AI 交易的真實成本（手續費、價差、滑價）

一個替你交易的 AI 智能體，付的還是跟你一樣的過路費：佣金、價差、滑價。改變的是它付的頻率。多數關於 AI 交易成本的討論，都停在訂閱價格——而那通常是帳單上最小的一行。

本文會把整疊成本逐項拆開（平台費、佣金、價差、滑價、資金費率、貨幣換匯），再讓同一套策略分別以每月 5 筆與 50 筆交易運行，讓你用「錢」看見頻率實際上的代價。讀到最後，你會知道哪些成本可以談判、哪些該用設計繞開，哪些則只能坦然接受。

AI 交易的成本堆疊，逐行看

六個項目，從最顯眼到最不顯眼。

平台訂閱或點數。 平台為自動化這一層本身收取的費用，無論是每月固定或按使用量計。它相對於你的交易是固定的，所以它真正的分量取決於帳戶規模：每月 $30 就是每年 $360，對一個 $100,000 的帳戶是 0.36%，對一個 $5,000 的帳戶則是 7.2%。同一項產品，拖累卻差二十倍。

佣金。 你的交易所或券商為每張成交訂單所收的費用，通常按單邊計。加密現貨交易所在散戶級距，taker 訂單常收約 0.1%，maker 則更少。許多股票券商標榜零佣金，但執行品質參差不齊，而選擇權或非美國交易場所通常仍按每口合約或每張訂單收費。

價差。 最佳買價與最佳賣價之間的落差。每一張市價單都要跨過它，進場時相對於中間價付出約半個價差，出場時再付一次。在流動性佳的大型股與主要加密幣對上很窄；在小型股、山寨幣或非交易時段就急劇變寬。價差在你的對帳單上是隱形的——這正是它為何會不知不覺地複利下去。

滑價。 觸發你決策的價格，與你實際成交的價格之間的差。它隨訂單大小、急迫性與稀薄流動性而增長。對自動化不舒服的一點是：智能體恰恰就是那些在凌晨 3 點、或在一則新聞發布後幾秒內交易的參與者——而那正是滑價最糟的時候。

資金費率。 如果你的智能體交易永續合約，多方與空方會互相交換週期性的資金費用。在一個擁擠的方向性市場裡，持有永續合約人氣那一側，可能得付出可觀的年化費率，而且正負號可能反過來咬你。一個在費率表上看似「持有免費」的部位，可能並不免費。

貨幣換匯。 一個以歐元計價的帳戶去買以美元計價的資產，進場時付一次換匯成本，出場時再付一次。對在外國市場頻繁交易的人來說，這會變成一筆真正的「每趟來回」成本，而非一次性的。

同一套策略在每月 5 筆與 50 筆下的試算

現在是沒人逐項算過的部分。取一個 $10,000 帳戶上的單一波段策略，每筆平均部位 $2,000。為了讓算術誠實，假設一組僅供說明、但合理的單邊成本：0.10% 佣金、0.05% 跨越價差、0.10% 滑價。這些是言明的假設，不是量測值；你的交易場所可能更便宜或更糟，你應該用你自己的數字重做這張表。

每單邊是部位價值的 0.25%。一趟完整來回（進場加出場）花部位的 0.50%：在一筆 $2,000 的交易上是 $10。再加上每月 $30 的平台訂閱。以下是同一套策略在兩種頻率下、跨一整年的樣子：

成本項目（年度）	每月 5 筆（60 趟來回）	每月 50 筆（600 趟來回）
佣金（每趟來回 0.20%）	$240	$2,400
價差（每趟來回 0.10%）	$120	$1,200
滑價（每趟來回 0.20%）	$240	$2,400
平台訂閱（$30/月）	$360	$360
年度總成本	$960	$6,360
佔 $10,000 帳戶的百分比	9.6%	63.6%

再讀一次最後那一行。低頻版本一年必須先賺 9.6% 的毛報酬才能打平，這本身就很吃力。高頻版本則必須先賺 63.6% 的毛報酬，你才留得住一塊錢。每一趟來回在貢獻任何東西之前，都要先面對同樣的 0.5% 門檻，而 50 筆的版本得找出十倍那麼多、且各自都能越過門檻的機會。

這正是為什麼「頻率」是自動化交易裡最重要的單一成本決策。不是訂閱。不是佣金級距。而是智能體交易的頻繁程度。

有兩點細化值得一提。第一，固定成本偏愛較大的帳戶：那筆 $360 訂閱在每月 5 筆時是最大一行，在 50 筆時卻只是個進位誤差。第二，滑價不是線性擴增：如果高頻版本同時還在更稀薄的時刻交易更快的訊號，它每筆真正的滑價，很可能高於這裡假設的固定 0.2%，這讓這場比較其實對快速版本已經算寬容的了。

