AI 模擬交易：先驗證，再信任你的智能體

你的智能體回測表現亮眼：Sharpe 高於 1.5、回撤在你能承受的範圍內、資金曲線也很乾淨。但這些數字沒有一項能告訴你：你實際打造出來的那套自動化，是否真的等於你腦中原本的策略。AI 模擬交易補上的正是這道落差——智能體以即時市場資料運行，做出每一個它動用真金白銀時都會做的決策，卻不下任何一張單。本文會談模擬運行到底檢驗了什麼、運行期間該盯什麼、跑多久才算夠,以及區分「可以上線」與「回頭重做」的判斷標準。

為什麼 AI 模擬交易是一種截然不同的測試

對手動交易者來說，模擬交易主要測試的是策略，以及交易者本身的心理素質。模擬交易的經典陷阱（把假錢當兒戲、不知不覺就推翻自訂規則）我們在不自欺的模擬交易指南裡談過了。這篇文章要談的，則是更狹窄、也更新的一件事。

當一個 AI 智能體替你交易時，受審的還多了第三樣東西：轉譯。你用自然語言描述了策略，或用規則拼湊出策略，然後由系統把這段描述轉成了被監控的條件與下單邏輯。回測驗證的是「被編碼後」的策略；模擬交易驗證的則是編碼本身，而且用的是誰都還沒看過的資料。

實際上是什麼樣子呢？你說要「逢低買進 ETH」。你的本意是：日線收盤價比 20 日高點至少低 8%。智能體卻實作成了任何一次盤中下跌 8%。兩種解讀都能跑出看起來合理的回測。接著遇上一週震盪，模擬紀錄裡冒出三筆你手動絕不會進的單。這不是策略失敗，是轉譯失敗——而以即時資料進行的演練，是它在燒到錢之前唯一會現形的地方。

還有資料本身的問題。回測 AI 交易智能體重播的是整齊乾淨的歷史 K 棒。模擬運行吃的則是即時行情，帶著它的延遲、週末稀薄的掛單簿、交易所卡頓，以及 K 棒未收前的雜訊。不少智能體在這第二種飲食下，表現會完全不一樣。

智能體運行時該盯些什麼

把模擬期當成一場稽核，而不是等待室。記一份簡短的日誌，並檢查以下五件事。

觸發忠實度。 每一個發出的訊號，都要回頭確認那一刻條件是否真的成立。每一個沒動作的日子，也要問它是否本該觸發。漏掉的觸發跟誤觸一樣要命；它們通常代表條件被編碼在錯誤的時間框架，或用錯了價格類型（最新成交價 vs. 標記價、收盤 vs. 影線）。

部位大小。 檢查每一張模擬單是否符合你的部位規則，無論那是固定金額、承擔權益的 0.5–1%，還是以 ATR 為基礎的大小。留意邊界：最小下單量、整手進位、以及週中權益變動時會發生什麼。

邊界情況。 回測會抹平的那些事件，正是會咬人的那些。跳空開盤直接穿過你停損價的股票、暫停交易、週日凌晨 3 點的加密幣急動。如果你的模擬期完全沒碰到這些，就延長它，直到至少遇上一次。

成本的真實性。 把模擬器假設的成交，拿去對照你螢幕上看得到的即時價差。如果你策略的優勢是每筆 0.4%，而真實價差加手續費是 0.3%，那你就學到了一件綠色資金曲線幫你藏起來的事。

頻率。 把每週的交易次數對照回測的預期。一個交易頻率是回測兩倍的智能體，正在告訴你：即時條件比歷史條件寬鬆。

在 Obside 上，模擬模式以相同的即時資料、相同的風險控管，運行完全相同的智能體定義；唯一的差別是，訂單會停在模擬的邊界上。假設你輸入：「當 4 小時線的 RSI(14) 跌破 30 時買進 150 美元的 ETH，每週最多買兩次，漲 +12% 時賣掉一半。」副駕駛（copilot）會把這些條件覆述一遍，你確認後，智能體會先以模擬智能體的身分運行。一週後，日誌顯示三次 RSI 觸發、兩次成交，第三次被「每週最多兩次」的規則擋掉。那筆被跳過的交易，是整份日誌裡最有價值的一行：你的限制在實戰中守住了。

