(2026/11/10) 從統計角度看交易筆數

在交易統計中，「交易筆數」容易誤導，在broker券商角度看，買進算 1 筆，賣出又算 1 筆，如果你分 2 次買進、分 3 次賣出，券商明細上就會顯示 5 筆成交紀錄。券商這樣算主要是為了計算佣金、手續費和結算成本。

對交易員而言，trade count是一筆完整的Round Trip，只要這筆倉位從建立到完全平倉，在統計勝率、盈虧比和總交易次數時，被歸類為 1 筆交易，對計算期望值和回測績效最有意義。

交易筆數是決定交易系統是否具備統計顯著性（Statistical Significance）與穩健性的核心參數，交易策略的期望值需要足夠的樣本數 N 才能收斂至真實分佈。

N<30時，勝率和盈虧比極易受隨機雜訊干擾。

N=30時，擺脫極端小樣本失真。這數字並非憑空想像，而是來自中心極限定理（Central Limit Theorem, CLT）與 t 分佈（Student's t-distribution） 的演繹推導。當樣本數 N 達到 30 時，大多數中度偏態分佈的平均數抽樣分佈，其偏態程度已被壓低到足以忽略不計，常態逼近的誤差通常低於 5%。

N=100時，根據大數定律，實際表現會逐漸逼近數學期望值，勝率的抽樣誤差範圍（Margin of Error）控制在 ±10% 以內。

如果放大至1000筆，交易筆數增加到10倍，但抽樣誤差只是由±10% 降至±3.16% ，具備高度的統計穩定性，幾乎可以排除運氣成分。統計學的邊際效益明顯地遞減，對散戶而言，100筆是合理的門檻。

對於量化策略的基金，如HFT高頻交易，回測可能達數萬筆至數百萬筆。筆數越多，資金容量（AUM）通常越受限。當筆數放大到超過市場深度時，自身的進出單會造成Market Impact，直接吞噬利潤。因此，量化基金會嚴格監控Turnover Ratio的最佳化曲線。

機構不只看總筆數，更看這些筆數分佈在什麼經濟環境。專業回測通常要求涵蓋至少 10 至 20 年的歷史數據，橫跨多次牛熊轉換。

標準做法是將數據切分為樣本內（In-Sample, 70%）與樣本外（Out-of-Sample, 30%）。策略在樣本內調校完畢後，必須在未見過的新數據（OOS）中維持相近的交易筆數與勝率表現，才算通過風控審查。

有一條概念是交易筆數必須遠大於策略參數數量。如果一個策略有 10 個可調整參數，但在歷史回測中只有 80 筆交易，這 100% 屬於曲線擬合（Curve Fitting），實盤上線必定失效。通常要求交易筆數至少是參數數量的 20 到 50 倍以上。

反過來說，散戶策略只有 1 到 2 個核心參數（甚至沒有可調整參數），根本不需要統計上千筆交易筆數。

(2026/11/9) 結構性交易的勝率極高

系統有分為隨機性與決定性，決定性系統（Deterministic System）是指在既定相同的初始條件和運作規則下，系統的未來狀態、演化軌跡與最終輸出是完全確定且唯一的。

市場是一個動態切換、多重特徵交織的複合系統，交易的本質就變成了一場辨識系統狀態（Regime Recognition）與匹配應對策略的遊戲。

在常態市場下，價格呈現隨機或微弱趨勢的特徵，市場參與者眾多，各方的資金量、持有週期、風險偏好完全不同。買賣雙方在任何一個價位都可能找到相對應的對手盤。在流動性充足的情況下，Order Book兩側充滿了做市商（Market Maker）的雙向報價、演算法拆單與散戶的零散訂單。這些訂單相互抵消與隨機撞擊，形成了價格在短期內的微幅震盪（Noise）。此時，價格演變符合統計學上的隨機過程（如布朗運動），技術分析或預測的勝率往往只維持在大數法則的統計優勢上。

一般能穩定獲利的高手，大概做到65-75%勝率之間，透過嚴格控制風險對抗variance，獲取統計上的優勢。

但如果獲利是建立在市場機制及結構上，其勝率會比普通高手有一個數量級差距。當市場觸發某些極端條件時，多樣化的參與者會瞬間轉變成方向一致的單向行為，隨機性隨之瓦解，決定性法則開始主導。

這類策略的高手在常態 Regime保持低風險暴露、試探性輕倉、甚至完全休息。等待的是強制性約束（Enforced Constraints）出現，諸如機構被迫 Margin Call、爆倉單被清算引擎強制拋售、做市商（Market Maker）在 Gamma 擠壓或動態對衝中，必須按 Delta 公式在現貨市場無腦追買/追賣。基本上是“攻其必救”。

還有一類我具體參與過的策略，賺了八位數美元利潤，也具這性質:

收市競價時段（美股 MOC/LOC）是全天交易中規則約束最強、資訊透明度最高、且資金驅動極其機械化的時間窗口。在這個時段，市場從連續交易（Continuous Trading）的雙向隨機撞擊，轉變為集中撮合（Single-Price Auction）的演算法對決，套利與結構性策略的確定性因此被拉到極高。

