我們說的「有效」,和你想的「賺錢」不是同一件事
前兩篇測了 20,934 個圖表型態與 49 類技術訊號,通過檢定的都是 0 個。但讀者最常問的是同一句話:那為什麼還是有人賺錢?答案的第一半不在資料裡,在定義裡 —— 我們沒有測獲利、我們的時間尺度最短是一個交易日、而且我們要求一個訊號平均 2,661 次後仍然有效,一個交易者只需要他自己那幾十次。同一批訊號換一個比較基準,「有效」的格數比例就從 81% 掉到 22%。
作者:Elnath Finance Academy
前兩篇的結論都是零。九類圖表型態,0 格通過;49 類技術訊號,也是 0 格。
而讀者的反應幾乎都是同一句:那為什麼還是有人靠技術分析賺錢?
這是一個好問題,而且我認為它值得認真回答,不是用「那些人只是運氣好」打發掉。答案分成兩半:
- 第一半在定義裡 —— 我們測的東西和「賺錢」不是同一個命題。這是本篇。
- 第二半在別人的資料裡 —— 那些長期獲利的人,已發表的研究實際觀察到什麼。那是下一篇。
這一篇不引入任何新資料。它做的是把前兩篇的「有效」拆開,講清楚那個詞在我們的檢定裡到底代表什麼、涵蓋多長的時間、以及它和一個真實交易者面對的問題差在哪裡。
這是一篇方法論文章。它說明一項研究的定義與邊界。它不是對任何證券或任何分析方法的推薦,也不是投資建議。
1. 我們沒有測獲利
這是最根本、也最容易被跳過的一點。
前兩篇測的是資訊含量:這個型態或訊號出現之後,後續報酬的分布,跟沒有它的時候有沒有可辨識的差異。
沒有測的東西包括:
| 沒測 | 為什麼這會讓兩件事完全不同 |
|---|---|
| 交易成本與滑價 | 效果量是毛報酬差。中位效果量 0.30% —— 這個量級能不能撐過來回成本,本身就是問題 |
| 進出場的時機 | 我們用收盤價計算。第二篇第 5 節顯示超過一半的價格變動發生在隔夜跳空裡 |
| 部位大小 | 每個事件在統計裡的權重相同。真實交易不是 |
| 停損與風險控制 | 完全不在模型裡 |
| 標的挑選 | 我們對所有成分股一視同仁地套用同一條規則 |
所以「測不到資訊」和「拿來交易會賠錢」是兩個不同的命題,而且方向可以相反。
一個帶資訊的訊號可能因為成本而不可交易;一個不帶可辨識資訊的訊號,也可能在一套包含部位控制與停損的流程裡是有用的觸發條件。前兩篇只回答第一個問題。
2. 「有效」的定義:基準決定答案
這一節是本篇的核心,而且可以直接用資料示範。
拿第二篇那 49 類訊號,事件、期間、參數全部不動,只換比較的基準:
| 比較基準 | 中位命中率 | 命中率 > 50% 的檢定格比例 | 中位效果量 |
|---|---|---|---|
| 市場調整(扣掉同期 SPY) | 51.7% | 81.2% | −0.13% |
| 無條件對照(扣掉該檔全歷史平均) | 50.2% | 53.6% | −0.03% |
| 配對對照(扣掉同日、同狀態、同類股) | 48.8% | 21.9% | −0.04% |
同一批訊號。在最寬鬆的基準下,81% 的檢定格「勝率過半」;在最嚴的基準下,只剩 22%。
(先講清楚用詞:這裡的「命中率」是指該檢定格底下所有事件中超額報酬為正的比例,不是任何人的交易勝率。「檢定格」是一種訊號 × 一個週期 × 一個持有期 × 一個基準的組合。)
差別從哪來?看未扣基準的原始報酬就懂了:這段期間隨機買一檔成分股持有 20 個交易日,平均報酬本來就是 +1.08%。市場調整只扣掉大盤,沒有扣掉「這個訊號比較常出現在哪些股票、哪些時候」。配對對照扣掉了 —— 它拿同一天、同樣市場狀態、同一類股裡沒出現訊號的股票當對照組。
這件事對讀者的意義是:當任何人說「這個方法有效」,第一個該問的不是勝率多少,是「跟什麼比」。 沒有指定基準的勝率,數字再漂亮也不構成主張。
順帶一提,這也是為什麼前兩篇的主結論一律採用配對對照。不是因為它比較嚴格所以比較「安全」,而是因為另外兩層留下了已知的、可具名的干擾。
3. 我們的時間尺度:一個交易日到三個月
前兩篇測的持有期是 1、5、10、20、60 個交易日,資料是日線、週線、月線。
換算成日常說法:
| 持有期 | 大約 | 測了嗎 |
|---|---|---|
| 日內、當日沖銷 | 幾分鐘到幾小時 | ❌ 完全沒有 |
| 隔日沖 | 1 個交易日 | ⚠️ 只看得到收盤到收盤 |
| 週內了結 | 5 個交易日 | ✅ |
| 一個月 | 20 個交易日 | ✅ |
| 一季 | 60 個交易日 | ✅ |
最上面那一列要特別講:整個研究沒有任何日內資料。
我們用的是日線 OHLCV —— 開高低收與成交量,一天一筆。所以任何在一天之內完成的進出,我們不是測了然後說沒有效果,是根本沒有看。這不是疏漏,是資料的邊界。
第二列也有保留。持有 1 個交易日在我們的算法裡是「今天收盤到明天收盤」,而第二篇第 5 節的發現是:隔夜段佔了日變動總變異的 60.6%,而訊號確認日的大跳空機率是一般交易日的 5.76 倍。 也就是說,即使是持有一天的結果,其中很大一部分也發生在市場關著、任何人都無法動作的時候。
依週期看,樣本密度差很多:
| 週期 | 中位每格事件數 | 中位命中率(配對對照) |
