精選案例
同時展示證據、假設與限制。
以下案例說明我們如何由策略設計走到樣本外證據與風險解讀。它們是研究,不是實盤紀錄。
250有效候選
125 / 125CALL / PUT 候選
10,000每個候選模擬路徑
US$100,000初始模擬資本
METHOD滾動研究分隔參數探索與每月樣本外評估;候選策略經 Replay、CALL/PUT 分邊比較及 Monte Carlo 壓力分析。
EVIDENCE兩張 NQ 概覽圖分別呈現 CALL 與 PUT 候選池;排名綜合虧損機率、回撤尾部、下行情境終值與原始淨結果。
NQ · CALL Monte Carlo candidate overview
NQ · PUT Monte Carlo candidate overviewLIMITS / 圖表為基於歷史資料及指定研究假設的模擬結果,不代表實盤交易,亦不保證未來結果。
2005–2026歷史研究期間
18.77%假設性 CAGR
−33.26%最大回撤
$29,527模型交易成本
METHOD模型結合 EMA 防守、歷史新高狀態及百分位過熱控制;MNQ 承擔主要名義金額,再以 QQQ 股數補足剩餘曝險。
EVIDENCE報表記錄目標與實際曝險、期貨口數、股票股數、成本、保證金、過熱狀態及主要回撤區間。
LIMITS / 結果取決於歷史價格、模型化佣金與滑價,以及簡化執行假設,並非實盤績效。
01OOS TRADES虧損標籤
→02LOSS LIFT特徵排名
→03BAD REGIME分數
→04ON · REDUCED · OFF風險狀態
METHOD以樣本外平倉交易建立虧損標籤,將近期制度特徵與滾動基準比較,按 loss lift 排名並組合成 BadRegimeScore。
EVIDENCE輸出是透明的 ON、REDUCED 或 OFF 風險狀態,並以 avoided loss、missed profit、net gate effect、回撤及門檻穩定度評估。
LIMITS / 只有多項診斷一致時才接受閘門;如錯過盈利大於避開虧損,報表會直接指出。