一支量化策略的回測績效是一個點，穩健性是那個點周圍的形狀。多數人只驗證了點，然後拿真錢去賭那個沒看過的形狀。
具體一點說：回測報告告訴你，在這組參數、這段歷史、這套成本假設之下，策略賺了多少。它沒有告訴你，把其中任何一個條件推離原點之後，績效會變成什麼樣子。穩健性測試(robustness testing)做的就是後面這件事：沿著每一個可以動的維度，把條件動一動，看績效衰減的形狀。
衰減平緩，策略抓到的多半是市場結構。衰減陡峭，它抓到的是歷史的巧合。
你大概已經做過其中一兩項，例如樣本外測試或參數掃描，然後覺得驗證做完了。這篇文章想處理的正是這個落差：穩健性是多維的，單一維度的通過證明不了其他維度。下面把它拆成六個可以逐一執行的維度：參數、時間、路徑、regime、成本、基準，每個維度給做法和存活判準，最後講測不過之後怎麼辦，以及四個把策略越測越強的手段。
為什麼通過驗證的策略還是會死：單維度的盲區
阿倫在 2025 年做了一支 ETH 四小時動能策略。開發資料從 2023 年到 2025 年中，Walk-Forward 切了十二個 fold 全數通過，樣本外對樣本內的績效比值 0.71，以一般標準來說相當乾淨。2026 年 2 月上線，四個月虧 14%。
屍檢結果不複雜。十二個 fold 全部抽自同一段單邊行情。用外生的波動與趨勢指標把歷史切成趨勢、盤整兩種 regime 之後重看，策略在盤整 regime 的歷史 Sharpe 是 -0.4，只是開發樣本裡盤整占比不到 15%，被整段平均蓋掉了。2026 年上半年剛好是盤整。
他不是沒驗證，是只驗證了一個維度。Walk-Forward 檢查的是時間軸上的滾動穩定性，但它的每一個 fold 都抽自你手上那份歷史；歷史本身偏食，fold 切得再細也補不回來。同樣地，一般的 Monte Carlo 重排檢查的是路徑，它也不知道成本假設有沒有低估、基準有沒有選錯。這些工具都在「盒內」工作：在你選定的策略、選定的資料裡面驗證。而策略的死法，多數在盒外。
策略還會用哪些方式死，回測過擬合的九種死法整理過完整型錄。本文的六個維度是同一件事的執行版：把驗證的探照燈從單一時間軸，轉到盒外那幾個最常見的死角。
六個維度的穩健性測試怎麼做
先給全景。六個維度各自回答一個問題：
| 維度 | 回答的問題 | 主要工具 |
|---|---|---|
| 參數 | 參數動一格，還賺嗎 | 擾動測試、響應面 |
| 時間 | 換一段歷史，還賺嗎 | 子區間、Walk-Forward |
| 路徑 | 換一種歷史的排列，還賺嗎 | 交易重排、K 棒重排 |
| Regime | 換一種市場環境，還賺嗎 | 外生 regime 條件化 |
| 成本 | 成本假設變嚴，還賺嗎 | 費用壓力測試 |
| 基準 | 贏的是最強笨方法，還是零 | 靜態配置對比 |
六項全部做完，一支中頻策略大約多花一到兩週。相對於實盤學費，這是整個研究流程裡最便宜的保險。
參數維度：高原還是孤峰
參數敏感度的測法很直接：把每個自由參數逐一擾動 ±10%，或前後各兩個檔位，攤開績效對參數的響應面。真實的市場結構是鈍的：突破策略的回看週期從 20 改成 22，抓的還是同一種行為，績效不該劇烈變化。
存活判準是形狀，不是數字。生產參數要落在一片高原的中心，鄰域內 Sharpe 衰減溫和；如果週期 21 大賺、19 和 23 賠錢，你優化到的是雜訊的座標，不是市場的節奏。孤峰上的最佳解，樣本外的期望通常輸給高原上的次佳解。
時間維度：子區間與 Walk-Forward
把回測期切成年度或半年度的子區間，逐段看績效。要抓的是集中度：如果全期獲利的七成來自某一年的三個月，策略的本體就是那三個月，其餘時間只是沒賠而已。
再用 Walk-Forward 做滾動的樣本外測試，訓練段調參、測試段驗證、逐窗前進。樣本外對樣本內的比值掉到五成以下，通常代表參數吃進了大量雜訊。切法與判讀門檻在 Walk-Forward Analysis 的完整拆解裡有，不重複。這裡只提醒一件事：時間維度是最多人做的一維，也最常被誤認為全部。López de Prado 在 Advances in Financial Machine Learning 裡對此講得直接：在同一段歷史上反覆測試，本質上是重複使用同一份證據，時間軸驗證做得再多次，證據總量也不會變多。
路徑維度：把一條歷史變成一萬條
歷史只給了你一條路徑，回測的最大回撤只是這一條路徑的抽樣結果。路徑維度用蒙地卡羅模擬(Monte Carlo)的重排把它變成分布，有兩種做法，回答兩個不同的問題。
交易序列重排回答風險問題。把策略的逐筆損益打亂重排幾千次，得到最大回撤的分布。回測報告上的 MDD 是其中一次抽樣，分布的 95 百分位往往比它深得多，資金配置要對著分布的尾端做，這點後面強化那節會再講。
