本節合併 Ch18「選對價格序列」、Ch19「測試與最適化」、Ch20「績效評估」。三章的共同主題：回測結果幾乎一定高估未來，能不能誠實面對這件事，決定系統交易者的成敗。

選擇正確的價格序列#

期貨合約壽命短，回測時必須處理「跨合約」的問題。常見四種選擇：

系統測試必須使用連續期貨。任何說「用 perpetual 來避免失真」的，是「地球是平的」等級的錯誤。

唯一例外：純短線（look-back ≤ 5 ～ 6 個月）系統可考慮個別合約。

連續期貨不可用於百分比計算。需要百分比時，分子用連續期貨計算的價差，分母用近月價格。

實作要點：

• 換月日不必等到最後交易日；實物交割合約最後幾週常受技術扭曲，建議提前 N 天滾倉（如 20 天）。
• 滾倉日要與你實際操作習慣一致。
• 不同資料商可能用不同方法構建「continuous」序列，下單前必須與資料商確認方法、合約與滾倉日。

系統測試的基本概念#

• 系統：一組產生訊號的規則。
• 參數（parameter）：可自由設定的值，會改變訊號時機。
• 參數組（parameter set）：一組特定參數值的組合。
• 參數類型：
  • 連續：例如百分比，需要設定步距。
  • 離散：例如天數，整數值。
  • 代碼：用編號代表分類規則的選項，本身無大小意義。
  • 固定／非最適化：在大型系統中，部分參數固定不參與最適化，避免組合爆炸。

實務上，不必跑遍所有可能組合。先用稀疏網格（如 N = 10, 20, …, 100），找到表現好的區域再細化即可。

「精挑範例」的陷阱#

作者親身經歷：1983 年雜誌舉了「6 日均線交叉系統」用 1980 瑞士法郎的範例，年報酬 287%。他自己擴大測試後：

• 1976 至 1983 年，瑞士法郎只賺 $20,473，扣掉 1980 年只賺 $3,238。
• 25 個市場中 19 個虧損，13 個年虧 > $3,000/口，5 個年虧 > $6,000/口。
• 重新在 2005-2015 年期間測試 31 個市場，只有 9 個賺錢，整體十年累計虧 −$940,612。

教訓：不要從單一範例推論系統表現。要評估系統，必須在長時間、多市場、無事後諸葛的條件下測試。

真實假設的兩大類#

1. 交易成本#

• 手續費只是一部分；滑價（理論成交價 vs 實際成交價）才是大魔王。
• 假設「以收盤中價成交」並不真實：買單常成交在收盤上端、賣單常在下端。
• 兩種處理方式：
  • 用「最差成交價」假設（例如買單以收盤上端成交）。
  • 把每筆交易成本拉高到遠超實際手續費（例如每邊 $25/單）。後者更通用。

2. 漲跌停日#

• 自動化系統預設訊號當下成交，但漲跌停被鎖死時實際上根本進不去。
• 一根漲跌停可能直接吃掉幾千美元損益（書中以 2011 年 9 月玉米為例：漲跌停翌日跳空 41.25¢，每口 $2,062.5）。

最適化的選擇標準#

最適化要看四件事：

• 百分比報酬（不要用絕對金額）。
• 風險衡量（除了報酬，必須看波動／回撤）。
• 參數穩定性：找一塊「廣大的好區域」，不要找單一耀眼點。
• 時間穩定性：報酬不能集中在少數年份。

同一系統內不同參數組的優化，多用簡單的報酬／風險比（Sharpe、Gain-to-Pain）就夠；跨系統比較才需要顯式檢查多重指標。

最適化的真相：被嚴重高估#

作者跑了 9 個 N 值（20, 30, …, 100）的突破系統，比較「過去 8 年最佳參數」與「後續 2 年的排名」，結果：

• 各市場逐一最適化幾乎沒有任何預測力。
• 跨投資組合最適化僅在「找出過去最差的參數會繼續是未來最差」時有效——而這是因為 N = 20 在所有期間都是次優極端值，與排名本身無關。
• 不管前期最佳的參數有多耀眼，幾乎無法在後續期間維持最佳。

五個關鍵結論：

1. 任何系統都能透過最適化做出漂亮的歷史績效；如果做不到，反向操作就是印鈔機。
2. 最適化永遠會高估系統未來表現，通常高估非常多。永遠不要用最適化結果來評估系統。
3. 多數系統最適化對未來幾乎沒幫助。
4. 最適化最多用來「劃界線」——排除明顯次優的參數區間；微調最適化是浪費時間。
5. 複雜的最適化程序與簡單的一樣有用（前提是真有用）。

