618 1040 1 10158656951

策略大哉問,績效久沒創高甚至破MDD時,要不要下架策略?風險控管實戰|量化通社群問題筆記(四)

量化通社群問題筆記系列文章,是整理自量化通 LINE 社群裡的第一手真實案例與實戰中常常遇到的問題。我們摘錄社群的原始對話內容,並整理成專題文章。

社群的真實討論很有價值,雖然這不是標準教學,而是大家在實踐量化交易中留下來的問題與心得。除了策略開發、回測、串接與下單設定之外,尤其是心理面與經驗分享才是精華所在。這類問題很難在網路或官方文件裡直接找到答案,但在每次提問和交流中,真正的問題核心點就會慢慢浮現出來。

所以這系列文章不是要給一個標準答案,而是把當時的討論脈絡整理出來,順著問題本身往下拆,變成更有參考價值的內容給大家。

立即訂閱電子報,掌握最新資訊!

    稱呼

    電子郵件

    以下非必填,但若您願意分享,我們將能推送更精準的內容給您

    投資經驗

    是否為理工科背景、工程師或有寫程式的經驗?

    有興趣的主題
    量化交易台股期貨海外期貨虛擬貨幣美股

    有興趣的量化交易軟體/平台
    不清楚MultiChartsTradingViewPythonXQ

    想透過量化交易達成甚麼目的?
    不確定自動交易選股回測投資績效量化自己的投資方法想找現成的策略套用

    還有什麼想詢問的?



    618 1920x400 10158656951
    618 678x267 10158656951
    Photo 2026 04 16 16 00 00
    Photo 2026 04 16 16 00 04

    *贊助商內容

    量化通-Tony:DD 很常會發生,只要績效沒有在創高就是 DD
    量化通-Tony:但 MDD 是 max 的 DD,是我們拿來衡量整體風險的一個重要指標
    量化通-Tony:破 MDD 代表整個投組現在面臨很大的風險考驗,要去檢視出了甚麼問題,是否要汰換策略,或是做出相對應的調整
    量化通-Tony:DD 是程式交易的日常啦
    社群成員:老師⋯那請問策略多久創一次新高才算及格呢?
    量化通-Tony:就算是這樣的策略,也有超過一半的時間在 DD

    在社群中,最常看到大家討論的其中一個就是「績效問題」,大盤創高但策略沒有創高、績效不如預期,甚至破了 MDD 了,遇到這些情況,大家很自然會想問:是不是該停用下架?策略是不是失效了?多久沒創新高才算不及格?

    這些問題很難只用一個通用標準去回答,因為每個人的資金規模、策略週期、商品波動、投組配置、承受虧損都不同,但可以先把問題分成四個面向來看:一般 DD、破回測 MDD、破事前風控線、策略邏輯或執行條件失效。

    如果沒有了解每一個訊號,就容易把正常波動看成失效,也可能把真正該處理的風險訊號輕輕放過。

    先分清楚:DD 是日常,但破 MDD 不是小事

    社群裡最常卡住的一個點,是大家把 DD 和 MDD 放在一起看,但兩者是不一樣。

    只要績效沒有在創高,就會處在 DD 的狀態裡,策略不可能每天都創新高,所以看到權益曲線回落,先不要第一時間就把它解讀成策略失效,甚至有些整體還能接受的策略,也可能有超過一半的時間在 DD 裡。

    但 MDD 就不同,MDD 是歷史最大回撤,是用來衡量整體風險的重要指標。所以當策略或投組破了原本回測中的 MDD,代表現在面臨比較大的風險考驗,就不能只用「DD 本來就常發生」帶過。

    這裡的第一個分界是:如果只是沒有創高,先不要急著等同於失效;如果已經破 MDD,就要回頭檢視問題出在哪裡,包含是否需要汰換策略、降口數、停機觀察,或做出相對應調整,破 MDD 不一定等於你的策略已經失效,但一定代表你要啟動風控流程。

    DD DrawDown 與 MDD Maximum DrawDown 比較圖,說明檢視績效拉回、破 MDD 與啟動風控流程
    DD 與 MDD 回撤風控比較圖

    破MDD 該怎麼處理?如何控制風險

    社群成員:請問各位前輩,我有一支程式上線後 MDD 最大變成回測時的 2.4 倍
    社群成員:然後竟然復活回去,權益數後來創新高
    社群成員:請問大家,你們會讓 MDD 最大膨脹到回測時的幾倍後把它下架呢?
    量化通-Tony:回測 MDD 就是拿來破的,破了不代表不會再創高
    量化通-Tony:這比較偏向是一個風控的問題,保守一點就抓 1.5~2 倍下架
    量化通-Tony:但這其實也跟你開發策略的方式有關,有的人很愛在回測的時候把DD修到很小
    量化通-Tony:那這種策略就特別容易破,破個 3-5 倍都有可能
    量化通-Tony:風控就沒有完美跟標準答案,就看你願意承受多少 預期要收回多少
    量化通-Tony:不知道怎麼抓的話可以拿我們策略電子書的績效當做基準,https://quantpass.org/product-category/ebook/
    量化通-Tony:多看看不同人的績效比較能有一個衡量依據
    量化通-Tony:我自己的作法是
    量化通-Tony:2 倍強制下架
    量化通-Tony:1.5 倍強烈關注
    量化通-Tony:1.25 倍警示

