡,讀數可能連續數週都維持在被拉伸的區域,所以只有在加入交易成本與趨勢過濾條件並經過測試後,這個門檻才值得放進你的規則。

作者 · 發佈 · 更新於 · 編輯原則

目錄
  1. Williams %R 衡量的是什麼?它對期貨反轉有用嗎?
  2. Williams %R 怎麼計算?-20 與 -80 門檻該怎麼用?
  3. Williams %R 與 KD(隨機指標)實際上差在哪裡?
  4. Williams %R 該設定哪個週期?
  5. 為什麼 Williams %R 在趨勢市場中會失效?
  6. 回測一個反轉型規則在 NQ 上的結果是什麼?
  7. 你該怎麼自己測試 Williams %R 策略?
  8. 常見問題
  9. 參考文獻

Williams %R 衡量的是什麼?它對期貨反轉有用嗎?

Williams %R 把最新收盤價放在最近 14 根 K 棒的高低價區間內,並以 0 到 -100 的刻度表示,因此可以看出價格被拉伸到什麼程度。作為單獨的反轉觸發條件,它必須經過測試,因為在趨勢明顯的期貨市場裡,被拉伸的讀數可能連續數週都停留在被拉伸的區域。

Williams %R 是一個動能震盪指標,只回答一個問題:最新一根 K 棒的收盤價,相對於最近一段期間的最高價與最低價,位在什麼位置?讀數 0 代表收盤價位在區間頂端,-100 代表位在區間底部。Williams %R 指標頁面說明了這個指標的歷史與標準畫法,所以本文把篇幅放在如何解讀與測試它。想像牆上的溫度計:它告訴你房間很熱,但不會告訴你有人即將打開窗戶。「被拉伸」描述的是當下,不是對下一根 K 棒的預測。

我的立場是:-20 與 -80 只告訴你價格位在區間的什麼位置,除此之外沒有更多資訊。穿越其中任何一條門檻是否值得交易,取決於市場狀態與測試結果。在可以實際測試的技術分析工具與指標中,Williams %R 最適合當作一個成本低廉的拉伸程度衡量,讓其他規則把它當成條件之一。

Williams %R 怎麼計算?-20 與 -80 門檻該怎麼用?

公式是用最近期間的最高價到收盤價的距離,除以該期間的完整區間,再乘以 -100;可以測試的規則是在線條由下往上穿回 -80,或由上往下穿回 -20 時進場,而不是在第一次觸碰時就進場。本文只使用這一條公式:

Williams %R = (最近 N 根 K 棒的最高價 − 最新收盤價) ÷ (最近 N 根 K 棒的最高價 − 最低價) × −100

這裡 N 是回看期間的 K 棒根數,最高價與最低價是該期間內的極值,最新收盤價是當前這根 K 棒的收盤價。當收盤價等於期間最高價時,分子為零,讀數為 0;當收盤價等於期間最低價時,分子等於分母,讀數為 -100。

假設範例

某股價指數期貨最近 14 根日 K 棒的最高價為 20,000 點,最低價為 19,800 點,因此區間為 200 點。今日收盤價為 19,820,距離最高價 180 點。Williams %R = 180 ÷ 200 × −100 = −90。收盤價落在兩週區間的底部十分之一,交易者稱之為超賣。

高於 -20 的讀數稱為超買,低於 -80 的讀數稱為超賣。超買代表收盤價位在最近區間的頂部五分之一,超賣代表位在底部五分之一。常見的交易規則如下:

  1. 觸碰規則:線條跌破 -80 就做多,升破 -20 就做空。這個規則在拉伸走勢的第一根 K 棒就觸發,而且只要走勢持續就會一直觸發。
  2. 回穿規則:線條曾低於 -80,之後收盤回到 -80 之上就做多;曾高於 -20,之後收盤回到 -20 之下就做空。這個規則會等待拉伸開始緩和的第一個跡象。

