如何辨識過度配適的交易系統

過度配適的交易系統，是把過去背了下來，卻沒有學到市場中任何持久的東西。它貼合你歷史資料的每一個起伏，包括隨機雜訊，所以回測看起來很漂亮，實盤帳戶卻在失血。令人沮喪的是，過度配適在你建立系統的過程中看起來像成功：每一次讓回測數字變高的調整，都像是進步。這份指南給你具體的警訊，區分真正的優勢和曲線配適的海市蜃樓，以及該怎麼做，讓你不再追逐更漂亮的資金曲線。

警訊1：相對於你手上的資料，參數太多

你每多加一個旋鈕，例如均線長度、RSI 門檻、停損距離、時段濾網，就多給最佳化程序一個可以用來美化過去的自由度。旋鈕越多，單憑運氣就越容易命中任何目標曲線。一個粗略的合理性檢查：用你的獨立交易筆數來對照自由參數的數量。如果一個策略有八個可調輸入，而回測只產生了32筆交易，最佳化程序平均每四筆交易就有一個可調的旋鈕。這遠超過配適雜訊所需的自由度。作為經驗法則，當每個自由參數的交易筆數少於約10-20筆時就要起疑，而每個參數五筆交易是結果幾乎必然是曲線配適的底線，所以八個輸入、32筆交易的例子低於這條線，完全落在海市蜃樓的範圍。

改採的做法：從能表達你真正想法的最小模型開始，只有在它於模型從未見過的資料上證明有價值時，才增加複雜度。有300筆交易的兩參數系統，比有60筆的十參數系統告訴你的多得多。

警訊2：資金曲線太完美

回測幾乎呈直線上升，回撤很小，幾乎沒有虧損的月份，這是你配適了雜訊的證據。真正的優勢是起伏不定的。它們有連續虧損、持平的階段，以及考驗你耐心的回撤，因為市場是因為你忍受不確定性而付你報酬。當資金曲線看起來像儲蓄帳戶的對帳單時，問問自己是哪些特定的歷史偶然讓它如此平滑。

改採的做法：判斷曲線的形狀，包括終點。看最糟的回撤、最長的持平期，以及報酬如何集中。一個可信的系統，其回測中的回撤至少應該和你願意在實盤中忍受的任何回撤一樣糟，如果不是，你還沒看到真正的風險。

警訊3：完全沒有樣本外測試

如果你引以為傲的每一個數字，都來自你用來設計和調校系統的同一批資料，你就沒有證據顯示它能推廣到其他情況。這是最常見的單一失敗原因。解法是在你開始最佳化之前先保留一部分資料。

• 訓練 / 驗證 / 測試切分。在第一段資料上建立和調校，在中間一段做合理性檢查，最後的保留資料只碰一次，就在最後。如果績效在保留資料上崩潰，那個「優勢」就只存在於訓練資料的雜訊裡。
• 前進式分析。在滾動視窗上最佳化，再用這些設定交易下一個視窗，然後往前滾動。這模擬你實際上隨時間重新調校的方式，並讓「最佳」參數不斷改變的系統現形。
• 參數穩定性檢查。把每個輸入上調和下調一格。穩健系統的結果應該平緩下滑。如果把回看期間從20改成22就讓贏家變成輸家，你找到的只是一個幸運的座標。

警訊4：優勢只是曲線配適了雜訊、單一標的或單一市場狀態

只在單一股票代號、單一日期區間或單一波動環境中有效的系統，通常只是配適了那一小段的偶然。一個假設會不斷逢低買進的2020-2021策略，看起來很出色，直到2022的市場狀態出現後就被抹去了。真正的市場行為往往不只出現在一個地方：跨相關商品、跨時間，以及平靜和動盪的時期，即使確切的指標有所不同。

改採的做法：把同樣的邏輯拿到相關但獨立的商品上，並在平靜和波動的時期都測試。如果方向特性得以保留，即使數字較弱，你很可能抓到了真實的東西。如果環境一轉變它就消失了，你配適的是過去。辨別你身處哪種環境本身就是一門學問；相關用語請看當沖價位詞彙表和如何使用每日價位。

更隱蔽的殺手：不受控制的反覆調整

你可以在完全不新增參數的情況下，讓一個完全合理的系統過度配適，只要對同一段歷史調整一百次就行。每一次「小改進」都悄悄消耗樣本外的資訊，直到你的保留資料不再獨立。把修改頻率視為方法的一部分：保持修改稀少，寫下每個修改存在的原因和你預期它做什麼，並要求在任何東西上線之前用全新的驗證區間。這和交易自動化治理指南中的治理邏輯相同，也與有紀律的績效檢討流程相輔相成，後者把決策品質和運氣好的結果分開。

這如何對應交易計畫的方法

交易計畫發布具體的壓力、軸心和支撐價位，供你用自己的判斷運用。每個價位都公開透明，沒有隱藏的參數會在市場狀態轉變時失靈。你帶來自己的執行和風險規則，並用誠實的方式測試：樣本外、跨市場狀態，並清楚呈現風險。這份透明就是重點。

僅供教育用途。不構成投資建議。