研究方法
設計透明，預設嚴謹
Trading.hk 上的每份報告都遵循相同的透明、可重複的方法論。我們公開我們的流程，讓您可以自行評估我們研究的質量。
公開透明
每項假設、每個參數、每段測試期間，都會在報告中完整披露，沒有任何黑箱。
可重現
相同的輸入必定得出相同的結果。我們的回測引擎具確定性，並受版本控制。
嚴謹
每一次回測都必須套用四項偏差控制，沒有例外，也沒有捷徑。
方法論章節
選擇章節，深入了解各個組成部分的完整細節。
第 1 章
數據來源與覆蓋範圍
說明我們的數據來源、驗證方式、涵蓋的交易所與資產類別，以及如何處理公司行動。
OHLCV 數據
交易所數據源
品質檢查
復權調整
第 2 章
回測引擎
事件驅動架構、交易執行模擬、貼近現實的交易成本、倉位大小模型，以及跨多個標的的投資組合層面模擬。
事件驅動
執行模型
滑價
倉位大小
第 3 章
偏差控制與驗證
說明令大多數散戶回測失效的六大偏差來源，以及我們如何逐一消除，並涵蓋步進式測試與樣本外驗證。
前視偏差
存活者偏差
過度擬合
步進式測試
第 4 章
績效指標
本站報告所用全部指標的完整詞彙表，包括公式、解讀指引、參考門檻，以及各項指標對評估策略的意義。
夏普比率
回撤
CAGR
盈利因子
重點一覽
| 項目 | 我們的做法 | 意義所在 |
|---|---|---|
| 歷史數據 | 最少 5 年，最長可達 20 年以上 | 涵蓋多種市場環境 |
| 引擎類型 | 事件驅動，逐根 K 線處理 | 從根本上消除前視偏差 |
| 交易成本 | 來回 0.1%（香港）、0.05%（美國） | 採用貼近現實且偏保守的假設 |
| 成交假設 | 訊號 K 線之後的下一根 K 線開盤價 | 不採用理想化的同一根 K 線成交 |
| 股票池 | 包含已除牌股票 | 避免存活者偏差 |
| 驗證方式 | 樣本內加樣本外保留測試 | 確保結果並非過度擬合歷史數據 |
| 報告指標 | 每份報告包含 12 項以上標準化指標 | 評估方式一致，結果可互相比較 |
| 參數優化 | 採用步進式優化，而非單一最佳擬合 | 模擬真實的適應性調整過程 |
重要聲明
Trading.hk 上發布的所有研究僅供教育及資訊參考用途，不構成投資建議、推薦或買賣證券的要約。我們的報告不是個人化投資建議 — 同一報告對所有訂閱者開放。過往表現及回測結果不保證未來回報。