分類 量化策略與技術分析

420 筆交易配 10 個自由度，帳面比值 42 看起來安全，兩次折算後超支率變成 1.6。本文給預算上限算法、自由度定價表、超支後的四種買法，與上線前的六格表。

Meta Title：代幣化美股ETF比較：結算速度…

過度優化最隱形的部分藏在沒被記帳的自由度。本文拆解四條通道：研究者自由度、隱性多重測試、資料集老化、敘事合理化，以及它們怎麼讓 DSR 修正跟著失真。

回測漂亮不代表能上線。本文把五個過度優化警訊變成可以自己算的數字：鄰域衰減比、WFE 分佈、自由度超支率、邊際貢獻曲線、損益兩平成本倍數，各附門檻與誤判邊界。

同樣是 Sharpe 1.5，在山寨幣上跑出來的可信度低一個量級。本文用有效樣本、試驗預算、相關性折算三張表，算出加密市場把選擇偏誤與多重測試放大了多少。

同一支 Sharpe 1.8 的策略，校正後可能剩 1.2，也可能剩 0。本文拆解七件回測校正工具的分工、串接順序，以及它們共用卻幾乎沒人算對的那個輸入：有效試驗次數。

你只跑了三十次回測，有效試驗次數卻可能是一百萬。本文拆解選擇偏誤潛入量化回測的六個入口，每個入口給機制、自我偵測方法與試驗次數的計數規則。

Walk-Forward 過關的策略還是會賠錢，多半死在市場結構性風險上。本文拆解五種驗證流程測不出來的斷裂：regime 轉換、規則變更、流動性折舊、策略擁擠與尾部相關性。

掃 2,000 組參數，挑出樣本內 Sharpe 2.1 的冠軍。這組參數在樣本外落到全體候選中位數以下的機率是多少？答不出這個數字，回測報告的證據力就停在「曲線看起來很棒」的層次。這個數字有正式名稱：PBO（Probability of Backtest Overfitting，回測過擬合機率），出自 Ba…

未平倉的三個層次：量、結構、失效條件 期…

掃 200 組參數，最好那組的 p 值是 0.008。這個數字能信嗎？先算一筆帳：就算 200 組彼此獨立、底層全部是雜訊，「至少出現一個 p ≤ 0.008」的機率大約是八成。你手上這個看起來很顯著的數字，是雜訊的正常產出，不是訊號的證據。

比特幣 ETF 資金流為什麼會失真——三層機制…