投資如查案！從勝率、期望值到條件單，高手交易體系全拆解

很多人以為「自動化交易」就是寫一套很複雜的程式，然後開着電腦讓它自己買賣。但其實不是這樣的。投資和查案一樣——沒有證據，就不要行！

本次邀請到嘉賓-Gary sir詳細講解：怎樣把原本靠感覺做的交易，逐步變成有數據、有規則、有驗證，再交由工具協助執行。並且通過勝率、期望值、回測、條件單，四步把「我覺得」變成可驗證的交易系統。

由他自己的調查工作經驗講起，查案不會因為「覺得這個人有問題」便立即行動，而是先找證據；投資亦一樣，不能因為聽到一個消息、看到一個黃金交叉，便立即買入。從判市、勝率、期望值，到MACD、量化回測，再到牛牛提醒、觸及限價單及追蹤止損限價單，其實都圍繞同一條主線：將交易由「我覺得」變成「我有甚麼證據支持」。

一、投資和查案其實很像：先找證據，再決定行動

由於Gary過往從事調查相關工作，所以這套思維便可以直接搬到投資上。查案最難的並不是最後「拉人」的一刻，而是前面怎樣追蹤、搜證和確認。交易亦一樣。看到一隻股票好像要升，不代表立即買；聽到別人說某隻股票有機會，也不應直接變成交易理由。他將整個流程拆成：收集數據 → 預測 → 訊號確認 → 行動。先取得市場數據，再提出假設；之後觀察是否有新的訊號支持原本判斷，最後才決定是否落盤。這亦是與傳統「聽人講完就買」和較系統化交易最大的分別。

二、判對方向都可以輸錢，真正差別在「怎樣操作」

大家買來買去，很多時都是市場上最熱門、最大型的那批股票，為甚麼同一隻股票，有人賺錢、有人卻輸錢？

答案不是選股本身，而是操作。即使開市前判斷到「先升後跌」或者「先跌後升」，亦不代表最終一定盈利。因為還有一連串問題：甚麼位置入場？跌到哪裡代表判斷錯誤？升到甚麼位置應該平倉？倉位放多少？如果盈利之後又回落，究竟走不走？如果「方向真的判對了，但最後還是輸錢。」原因往往不是方向，而是不知道如何退出所以自動化的第一個價值，並不是預測得更準，而是把部分原本容易受情緒影響的操作規則固定下來。

三、勝率還不夠，交易前還要看「期望值」

用21點的Card Counting作比喻。真正有意義的不是知道某一鋪「有機會贏」，而是計算：贏的概率是多少？贏一次平均能賺多少？輸一次平均會輸多少？把這幾個數字放在一起，才會得到交易中的Expected Value，也就是期望值。簡化理解，如果一個方法勝率很高，但每次贏只賺很少、輸一次卻損失很大，長期結果仍然未必理想。相反，一個勝率不是特別高的方法，如果盈利交易的平均收益明顯高於虧損，也可能得到正期望值。亦將這個概念延伸到期權。特別提醒期權除了方向之外，IV等因素亦會變化，因此單純「看對方向」並不足以代表交易一定有正期望值。

四、Kelly Formula：勝率高，也不代表可以All in

知道勝率和期望值之後，下一步就是：到底應該落多少倉？Kelly Formula，核心思想是根據勝率和盈虧比決定資金比例，而不是每一次交易都使用相同注碼。如果策略優勢較大，可以考慮增加投入；如果優勢很弱，倉位自然應該下降，甚至不交易。

不過，Kelly公式的前提是你對勝率及盈虧比的估計本身具有一定可靠性。如果輸入的數據有偏差，計算出來的下注比例同樣可能失真，而且完整Kelly本身亦可能較進取。所以這裡真正值得保留的，不是「算出一個Kelly百分比便照落」，而是一個更重要的觀念：倉位大小應該和策略優勢、風險以及數據可信程度掛鈎，而不是靠感覺加注。

五、MACD、SAR為甚麼有人賺、有人輸？問題可能不是指標本身

很多投資者都會用MACD、SAR、均線等技術指標。有些能展示一些「非常漂亮」的歷史案例：例如出現黃金交叉後市場大升，看起來只要跟着訊號買賣便很簡單。但再往後看，問題就出來了。同一個MACD，用在不同年份、不同週期，結果可以完全不同。原本的參數為甚麼是12、26、9？它最初是在甚麼時間週期使用？日線有效，搬到5分鐘圖還有效嗎？市場環境改變後，勝率有沒有改變？如果這些問題完全沒有研究，只因為「別人說MACD好用」便直接使用，實際上只是把一個工具當成買賣答案。所以真正的重點不是MACD到底好不好，而是：任何指標都應該先測試，再決定應該怎樣使用。