該跑多久：兩到四週，或 20 個訊號

老實說，答案取決於你策略的節奏，因為一次模擬運行有兩項工作，而它們完成的速度不同。觸發、部位、路由這類機制，只要幾個事件就能驗證完畢。但績效判斷需要樣本數，而少於大約 20 個訊號，幾乎什麼都告訴不了你。

策略節奏	最短模擬運行	你真正在測的東西
每天數個訊號	2 週	機制，外加真實頻率下的成本拖累
每週數個訊號	4 週或 20+ 個訊號，取較晚者	各種條件下的觸發忠實度
每週或每月（DCA、再平衡）	3–4 次排程執行	只驗排程、部位與跳過規則

對慢節奏策略，別為了湊滿 20 個事件而等上一年。用三、四次執行驗完機制，績效的判決就交給回測。對快節奏策略，你可能三天就達到 20 個訊號；但整整兩週還是要跑滿，好讓智能體跨過不同的市場狀態。無論節奏如何，在你宣告演練完成之前，設法納入一個排程性的波動日——一次 CPI 數據、一個 FOMC 下午，或以加密幣來說一段週末盤。

有一條規則凌駕於日曆之上：如果你在運行途中改了智能體的規則，計時就歸零重來。一次模擬運行，只能為跑過它的那個版本背書。

轉正標準：什麼時候可以扳下開關

當以下每一項都成立時，才上線——不是「大部分」成立。

1. 零筆無法解釋的交易。 日誌裡每一筆進出場，都能對應到一條你憑記憶就叫得出名字的規則。
2. 零次無法解釋的沉默。 任何漏掉的觸發都有記錄在案的原因，例如交易所停機，而不是一句「不知道」。
3. 每一筆成交的部位大小都正確，包括最小的那筆和最大的那筆。
4. 至少熬過一個壓力視窗——一個事件日、一次跳空，或一段週末急動——而它的行為是你認可的。
5. 結果落在回測的預期區間內。 注意這句話「沒有」說什麼：它沒說「賺錢」。一個均值回歸智能體，可能在連續四週的趨勢盤裡虧錢，卻依然健康得很。你要檢查的是它與回測結果分布的一致性，而不是四週損益的正負號。
6. 你不再想介入了。 如果你推翻或質疑了半數的訊號，那策略就是不完整的，無論數字多好看。

接著，刻意從小規模上線：頭兩到四週的正式運行，只動用你預計配置額度的 10–25%，每筆交易承擔權益的 0.5–1%。轉正只是自主程度階梯上的一階，不是一步登頂。在 Obside 上，那一階實際上就是一個開關：同一個智能體從模擬路由切換到正式路由，風險控管原封不動地帶過去，而且你從第一天起就能為它能碰的配置額度設上限。

什麼情況該回頭重做

一次失敗的模擬運行，正是系統在正常運作。每一種失敗模式都有它專屬的補救辦法，而沒有一種是「反正先上線，盯緊一點就好」。

智能體在你不會進場時進了場。 轉譯落差。重新措辭策略、重新確認覆述後的條件、重啟模擬計時。這個修正屬於智能體建立流程的環節，而不是每日盯盤的環節。

你一直想否決有效的訊號。 你的直覺正在跑一道你規則裡沒有的過濾器。把它抽出來。「市場剛跳空下跌 3% 時我不做多」是一個可編碼的條件；一個沒寫下來的本能，就是未來某個凌晨 2 點的手動干預。

成本吃掉了優勢。 如果在觀察到的價差下，模擬利潤縮到趨近於零，就降低交易頻率，或讓這個點子退場。上線只會讓事情更糟。

你沒辦法從日誌解釋某個決策。 絕不把錢押在你無法重建來龍去脈的行為上。要嘛是紀錄不足，那是平台的問題；要嘛是邏輯對你而言不透明，那是你自己的問題。兩者都是不合格的。

回頭重做花的是幾週。同一堂課的正式版本，花的是幾週再加一段回撤。

接下來可以怎麼走

模擬交易一個 AI 智能體，不是回測與上線之間的一道形式；它是唯一一個檢驗「你手上實際有的智能體」而非「你以為自己寫出的策略」的測試。用即時資料跑它、像對手一樣稽核它、守住轉正的底線，並且即使乾淨過關也還是從小規模開始。如果你想把整條路徑放在一個地方——用自然語言描述策略、回測它、在模擬模式演練它，再扳下一個開關、帶著完好的風險上限正式上線——Obside 正是圍繞著這套工作流打造的。

僅供教育參考，不構成投資建議。交易存在風險，可能導致本金損失。