用Python建構交易策略：回測的誤導與風險控管

Python不給你優勢，而是給你一個測試平台。

2024年一項量化金融開發者調查顯示，Python使用率高達81.3%。大型銀行使用它、金融科技公司使用它，而多數接觸程式碼的零售交易者最終也會使用它。原因樸實且正確：函式庫優良、語法不礙事，而且你可以在一個下午從原始價格序列到測試完成的規則。

這裡是常被忽略的部分。Python是測量工具，不是策略。它會樂於回測糟糕的想法，並印出漂亮的權益曲線。重要的技能不是寫迴圈，而是知道哪些結果在欺騙你。把工具當作檢驗想法能否經得起真實資料與實際成本考驗的方法，它就值得使用。把它當作印鈔機，它會靜靜地教你昂貴的一課。

設定環境，避免日後自欺

三個函式庫完成大部分工作。NumPy處理陣列運算。pandas提供DataFrame，一旦開始操作，價格與成交量資料就存在其中。matplotlib繪製你在發現異常時會盯著的圖表。

pip install numpy pandas matplotlib

對於編輯器，選擇能讓你保持誠實的即可。PyCharm有真正的除錯器和整合測試，這比人們承認的更重要——很多「策略有效」的結論，其實是逐步執行一次交易就能抓到的錯誤。VS Code較輕量且不錯。Jupyter筆記本非常適合探索，但對於任何你打算實際交易的內容來說，它確實危險，因為儲存格執行順序可能錯亂，而且很容易讓未來資料留在變數中，滲入「過去」的計算。如果你用筆記本研究，在信任之前，請將最終邏輯重建為乾淨的腳本。

從第一次提交就把整個專案納入Git版本控制。不是為了協作，而是為了你自己。當回測在週二看起來很棒，週四卻出問題時，版本歷史就是找出哪一行被修改的方法。無法精確重建的策略，就是無法信任的策略。

兩種策略家族，兩種不同的錯誤方式

大多數系統化想法屬於兩大陣營之一，各自有值得先點明的典型失敗模式。

趨勢跟蹤 利用動能。規則大致是：某個東西正在移動，就上車，持續持有直到它停止。它有效是因為趨勢持續的頻率比隨機機率所暗示的更高——而它痛苦是因為大多數時候沒有趨勢，所以在盤整中你持續小額虧損，等待那個能彌補一切的大波動。趨勢系統以低勝率、少數大贏家取勝。如果你無法忍受在多數交易中犯錯，你會在關鍵交易之前放棄它。

均值回歸 反向押注：價格過度延伸，將回彈至均線。它有高勝率，感覺很棒，直到某次價格不回歸並持續前進。那一次交易就能抹去一長串的小贏。沒有嚴格停損的均值回歸不是策略，而是倒數計時。

注意對稱性。趨勢跟蹤要求你忍受頻繁的小虧損；均值回歸要求你承受罕見的大虧損。兩者都不更安全。它們只是以不同方式分配痛苦，而 你真正能承受的資金回撤型態 應該決定你建構哪一種。

技術分析——解讀價格與成交量歷史以尋找可重複的模式——是多數Python策略所編碼的內容。基本面分析——評估標的企業或資產的價值——較難自動化，通常作為濾網而非訊號出現。沒有規則說只能選一種。但要清楚你的程式碼實際上在測試哪一種。

「交易成功的關鍵是情緒紀律。如果聰明是關鍵，那麼會有更多人在交易中賺錢。」——Victor Sperandeo

那句引言不是裝飾。編寫策略的全部意義在於將決策從直覺轉移到你冷靜時寫下的規則。而 紀律問題不會因為電腦下單而消失 ——它轉移到當策略處於虧損狀態時，你是否真的會遵守它。

