「我把均線參數從 20 日改成 18.5 日，然後加上一個禮拜三不交易的濾網，回測績效瞬間翻倍了！」
「這套策略在過去十年的回測中勝率高達 95%，為什麼我一放上實單，第一天就大賠停損？」
當我們在建立 專屬程式交易系統的開發藍圖 時，必定會經歷參數調整的階段。我們希望透過回測，找出最適合市場節奏的進出場設定。
但是，許多投資人會不自覺地掉入一個迷思：認為回測績效越完美，未來的獲利就越有保障。事實上，金融市場是由無數人類的貪婪與恐懼交織而成的，它充滿了隨機的「雜訊」。如果我們的程式碼寫得太過複雜，電腦就會把過去的「雜訊」當成未來的「規律」學進去。這就是所謂的過度優化 (Over-optimization)，也被稱為曲線擬合 (Curve Fitting)。
什麼是過度優化？看穿完美報表的幻象
簡單來說，過度優化就是「為了迎合過去的歷史數據，而過度裁剪交易邏輯，導致策略失去對未來的適應能力」。
雜訊與規律的混淆
假設我們在開發一套針對 S&P 500 ETF (SPY) 的 趨勢追蹤型策略。真實的市場規律可能是：「長天期均線向上，代表長期趨勢偏多」。這是一個具備高度包容性的寬鬆邏輯。
但如果我們在回測時發現，2022 年有幾次大跌剛好發生在每個月的 13 號，我們就為了避開那幾次虧損，在程式裡硬加上一行濾網：「如果今天是 13 號，則絕對不買進」。
這行程式碼確實會讓過去的回測報表變得非常漂亮，因為它完美避開了歷史上的那幾次地雷。但未來的 13 號真的就一定會大跌嗎？這完全沒有任何金融邏輯的支撐，純粹只是歷史的巧合（雜訊）。
當我們在系統中塞滿了這種針對歷史巧合所寫的參數時，這套系統在未來實戰中崩盤的機率幾乎是百分之百。
過度優化的 3 大危險特徵
我們該如何診斷自己的策略是否已經走火入魔？如果系統出現以下特徵，我們就必須提高警覺：
參數數量過多且極度詭異
一個穩健的策略，其核心參數通常不會超過 2 到 3 個（例如一條均線、一個 RSI 指標）。如果我們發現自己的程式碼裡有十幾個變數，且參數的數字非常不自然（例如：使用 17.5 日均線，且 MACD 柱狀圖必須剛好大於 0.032），這絕對是過度優化的鐵證。
缺乏「參數高原 (Parameter Plateau)」
這是檢驗策略穩健度最有效的方法。如果我們測試發現 20 日均線能賺錢，那麼稍微偏移一點，使用 19 日或 21 日均線，雖然績效可能稍微差一些，但也應該要能獲利。這種參數周圍的平穩區域，我們稱為「參數高原」。
相反地，如果 17.5 日均線是大賺，但改成 17.4 日或 17.6 日就變成大賠，這代表這個參數就像是站在一根針尖上，市場節奏只要稍微改變，策略就會立刻摔死。
加入過多不合邏輯的濾網
如我們在 如何設計適用於股票的選股與大盤濾網 中探討的，濾網的目的是為了避開系統性風險。但如果我們加入了「只在晴天下單」、「避開某個特定字母開頭的股票」這類毫無經濟學根據的條件，純粹只是為了刷高勝率，這就是在扼殺策略的生命力。
避免過度優化的 3 大實戰防線
要避開這個陷阱，我們在開發過程中必須嚴格堅守以下防線。
奧卡姆剃刀原則 (Occam’s Razor)
簡單說就是不要畫蛇添足啦。「如無必要，勿增實體。」在交易策略中，越簡單的邏輯，生命力通常越強韌。我們應該盡可能使用大眾熟知的指標與預設參數，將精力放在 資金管理與停損停利的風險控制 上，而不是執著於尋找神奇的均線數字。
嚴格執行樣本外測試 (Out-of-Sample Testing)
這是 程式交易回測重要性 中最核心的觀念。我們必須將歷史數據保留一部分。例如用 2010 年到 2018 年的數據（樣本內）來尋找參數，找好之後完全不准修改，直接套用到 2019 年到 2024 年的數據（樣本外）去跑。只有在樣本外依然能累積獲利的系統，才具備上線實戰的資格。
前進分析法 (Walk-Forward Analysis)
這是一種更進階的測試技術。我們讓電腦模擬真實世界的時間流逝：用過去三年的數據找參數，然後交易未來半年；接著時間往後推進，再用新的三年數據找參數，再交易新的半年。這種滾動式的驗證，能最大程度地確認策略是否具備適應市場變化的能力。
結語：接受不完美，才能擁抱真實
過度優化是人類追求安全感的天性使然，我們總希望在投入真金白銀前，能看到一份毫無瑕疵的獲利保證。
但我們必須明白，一個真正能在未來賺錢的策略，其歷史回測報表通常看起來會有點「醜」。它會有合理的連續虧損，會有被雙巴的盤整期。接受這份不完美，才是我們在 評估自己是否適合程式交易 時，必須具備的最重要心態。
當我們確認策略沒有過度優化，且歷史績效具備正期望值後，我們還有最後一個壓力測試要進行。如果未來的市場行情，走出了一段連歷史數據都從未見過的極端走勢，我們的帳戶還能存活嗎？
下一步行動： 在實單上線前，利用亂數模擬成千上萬種未來的可能路徑，為系統進行終極的壓力測試。
蒙地卡羅模擬 (Monte Carlo Simulation) 在程式交易中的應用
想學程式交易，但不會寫 Code 怎麼辦？
想跨入「量化交易」的領域，但是擔心門檻很高嗎？
試試看台灣本土開發的看盤軟體XQ 全球贏家吧！點擊下方圖片瞭解更多相關資訊
