先分清三件被混在一起的事
| 名稱 | 實際在做什麼 | 常見謊話 |
|---|---|---|
| 量化研究 | 量成本、過關率、出金路徑、規則如何改寫結果 | 「量化=聰明=會賺」 |
| 程式交易 | 把已凍結的規則交給電腦執行,減少手滑與情緒單 | 「有程式就有優勢」 |
| 自動賺錢承諾 | 沒有可重跑的失敗路徑,只有曲線與話術 | 「接上就出金」「不許出錯」 |
一個人可以手工下單,卻把考試費、重考、每日虧損上限(Daily Loss Limit,即單日虧損碰到就暫停或出局的限制)算到小數點。這是量化。另一個人把未經驗證的指標接進自動下單,這是程式交易,不是研究。第三人賣「量化機器人保證獲利」,這既不是量化,也不是可靠的程式交易。
社群為什麼要把量化賣成印鈔機
| 銷售需要的句子 | 聽眾以為買到什麼 | 實際交貨 |
|---|---|---|
| 量化策略 | 經過嚴格驗證的優勢 | 一段未扣齊成本的漂亮曲線 |
| 全自動/EA(Expert Advisor,即自動交易程式) | 電腦替你賺錢 | 你仍要付考試費、扛爆倉、面對出金規則 |
| 回測勝率很高 | 照做就會重複那個勝率 | 沒有滑價、假期、每日虧損上限與一致性規則(即單日盈利不能佔總盈利過高比例) |
| 導師已量化過 | 你可以跳過驗證 | Trust Me Bro。感覺不是證據 |
這不是反對程式,也不是反對用電腦。本站反對的是範疇錯誤:把「有算過」說成「會自動賺」,再把「會自動賺」賣成課程或信號。
相關前作:量化不是一句提示包賺拆的是「喂語言模型,給我做一個保證賺錢的平台」;導師憑感覺選帳號拆的是「這間好、那條規則很坑」。本文拆的是第三層:量化這個詞本身被偷換成印鈔機。
找最好,不如先避開最壞
查理·芒格(Charlie Munger)的方法是反過來想:“Invert, always invert.”(永遠先反過來想。)不要先問「怎樣賺最多」,先問「怎樣死得最快」,再把那些死法劃掉。
納西姆·塔勒布(Nassim Nicholas Taleb)用過一條更直白的河:“Never cross a river if it is four feet deep on average.”(不要因為平均水深四英尺,就去過河。)平均過關率、平均出金截圖、平均勝率,都是河的平均深度。你要知道的是最深的那個坑:每日虧損上限、一致性、出金次數上限、強制轉真實資金帳戶時的轉移上限。
「最好」在銷售裡永遠存在。「最壞」可以用規則與回測指認。
| 找最好(銷售常用) | 避開最壞(研究該做) |
|---|---|
| 哪間最賺、哪個策略勝率最高 | 哪條規則會把你的手法整條否決 |
| 排行榜、導師截圖、單一曲線 | 同一行情、同一風險,換規則後結果掉多少 |
| 承諾「照做就跟上」 | 標明:過關不是優勢;出金不是優勢 |
| 隱藏重考、滑價、假期、一致性 | 把這些成本一層層加上去,看結論還剩什麼 |
愛德華·索普(Edward Thorp)研究的是二十一點與權證定價的規則漏洞,不是向人證明自己比莊家更懂市場情緒。Prop firm 規則研究走同一條路:找系統怎麼罰你,不是找你比誰強。
本站量化實際在量什麼
| 已量過的東西 | 公開結論(已刊) | 它否決了什麼幻想 |
|---|---|---|
| 零優勢擲銀過關 | 約 25%–31% 仍可能通過 50K 考試 | 「過關=有交易優勢」 |
| 考試期望成本 | E[成本]=考試費+(1/過關率 − 1)× 重考費 | 「便宜首考=便宜整段路」 |
| 考試走到出金 | 無過濾優勢時,聯合出金可掉到約一成或以下 | 「過了關下一步自然出金」 |
| 每日虧損上限與一致性 | 同一 50K、同一策略,聯合出金可差十多個百分點 | 「導師一句這帳號好就夠」 |
正本與續集:量化一個考試帳號、考試到出金生命週期。回測用的是已購買的 FirstRate 一分鐘數據,並做過品質檢查;它不是芝商所官方存檔,也不是「全體投行都用」的證明。
量化能告訴你的,與不能告訴你的
| 能告訴你 | 不能告訴你 |
|---|---|
| 這套手法碰到每日虧損上限會不會很快出局 | 下週黃金或指數會怎麼走 |
| 重考費如何把「看起來便宜」的首考變成高期望成本 | 接上自動下單之後你會穩定出金 |
| 一致性規則會不會把你的單日大賺變成違規 | 哪個導師的感覺比較準 |
| 強制轉真實資金帳戶時,轉移上限會不會截斷你的複利幻想 | 你比市場更聰明 |
程式交易只改變執行。它不把壞規則變成好規則。把一個會撞每日虧損上限的手法自動化,只會讓你更快、更沒有情緒地重複同一個最壞情況。
買課、買自動下單盒之前的五條檢查
- 對方能不能分開三件事:研究、執行、獲利承諾。混在一句話裡,先當銷售。
- 有沒有失敗路徑。只有勝率與曲線、沒有爆倉日與成本層,不當研究。
- 數字能不能回到官方規則或可重跑的回測編號。不能回到來源的數字,標作廢。
- 有沒有把每日虧損上限、一致性、出金次數、轉真實資金帳戶上限算進去。沒有,就還停在「市場邊」,沒走進「規則邊」。
- 對方若要求你先相信人、再看數,這是 Trust Me Bro,不是量化。
你究竟要研究,還是要一個自動發財的身份
身份很好賣,研究不好賣。社群裡的誤導與詐騙,靠的就是你分不清這兩種需求。人生沒有幾次翻身;把翻身機會押在「自動賺錢的量化」上,是把研究這個詞用完。
2026-08-16 更新:考試之後的成交層與聯合出金,改以系列總目為準:同一批成交/規則實驗室。本文數字不刪,衝突時以總目標明的現行檔為準。





4 則留言
[…] 延伸:量化不是自動印鈔機。 […]
[…] 扣成本之後,四組訊號的勝率全部落在 45.22% 至 46.74% 之間,均值落在 −2.317 至 −2.612 點之間;1.75 點的成本剛好把原本貼近零的訊號壓成穩定虧損。把訊號減去擲銀,Gao 剩 +0.193 點,Baltussen 當日剩 +0.143 點,相對前收是 −0.101 點。我把這種量級當作噪音,它連成本的零頭都付不起。把論文規則接上自動下單程式,改變的只有執行速度,〈量化不等於自動化賺錢〉處理過同一個問題。 […]
[…] 舊文仍有用。考試期望成本、量化不是自動印鈔機、過關證書不是證明 繼續有效。新數與舊數衝突時,以本頁標明的 2026-08-16 凍結檔為準。 […]
[…] 擲銀本身沒有方向優勢,這篇也不是教人用擲銀賺錢。我用它做最乾淨的零優勢樣本,目的是看清自營公司的規則如何改寫結果。這也是我做量化的原因:用數字量度成本、過關與出金條件,目的是看清規則,不是印鈔,更不等於自動交易機器人,定義詳見〈量化不是自動交易〉。 […]