K 棒重排檢定回答獲利來源問題。把 K 棒順序打亂、保留報酬的邊際分布，序列結構全部消失，再把完整策略（含停損停利）跑上去幾百次。訊號死了、出場機制還活著：如果策略在打亂後的路徑上照樣賺，獲利來自停損停利與波動的互動，不是進場訊號的預測力。這種死法 Walk-Forward 完全抓不到，因為機制 artifact 不依賴時序，往前走照樣獲利。凡是帶停損停利或條件出場的策略，這項必跑。Aronson 在 Evidence-Based Technical Analysis 對重排檢定有系統性的處理，是這一維的標準參考。
存活判準：真實路徑的績效在重排分布裡顯著突出（p 值小於 0.05），且資金配置以重排回撤分布為準。
Regime 維度：切掉最好的那段，再看一次
用外生資料定義市場環境：利率方向、牛熊、波動水平。切法必須來自宏觀或市場結構數據，不可以用策略自身的績效切，否則就是循環論證。切完做兩件事。
第一，條件績效表：逐 regime 算策略的超額報酬與 Sharpe，看 edge 是不是全部集中在單一環境，也就是有沒有 regime 依賴。第二，殺手測試：把 edge 最強的那個 regime 整段切掉，重跑一次完整的開發流程，看剩下的資料還選不選得出相近的配置、還有沒有正的 edge。切掉一段就散架的策略，本體是那段行情，不是你的邏輯。
加密市場在這一維要加倍嚴格。regime 壽命明顯短於股票市場，2021 年調出來的動能參數，2022 年整批陣亡；一支只在流動性擴張期有數據的策略，等於從來沒有被緊縮環境考過試。開發樣本裡缺哪種 regime，就要誠實承認那是策略的未知區域。
成本維度：把成本當參數做壓力測試
多數回測把成本設成一個常數然後忘掉它。正確的做法是把手續費、滑價、資金費率全部當成可擾動的參數：滑價加倍、maker 改 taker、funding 從常數換成歷史最差四分位的實際序列，逐項重跑。
阿凱在 2025 年做過一支永續合約網格，回測年化 34%。滑價假設從 1 個基點調到 3 個基點，年化剩 6%；再把 funding 換成 2024 到 2025 的實際序列重跑，變成 -2%。三十分鐘的成本壓力測試，換掉的是好幾個月的實盤學費。他的策略獲利不是 alpha，是成本假設的誤差。
存活判準：成本假設整體加嚴一級之後，策略仍然為正。獲利對單一基點的變動敏感，代表 edge 集中在極薄的邊緣上，而那個邊緣在實盤會第一個消失。交易越高頻，這一維的權重越高。
基準維度：贏過最強的笨方法
回測賺錢只證明策略贏過「零」，這個門檻毫無意義。正確的對手是最強的笨方法：含息的買進持有、靜態 50/50 配置、等權重組合。逐一比風險調整後的報酬。
這一維最常見的死法是把減風險誤認成 alpha。策略回撤比大盤淺，感覺像本事，但如果那只是因為它結構性半倉現金，任何固定比例配置都做得到，你的訊號沒有貢獻任何東西。判準：Sharpe 要贏過其中最強的靜態配置；只有回撤淺、風險調整後輸掉，等於在賣一個免費就有的東西。
贏了還有下半場：贏的幅度要經得起嘗試次數的折算。試了兩百組挑出來的贏家，本來就會贏過基準，這是選擇效應不是技能，Hansen 的 SPA 檢定處理的就是這個問題；單一策略的版本，用 Deflated Sharpe Ratio 把 trial 數折進顯著性即可。
穩健性測試沒過怎麼辦：回假設層，不是回去修補
某一維測掛了，最自然的反應是加一條規則把它修掉：regime 測不過就加一個 regime 濾網，成本測不過就把交易頻率調低。這個反應正是過度優化的入口。你在看了結果之後，為特定的失敗量身訂做補丁；每一個補丁都是新的自由度，統計上都是一次新的嘗試，嘗試怎麼把假陽性灌大，選擇偏誤與多重測試拆過完整機制。
比較誠實的處理分兩層。失敗能被機制解釋的，回到經濟假設去問：這個 edge 在那種條件下本來就該消失嗎。動能策略在均值回歸環境虧損，是機制的一部分，可以接受，但要把它寫進策略的適用邊界，反映在資金配置上。解釋不通的，策略回爐，從假設重新開始，不是從參數。
分辨「修補」和「正當改良」只有一個辦法：改良以新假設的身分進入下一輪研究週期，照從假設到回測的完整流程重新走一遍，六維全數重測；修補在同一輪裡看著結果直接改。前者留下紀錄，後者留下幻覺。
把策略越測越強的四個手段
測試是診斷，強化是處方。四個手段都在上線之前執行。
參數集成。 不押單一參數點，在穩健高原內取三到五組參數，各配一部分資金同時跑。單一參數組的樣本外風險被攤開，「選哪一組」這個自由度本身也被鈍化。代價是報表難看一點，換到的是對參數運氣的免疫力。