資料是大多數回測出錯的地方

你的策略誠實與否，取決於支撐它的資料。取得資料是簡單的一半。

你可以從API獲取價格——免費層級的Alpha Vantage和Yahoo Finance，或更乾淨的IEX Cloud——或者如果你需要深度和可靠性，可以從付費供應商如Bloomberg、Refinitiv或Quandl取得。免費資料適合學習。但要知道免費資料流有缺口、偶爾有錯誤報價，有時還會默默地調整歷史資料。

接著是資料清理，而這就是結果被悄悄製造出來的地方：

要牢記的兩個詞是 前視偏差 和 存活者偏差前視偏差是在決策時使用策略無法取得的資訊——用今天的收盤價來決定今天的進場，或用尚未發生的資料進行標準化。存活者偏差是只測試今天仍然存在的資產，這會悄悄刪除所有歸零的公司，讓任何「逢低買進」的規則看起來出色。兩者都會誇大回測結果。兩者都隱形，除非你刻意去找。

誠實回測，以及無人建模的成本

一旦資料乾淨，回測在機械上很簡單：將規則套用於歷史資料，記錄它會怎麼做，查看結果。機械部分不難。難的是相信輸出結果。

忽略成本的回測是虛構的。每筆交易都要支付價差、可能還有佣金，以及滑點——你看到的價格與實際成交價格之間的差距。對於交易頻繁的策略，光是成本就能將帳面利潤變成實際虧損。以悲觀角度建模。如果優勢只在零成本下存活，那就沒有優勢。

接下來是過擬合，這是最誘人的失敗。加入足夠的參數，你可以完美擬合任何過去。一條針對2021-2023年精調的曲線，對2025年毫無意義。防禦方法古老且不華麗：保留策略在開發期間從未見過的資料、在不同市場制度下測試，並對任何必須恰好是14否則整個系統崩潰的參數保持懷疑。穩健的優勢有點模糊。脆弱的優勢鋒利如刀，卻一文不值。

教學課程跳過的系統另一半

進場訊號獲得所有關注。它們是運作系統中最不重要的部分。

進場規則告訴你何時進場。它沒有說明進場多少、何時出場，或如何知道自己錯了。這三項——倉位管理、出場與失效確認——是區分策略與直覺的關鍵，而且它們應該像訊號一樣明確地寫在程式碼中。

• 倉位管理 決定單筆交易可能讓你損失多少。固定比例模型——每次交易冒帳戶一小部分固定百分比的風險——能防止一次糟糕的判斷變成災難。 如何管理倉位比交易什麼對生存更重要，而且編碼起來很簡單。
• 停損與失效確認 在進場前就定義證明想法錯誤的價格。不是感覺，而是明確的價位。 停損的設置應來自於交易設定的結構，而不是來自你當天願意承受多少損失。如果沒有任何價格會讓你出場，那就沒有交易。
• 出場邏輯 也處理獲利的部分。一個獲利了結或移動停損的規則，能將好的進場變成已實現獲利，而不是坐一趟雲霄飛車。

將這些視為策略的一級部分，並讓回測來衡量它們。一個訊號平庸但風險控管嚴格的系統，通常會比一個訊號出色但毫無風險控管的系統更持久。這不是口號；而是當你實際測試兩者時，權益曲線所顯示的結果。一旦涉及槓桿，這點就更重要了，因為一個對你不利的部位可能會被 追繳保證金或強制平倉 在你的論點有時間發揮作用之前。

從何開始

從小規模開始。一個資產、一個明確規則、明確的停損與倉位管理、誠實建模的成本，以及策略在開發期間從未碰觸過的一塊資料。執行它。閱讀資金回撤，而不只是報酬——最糟的區間是你實際交易時必須忍受的，而這個數字告訴你能否承受。然後寫下你所看到的，這樣下一個版本就能用證據而非記憶來辯論。

Python讓這一切變得快速。但它不會讓任何事變成真實。工具只有在你也誠實時才誠實——而編碼進策略的紀律，就是 你需要持續遵循它的紀律 當市場讓它變得令人不適時。這些都不保證獲利結果；經過測試的規則是刻意管理風險的方法，而不是對結果的承諾。