值得明確寫下來並測試的是回穿規則,因為它有明確的起點,不會在趨勢的每一根 K 棒都觸發。觸碰規則會在強勁走勢中產生許多逆勢進場,後面的趨勢段落會用圖示說明。

示意威廉指標(Williams %R)線在 0 至 -100 刻度上跌破 -80。跌破 -80 的第一根 K 棒標示為觸碰,之後線條收回 -80 上方的那根 K 棒標示為回穿進場。 等待 回穿 示意威廉指標線 0 −20 −80 −100 觸碰 回穿 觸碰發生在價格下跌時。 所以:測試回穿進場。
0 到 -100 的刻度與 -20、-80 的門檻帶。「觸碰」是第一根跌破 -80 的 K 棒;「回穿進場」是線條收盤回到 -80 之上的那根 K 棒。

Williams %R 與 KD(隨機指標)實際上差在哪裡?

Williams %R 與 KD 的原始 %K 是同一個區間計算,只是刻度相反,所以真正的差異在於平滑處理與訊號線,而不是基本概念。隨機指標(KD)衡量收盤價相對於期間最低價的位置,讀數為 0 到 100;Williams %R 衡量收盤價離期間最高價的距離,讀數為 0 到 -100。把原始 %K 的讀數減去 100,就得到同一期間的 Williams %R。兩條線是彼此的鏡像。

實際使用時的差別,來自計算之後平台怎麼呈現。大多數交易者看到的 KD,其 %K 已經經過幾根 K 棒的平滑,並附帶 %D 線,也就是 %K 的移動平均,用來判斷交叉訊號。Williams %R 通常以原始數值畫出,沒有平滑,也沒有第二條線。結果是 Williams %R 會早一兩根 K 棒反應,穿越門檻的次數也較多;KD 則比較平穩,而且內建交叉訊號。

特性Williams %RKD(隨機指標)
刻度0 到 -1000 到 100
公式的分子期間最高價減收盤價收盤價減期間最低價
主線平滑常見畫法中沒有%K 通常會平滑
訊號線無%D,即 %K 的移動平均
常見預設週期149 或 14
常見門檻組合-20 / -8080 / 20
訊號時機較早,穿越次數較多較晚,穿越次數較少
威廉指標與 KD 比較:威廉指標(%R)範圍為 0 至 −100,無平滑、無訊號線;KD 範圍為 0 至 100,具平滑後的 %K 與 %D 訊號線;威廉指標等於原始 %K 減 100。 數學相同,刻度反轉 威廉指標 vs KD(隨機指標) 威廉指標 KD 刻度 0 至 −100 0 至 100 平滑 無 平滑後 %K 訊號線 無 %D 線 威廉指標 = 原始 %K − 100。 因此:將平滑視為獨立設定來測試。
同一個區間計算,刻度相反。兩條線如鏡像般同步移動;差異在於平滑處理與 %D 訊號線。

對測試而言,這表示同樣在鏡像門檻上使用的 Williams %R 回穿規則與原始 %K 回穿規則,會產生相同的交易。如果同一張圖上「Williams %R」與「KD」的結果不同,差異來自平滑與 %D 交叉,而不是指標名稱。如果你想測試平滑的效果,應該把它當成獨立的設定來測,而不是在兩個指標之間做選擇。

Williams %R 該設定哪個週期?

有用的週期,是在你的測試中相鄰週期表現相近的那一個,而不是回測結果最好的那一個單點。常見的預設是 14 根 K 棒。較短的週期,例如 7,衡量的區間較小,因此收盤價更常觸及區間邊緣,線條穿越 -20 與 -80 的次數也較多。較長的週期,例如 28,衡量的區間較大,因此線條較少觸及門檻,而且觸及時間較晚。沒有任何一個週期適用於所有市場與所有 K 棒週期。

