上線前如何回測 AI 交易智能體

一個你用大白話提示詞打造出來的智能體，在它正確複述你的策略那一刻，感覺就像已經測試過了。其實沒有。複述是理解；回測才是證據。在任何智能體動用真實資金之前，你會想知道它那一套確切的規則，若走過多年的真實市場歷史會如何表現；而要把 AI 交易智能體回測好，你需要三樣東西：釘得夠緊、緊到可以重播的規則、惡劣到有意義的測試期間，以及以批評者而非粉絲的姿態去解讀報告的紀律。這篇指南三者都會談，外加一個 LLM 驅動策略獨有的失敗模式。

把規則釘死到一台機器都能重播

回測會把你的邏輯拿去對歷史資料一根 K 棒、一根 K 棒地重播。這件事只有在你的智能體所做的每一個決策，都能從當下那一刻已存在的資料計算出來時，才行得通。「當日線 RSI(14) 收在 30 以下、且價格在 200 日移動平均之上時買進」可以完美重播。「當新聞感覺反應過度時買進」則不行，因為「感覺」不在任何一根 K 棒裡。

所以第一項工作，是把你智能體複述出來的條件，變成一份完整的規格。有一個好用的測試：一張裝著歷史價格和你規則的試算表，能不能決定每一次進場、每一次出場、每一個部位大小，而不留下任何需要主觀判斷的地方？如果一條規則需要詮釋，回測引擎就會用某種方式去詮釋它，而它的詮釋會在未經你同意下，變成你的策略。

也要盯緊那些安靜的參數。滑價與費用假設、訂單類型（市價單會成交；限價單有時不會），以及對股票而言，盤外時段的訊號會怎麼處理。如果你對這些引擎大致如何運作還不熟悉，我們的回測軟體指南涵蓋了基礎；這篇文章專注在智能體有什麼不同。而如果你還沒為你的策略定義好進場、出場、部位大小與失效條件，先做那件事；那是打造 AI 交易智能體的第二步。

如何跨市場週期回測 AI 交易智能體

一個只在近期歷史上測試過的策略，是一場「近期會延續下去」的賭注。修正方式是刻意為之的：挑選會壓迫不同失敗模式的測試窗口，並要求智能體撐過其中大多數。過去十年裡的四種週期，就覆蓋了相當大的範圍：

期間	那是什麼	它壓迫的是什麼
2018	磨人的空頭（加密下跌約 80%、股市第四季急挫）	出場紀律、DCA 的痛苦忍受度、千刀萬剮之死
2020 年 2–3 月	垂直崩跌，接著 V 型反彈	停損在跳空與滑價下的表現、你是重新進場還是嚇到不敢動
2021	持續的緩漲噴出	放空與均值回歸規則會不會跟大盤對作、過早獲利了結
2022	升息帶來的回撤，股票與加密一起下跌	相關性假設、趨勢過濾、回撤上限

把智能體的規則分別走過每一個窗口，而不是只看一個很長的平均。一條逢低買進的規則可以在 2020 和 2021 大放異彩，然後在 2022 把一切全數吐回去；單一的加總數字會把這個故事藏起來。你要求的不是在四種週期裡都獲利。你要求的是事先知道：哪一種週期會傷到你的智能體，以及它的失效規則會不會在傷害滾大之前就觸發。

這正是工具在實務上重要的地方：在 Obside，回測引擎能在幾分鐘內重播多年的歷史資料，滑價假設也已內建，所以測試四個窗口，是午餐前跑完的四趟，而不是一個週末的專案。無論你用哪個引擎，原則都成立：看週期，不看平均。

像對手一樣解讀報告

一份回測報告，是你自己的期望寫出來的推銷話術。逐一解讀每個數字能告訴你什麼、又不能告訴你什麼。

Sharpe 比率衡量每單位波動所帶來的報酬。對多數散戶策略而言，大約在 0.5 到 1.5 之間是誠實的區間；回測裡 Sharpe 高於 3，更常是一個 bug、一種偏誤或一次過度擬合，而不是一項發現。