照重排分布配資金，不照回測 MDD。 講一段我自己的。去年定版一支策略，回測最大回撤 14%，交易序列重排一萬次之後，回撤分布的 95 百分位是 26%，我按 26% 再加一層緩衝去配資金。實盤十個月，最深回撤走到 19%。如果當初按 14% 配置，那次回撤大概率會逼我在最差的位置關系統；因為事前知道 19% 在分布之內，系統照跑，後來整段回來了。回測給你一條歷史，重排給你一萬條，資金要配在一萬條的尾端，不是那一條的運氣上。
事前寫死失效條件。 穩健性測試不是上線前做完就丟的儀式，測試產出的分布要變成日常風險控管的監控門檻：回撤觸及重排分布的 95 百分位、滾動 Sharpe 跌破事前寫定的下界、實際滑價持續高於假設的兩倍，任何一條觸發就降槓桿或下線。規則必須寫在虧損發生之前，因為虧損發生之後你寫的不是規則，是情緒。
降自由度。 最便宜的強化。同樣的樣本，要養的規則越少，每一維測試的統計可信度越高。多數策略的強化方向是減法：刪掉講不出經濟理由的濾網，比加任何新東西都有效。
這四個手段在 Lab 社群裡有完整的實例走查，我們會拿一支真實策略把六維測試和失效條件從頭跑一遍，想把手上的策略丟進來檢驗的，那裡是合適的地方。
這套測試擋不住什麼
界線要說清楚，六維全過不是保證。
它擋不住 alpha decay。真實的訊號也會被市場套利掉，穩健性測試回答的是「過去這段績效是不是巧合」，不回答「這個 edge 未來還在不在」。
它擋不住沒見過的 regime。regime 維度測的是歷史上出現過的環境，歷史沒給過的考題，任何回測工具都測不到。這是用小部位上線、保留失效條件的根本理由。
它擋不住壞資料。存活者偏誤、時間戳錯位、被污染的價格源，在壞資料上做六維測試，得到的是六個維度都很穩健的錯誤結論。資料品質要在更上游解決，量化交易數據層的建法講過那一層的做法。
通過測試的策略拿到的不是護身符，是資格：投入小額真錢、掛上監控、進入下一輪檢驗的資格。
結論：穩健性是形狀，不是分數
把這篇收攏成五句話：
- 回測績效是一個點，穩健性是點周圍的形狀；穩健性測試就是沿著每個維度把條件推離原點，看衰減的樣子。
- Walk-Forward 和路徑重排是盒內工具，regime、成本、基準的死法在盒外，單一維度的通過證明不了其他維度。
- 六個維度各回答一個問題：參數動一格、換一段歷史、換一種排列、換一種環境、成本變嚴、對手變強，還賺嗎。
- 測不過的正確反應是回到假設層重來；看著結果打補丁，是把過度優化重新請回流程裡。
- 強化靠四件事：參數集成、照重排分布配資金、事前寫死失效條件、降自由度。
穩健的策略幾乎都有同一個特徵：回測數字不是最漂亮的那一支。漂亮是單點優化的產物，穩健是鄰域的性質，兩者多數時候互斥。選鄰域，不選單點。
這類驗證框架與實際市場數據的交叉檢驗，我每週會整理進電子報，包括流動性、衍生品結構與鏈上籌碼的例行審視。想讓自己的研究流程多一層濾網的，可以訂閱追蹤。
Meta Elements
Meta Title: 量化策略穩健性測試指南：六個維度的驗證方法與存活判準
Meta Description: 穩健性測試是判斷量化策略獲利來自市場結構還是歷史巧合的方法。本文拆解參數、時間、路徑、regime、成本、基準六個維度的做法與存活判準，以及測不過之後的處理。
Primary Keyword: 穩健性測試
Secondary Keywords: 量化策略, 蒙地卡羅模擬, 參數敏感度, Regime 依賴, 成本壓力測試, 樣本外測試, 量化回測
URL Slug: /blog/strategy-robustness-testing
Internal Links: /blog/backtest-overfitting, /blog/walk-forward-analysis, /blog/deflated-sharpe-ratio, /blog/selection-bias-multiple-testing, /blog/quant-trading-data-layer, /blog/quant-trading-system, /#lab-benefits, adtrader.beehiiv.com
External Links: Wiley (López de Prado, Advances in Financial Machine Learning), Wiley (Aronson, Evidence-Based Technical Analysis), Taylor & Francis (Hansen, A Test for Superior Predictive Ability)
Word Count: 約 3,800 字（中文字元）