同一組示意價格序列在三種威廉指標(Williams %R)週期下的表現:週期 7 穿越 -20 或 -80 門檻線 10 次,週期 14 為 4 次,週期 28 僅 2 次。 週期越短,訊號越多 示意圖 · 圓點 = 穿越門檻線 週期 7 週期 14 週期 28 10 4 2 穿越越多,成本越高。 因此:從穩定區間的週期中挑選。
同一段價格序列套用三種週期。週期 7 多次穿越門檻,週期 14 較少,週期 28 僅出現少數幾次且較晚。

一個實用的選擇方法如下:

  1. 測試一個範圍,而不是單一點。用相同的資料、相同的交易成本,以小步距跑完從約 5 到 40 的各個週期。
  2. 尋找高原區。如果週期 12 到 20 的結果都相近,就選中間的一個。如果週期 14 很好,但 13 與 15 很差,那麼 14 的結果只是該段歷史的巧合。閱讀這種結果曲面的方法,在參數穩健性:高原區還是僥倖尖峰中有說明。
  3. 讓週期與 K 棒週期和持有時間相配。在 1 分鐘 K 棒上使用短週期,每天可能產生數十次穿越,而每一次都要付手續費與滑價;日內交易最佳指標與測試結果這篇文章說明了為什麼短週期震盪指標扣除成本後最先失效。

Williams %R 的設定還包括兩條門檻。-20 與 -80 只是慣例;-10 與 -90 會產生較少但更極端的訊號,-30 與 -70 則會產生較多訊號。請把門檻當成第二個設定,與週期一起放進網格中測試。

在穩定的趨勢中,收盤價會一根接一根地靠近區間極值,所以 Williams %R 會持續停留在 -20 之上或 -80 之下,而它產生的每一次逆勢進場都在對抗走勢。原因在公式本身。在上升趨勢中,每一根新 K 棒都會創造新的最高價,而收盤價靠近該最高價,因此公式的分子維持很小,讀數維持在 0 附近。這個指標並沒有壞掉,它正確地反映了收盤價持續落在區間頂部附近。問題在於交易規則把「靠近頂部」解讀成「即將下跌」。

在示意的上升趨勢中,Williams %R 持續維持在 -20 以上;三次在短暫跌破 -20 時進場的空單,出場價都較高,因此每筆空單皆虧損。 空單逆勢操作 示意圖:%R 貼近 0 價格 每筆空單皆虧損 −20 −80 超買可以維持超買。 因此:加入趨勢濾網,再重新檢驗。
上升趨勢中的逆勢進場。讀數連續數週釘在 -20 之上;每次短暫回落時的空單進場,都在更高的價格平倉。

交易者常測試兩種修正方式,兩者都可以用一行條件寫下來:

  1. 加入趨勢過濾條件。只有在價格位於慢速移動平均之上時,才採用由 -80 之下回穿的做多訊號;只有在價格位於其之下時,才採用由 -20 之上回穿的做空訊號。延遲較小的移動平均,例如DEMA 如何減少 EMA 的延遲中說明的做法,是常見的選擇;趨勢強度指標如 ADX 則是另一種選擇。
  2. 只順著趨勢方向交易。完全捨棄逆勢那一側。在上升趨勢中,跌破 -80 後再由下回穿,會變成順勢的回檔進場,這與反轉策略是不同的策略,應該當成另一個策略來測試。

有些交易者會加入價格序列之外的脈絡,例如如何解讀黃金 COT 報告並把它當成規則測試中說明的大型交易者部位,並且只在部位方向一致時才採用超賣訊號。無論使用哪種過濾條件,真正要比較的是:在相同資料與相同成本下,加了過濾條件的規則與未加過濾條件的規則。如果過濾條件沒有降低趨勢年份的回撤,它就沒有發揮作用。

回測一個反轉型規則在 NQ 上的結果是什麼?

