「趨勢跟隨系統只有兩種：快的和慢的。」——Jim Orcutt

本章整合原書「圖表分析軟體」、「技術交易系統的結構與設計」與「交易系統測試與優化」三章內容，介紹機械化交易系統的核心思路、常見陷阱與評估方法。

為什麼要使用機械化系統？#

紙上交易遠比實單容易，差別只在一個字：情緒。情緒會導致過度交易、聽到謠言就提早平倉、為了「好價」搶進、明明虧損還抱著不放。機械化系統的三大價值：

• 去情緒化：不再每天靠決策的承擔交易壓力
• 保證一致性：任何「選擇性執行」的策略都會錯失最大獲利的訊號或承擔最大的虧損
• 內建風險控制：機械化系統一定包含停損或反向訊號，避免單筆爆倉

即使一個顧問通訊的長期建議是賺錢的，多數訂閱者仍會虧錢——因為他們會挑著做、跌一陣子就放棄。「好策略 ≠ 賺錢」，只有「好策略 + 一致執行」才能賺錢。

圖表與分析軟體：選購指南#

選軟體前要盤點自身需求與電腦能力。價格從百元到數千美元都有；不要為用不到的高階功能付溢價。三大評估維度：

• 時間框架/交易風格：盤中或極短線才需要即時資料軟體（成本指數級高於日終）
• 分析目標：只想看圖、畫趨勢線？還是要設計與測試自有指標與系統？後者貴得多
• 電腦能力：基礎圖表軟體都很直覺；具備系統測試能力的軟體則有自有的程式語言（雖經簡化），把複雜想法測試出來仍需學會基礎程式

分析程式（analytical program）≠ 交易程式（trading program）：前者讓你按自己的觀點分析，後者是已封裝的機械系統。許多廣告把兩者混為一談——你買的可能是「系統」，而非分析能力。

三種系統類型#

三類之間的界線並非清楚切割。隨著修改加入，一類系統可能逐漸表現得像另一類。

趨勢跟隨系統：兩個基本方法#

移動平均系統#

• 單均線交叉：價格上穿均線買進、下穿賣出。最大缺點：假訊號太多，因為短暫劇烈波動就足以觸發
• 加權方式（線性加權 LWMA、指數加權 EWMA）：施瓦格的實證觀察是「沒有強力證據顯示比簡單均線更好」
• 雙均線交叉系統：短均線上穿長均線買進，反之賣出。訊號數大幅減少，效果遠勝單均線

突破系統（Breakout System）#

最簡單規則：

1. 收盤超過前 N 日最高 → 反空為多
2. 收盤跌破前 N 日最低 → 反多為空

N 值的選擇是「快慢」的取捨：N 小 → 訊號早，但假訊號多；N 大 → 假訊號少，但進場慢、單筆虧損可能更大。經驗上多數市場慢系統優於快系統——但仍須以實證測試為準。

趨勢跟隨系統的十大問題#

施瓦格列出趨勢跟隨系統共通的弱點：

1. 太多相似系統：眾多系統訊號相近，可能在同 1–5 日內共同下單，造成滑點
2. 多重假訊號（Whipsaws）：典型的順勢假突破連環反轉，極為挫折
3. 無法放大主趨勢：固定單位部位，再大的趨勢也只是一個單位
4. 慢系統會吐回大量浮盈：等到反向訊號才出場，獲利可能已被吐掉一半
5. 盤整中無法獲利：盤整中最好的結果是不交易；最常見的結果是 whipsaw 連環損
6. 暫時性大幅回檔：對剛開始跟單的人特別致命
7. 最佳系統往往波動最大
8. 回測漂亮、實單潰敗
9. 參數漂移（Parameter Shift）：歷史最優參數，下一段時間表現未必好
10. 滑點（Slippage）：紙上獲利、實單虧損

改進趨勢系統的常見手段#

確認條件（Confirmation Conditions）#

要求訊號滿足額外條件後才進場：

• 穿透：收盤穿越訊號水位達指定百分比（例：2%）
• 時間延遲：訊號日後 6 日仍維持原方向
• 型態：訊號後出現 N 個同向 thrust 日

確認條件會讓有效訊號的進場價變差，但能大幅降低 whipsaw 損失。整體上「減少的損失 > 延遲帶來的少賺」時就值得加入。

篩網（Filter）#

在訊號產生當下就篩除可能成為敗筆的訊號。例：只接受與主要趨勢方向一致的均線交叉訊號（用同一條均線的方向作篩網）。

市況調整（Market Characteristic Adjustments）#

讓參數隨市況變動。例：依過去 50 日平均區間把市場分為 5 個波動度等級，N 值依等級切換——把靜態系統轉為動態系統。

區別買進賣出條件#

頂部下跌通常比底部上漲急。因此賣出訊號的條件可以較買進敏感。但要小心過度擬合（overfitting）。

加碼（Pyramiding）#

在主趨勢中允許部位變大。書中規則範例：

1. 淨多單時若收盤跌破前 10 日低 → 定義「修正」
2. 修正後再創 10 日新高且加碼價高於上一筆建倉、總部位 < 3 單位 → 加碼
3. 賣出鏡像

加碼的核心三原則（前章已述）：

• 既有單位必須獲利中才能加
• 預設停損後不能變成整體淨虧損
• 加碼單位不超過初始基礎單位

出場規則（Trade Exit）#

可在反向訊號到來前先平倉，但必須搭配重新進場規則，否則會錯過大趨勢。

逆勢系統的本質#

趨勢系統具有自我修正性質（順勢做對才能賺），但逆勢系統潛在虧損無上限——若不設停損，下跌中可能整段被多單吃光。逆勢系統必須含停損，除非與趨勢系統並用。

常見逆勢方法：

• Fading Minimum Move：價格自上一逆勢買訊以來反彈超過特定幅度即賣出，反之亦然
• 震盪指標：用 RSI、Stochastics 等抓超買超賣
• 逆向意見指標

