免費專區
28免費公開
量化交易的真實面貌——從 YouTube 策略為什麼虧錢，到回測的正確流程、過擬合的識別方法、風險管理的核心觀念。用資料和邏輯拆解市場上 90% 的迷思，幫你在投入真金白銀之前，先建立正確的認知框架。
Winner Recycling 是把上一筆獲利投入下一筆交易的資金管理策略，背後假設勝負序列有正相關。我用 400 個以上的均值回歸策略驗證這個假設，autocorrelation 幾乎為零。MR 策略的每筆交易是獨立事件，Winner Recycling 的統計前提不成立。
Winner Recycling 是把上一筆獲利投入下一筆交易的資金管理策略，背後假設勝負序列有正相關。我用 400 個以上的均值回歸策略驗證這個假設，autocorrelation 幾乎為零。MR 策略的每筆交易是獨立事件，Winner Recycling 的統計前提不成立。
你的系統有多個模組共享同一條連線。特定時序下，它們會互相打斷，拿到錯誤資料，卻不報錯。這種 Process-Global Race Condition 是 live 環境最難抓的 bug，本文拆解成因與 batch-lock 解法。
你的系統有多個模組共享同一條連線。特定時序下，它們會互相打斷，拿到錯誤資料，卻不報錯。這種 Process-Global Race Condition 是 live 環境最難抓的 bug，本文拆解成因與 batch-lock 解法。
Convex position sizing 理論完美——但在 breakout 策略上幾乎無效。原因是選擇偏差：你的進場條件和 filter 高度重疊，導致觸發率超過 80%，等於沒有篩選。本文拆解這個陷阱，並提供觸發率檢查方法。
Convex position sizing 理論完美——但在 breakout 策略上幾乎無效。原因是選擇偏差：你的進場條件和 filter 高度重疊，導致觸發率超過 80%，等於沒有篩選。本文拆解這個陷阱，並提供觸發率檢查方法。
你的系統有五層風控。每一層你都獨立測試過，效果都很好。但它們會不會在同一時間、對同一筆交易、同時開火？三層乘法合成：0.75×0.5×0.3=11%。跟直接 BLOCK 沒差別。這篇拆解多層風控的隱藏陷阱。
你的系統有五層風控。每一層你都獨立測試過，效果都很好。但它們會不會在同一時間、對同一筆交易、同時開火？三層乘法合成：0.75×0.5×0.3=11%。跟直接 BLOCK 沒差別。這篇拆解多層風控的隱藏陷阱。
大部分量化交易者加 filter 的方式是這樣的：看到一個指標 → 回測 → 有效 → 上線。
聽起來很合理。但這個流程忽略了最關鍵的問題：你怎麼知道它不是巧合？更重要的是，你怎麼知道它不是在重複你已經有的保護？
我花了大量時間，認真測試了 8 個「聽起來很有道理」的環境指標。趨勢效率、波動率結
大部分量化交易者加 filter 的方式是這樣的：看到一個指標 → 回測 → 有效 → 上線。
聽起來很合理。但這個流程忽略了最關鍵的問題：你怎麼知道它不是巧合？更重要的是，你怎麼知道它不是在重複你已經有的保護？
我花了大量時間，認真測試了 8 個「聽起來很有道理」的環境指標。趨勢效率、波動率結
大部分人只想著「什麼時候買、什麼時候賣」。但「每次買多少」這個問題，對長期績效的影響可能更大。
大部分人只想著「什麼時候買、什麼時候賣」。但「每次買多少」這個問題，對長期績效的影響可能更大。
普通回測是先看答案再考試。Walk-Forward Analysis 是每個月換一套新題目考你。這個差距，就是「回測幻覺」和「真實績效預期」之間的距離。
普通回測是先看答案再考試。Walk-Forward Analysis 是每個月換一套新題目考你。這個差距，就是「回測幻覺」和「真實績效預期」之間的距離。
YouTube 上不缺「年化 200%」的策略影片。缺的是告訴你這些策略為什麼活不過實盤的人。
YouTube 上不缺「年化 200%」的策略影片。缺的是告訴你這些策略為什麼活不過實盤的人。
不是「你有多少錢」決定能不能做量化交易，而是「你有多少錢」決定你能做什麼類型的量化交易。
不是「你有多少錢」決定能不能做量化交易，而是「你有多少錢」決定你能做什麼類型的量化交易。
回測期間長不等於樣本夠。真正決定回測可不可信的，是交易次數，不是年份。很多人回測五年只有30筆交易，統計上幾乎沒有意義。到底需要多少筆才夠？這篇給你一個清楚的框架。
回測期間長不等於樣本夠。真正決定回測可不可信的，是交易次數，不是年份。很多人回測五年只有30筆交易，統計上幾乎沒有意義。到底需要多少筆才夠？這篇給你一個清楚的框架。
你一開始就在找策略？恭喜，你跟 90% 最後放棄的人走了同一條路。大部分人學量化交易的順序是找策略→跑回測→上實盤，但正確的順序完全相反：先理解市場，再學風險管理，最後才是策略。