下面的回測在 NQ 日 K 棒上測試一個反轉型規則,期間從 2019 年初到 2025 年年中,並計入手續費與滑價。被保留的候選策略顯示這種規則在該段歷史中的表現,但不代表它接下來會如何表現。本次回測的規則是一個替代規則:以標準指標組成的 Effective Spread 規則,作為唯一的進場與出場條件,沒有停損、沒有停利,也沒有任何過濾條件;它不是 Williams %R 規則。搜尋共嘗試了 1,024 組候選策略(本次回測的嘗試數),並依據報酬相對於回撤的表現保留其中一組。事後挑選被保留的候選策略會美化結果:在許多次嘗試中挑出的最佳者,必然帶有選擇偏誤;Bailey、Borwein、López de Prado 與 Zhu(2014)指出,這種偏誤會隨著在同一資料上比較的候選數量增加而擴大。

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)$146,230
最大回撤$40,325
交易筆數49
勝率61.22%
獲利因子2.37
平均每筆$2,984.29
在場時間23.29%
觀察回撤出現在權益曲線的哪個位置,以及樣本外區段是否維持前段的斜率。
觀察回撤出現在權益曲線的哪個位置,以及樣本外區段是否維持前段的斜率。 NQ・日線・2019-01-02 至 2025-06-30・CPU 引擎回測

如何解讀:首先要檢查的是交易次數。六年半內只有 49 筆交易,屬於小樣本;每筆平均 $2,984.29 的損益若建立在 49 筆交易上,只要替換掉少數幾筆,結果就可能大幅改變。61.22% 的勝率與 2.37 的獲利因子描述的是同一批 49 筆交易,因此也共享這種不確定性。在場時間 23.29%,表示這個規則在超過四分之三的期間都是空手,這對於等待拉伸讀數的反轉型規則來說很典型。最大回撤 $40,325 相對於淨損益 $146,230,是搜尋時所依據的比率,因此也是最容易被選擇偏誤美化的數字。這些都不代表該規則以讀者可以預期的方式賺到了那些錢;它只說明了在一段歷史上,一組被保留的候選策略看起來是什麼樣子。Park 與 Irwin(2007)回顧了數十年關於技術規則的研究,發現那些在扣除成本之前、以及未針對所測試規則數量做調整之前看起來很強的結果,在扣除成本並調整之後往往會縮水,這正是下一節從一開始就把交易成本與樣本外資料放進測試的原因。

你該怎麼自己測試 Williams %R 策略?

在看圖表之前先寫下確切的進場與出場條件,加入實際的交易成本,測試一系列週期與門檻,然後在搜尋過程中從未見過的資料上評估結果,最後對加了趨勢過濾條件的版本執行相同的檢查,再決定這個指標是否值得放進你的規則中。順序很重要:在看過結果之後才寫下的規則,只是對歷史的描述。

依序五個測試步驟:寫下精確規則、加入成本、測試一系列期間與門檻、以樣本外資料評分,然後加入趨勢濾網重做;若規則有變,回到步驟 1。 五個步驟,依序進行 樣本外評分說了算 1 2 3 4 5 寫下精確規則 加入成本 測試範圍 樣本外評分 加入趨勢濾網 規則有變? 回到步驟 1 看過結果才定的規則,就是歷史。 所以:先寫規則,再看圖表。
從書面規則到驗證結果。第 4 步之後對規則的任何修改,都會讓你帶著新資料回到第 1 步。
  1. 寫下確切的規則。例如:週期 14,Williams %R 由下回穿 -80 時做多,由上回穿 -20 時做空,並以反向訊號或固定根數的 K 棒出場。同時寫明 K 棒週期、交易時段與商品。
  2. 逐筆加入手續費與滑價。使用你的經紀商手續費,並且對流動性充足的股價指數期貨,每邊至少計入一跳動點的滑價;接著以兩倍滑價重跑,看結果是否仍然成立。短週期 K 棒上的震盪指標規則交易頻繁,因此交易成本對結果的影響,通常大於門檻本身的影響。
  3. 測試週期與門檻的網格。週期從約 5 到 40,門檻組合從 -10/-90 到 -30/-70,全部使用相同的成本與相同的下一根 K 棒成交規則。把結果當成曲面來閱讀,並尋找高原區。進行這種網格測試時,AlphaPrime(Valynox)的回測會對每個組合計入相同的手續費與滑價,並以下一根 K 棒成交,因此沒有任何週期會因為在較寬鬆的假設下測試而勝出。
  4. 以樣本外資料評估。在歷史資料的前段選定參數,然後在後段原封不動地執行。評估後段時,以已完成的交易為準:一個在樣本外只產生 30 筆交易的規則,只給你一個線索,而不是結果。Sullivan、Timmermann 與 White(1999)指出,在一段歷史上,大量技術規則中表現最佳的那一個,一旦計入所測試的規則數量,往往會失去優勢,這就是為什麼樣本外的評估才是真正重要的依據。
  5. 加入趨勢過濾條件後重複並比較。在加入移動平均或 ADX 條件後,執行完全相同的網格,並比較兩個結果曲面:交易次數、扣除成本後的平均每筆損益,以及趨勢年份的回撤。如果過濾版本在樣本外區段沒有明顯較好,那麼這個過濾條件只是增加了一個參數,卻沒有增加優勢。