逆勢系統表現最好的市況，正是趨勢系統表現最差的市況——這正是把它們組合起來的價值所在。

多元化（Diversification）#

三個層次：

1. 跨市場：最重要的多元化（前提是資金充足）
2. 跨系統：同一市場用多個系統交易
3. 跨參數：同一系統用不同參數同時交易

書中以 SMSV（單一市場系統變體）作為比較單位。三大好處：

• 權益曲線更平滑：不同 SMSV 的虧損期不同步
• 保證參與主要趨勢：避免錯過巨幅行情，多空雙向都能站到位
• 壞運氣保險：避免單一參數因市場跳空、漲跌停而被巨虧砸到

實際測試：必須使用「實際的」假設#

紙面績效與實單績效的差距叫做 滑點（slippage）。常見元凶：

• 手續費以外的成本：理論成交價與實際成交價的差距。實務上可用「每筆 100 美元」的高估假設來涵蓋
• 漲跌停（limit days）：訊號出現時市場可能根本無法成交，需在程式中模擬。書中以咖啡為例：訊號顯示 +42.44 點，實際成交是 −16.2 點

寧可在測試階段就揭露這些「假設不真實」的問題，也不要等到真錢虧光才發現。

優化（Optimization）的真相#

優化 = 找出歷史上表現最好的參數組合。施瓦格的實證結論：

1. 任何系統都能在歷史上優化得很漂亮——不能優化得漂亮的系統反而值錢（取反就是搖錢樹）
2. 優化結果一定會高估未來績效，且高估幅度可能極大
3. 多數系統中，優化對未來績效的改善頂多很小
4. 優化真正有用的地方，是排除明顯爛的參數區段，而非微調出最佳值
5. 複雜的優化程序是浪費時間——簡單方法已能提供大致同等資訊

隨機選參數的長期績效，和「優化後選最佳」的長期績效，可能沒有想像中的差距。盲信優化是新手最常見的災難。

「測試」與「擬合」的區別#

把優化後的參數績效當作未來預期，是最致命的錯誤——這叫擬合（fitting），不是測試。施瓦格提供兩個有效的測試方法：

1. 盲樣模擬（Blind Simulation）#

• 用較早的歷史段做優化（例如 1985–1992）
• 把選出的參數套用到之後的時段（例如 1993–1994）測效果
• 重複多次（滾動）
• 關鍵：優化期與模擬期不能重疊

2. 平均參數組績效#

• 預先列出所有要測試的參數組
• 對全部都跑模擬
• 取全部參數組的平均作為系統潛力的估計（不能只取賺錢的子集）

盲樣模擬最貼近真實交易；平均參數組計算量小但同樣保守。在廣告中看到的「Simulated Results」往往是優化結果而非盲樣模擬——應視為「值零元」。

模擬績效如何被扭曲？#

書中列出系統廣告常見的「失真手法」：

• 精心挑選的範例：在 25 市場 × 15 年 × 100 參數組 = 37,500 組結果中，挑出最漂亮的一組
• 拼湊式（Kitchen Sink）：用後見之明加參數規則，補上每段歷史虧損
• 忽略風險：以保證金為基數計算報酬率，數字膨脹數倍
• 遺漏虧損訊號：圖表上只標賺錢訊號，相同條件下產生虧損的訊號不畫出
• 無止盡優化：測試愈多參數，能挑出來的「最佳值」愈漂亮
• 不寫實的成本：忽略滑點
• 直接造假

「不可能有任何系統的模擬績效會把你放在 1987 年 10 月 16 日（黑色星期一前）收盤的多頭部位。」——施瓦格

觀察與經驗法則#

施瓦格列出 16 點實務觀察，重點摘錄：

• 趨勢系統中，「如何辨認趨勢」往往是最不重要的部分——關鍵在於濾網、確認規則、加碼規則、停損規則
• 複雜本身不是美德——使用最簡單的版本，除非有顯著績效落差
• 多市場交易的另一個關鍵理由是避免錯過稀少的巨型行情（例如 1994 咖啡、1979–1980 白銀）
• 資金允許下，多系統 + 多參數比單一系統 + 單一最優參數更穩健
• 負面結果有價值：分析系統表現不佳的條件，常能找到改進方向；若整體都壞但壞得有規律，反向操作可能就是答案
• 建構與除錯都應只用一小段資料，全部資料留給最終驗證
• 修正系統錯誤時，不能因為某個修正會降低樣本內績效就拒絕——一致性比表現更重要
• 用**通用基準系統（generic system）**比較績效；自有系統若沒有顯著優於 breakout / 雙均線交叉，就不算真正的系統

建構與測試系統的步驟#

1. 取得測試所需的全部資料
2. 定義系統概念
3. 撰寫產生交易的程式
4. 選定少量市場與時段子集
5. 用某參數組在子集產生訊號
6. 為這些市場與時段產出圖表（多印幾份；期貨用連續期貨）
7. 在圖上標註訊號（與測試資料一致）
8. 目視檢查訊號是否符合預期；偏差通常來自程式錯誤或規則未涵蓋的情境
9. 修正後重做 7、8
10. 確認系統行為一致後，才在完整參數組 + 完整資料上跑
11. 用「平均參數組」或「盲樣模擬」評估
12. 與通用基準系統比較——必須顯著較好或在多元化下能等量齊觀，才算有價值

多數系統會在第 12 步被淘汰。設計出「真的更好」的系統，比一般人想得困難得多。