許多交易者在週末複盤時都會掉進一個常見的盲區：打開看盤軟體看著上週在台指期或個股停損的 5 筆單子，開啟「上帝視角後照鏡」，發現這 5 筆單子進場時 RSI 都在 45 以下，且成交量都沒有突破 20 日均量。
於是如獲至寶般在進場條件裡硬塞兩條新規定：「唯有當 RSI > 45 且成交量大於 20 日均量時才准進場」。調整完後，歷史回測報表瞬間變得完美無瑕，那 5 筆令人心痛的虧損在圖表上被「精確過濾」。
兩週後滿懷期待地將這套「升級版」推向實盤，結果要不是整個月等不到半個進場訊號，就是一進場依然屢遭打臉。你並沒有讓交易系統變得更聰明，而是吞下了量化與主觀交易界最致命的毒藥——過度最佳化（Overfitting，曲線擬合）。
優化交易系統是一門極其嚴謹的變數隔離科學，而非追求後見之明下的完美數字。防範過度擬合的四大鐵則：(1) 一次只調整一個變數，嚴禁進出場與參數全盤推翻；(2) 依賴客觀日誌統計數據（如 MFE/MAE 偏移分佈）而非事後腦補猜測；(3) 導入軟體工程的版本控管制度（如 v1.0 基準與 v1.1 變更履歷）；(4) 所有新規則必須在樣本外資料或模擬單中完成 30 至 50 筆前向驗證，確認穩健後方可投入實盤資金。
| 迭代環節 | 過度擬合（無效的最佳化） | 科學穩健迭代（真實的系統進化） |
|---|---|---|
| 調整動機 | 出自厭惡虧損的情緒，企圖抹去剛發生的幾筆失敗交易 | 在 50 筆以上日誌中發現客觀、反覆出現的結構性摩擦瓶頸 |
| 規則調整傾向 | 無止境疊加次級濾網指標與過度細碎的門檻參數 | 維持邏輯精簡，僅微調停利或移動停損的具體執行數據 |
| 變數隔離原則 | 同時改動訊號觸發、停損點數、停利倍數與看盤週期 | 嚴格凍結其他所有設定，獨立檢驗單一假說之因果關係 |
| 版本控管流程 | 在軟體上直接覆寫舊參數，未留存歷史紀錄與回復備案 | 建立嚴謹版本號碼（v1.0、v1.1），白紙黑字詳載修訂假設與理由 |
| 實效驗證機制 | 拿促使你修改的那幾張舊歷史 K 線自我陶醉（樣本內驗證） | 使用未曾看過的新歷史區間或前向模擬單進行雙盲實測 |
自由度陷阱：為何指標濾網越多，實盤死得越快？
在統計學上，你在交易系統中每多加一條濾網限制或參數，就是在消耗寶貴的「自由度」（Degrees of Freedom）。
若你為多頭進場加上重重枷鎖：均線多頭排列、MACD 紅柱放大、KD 黃金交叉、成交量爆量 1.5 倍、ATR 波動高於均值……只要條件夠多，你確實能把過去任何一段市場走勢修剪成「100% 完美勝率」。但這純粹是自我欺騙的數學把戲。
你並沒有掌握市場的本質規律，而只是在「死背」歷史的隨機雜訊。當未來的全新行情展開時，價格絕不可能複製昨天的細節，這套臃腫脆弱的過擬合系統便會在第一個逆風期土崩瓦解。
- 11. 提出單一可驗證假說： 依據日誌數據歸納出極其具體的陳述，例如：「將原本固定 3R 停利調整為在行情達 2R 時啟動保本移動停損，以防止大幅獲利回吐變成虧損」。
- 22. 嚴格隔離被測試變數： 保持標的商品、進場判斷標準、每筆 1% 風險額度完全固定，僅對假說所涉及的單一執行細則進行調整。
- 33. 於原發現資料集複算： 僅針對當初暴露該問題的同一批歷史日誌，重新依新規則核算損益，確認該項調整確實解決了問題，且未大幅損及大賺波段。
- 44. 建立版本發行履歷： 將新系統命名為 `台指波段策略_v1.1`，詳細記錄啟用時間、對比基準指標與預期目標，並將舊版文檔妥善存檔備查。
- 55. 執行樣本外前向驗證： 將新規則投入全新的 30 至 50 筆模擬前向測試中，觀察在不同盤勢下的適應力，確認穩健無虞後再增加實盤口數。
規則越繁複，系統在實戰中的容錯能力就越低。若你的交易計畫需要拿出一張寫滿三頁的複雜決策樹才能判斷能否下單，那麼你必定是在迎合歷史的隨機雜訊，而非掌握真正的市場優勢。
常見的「參數最佳化（Optimization）」功能，為什麼反而極度危險？
軟體暴力遍歷數千組參數組合選出的「歷史最佳參數」，往往只是完美適配過去雜訊的產物。實盤行情一旦稍微偏離，這種極端尖銳的最佳化參數會立刻失效墜毀。
何謂樣本內（In-Sample）與樣本外（Out-of-Sample）資料？
樣本內資料是你用來觀察、發想與調整策略的歷史數據；樣本外資料則是策略在研發過程中完全未曾接觸過的獨立市場數據，用來客觀盲測策略在未知未來的泛化適應能力。
微調出新版本後，舊版的交易規則筆記應該刪除嗎？
絕對不可刪除。應像維護程式碼倉庫一樣，將每個版本（v1.0、v1.1）以時間序列妥善歸檔。若新版本在實盤表現不如預期，你才能迅速且毫無懸念地回退至最穩定的舊版本。