    回測 MDD 本來就不是未來虧損的極限,它只是過去資料中曾經出現過的最大回撤,策略上線後實盤 MDD 超過回測 MDD,並不罕見,也不代表後面一定不會創新高。社群案例裡提到「2.4 倍後又復活」,就是很典型的提醒:破回測 MDD 和策略必死不是同義詞。

    但這不表示可以放著不管,破 MDD 本質上是風控問題,比較務實的做法,是在策略上線前就先定好分級,而不是等虧損發生後再用情緒判斷。

    這邊整理破多少 MDD 我們可以怎麼做給大家參考。

    狀態可能動作重點
    1.25 倍回測 MDD警示回頭檢視策略,檢查是否異常或市場環境變化
    1.5 倍回測 MDD強烈關注降低部位、停止加碼、重新檢查策略程式碼
    2 倍回測 MDD策略強制下架先把風險切住,再決定是否重啟、調整或汰換

    這不是所有人都必須照抄的規則,而是一種「風險事前預算化、事後紀律化」的風控精神,具體的風險參數設定,還是要回歸到自己最初的策略開發邏輯。

    有些人在回測時會把 DD 修得很小,讓曲線看起來漂亮,但真實風險可能被忽視了,這種策略上線後破 3 倍、5 倍都不奇怪。

    所以重點不是「破回測 MDD 就一定砍」,而是看它是否超過你事前設定的風險預算,策略有可能復活,但資金管理不能靠信仰,MDD 破表不一定致命,沒有內控標準才是最危險的。

    量化交易策略破 MDD 後的三層風控階梯圖,依序呈現 1.25 倍警示、1.5 倍強烈關注與 2 倍強制下架
    策略破 MDD 後的風控分層圖

    破 MDD 時,要檢查的是「為什麼」,而不是只重刷參數

    另一個容易出現的反應,是看到策略績效不好,就想重新優化、重新刷參數,把報表調回好看的狀態。

    這裡要保守一點,策略績效變差,原因可能是正常 DD、參數失效、盤勢結構改變、資料或執行條件錯誤,也可能是策略邏輯本身本來就太脆弱。這幾件事不能混成同一件事。

    如果沒有先分析原因,就直接改參數,很容易把問題蓋掉,表面上績效可能變好看,但你未必知道它解決的是原本問題,還是只是重新貼合最近一段資料。

    比較好的檢查順序是:

    1. 先確認資料與執行:報價、交易時段、滑價、手續費、下單紀錄、部位同步有沒有異常。
    2. 再看策略假設:原本吃的是趨勢、震盪、波動擴張,還是特定時段行為?最近市場是否離開它擅長的區間?
    3. 再看風險是否超線:是否已經碰到事前警示、強烈關注或停用線。
    4. 最後才看是否需要重新研究參數,而且要避免只為了修漂亮回測而調整。

    如果還沒破到內控底線,不一定要立刻變動策略;但只要破了事前風控線,就要先停下來處理風險,風險永遠擺在第一位。

    量化交易策略破 MDD 後的診斷流程圖,說明應先檢查是否正常運作、邏輯是否失效、風控是否超線,最後才看參數。
    破 MDD 後的策略診斷流程圖

    多久沒創高,不能直接變成固定及格線

    社群成員:策略多久創一次新高才算及格

    這個問題背後其實是在找一條簡單界線:超過幾個月沒創高,就判定不行?超過幾倍 MDD,就直接下架?

    這種界線可以當底線,但不能直接變成所有策略通用的及格線,不同策略的「績效處於虧損的水下時間」本來就不一樣,有些策略交易頻率高,幾週不創高就可能很異常,有些策略本來就吃少數行情,長時間在 DD 裡也可能是設計的一部分。

    所以真正要問的不是「幾個月沒創高算不及格」,而是這段水下時間是否已經超過原本預期,更具體一點,可以看三個東西:歷史上最長多久沒創高、目前 DD 深度到哪裡、這段時間交易次數是否足夠。

    如果只是時間過了很久,但交易機會很少,和交易很多次仍然持續虧損,意義完全不同,我自己在單策略內控上,常用 2 倍 MDD 作為下架線,這可以當作一個基本的準則,但不適合直接改寫成所有策略都應該照做。

    比較好的整理方式是:要有明確的底線,但同時也要查出績效不好的原因,如果只講底線,容易變成機械式下架,日後還是會持續發生,如果只講原因,卻完全沒有底線,又可能讓風險持續擴大。

