「強趨勢時放大倉位。」
每一本 CTA 書都這樣教。邏輯無懈可擊：趨勢越強，後續延續的機率越高，你應該押更重。把更多資金配置在勝率最高的交易上，這不就是 Kelly Criterion 的精神嗎？我花了大量時間設計、驗證這個框架。趨勢分數高的交易放大到 1.25 倍甚至 1.5 倍倉位，趨勢分數低的維持原量或縮量。回測跑出來的曲線確實更漂亮。
然後我仔細一看資料，REJECT。
理論上完美，實際上是幻覺
我把所有交易按趨勢分數分成四組（Q1 到 Q4，Q4 是最強趨勢），然後看分佈。
結果讓我傻眼：我的 breakout 策略有超過八成的交易落在 Q3 和 Q4。
想想看，這其實很合理。Breakout 策略是什麼？就是在價格突破某個區間的時候進場。什麼時候價格會突破？動量強的時候。動量強的時候趨勢分數自然就高。
我的策略進場條件本身就隱含了「趨勢分數高」這個前提。所以當我用趨勢分數來做 convex sizing——「強趨勢放大、弱趨勢縮量」——實際上就是「幾乎所有交易都放大」。
這跟直接加 lot size 有什麼差別？沒有。
這就是選擇偏差
選擇偏差（selection bias）在這裡的表現特別隱蔽。
我不是在隨機的交易樣本上測試 filter。我測試的是已經被策略選過的交易。這些交易之所以存在，就是因為它們已經通過了策略的進場條件。而策略的進場條件和 filter 的判斷條件高度重疊。
打個比方：你在一群籃球選手裡篩選「身高超過 180 公分」的人。結果你發現 90% 的人都符合條件。不是你的篩選標準定得太寬，是你的樣本本身就偏向高個子——因為矮的人根本不會來打籃球。
同樣的道理，在 breakout 策略產生的交易裡篩選「強趨勢」，就像在籃球選手裡篩選「高個子」。你的 filter 根本不是在篩選，它只是在確認一個已知的事實。
怎麼發現你也有這個問題
在你部署任何 position sizing 策略之前，先做一個最基本的檢查：你的 filter 觸發率是多少？
方法很簡單：如果你的 filter 設計是「符合條件就放大」，那就數一下有多少比例的交易符合條件。
如果觸發率超過 80%——你的 filter 不是在篩選，是在對幾乎所有交易做同一件事。這跟不用 filter 直接調整基礎倉位效果一樣。
如果觸發率低於 5%——你的 filter 太嚴格了。它確實在篩選，但篩出來的樣本太少，統計意義不足。
最理想的觸發率在 20% 到 60% 之間。這代表你的 filter 能把交易有意義地分成兩群，而且兩群都有足夠的樣本讓你驗證效果。
這不代表 Convex Sizing 是錯的
讓我說清楚：convex position sizing 的理論是對的。在強趨勢時放大倉位，長期來看確實能提升風險調整後的報酬。CTA 書裡教的東西沒有錯。
但不是所有策略都適合。
如果你的策略是純粹的 momentum 策略，它的進場條件本身就在選擇高趨勢的交易，那趨勢分數做 convex sizing 幾乎沒有增量價值。
如果你的策略比較均衡——有些交易進在趨勢強的時候，有些進在趨勢弱的時候——那 convex sizing 就有可能真正起作用。
關鍵永遠是：你的 filter 和你的策略進場條件之間，有多少重疊？重疊越多，filter 的增量價值越低。
後來我做了什麼
既然 convex sizing 不適合，我就轉向了另一個方向——風控面的 position sizing。
不是「好的時候放大」，而是「差的時候縮量」。
這聽起來類似，但邏輯完全相反。Convex sizing 試圖在進攻端加分，defensive sizing 試圖在防守端減損。而在我的系統裡，防守端的空間其實更大——因為我的系統本身已經是進攻型的（breakout 策略天然就是在追動量），它缺的不是更多進攻，而是更好的防守。
有時候問題不在於你的想法對不對，而在於它適不適合你的系統。同一個工具在不同人手裡效果天差地別。
在部署任何 position sizing 策略之前，先做觸發率檢查。五分鐘的功夫，可能幫你省下幾個月的開發時間。