六、甚麼才叫算法交易？不是指標出訊號就自動買

Algo Trading不是單純把MACD寫進程式，黃金交叉就買、死亡交叉就賣。真正的算法交易，是先把交易邏輯寫成規則，再取得數據進行運算，檢查在特定條件下策略是否具備足夠優勢，符合條件才執行。例如可以從價格、成交量、時間開始，計算Momentum，再配合支持阻力、突破等條件。但當你繼續問：Momentum到底要多大？突破多少才算有效？甚麼市場環境使用？問題便會再次回到量化研究最基本的流程：數據 → 假設 → 測試 → 優化。不是找到一組神奇參數後永遠使用，而是不斷驗證原本的規則是否仍然有效。

七、AI最大的改變：不懂寫程式，也可以開始把策略「說出來」

以前要做量化，門檻其中一部分在寫程式。自己早年需要使用MultiCharts等工具，把原本的交易邏輯寫成程式，再取得歷史數據測試。但到了現在，AI令這一步大幅簡化。例如你可以先把策略寫成自然語言：甚麼條件入場；甚麼條件出場；使用甚麼指標；甚麼週期；止蝕多少；再讓AI協助整理成策略邏輯甚至程式碼。自己將策略做成紅、綠訊號的簡化指標：表面上使用者只看到顏色轉變，但真正的計算規則已經寫在背後。這種方式最大的價值不是「不用學交易」，而是將原本大量花在Coding上的時間，轉移到更重要的事情：策略邏輯到底合理不合理？

八、有了策略先別急着用，第一步是回測

如果一套策略沒有歷史數據支持，就像查案時沒有證據便直接行動。因此，無論AI幫你寫出雙均線、MACD、SAR，還是其他新指標，下一步都應該是回測。這裡牛牛量化系統中的歷史回測結果，可以查看收益曲線及相關報告。另外在特定歷史區間曾錄得較高模擬收益，同時策略仍需要不斷修改和改善。

回測真正要回答的不是：「過去賺了多少？」而是：哪些年份有效？哪些年份會輸？最大回撤是多少？交易次數是否足夠？加入手續費和滑點後還有沒有優勢？不同參數下結果會不會完全失效？如果一改參數，整套策略就由暴賺變暴輸，反而要警惕是否存在過度擬合。歷史回測只是驗證工具，不代表未來可以複製相同收益。

九、告別盯盤：提醒、觸及限價單、追蹤止損怎樣幫到手？

完成研究之後，才真正進入這場直播題目中的另一個重點：把執行自動化。牛牛首先可以設定價格提醒。例如一隻股票去到某個價格才值得重新留意，就沒有必要由開市盯到收市，可以先設定提醒，條件出現後再處理。

進一步則可以使用觸及限價單。假設現在價格尚未到自己的目標區域，可以先設定一個觸發價；市場到達條件後，系統才提交預先設定的限價委託。這樣就不用因為要上班、湊小朋友或處理其他事情，一直守在報價畫面等那一刻出現。

另一個是追蹤止損／追蹤止盈類型的條件單。例如股票一路上升時，不一定要在原本的固定盈利目標立即賣出，而是讓退出價格跟隨市場向上移動；當價格由高位回落預先設定的點數或百分比，再觸發退出條件。

它解決的正正是很多投資者最常見的問題：升到目標了，但又想再賺多一點；最後沒有走，盈利全部跌回去。不過，條件觸發並不等於一定能以指定價格成交，快速市場、跳空及流動性不足時仍可能存在成交偏差。

十、自動化真正要解決的不是「不用看盤」，而是執行紀律

投資最重要的就是紀律。即使你有一套歷史勝率不錯的策略，如果到應該止蝕時不走、到應該止賺時又因為貪心改規則，最後實際取得的結果，仍然可以和原本的系統完全不同。所以「告別盯盤」並不是把手機關掉之後完全不理。真正的意思是：將原本需要自己一直守住的價格、入場條件、退出條件，盡量預先寫進規則或條件單中。

投資者仍然負責制定策略，工具負責協助執行。同時他自己的個人交易時間表，將主要研究和交易集中在特定時段，而不是整日盯盤；但這屬於本人的交易習慣，並不是適合所有人的固定「黃金時間」。當數據分析、回測、倉位管理和條件單放在一起，自動化真正帶來的價值便不是「懶人炒股」，而是減少臨場情緒對原本交易計劃的干擾。

瀏覽 39.5萬