    量化交易策略多久沒創高的判斷圖,說明需綜合評估水下時間、DD 深度與交易次數
    策略多久沒創高需綜合評估

    績效指標可以參考,但不要只看單一數值

    社群討論裡也常會延伸到各種績效指標。有一次大家聊到夏普值:

    社群成員:但為什麼一堆人在看夏普值??
    社群成員:那只是一個參考值。且前提必須知道每個設定是否相同,有些很高但背後是因為調低了減項因子。要比較需要在同樣的條件下比較。
    量化通-Tony:傳統買基金的思維
    量化通-Tony:我也覺得夏普拿來衡量量化策略,不是那麼有代表性
    量化通-Tony:夏普會懲罰突然的大賺

    我們不是要否定任何績效指標,而是要提醒:指標要看,但不能只看表面數字。夏普、勝率、風報比、MDD、盈利因子、交易次數、平均盈虧、最大連虧、恢復時間,都只能從不同角度描述策略,沒有哪一個數字可以單獨決定生死。

    而且指標比較一定要放在同樣條件下。交易成本、滑價、商品、週期、資金部位、加減碼、回測區間都不同時,單看夏普高低很容易誤判。

    這部分可以參考之前做過的影片,當中有更完整的報表與策略品質拆解:

    ❶ 策略上線的績效標準,實戰前必懂得獲利性與風險性
    👉影片回顧:https://www.youtube.com/watch?v=pPhxEp8es6Y

    ❷ 【深度解析】策略品質鑑定!到底回測能不能信?
    👉影片回顧:https://www.youtube.com/watch?v=Shhj9wOxJHY

    ❸ TradingView 策略績效解讀,識破過度美化的報表!策略測試器
    👉影片回顧:https://www.youtube.com/watch?v=PO9JVPsAgII

    策略破 MDD、沒創高、績效變差時,很多人會想找一個指標來判斷生死,但指標本身如果脫離條件、設定和策略脈絡,就容易變成很薄的答案。

    回到績效不如預期時的自檢 SOP

    遇到策略破 MDD、沒創高或績效變差時,我會先把問題拆開,而不是直接問「要不要停用」。

    可以照這個順序檢查:

    1. 現在只是一般 DD,還是已經破回測 MDD?
    2. 是否已經碰到事前定好的警示線、關注線或停用線?
    3. 沒創高是策略常態的一部分,還是已經超出原本可接受範圍?
    4. 最近交易次數是否足夠,還是只是樣本太少?
    5. 資料、成本、滑價、下單、部位同步是否正常?
    6. 盤勢是否離開策略原本擅長的市場型態?
    7. 在還沒釐清原因前,有沒有避免把重新刷參數當成唯一解法?

    這份清單不是要讓人永遠不動策略,而是避免把所有績效變差都用同一種方法處理,該停的先停,該查的要查,該觀察的不要被恐慌逼到亂改。

    量化交易策略績效不如預期時的自檢 SOP 圖,包含一般 DD 或破 MDD、守住風控線、交易次數是否足夠、資料與執行漏洞、市場型態改變與避免無腦刷參數等檢查項目
    量化交易績效不如預期自檢 SOP

    風險控制永遠擺第一,然後再來談優化

    回到最一開始那個問題:策略破 MDD、沒創高、績效變差時,要不要停用?

    如果已經破了你事前定好的風控線,就應該先照規則停用、降部位或下架檢查,先把風險控制住,這裡的重點是「事前擬定好」,不是虧損發生後才臨時找一條看起來合理的線。

    DD 很常發生,沒有創高不一定代表策略失效;但 MDD 是重要的風險指標,破 MDD 就不能輕忽。策略績效變差時,也不應該直接無腦刷參數,而是要先看失效的原因。

    至於幾個月沒創高、幾倍 MDD 下架,這些都可以是某個人、某個策略、某個脈絡下的底線,但不能直接升級成所有人都該遵守的固定規則。

    我們要先確認的,不是策略該不該立刻停用,而是現在的問題到底是哪一種。

    如果只是一般 DD,就不要急著把它看成失效;如果已經破 MDD 或破了自己的風控線,就要先處理風險,再回到原始脈絡檢查原因,先釐清是什麼問題,再談下一步怎麼優化。


    加入LINE社群量化交易討論群」無壓力討論與分享!

    加入Discord 「量化交易討論群」即時獲取實用的資源!

    Anti Fraud 10140382164
    Anti Fraud 10140382163
    Anti Fraud 10140382165
    東尼 Tony
    東尼 Tony

    十年餘法人級投資經驗,曾任加密貨幣量化基金經理人與投資策略長、AI智能基金經理人、證券期貨商自營部操盤手,管理資金規模最高超過七億元。
    熟悉各類金融商品操作與加密貨幣領域,在量化交易、指標設計、策略模組打造、投資組合配置,有著深厚的經驗。
    為”智慧型基金投資系統”之專利創作人,多次受邀至各大學與企業擔任講師。

    文章: 69

    發佈留言

    發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *