本課內容
- 如何回測一個 AI 策略
- 樣本外測試證明了什麼
重點回顧
- 1好的回測會避免前視偏誤
- 2在模型從未訓練過的資料上測試
- 3真實的手續費與滑點能讓結果保持可信
課程摘要
對 AI 策略做回測，是在檢驗這套規則在歷史資料上是否奏效。
心智模型
用白話講AI 策略回測
對 AI 策略做回測，是在檢驗這套規則在歷史資料上是否奏效。挑戰在於讓測試夠貼近真實情況，才有實際意義。.
- 如何回測一個 AI 策略
- 樣本外測試證明了什麼
運作機制
如何理解AI 策略回測
訓練資料、驗證資料與樣本外資料必須分開。.
成本、價差、滑點、資金費率與延遲都需要納入模擬。.
前進式測試（walk-forward testing）有助於揭露模型究竟是在適應，還是過擬合。.
- 好的回測會避免前視偏誤
- 在模型從未訓練過的資料上測試
- 真實的手續費與滑點能讓結果保持可信
範例
一個具體的AI 策略回測範例
一個根據 2021 年牛市資料訓練出來的策略，可能看起來相當出色，直到在流動性不同的橫盤或空頭時期被測試。.
請記住決策原則：只有在策略以真實成本通過樣本外測試之後，才進行模擬交易或正式上線。.
常見錯誤
常見的AI 策略回測陷阱
使用未來資料、只挑選表現好的資產，或不斷調參直到走勢圖變得平滑，都會製造出虛假的優勢。.
風險提示
在AI 策略回測周圍保持安全
資料延遲、交易所停機、部分成交，以及回測從未捕捉到的市場狀態變化，都可能讓實盤執行失敗。.
- 把訓練期與測試期分開。
- 納入所有交易成本。
- 在投入實盤資金前先進行前進式或模擬測試。
練習
把AI 策略回測付諸實踐
- 把訓練期與測試期分開。
- 納入所有交易成本。
- 在投入實盤資金前先進行前進式或模擬測試。
複習
關鍵術語
- 牛市
- 價格持續上漲、情緒樂觀的長期階段。
- 流動性
- 一項資產能在不大幅移動價格的情況下被買賣的容易程度。
- 滑點
- 預期價格與實際成交價格之間的差異，常見於低流動性或快速變動的市場。
- 延遲
- 一個動作與其效果之間的延遲——在快速交易中至關重要。
- 機器學習
- 從資料中學習模式的演算法，而非被明確編程指令。
來源說明
編輯參考資料
這些參考資料是驗證本課背後機制、風險檢查與產品情境的起點。
繼續之前
你能做到這些嗎？
- 把訓練期與測試期分開。
- 納入所有交易成本。
- 在投入實盤資金前先進行前進式或模擬測試。
相關學習內容
繼續閱讀
檢查點
完成本課
通過檢測以保存進度，然後依序繼續本軌道的學習。
知識檢測
1 / 2鎖定完成本課
答對每一題才能完成本課。
一個穩健的回測會避免……