最大回撤是最深的峰谷跌幅。拿它和你真正坐得住的水準比一比，然後假設實盤會更糟，因為歷史上的最壞情況是地板，不是天花板。

勝率單看毫無意義。90% 的勝率，配上小小的獲利和罕見的災難性虧損，描述的是一個在壓路機前撿硬幣的策略；在你欣賞它之前，先把它和平均盈虧比放在一起看。

交易次數是你的樣本數。少於約 30 筆交易，你手上的是一則軼事。少於 10 筆，你手上的是一個故事。

曝險告訴你，為了賺到那份報酬，資金在市場裡待了多久——那是權益曲線沒有顯示出來的風險。

接著跑一次壓力變化：把滑價與費用假設加倍再跑一遍。頻繁交易、或交易冷門資產的策略，可能就在這單一測試裡看著自己的優勢蒸發。如果小小的參數變動（RSI 30 對比 32、停損 4% 對比 5%）就讓結果崩盤，你八成正盯著曲線擬合；整個這類失敗，我們在回測過度擬合指南裡有詳細解剖。

LLM 的但書：當模型早已知道結局

智能體策略帶來了一種傳統機器人從來沒有的失敗模式。如果一個大型語言模型在回測迴圈裡面做決策（挑選資產、拿捏進場時機、衡量新聞），它的訓練資料裡可能就含有你正在測試的那段歷史。模型不是在預測 2021 年；它是在回憶 2021 年。

這不是假設。針對 LLM 投資策略的研究發現，回測被記憶和前視所膨脹：訓練資料與測試窗口重疊的模型，能回想起股票代號、日期與價格波動，而其績效在樣本外往往會惡化（「Can LLM-based Financial Investing Strategies Outperform the Market?」，arXiv:2505.07078, 2025）。後續一個記憶受控的基準測試顯示，當被記住的市場歷史被適當排除後，LLM 交易智能體表面上的技能會急遽下降（arXiv:2605.28359, 2026）。一份該領域的綜述在多項研究中標記出同樣的模式：測試窗口太短、標的宇宙太小、以及前視風險（arXiv:2408.06361, 2024）。

有兩道實務上的防線。第一，如果由 LLM 決定交易，只信任它訓練截止日之後的測試窗口——這通常只留給你數月、而非數年的資料。第二，對多數散戶用途更好的做法：把 LLM 完全排除在重播迴圈之外。讓它把你的策略翻譯成確定性規則一次，然後用古典的方式回測那些規則。Obside 正是這樣打造的：copilot 詮釋你的語言，但回測是拿固定的條件去對歷史 K 棒重播，所以迴圈裡沒有任何模型能記住答案。

畢業標準：一份及格的回測長什麼樣

在往下走之前，先寫下「及格」是什麼意思，然後冷冷地拿報告去對照。一個合理的門檻：

• 在四種週期裡撐過至少三種，意思是虧損留在失效規則之內，即使在它不獲利的地方也是如此。
• 最大回撤等於或低於你在跑測試之前宣告可以忍受的數字。
• 整個測試至少有 30 筆交易，足以具備意義。
• 把成本假設加倍後仍為正。
• 鄰近的參數值給出相近的結果，是一片高原，而不是單一的神奇尖峰。
• 你能用大白話解釋它最糟的連敗：是什麼市場條件造成的，以及為什麼這個策略依然站得住腳。

漏掉一項標準，你手上是一個要重新設計的目標。漏掉三項，你要找的是另一套策略。而就算全數及格，也還不是上線的許可：回測無法測試你意圖在實盤資料上的翻譯、執行時機、或你自己看著真實回撤時的行為。那是下一階段的用途，而同一份智能體定義應該原封不動地搬過去；相關論述與檢查清單在我們的讓 AI 智能體做紙上交易指南裡。

接下來往哪走

回測一個智能體，與其說是為了找到漂亮的數字，不如說是為了便宜地買到資訊：哪一種週期會弄壞你的規則、你最糟的月份長什麼樣、成本會不會吃掉優勢。這每一項發現，在回測裡都不花錢，在實盤上卻要花真金白銀。把規則釘死、跑完那四種週期、像對手一樣解讀報告、並讓任何 LLM 都遠離重播迴圈。當你想要一個能在幾分鐘內重播多年、內建滑價、並能一步就把同一個智能體升級到紙上交易的引擎，就在 Obside 上跑你的下一次回測。

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。