如果策略真的好，為何不自己賺？三篇論文揭開賣指標背後的殘酷真相

在加密貨幣交易世界，許多人常信奉特定「交易指標」。然而多篇論文指出，多數號稱回測穩定獲利的交易策略，往往不是被市場證明有效，而是被選出來的倖存者。就像做了一百次去年的學測考題，考到滿分，不代表你在今年學測會一樣優秀，這就是交易策略的「過度擬合」陷阱。更現實的問題是，如果一套策略的表現真的如此出色，為何不自行加槓桿，而是選擇對外販售或公開分享？

畢竟，真正有效的策略往往受限於胃納量，資金一多，優勢便會被自身交易行為與市場反應吞噬。

交易指標開發者往往只拿最好的部分來募資

一篇刊登在美國數學學會的論文指出其中的回測偏誤，研究發現，在傳統回測框架下，確實能找到部分技術策略在歷史資料中創造顯著正報酬，這也是技術分析長年受到市場青睞的主因。然而，作者進一步指出，這類結果往往忽略了一個關鍵問題：資料探勘偏誤（data-snooping bias）。

當研究者同時測試數百甚至上千條交易規則時，統計上必然會出現少數表現優異的策略，即便市場本身完全隨機。若僅根據這些事後勝出者來判斷技術分析是否有效，等同於將運氣誤認為能力。

校正偏誤後，技術策略優勢大幅縮水

為解決上述問題，研究採用更嚴格的統計檢定方法，將多重測試所造成的偏誤納入調整。結果顯示，一旦進行校正，原本看似具備顯著超額報酬的技術策略，幾乎全部失去統計顯著性。換言之，技術交易規則在樣本外環境中，難以重現其歷史績效，顯示這些策略並未真正捕捉到可持續利用的市場結構。

納入交易成本後，實際報酬更加悲觀

研究亦進一步考量交易成本因素。由於技術交易策略通常伴隨高週轉率，當手續費、滑價與市場衝擊成本被納入後，即使是少數仍保有微弱正報酬的策略，也往往轉為負值。作者指出，這一結果對實務交易具有高度現實意義，因為多數公開回測結果，往往低估了實際交易環境的摩擦成本。

研究結論並未完全否定技術分析的存在意義，而是指出其角色更適合作為風險管理、趨勢辨識或行為輔助工具，而非單獨依賴的獲利來源。在高度競爭與資訊快速反映的現代市場中，單純依靠歷史價格與成交量訊號，已難以形成可持續的交易優勢。

交易指標的回測錯誤：拿歷屆試題說學測考很好

名為《回測過度擬合的機率》（The Probability of Backtest Overfitting）的論文，則指出你所看到的完美回測績效，有極大機率只是數據過度擬合（Overfitting）下的產物。在量化金融領域，回測是評估策略風險與回報的標準工具 。然而，隨著計算能力的提升，研究人員現在可以輕易地在同一組歷史數據上測試數十億種策略組合 。

論文作者指出，這就像：「如果你拷問數據夠久，它總會招供。」當研究人員不斷調整參數（如移動平均線的長度、進場門檻等）直到績效看起來完美時，他們往往只是在擬合過去的市場雜訊，而非捕捉未來的訊號 。就像你做了學測歷屆試題很多次，直到你看到去年學測題目都能拿 100 分，不代表今年學測你就會表現得一樣好，因為那是不一樣的東西。

為了解決這個問題，研究團隊提出了一個關鍵指標：回測過度擬合機率（Probability of Backtest Overfitting, PBO)。PBO 計算的是「在歷史回測中表現最好的策略，在未來表現卻低於平均水準」的機率，如果 PBO 很高，代表該策略是刻意選出「最佳參數」；如果 PBO 很低，則代表策略具有穩健性。

論文以一個夏普值高達 1.27，在一般投資人眼中極具吸引力的策略做實驗，然而，經過檢驗後發現：該策略的 PBO 高達 55% 。儘管樣本內的所有回測績效都是正報酬，但在樣本外測試中，有 53% 的情況是虧損的。這證明了即使是高夏普值的策略，也可能完全是過度擬合的產物。

印度股市實證研究：RSI、MACD 難以穩定擊敗市場

講完回測、統計上的問題，來看看實際研究。一項針對印度股市長達 18 年的實證研究顯示，廣受投資人使用的技術分析工具，整體而言難以協助交易者穩定創造超額報酬，即便在部分熊市期間出現短暫優勢，其風險調整後的表現仍不足以證明技術分析具備長期獲利能力。

該研究由印度 Sri Dharmasthala Manjunatheshwara College 商學院學者 S. Muruganandan 發表於《Colombo Business Journal》，以印度孟買證券交易所（BSE）Sensex 指數為研究對象，蒐集 2000 年 2 月至 2018 年 5 月的歷史資料，橫跨多輪牛市、熊市與盤整期，檢驗兩項最常見的技術指標：相對強弱指數（RSI）與移動平均收斂背離指標（MACD）的實際獲利能力。

RSI 表現全面失色，無法在任何市場週期創造穩定優勢

研究結果顯示，RSI 交易策略在整體樣本期間內，無論是買進或賣出訊號，平均報酬皆未顯著優於「不採取任何策略」的無條件平均報酬，甚至在尚未扣除交易成本前就已呈現低效表現。

進一步拆分市場週期後，RSI 在多數牛市期間頻繁發出賣出訊號，卻無法有效掌握趨勢延續；在熊市或盤整期，雖然買進訊號增加，但往往過早進場，導致報酬表現依舊不佳。研究指出，RSI 的結構特性使其在單邊趨勢市場中容易逆勢操作，反而成為績效拖累。從風險調整後的角度來看，RSI 策略的夏普值多數時間為負值，顯示其承擔的風險並未換得相對應的報酬。

MACD 僅在熊市賣出訊號短暫勝出

相較之下，MACD 的表現略勝一籌，但仍難稱穩定可靠。研究發現，MACD 的買進訊號在所有市場週期中，平均報酬皆未顯著優於市場本身；然而，賣出訊號在多數熊市期間，確實出現統計上顯著的正報酬，且表現優於無條件平均報酬。

這代表在市場下跌階段，MACD 較能協助交易者避開部分跌幅，或透過放空策略獲利。不過，當研究進一步納入風險衡量後發現，即便賣出訊號在熊市中獲利，其夏普值仍偏低，顯示報酬不足以補償策略本身的波動風險。換言之，MACD 在特定情境下有用，但距離成為可長期依賴的獲利工具，仍有明顯落差。

研究總結指出，印度股市在弱式效率（Weak-form Efficiency）假說下，已能有效反映歷史價格資訊，使得單純依賴技術指標難以長期取得異常報酬。即便在資訊相對不完全的新興市場，技術分析的優勢也隨時間逐漸被市場消化。作者特別強調，若進一步納入實際交易中的手續費、滑價與資金成本，技術分析策略的實際績效恐將更加惡化。

這篇文章 如果策略真的好，為何不自己賺？三篇論文揭開賣指標背後的殘酷真相 最早出現於 鏈新聞 ABMedia。