隱藏成本：過度交易感覺免費

自動化最昂貴的性質是心理上的，不是技術上的。當執行一筆交易不再花你任何力氣（沒有下單單據、沒有盯盤時間、沒有凌晨 3 點的鬧鐘），對交易頻率的天然煞車就消失了。智能體會恰恰按它規則所允許的頻率交易，沒有人在當月第四十筆交易時會感到的那種遲疑。

那就是陷阱：你每加一個觸發條件，感覺像在增加機會，而上面那張表卻說你在增加門檻。一條一年觸發 600 次的規則，得比一條觸發 60 次的規則好上非常多，而少有散戶訊號能做到。

修正之道是結構性的，不是勵志性的。給智能體加上交易速率上限（例如每週最多進場幾次）。要求每一個新增的條件，都要在一個「含成本」的回測裡替自己辯護，而不是在那條零成本的資金曲線上。並且把一個正式運行的智能體「換手率上升」，當成一個該去調查的警訊，就像你會對待「回撤上升」那樣。幾個經典的AI 交易錯誤，歸結起來正是這件事：以超過優勢所能證明的頻率，去付這疊成本。

如何在回測中判讀一套策略的成本敏感度

在一個智能體動用真金白銀之前，你可以量測它的優勢對成本有多脆弱。這套流程對同一套策略跑三次回測：

1. 零成本跑。 無佣金、無滑價。這是策略的理論天花板，僅此而已。
2. 真實跑。 你實際的費率級距、一個量測到的典型價差，以及一個符合該資產與該時段的滑價假設。
3. 悲觀跑。 把滑價加倍、把價差放寬。這近似一個糟糕的流動性狀態。

然後比較。如果資金曲線在零成本下很強、卻在真實跑裡持平或轉負，那個「優勢」就是微結構雜訊：這套策略當初收集的波動，比收集它們所需的過路費還小。如果真實跑撐得住、悲觀跑卻崩潰，那策略可行、但脆弱，值得配較小的部位、且只用流動性佳的資產。

有一個比率能總結它：每趟來回的平均毛利，除以每趟來回的成本。低於大約 2，成本就主宰了你的策略，一次糟糕的成交就抹掉一個贏家。這個倍數愈高，優勢就愈能抵抗不同的市場狀態。高換手率策略在這個比率上，幾乎總是比它們的資金曲線所暗示的更難看——這也是「慢策略更常在正式交易中存活」的量化原因。

這也是一個你在評估任何平台時該跑的測試：它的回測器到底有沒有模擬成本？Obside 的 Backtesting Engine 把滑價假設烤進每一次歷史重播裡，所以在你正式付出這筆成本之前，成本拖累就已在報告裡看得見，而同一份智能體定義接著會原封不動地移到模擬交易。把那套驗證好好跑起來的細節，在如何回測一個 AI 交易智能體裡談過。

什麼值得花錢，什麼不值得

不是所有成本都是拖累。有些替你買到了便宜配置所欠缺的保護或資訊。

值得花錢的：

• 執行當下的風險控管。 在訂單路由的那一刻強制套用的部位大小、停損與回撤上限。這是為你最糟的一天所買的保險，而它的價值恰恰只在關鍵時刻顯現那麼一次。
• 具成本意識的回測與優質資料。 一個不模擬滑價的回測，是一份行銷文件。跨越不同市場狀態的乾淨歷史資料，才是讓上面那套三跑流程有意義的東西。
• 本意透明。 一個在運行你的自然語言策略之前、先把它覆述成精確條件的平台，能防止代價高昂的誤解——一條被誤譯的規則，可能比十年的訂閱還貴。

不值得花錢的：

• 你無法稽核的訊號。 訂閱一份沒有可見邏輯、也沒有戰績方法論的買賣呼籲，是一筆效益無從驗證的成本。
• 你用不到的速度。 散戶的波段與部位策略，從超低延遲執行得不到任何東西。為它付費，是在為別人的使用情境付費。
• 小帳戶上的高級方案。 重算第一節裡那個固定成本百分比。如果平台費每年超過帳戶的約 1–2%，那要嘛帳戶得成長，要嘛方案得縮水。

權衡這些取捨的更完整框架，在如何選擇智能體交易平台裡，而更廣的市場脈絡則在我們的自動化交易平台比較裡。

接下來可以怎麼走

用你真實的費率級距、你典型的部位大小，以及一個誠實的滑價猜測，跑一次你自己版本的「5 對 50」表。多數做過一次的交易者，會永久改變他們設計自動化的方式：更少的觸發、更多流動性佳的資產，以及每條規則都必須越過的門檻報酬率。如果你想在任何資金動用之前，就有人替你把成本拖累算好，Obside 會用含滑價假設的方式回測你的策略，並讓你在模擬模式裡演練它，直到扣掉成本後的數字，依然站得住腳。

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。