今晚就從第 1 步開始:針對你交易的市場,寫下一條一行的回穿規則,固定週期與兩條門檻,然後用你自己的 K 棒資料、你實際的手續費,以及每邊一跳動點的滑價來執行。在讀任何其他數字之前,先數一下它在過去兩年產生了多少筆交易。

常見問題

Williams %R 與 KD 有什麼不同?

Williams %R 與 KD 的原始 %K 是同一個計算,只是刻度相反:Williams %R 衡量收盤價離期間最高價的距離,讀數為 0 到 -100;%K 則衡量離期間最低價的距離,讀數為 0 到 100。實際上的差異在於,KD 通常會平滑 %K 並加上 %D 訊號線,而 Williams %R 以原始數值畫出,沒有第二條線。因此 Williams %R 穿越門檻的時間較早,次數也較多。

Williams %R 的 -20 與 -80 門檻要怎麼用?

讀數高於 -20 代表收盤價位在最近區間的頂部五分之一(超買);讀數低於 -80 則代表位在底部五分之一(超賣)。可以測試的規則是回穿:線條由下回到 -80 之上時做多,由上回到 -20 之下時做空。如果在第一次觸碰時就進場,會在強勁趨勢中產生許多逆勢進場。

Williams %R 最好的設定是什麼?

常見的預設是 14 根 K 棒,門檻為 -20 與 -80,但沒有任何一組設定適用於所有市場與所有 K 棒週期。請用相同的成本測試一系列週期與門檻組合,並尋找相鄰設定結果相近的高原區。一個大幅超越鄰近週期的單一週期,是你所測試的歷史資料的巧合,而不是市場的特性。

Williams %R 在趨勢市場中有效嗎?

在穩定的趨勢中,收盤價會一根接一根地靠近區間極值,因此 Williams %R 會長時間停留在 -20 之上或 -80 之下,逆勢訊號也會虧損。指標本身的讀數是正確的,問題出在反轉規則。交易者的修正方式是加入趨勢過濾條件,例如價格位於慢速移動平均之上或之下;或是只採用順著趨勢方向的回穿訊號,作為回檔進場。

Williams %R 是領先指標還是落後指標?

Williams %R 只由當前收盤價與回看期間的高低價區間計算而成,沒有任何平滑處理,因此會立即對新的收盤價做出反應。這使它比 KD 等平滑震盪指標更早反應,但「更早」也代表更多雜訊:它穿越門檻的次數較多,而且其中許多穿越之後並沒有出現轉折。這個早期訊號值不值得交易,取決於交易成本與測試結果,而不是因為這個指標被稱為「領先」。

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.
  • 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.
  • Sullivan, R., Timmermann, A., & White, H. (1999). Data-Snooping, Technical Trading Rule Performance, and the Bootstrap. The Journal of Finance, 54(5), 1647–1691.