前 19 篇我告訴你什麼不該信。這篇告訴你，我自己怎麼判斷一個策略值不值得花時間。
為什麼需要「底線」？
量化交易有太多東西可以學、可以試、可以最佳化。如果沒有底線，你會陷入無止盡的迴圈——試了一百組參數，每組看起來都有道理，但沒有一組你真正信任。
經過幾年的摸索和虧損，我把所有經驗濃縮成三條底線。它們不是清單上的勾選項目，而是滲透在每一個決策裡的思維方式。
不管策略看起來多漂亮，只要違反其中任何一條，我就不會往下走。第一條：過擬合零容忍
這是絕對底線。沒有例外，沒有「但這次情況不一樣」。
我的原則很簡單：寧可放棄一個真正有效的策略，也不接受一個過擬合的策略。
統計學的術語是：我寧可犯第二型錯誤（錯過好策略），也不犯第一型錯誤（相信假策略）。因為在金融市場，相信假策略的代價是真金白銀，而錯過好策略的代價只是少賺——你的帳戶還在，你還能繼續找下一個。
這條底線聽起來很直覺，但實踐起來非常反人性。
我曾經花了整整一個月開發一個策略。Monte Carlo 跑了上千次，Walk-Forward Analysis 切了各種窗口，每一步都做得很嚴密。結果看起來非常漂亮——夏普比率超過 2，回撤很小，曲線幾乎是一條直線。
但我心裡始終有一個疑問：這個策略到底在利用什麼市場無效性？我說不出一個清楚的答案。
我選擇放棄了它。
後來市場環境一變，類似邏輯的策略全面崩盤。那個月的「放棄」，可能是我做過最好的決定之一。
這讓我體會到一件事：MC 和 WFA 做得再嚴密，也不能百分之百杜絕過擬合。 萬密必有一疏。統計工具是必要的，但它們只是防線的一部分。真正的防線，要在更早的階段建立——在你寫第一行程式碼之前。
這就是第二條底線。
第二條：邏輯先於數據
在寫任何程式之前，策略必須先通過「邏輯闡述測試」。
測試方法很簡單：你能不能用一句話說清楚，這個策略利用的是市場的哪種無效性？
幾個通過的例子：
- 「利用投資者在波動率壓縮後對突破方向反應遲滯的慣性」
- 「利用機構在季末被迫再平衡時產生的短期價格扭曲」
- 「利用散戶在恐慌拋售後過度反應造成的短期超跌」
幾個不通過的例子：
- 「RSI + MACD + 布林通道組合起來，回測曲線很漂亮」
- 「我試了一百種參數組合，這個表現最好」
- 「神經網路訓練出來的，我不知道它學到了什麼，但績效很好」
如果你說不出策略為什麼賺錢，那它大機率只是資料裡的巧合——一個被精心包裝的隨機雜訊。
這條底線為什麼這麼重要？因為它是第一條（過擬合零容忍）的實踐方法。
過擬合的本質是：你在歷史資料裡找到了一個巧合，然後誤以為它是規律。而「邏輯闡述測試」就是在源頭上篩掉那些沒有邏輯支撐的巧合。
先有假設，再用資料驗證。不是先看資料，再編一個故事去解釋。
這兩個順序看起來只是前後對調，但結果天差地別。前者是科學方法，後者是資料挖掘。
第三條：可解釋的弱策略，永遠勝過不可解釋的強策略
假設你手上有兩個策略：
- 策略 A：夏普 3.0，回測績效驚人，但你不太理解它為什麼賺錢。
- 策略 B：夏普 1.0，績效普通，但你完全理解它的邏輯、知道它什麼時候會失效、失效了你知道為什麼。
我會毫不猶豫選 B。
原因很簡單：你不理解的東西，你管不了。
策略 A 開始虧錢的時候，你面臨一個不可能的判斷：這是「正常回撤」還是「策略永久失效」？你不知道。因為你從一開始就不理解它為什麼賺錢。
你可能太早停止——結果它只是正常回撤，停了之後它又開始賺。
你可能太晚停止——結果它已經永久失效，你多虧了好幾個月。
不管哪種情況，你都在做隨機決策。
策略 B 虧錢的時候，你知道原因。「市場進入低波動盤整，我的趨勢策略在這種環境本來就會虧。」你可以冷靜評估：盤整會持續多久？我的風險管理能撐過這段時間嗎？我需不需要暫時降低部位？
每一個決策都有依據。不是猜，不是賭，是判斷。
黑盒策略最危險的地方，不是它現在不賺錢，而是你永遠不知道它什麼時候會突然不賺錢。 而在金融市場，「突然不賺錢」的後果可能是帳戶歸零。
三條底線的共同本質
寫到這裡，你可能注意到這三條底線其實在講同一件事：
承認自己的認知有限。
過擬合零容忍——承認統計工具不是萬能的。
邏輯先於數據——承認資料裡的巧合會騙人。可解釋優先——承認你管不了你不理解的東西。
量化交易最大的陷阱，不是找不到好策略，而是太相信自己找到了好策略。
這三條底線的作用，就是在你的自信和市場的現實之間，放一道緩衝。
那具體的驗證流程長什麼樣？
三條底線告訴你「用什麼心態」去面對策略。但具體到「怎麼做」——怎麼搭建回測框架、怎麼做 Walk-Forward Analysis、怎麼跑 Monte Carlo、怎麼做上線前的最後檢查——這些是方法論層面的東西。
這也是我接下來付費內容要聊的事。
如果這三條底線讓你產生共鳴，那些方法論會幫你把底線變成可執行的流程。
