H.Q.C. 赫斯提亞量化資本 · 免費知識分享
你花了時間設計了一個策略，在歷史回測中表現亮眼：獲利因子 2.5、最大回撤 12%、勝率 55%。你準備要上線了？先等等。回測表現好是必要條件，但絕對不是充分條件。本章節告訴你回測可能騙你的方式，以及如何用更嚴謹的方法確認策略的真實能力。
回測用的是歷史數據，而歷史是已知的。如果你不斷調整策略的參數，讓它在歷史上越來越好看，最終你的策略可能只是「記住了歷史」，而不是真的找到了市場的規律。這個現象叫做過度最佳化（Overfitting），俗稱「曲線擬合」。
一個非常形象的比喻：這就像你拿到了昨天的考試答案，今天再去「考試」一遍，當然 100 分。但你明天面對真正的考試，可能什麼都不會。
過度最佳化的三個警訊：
解決過度最佳化最基本的方法，是把你的歷史資料分成兩段：
| 資料類型 | 用途 | 原則 |
|---|---|---|
| 樣本內（IS） 約 70% |
用來設計和調整策略參數，讓策略在這段期間表現最好 | 可以反覆調整，這段資料你是「知道答案的」 |
| 樣本外（OOS） 約 30% |
用來驗證策略，模擬策略遇到「從未見過的新數據」的表現 | 只能用一次！一旦用來調整參數，它就失去驗證意義 |
如果你的策略在樣本內獲利因子 3.0，但在樣本外只有 0.8（也就是虧錢），這個策略明顯過度最佳化，不能上線。
樣本外驗證的黃金比例：樣本外的績效，理論上會比樣本內差一些——這是正常的。但如果樣本外的獲利因子低於樣本內的 60%，代表劣化過於嚴重，策略需要重新設計。
只做一次樣本內/外的分割，有一個問題：如果那 30% 的樣本外期間剛好是特殊行情（比如 2020 年的 COVID 崩盤反彈），驗證結果可能嚴重偏向那段特定環境，不代表策略的一般性表現。
前進分析（Walk-Forward Analysis，WFA）是一個更嚴謹的解法。它不只做一次驗證，而是用「滾動視窗」的方式，在整段歷史上反覆做多次：
把每一輪的樣本外結果拼接起來，形成一條完整的「WFA 驗證曲線」。這條曲線代表：如果你在過去的每個時間點，都是用剛剛最佳化完的參數來交易，真實的成績會是什麼樣子。
即使 WFA 通過了，也不代表可以立刻用全部資金上線。正確的過渡流程應該是：
MultiCharts 內建了完整的 WFA 功能，不需要手動分割資料。以下是基本的操作入口：
| 報告項目 | 代表意義 | 健康標準 |
|---|---|---|
| OOS 總淨利 | 所有樣本外輪次拼接後的總獲利 | 必須為正 |
| OOS 獲利因子 | 所有樣本外輪次的整體獲利因子 | >1.3（基本），>1.5（良好） |
| WFA 效率比 | OOS 淨利 ÷ IS 淨利的比率 | >0.6（H.Q.C. 建議基準） |
| 盈利輪次比例 | OOS 為正獲利的輪次佔總輪次比例 | 超過 70% 的輪次為正獲利 |
走完這五個章節，你已經對量化交易的完整流程有了清晰的輪廓：
| 階段 | 核心任務 |
|---|---|
| 交易心理 | 理解為什麼人類大腦在金融市場中容易犯錯，建立系統化取代主觀判斷的觀念 |
| 市場知識 | 熟悉交易商品的基本規格、成本結構和市場特性 |
| 策略設計 | 把交易直覺轉化為清晰的規則，再轉化為電腦可執行的程式碼 |
| 績效評估 | 用多個指標客觀評估策略品質，而非只看勝率 |
| 嚴謹驗證 | 透過樣本外測試和 WFA，確認策略具有真實的預測能力，而非過度擬合 |
這個流程的每一個環節，都有需要深入掌握的細節和技能。免費的五個章節只是帶你看見整片森林的地圖；要真正走進去、走得穩，需要系統性的完整學習。
赫斯提亞交易心法：從紀律建構到量化系統的實戰藍圖
H.Q.C. 赫斯提亞量化教育學院已在 Pressplay Academy 上架完整的系統化課程。課程從交易心理的數學基礎，一路帶到台灣期貨市場的實戰知識、PowerLanguage 完整策略設計、多維度績效評估，以及 WFA 前進分析的完整實操流程。
© H.Q.C. 赫斯提亞量化資本 · 官網免費知識分享區 · 內容僅供教育參考