怎麼做才算「測試」而非「擬合」#

作者推薦兩種做法：

盲樣模擬（Blind Simulation）#

用較早的資料最適化，用後續資料測試所選參數。模擬期與最適化期絕對不可重疊。

全參數平均#

事先列好所有要測的參數組，跑完之後取所有參數組的平均作為系統未來表現的代理。等同「擲飛鏢選參數」的期望值。

廣告中的「simulated results」常常其實是「optimized results」的代名詞。看到這個詞要立刻警覺，它的可信度應與你想投入的金額成正比——零。

模擬結果被扭曲的七種方式#

1. 精挑範例：25 市場 × 15 年 × 100 參數 = 37,500 組結果，找一組漂亮的不難。
2. 廚房水槽法：事後加規則去處理過去的虧損段。
3. 忽略風險：以「保證金的倍數」算報酬，把風險藏起來。
4. 跳過虧損訊號：圖上只標賺錢的訊號。
5. 無限制最適化：測試的參數組越多，事後最佳化的「歷史報酬」越驚人。
6. 不真實的交易成本：忽略滑價。
7. 直接造假：偽造紀錄。

多市場系統測試與負面結果#

• 好系統理應在大多數活躍市場（85% 以上）獲利。
• 不同市場波動度差異大；事先決定資金配置與口數，再進行測試。
• 系統在某些市場表現特別差時，不要急著放棄——分析原因常能找到改進點。
• 但若系統在多數市場與多數參數都表現糟糕到驚人，反向操作可能就是好系統——只是要注意，這時的虧損若主要來自手續費與滑價，反向後依然虧。

建構與測試系統的十步驟#

1. 取得回測所需資料（連續期貨）。
2. 定義系統概念。
3. 寫出規則程式。
4. 選一小組市場與少數年份。
5. 對該子集跑訊號。
6. 檢查訊號與預期是否一致——通常會發現程式錯誤或規則漏洞。
7. 修正後重跑、比對訊號變化，確保沒有副作用。
8. 在完整資料庫與全部參數組上跑（先確定交易組合）。
9. 以全參數平均或盲樣模擬評估表現，不要看最佳參數。
10. 與一個基準系統（如均線交叉、簡單突破）的同期表現比較。

多數系統創意會在第 10 步陣亡。設計出真正有用的系統，比多數人想的難得多。

系統交易的 16 條觀察#

挑出最重要的幾條：

• 順勢系統的「定義趨勢」方法可能是最不重要的部分；修正規則（過濾、確認、加碼、停損）才是關鍵。
• 簡單為德。
• 跨市場的真正理由，除了風險分散，還有「避免錯過任何一段大行情」——大行情常是整年績效的關鍵。
• 同樣資金充足，多系統 + 多參數的組合勝過單一最適化系統。
• 最適化的價值被高估。
• 別用最適化結果評估系統。
• 真正成功系統的共同特徵：少數市場有大幅獲利年、極少出現大幅虧損年——核心仍是「讓利潤奔跑、嚴控虧損」這句老話。
• 不要避開高波動市場，最賺錢的常常就是最波動的。
• 系統表現有時更多反映「市場狀態」而非系統本身——比較時要設基準。

如何評估歷史績效#

「報酬無法單獨衡量好壞，必須與風險比。」——作者類比：兩家網站都報旅館 300 與 250，沒寫貨幣單位就無法比較。

風險調整後報酬指標#

作者整理了七種主流指標：

負的 Sharpe 完全沒意義——當分子是負值時，標準差越大反而 Sharpe 越「好」，會給出與直覺完全相反的結論。

作者個人建議：以 SDR Sharpe 為主，加上 Tail Ratio 看極端事件，再用 RRR 衡量回撤特性。MAR/Calmar 可作為輔助。

視覺化工具：NAV 圖#

NAV（Net Asset Value）圖把 $1,000 的複利成長視覺化：

• 單一最有資訊量的圖表——同時顯示報酬與風險（回撤幅度與頻率一目了然）。
• 注意視覺錯覺：固定縱軸的長期 NAV 圖會讓「相同百分比波動」在後段看起來變大。用 log 縱軸比較公平。