你一開始就在找策略？恭喜，你跟 90% 最後放棄的人走了同一條路。大部分人學量化交易的順序是找策略→跑回測→上實盤，但正確的順序完全相反：先理解市場，再學風險管理，最後才是策略。
Winner Recycling 是把上一筆獲利投入下一筆交易的資金管理策略，背後假設勝負序列有正相關。我用 400 個以上的均值回歸策略驗證這個假設，autocorrelation 幾乎為零。MR 策略的每筆交易是獨立事件，Winner Recycling 的統計前提不成立。
Winner Recycling 是把上一筆獲利投入下一筆交易的資金管理策略，背後假設勝負序列有正相關。我用 400 個以上的均值回歸策略驗證這個假設，autocorrelation 幾乎為零。MR 策略的每筆交易是獨立事件，Winner Recycling 的統計前提不成立。
你的系統有多個模組共享同一條連線。特定時序下，它們會互相打斷，拿到錯誤資料，卻不報錯。這種 Process-Global Race Condition 是 live 環境最難抓的 bug，本文拆解成因與 batch-lock 解法。
你的系統有多個模組共享同一條連線。特定時序下，它們會互相打斷，拿到錯誤資料，卻不報錯。這種 Process-Global Race Condition 是 live 環境最難抓的 bug，本文拆解成因與 batch-lock 解法。
Convex position sizing 理論完美——但在 breakout 策略上幾乎無效。原因是選擇偏差：你的進場條件和 filter 高度重疊，導致觸發率超過 80%，等於沒有篩選。本文拆解這個陷阱，並提供觸發率檢查方法。
Convex position sizing 理論完美——但在 breakout 策略上幾乎無效。原因是選擇偏差：你的進場條件和 filter 高度重疊，導致觸發率超過 80%，等於沒有篩選。本文拆解這個陷阱，並提供觸發率檢查方法。
你的系統有五層風控。每一層你都獨立測試過，效果都很好。但它們會不會在同一時間、對同一筆交易、同時開火？三層乘法合成：0.75×0.5×0.3=11%。跟直接 BLOCK 沒差別。這篇拆解多層風控的隱藏陷阱。
你的系統有五層風控。每一層你都獨立測試過，效果都很好。但它們會不會在同一時間、對同一筆交易、同時開火？三層乘法合成：0.75×0.5×0.3=11%。跟直接 BLOCK 沒差別。這篇拆解多層風控的隱藏陷阱。
大部分量化交易者加 filter 的方式是這樣的：看到一個指標 → 回測 → 有效 → 上線。
聽起來很合理。但這個流程忽略了最關鍵的問題：你怎麼知道它不是巧合？更重要的是，你怎麼知道它不是在重複你已經有的保護？
我花了大量時間，認真測試了 8 個「聽起來很有道理」的環境指標。趨勢效率、波動率結
大部分量化交易者加 filter 的方式是這樣的：看到一個指標 → 回測 → 有效 → 上線。
聽起來很合理。但這個流程忽略了最關鍵的問題：你怎麼知道它不是巧合？更重要的是，你怎麼知道它不是在重複你已經有的保護？
我花了大量時間，認真測試了 8 個「聽起來很有道理」的環境指標。趨勢效率、波動率結
大部分人只想著「什麼時候買、什麼時候賣」。但「每次買多少」這個問題，對長期績效的影響可能更大。
大部分人只想著「什麼時候買、什麼時候賣」。但「每次買多少」這個問題，對長期績效的影響可能更大。
普通回測是先看答案再考試。Walk-Forward Analysis 是每個月換一套新題目考你。這個差距，就是「回測幻覺」和「真實績效預期」之間的距離。
普通回測是先看答案再考試。Walk-Forward Analysis 是每個月換一套新題目考你。這個差距，就是「回測幻覺」和「真實績效預期」之間的距離。
YouTube 上不缺「年化 200%」的策略影片。缺的是告訴你這些策略為什麼活不過實盤的人。
YouTube 上不缺「年化 200%」的策略影片。缺的是告訴你這些策略為什麼活不過實盤的人。
不是「你有多少錢」決定能不能做量化交易，而是「你有多少錢」決定你能做什麼類型的量化交易。
不是「你有多少錢」決定能不能做量化交易，而是「你有多少錢」決定你能做什麼類型的量化交易。
回測期間長不等於樣本夠。真正決定回測可不可信的，是交易次數，不是年份。很多人回測五年只有30筆交易，統計上幾乎沒有意義。到底需要多少筆才夠？這篇給你一個清楚的框架。
回測期間長不等於樣本夠。真正決定回測可不可信的，是交易次數，不是年份。很多人回測五年只有30筆交易，統計上幾乎沒有意義。到底需要多少筆才夠？這篇給你一個清楚的框架。
你一開始就在找策略？恭喜，你跟 90% 最後放棄的人走了同一條路。大部分人學量化交易的順序是找策略→跑回測→上實盤，但正確的順序完全相反：先理解市場，再學風險管理，最後才是策略。
你一開始就在找策略？恭喜，你跟 90% 最後放棄的人走了同一條路。大部分人學量化交易的順序是找策略→跑回測→上實盤，但正確的順序完全相反：先理解市場，再學風險管理，最後才是策略。