|---|---|---|
| 日線 | 6,988 | 49.5% |
| 週線 | 1,039 | 48.5% |
| 月線 | 214 | 46.9% |
依持有期看,效果量隨時間拉長而變大,但命中率沒有跟著改善:
| 持有期 | 中位絕對效果量 | 中位命中率 |
|---|---|---|
| 1 日 | 0.08% | 48.5% |
| 5 日 | 0.20% | 49.1% |
| 10 日 | 0.31% | 49.3% |
| 20 日 | 0.34% | 48.9% |
| 60 日 | 0.78% | 48.2% |
效果量變大不代表訊號變好,只是持有越久、報酬的離散度越大。命中率始終在 48–49% 之間。
4. 多空頭有沒有差
這是實務上最常見的講法之一:「訊號要看大盤方向」。第二篇的多週期條件就是在測這件事 —— 把週線趨勢展成四個狀態,讓每個日線訊號在各狀態下分開檢定。
持有 20 個交易日,兩種基準並列:
| 市場狀態 | 事件數 | 中位命中率 (市場調整) | 中位命中率 (配對對照) | 顯著格 |
|---|---|---|---|---|
| 多頭 TREND_UP | 341,328 | 52.7% | 50.1% | 0 |
| 空頭 TREND_DOWN | 215,330 | 52.1% | 50.3% | 0 |
| 盤整 RANGE | 535,911 | 51.4% | 49.2% | 0 |
| 轉換 TRANSITION | 305,362 | 51.2% | 48.7% | 0 |
這張表把第 2 節的重點再演一次。
在市場調整基準下,看起來訊號在多頭裡表現最好(52.7%)—— 這正是一個很容易被寫成「順勢操作有效」的數字。但換成配對對照,那個優勢消失了:四個狀態全部落在 48.7%–50.3% 之間,彼此差不到 1.6 個百分點。
原因不難理解:多頭時期本來就什麼都在漲。市場調整只扣掉大盤指數,沒有扣掉同類股、同期間的共同上漲;配對對照扣掉了,剩下屬於訊號本身的部分就沒了。
所以就這批訊號、這個定義而言,答案是:分市場狀態之後仍然是 0 格。 這不否定「看大盤方向」這個習慣有其他價值(例如風險控制),但它不是從這些訊號的資訊含量來的。
5. 樣本數的不對稱 —— 我認為這才是關鍵
前面幾節都還在方法論層面。這一節是我認為真正解釋「為什麼零結果與有人獲利可以同時為真」的地方。
我們的檢定在問:
這個訊號在出現 2,661 次之後(可靠檢定格的事件數中位數,最多的一格有 80,681 次),平均起來、扣掉三層基準之後,還剩下可辨識的效果嗎?
一個交易者面對的是:
我這 幾十次 的進出,加總起來有沒有賺錢?
這兩件事在數學上不是同一個命題。
一個平均效果為零的訊號,完全可以在某人的幾十次使用裡是賺錢的 —— 因為那幾十次不是隨機抽樣。它們被篩選過:只在特定條件下才動手、進場之後有停損、看錯了會提早出場、部位大小不一樣。這些篩選全部不在我們的檢定裡,而它們恰好是實務上被認為最重要的部分。
反過來也成立:平均效果為零,代表你沒辦法靠「照規則做,做很多次」拿到那個效果。 這是零結果真正排除掉的東西 —— 它排除的是機械化、可重複、不需要判斷的用法。
第一篇第 7 節有一段講「一招用一百次,勝過一百招各用一次」,那句話的另一面正是這裡:大樣本能證明的和小樣本能達成的,是兩種不同的東西。 我們做的是前者。
6. 所以這兩篇答不了什麼
把邊界一次列清楚:
| 問題 | 這個研究 |
|---|---|
| 這些訊號機械化重複使用,平均起來有超額報酬嗎? | ✅ 答得了 —— 沒有 |
| 日內/當沖有沒有效? | ❌ 沒有資料 |
| 加上停損、部位控制、選擇性進場之後呢? | ❌ 沒測 |
| 扣掉交易成本還剩多少? | ❌ 沒測 |
| 某個特定的人能不能穩定獲利? | ❌ 這是關於那個人的問題,不是關於訊號的問題 |
| 分多空頭之後有沒有差? | ✅ 答得了 —— 分了之後仍是 0 格 |
最後一列以外,中間那四個「沒有」才是讀者真正想知道的部分。 我沒辦法用自己的資料回答它們 —— 但別人的研究可以回答其中一部分。
下一篇
下一篇會處理第二半:那些長期靠交易獲利的人,已發表的研究實際觀察到什麼。
會用的是公開、可查證的實證研究與有紀錄的案例。而且要先說清楚這一篇的立場:只描述研究觀察到的現象,不宣稱任何人「用了什麼方法」 —— 除非那個人自己公開發表過他的做法。看到結果去反推方法,是這整個系列最反對的那種推論。
本文所有數字取自前兩篇的研究結果檔,研究區間 2000 年 1 月 1 日至 2017 年 12 月 31 日,對象為當時實際在 S&P 500 成分股名單內的個股。數字由分析程式重新計算產生,未經人工轉錄。
免責聲明
本網站內容由 Elnath Finance Academy 製作,僅供一般性資訊與教育目的,不構成投資建議,也不是針對任何個別讀者的個人化推薦。Elnath Finance Academy 並非註冊投資顧問(RIA),亦不提供受監理的投資顧問服務。所有數據與分析可能存在延遲或誤差,過往表現不代表未來績效。投資涉及風險,可能損失本金;任何投資決策請自行判斷並諮詢合格的專業人士。