在收市競價期間，交易所會定期公佈收盤盤後失衡數據（Imbalance Data），公開市場上還剩多少淨買單（Buy Imbalance）或淨賣單（Sell Imbalance）需要在收盤價成交。

如果美股 MOC在 15:50 顯示有巨大的買入失衡，且做市商無法在短時間內提供足夠的賣單，價格在收盤撮合前必須向上修正以誘發新的賣盤來達成市場清算(Clearing)。這不是猜測，而是撮合演算法的數學約束。

ETF績效考量指標是跟蹤誤差（Tracking Error）。為了讓淨值(NAV)與指數官方收盤價完全貼合，基金經理或演算法被禁止在盤中隨意下注。他們必須把絕大部分的再平衡訂單（Rebalancing Orders）集中在收盤競價時段以收盤價成交。這種百億級別的資金流動是公開且無條件執行的，只求成交、不計成本。

許多衍生品（如 OTC 掉期、波動率期權、結構性產品）的結算價直接取決於收盤價。市場大戶或做市商為了對衝極大的衍生品風險，會在競價時段集中動用現貨資金拉抬或壓低收盤價，形成極強的單邊推進。

當檢測到日均成交量（ADV）極度異常的買入失衡時，在連續交易最後階段（或競價初期）買入現貨，並在競價撮合的高點（或溢價處）提供賣出，吃掉被動資金不計代價買入的溢價（Liquidity Premium）。

(2026/11/8) 交易與行為心理

没有想到上一篇剛寫完，隔日11月5日就出現納指單日崩跌6.36%，估計再有一批賬戶blow up。

終於有機會再講心理，對得住這個網誌的名稱。

在交易中，大腦的獎勵機制是以「結果導向」而非「過程正確」運作。只要某個動作最後讓你賺到了錢或避免了當下的痛苦，大腦就會釋放多巴胺，將這個行為標註為「正確」。

這就是交易中最致命的錯誤強化（False Reinforcement）。

在行為心理學（Operant Conditioning）中，有「正向」就一定有「負向」，而且「負向強化」（Negative Reinforcement）往往是做出種種毀滅性壞行為的最強大隱性推手。

• 強化（Reinforcement）：目標是增加某個行為發生的頻率。

• 正向（Positive）：給予一個愉悅刺激（如：賺到錢、獲得成就感）。

• 負向（Negative）：移走或擺脫一個痛苦/不適刺激（如：消除焦慮、逃避損失感）。

負向強化的核心邏輯是：「只要你做這個動作，當下的痛苦或焦慮就會立刻消失。」 大腦會迅速記住這種「解脫感」，並在下次焦慮時重蹈覆轍。

有很多常見的交易行為都陷入了各種正向或負向強化:

價格跌破止損後繼續持有，甚至加碼攤平，最後行情反彈成功解套甚至盈利。強化了大腦將「避免掉止損後的實質虧損痛苦」視為勝利，建立強烈的避痛迴路。

建倉後剛有一點微薄利潤就因為害怕利潤回吐而急忙平倉離場，大腦拿到了落袋為安的即時確定感與微量多巴胺獎勵。這種行為短期內勝率極高，但長期會徹底破壞期望值結構。平倉的瞬間，焦慮感瞬間煙消雲散（痛苦被移除了）。大腦被成功強化了這個行為，導致你永遠抱不住大行情，盈虧比徹底失衡。

沒有出現任何符合系統的進場setup，僅憑消息或手癢隨機扣動扳機，結果順利賺到錢。類似老虎機的間歇性強化（Intermittent Reinforcement），不定期發放的意外獎勵最容易令人上癮。

剛被止損一筆，大腦處於「不甘心、自尊受打擊」的極度不適狀態，只要重新開倉，大腦就會獲得一種「我正在把錢贏回來」的虛幻掌控感，暫時壓制了剛剛虧損的痛苦。(Revenge Trading)

(2026/11/4) 交易員心理側寫

十月尾，美股似乎十分波動，在社交平台見到有一個人爆了倉，看他的equity curve過去一年都是穩步上升，突然崩跌，倒輸回去。

一是策略本身隱藏risk of ruin，現在遇上market regime shift才爆；一是策略没有問題，但心態崩潰，失控亂來導致。

没有其他資訊，但只簡單看淨值走勢，也可以此為線索來一個profiling:

因為每次回踩都能硬扛回來，equity curve會呈現出一條完美的 45 度角斜線。當策略連續勝了 10 個月，交易者會產生「幻覺」，以為自己破解了市場密碼，過去的謹慎徹底消失。

為了賺得更快，他開始主動加大槓桿、倉位，甚至在不符合策略規則的時機強行重倉進場。正好趕上行情配合，本金在短時間內出現急升。

當市場終於出現反向極端走勢時，因為之前的暴利讓他對損失產生了極強的拒絕心理。本該切斷的止損被手動取消，甚至加碼死守，試圖一波回本。

到了這個階段，他已經上頭，完全拋棄了原本的規則，演變成憑情緒賭博，最終在一次流動性枯竭或Margin Call中被交易所強平清零。