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。

案例 01 · NQ CALL / PUT

CALL–PUT Walk-Forward 研究

當研究保留市場時間順序,並以訓練窗以外的結果評估時,策略候選有多穩定?

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 候選 Monte Carlo 分析
NQ · CALL Monte Carlo candidate overview
NQ PUT 候選 Monte Carlo 分析
NQ · PUT Monte Carlo candidate overview

LIMITS / 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。

案例 02 · QQQ / MNQ

動態曝險與執行橋接

長期 QQQ 訊號能否透過 MNQ 表達可變曝險,同時清楚顯示成本、保證金及剩餘名義金額?

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
01
020.5×
03
041.5×
05
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。

PLOTLY 動態研究報告

檢視資本、回撤、曝險與執行部位

另開完整報告 ↗

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。

案例 03 · Strategy 1

壞市場制度風險閘門

近期市場結構能否識別策略較易受損的環境,而不把閘門變成另一個進場訊號?

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。

開始對話

把下一個研究問題說清楚。

achow@ainstein.com.hk

僅供研究說明。所有假設性回測與模擬結果均非實盤績效、不保證未來結果,亦不構成投資建議。