在加密货币交易世界，许多人常信奉特定「交易指标」。然而多篇论文指出，多数号称回测稳定获利的交易策略，往往不是被市场证明有效，而是被选出来的幸存者。就像做了一百次去年的学测考题，考到满分，不代表你在今年学测会一样优秀，这就是交易策略的「过度拟合」陷阱。更现实的问题是，如果一套策略的表现真的如此出色，为何不自行加杠杆，而是选择对外贩售或公开分享？
毕竟，真正有效的策略往往受限于胃纳量，资金一多，优势便会被自身交易行为与市场反应吞噬。
交易指标开发者往往只拿最好的部分来募资
一篇刊登在美国数学学会的论文指出其中的回测偏误，研究发现，在传统回测框架下，确实能找到部分技术策略在历史资料中创造显著正报酬，这也是技术分析长年受到市场青睐的主因。然而，作者进一步指出，这类结果往往忽略了一个关键问题：资料探勘偏误（data-snooping bias）。
当研究者同时测试数百甚至上千条交易规则时，统计上必然会出现少数表现优异的策略，即便市场本身完全随机。若仅根据这些事后胜出者来判断技术分析是否有效，等同于将运气误认为能力。
校正偏误后，技术策略优势大幅缩水
为解决上述问题，研究采用更严格的统计检定方法，将多重测试所造成的偏误纳入调整。结果显示，一旦进行校正，原本看似具备显著超额报酬的技术策略，几乎全部失去统计显著性。换言之，技术交易规则在样本外环境中，难以重现其历史绩效，显示这些策略并未真正捕捉到可持续利用的市场结构。
纳入交易成本后，实际报酬更加悲观
研究亦进一步考量交易成本因素。由于技术交易策略通常伴随高周转率，当手续费、滑价与市场冲击成本被纳入后，即使是少数仍保有微弱正报酬的策略，也往往转为负值。作者指出，这一结果对实务交易具有高度现实意义，因为多数公开回测结果，往往低估了实际交易环境的摩擦成本。
研究结论并未完全否定技术分析的存在意义，而是指出其角色更适合作为风险管理、趋势辨识或行为辅助工具，而非单独依赖的获利来源。在高度竞争与资讯快速反映的现代市场中，单纯依靠历史价格与成交量讯号，已难以形成可持续的交易优势。
交易指标的回测错误：拿历届试题说学测考很好
名为《回测过度拟合的机率》（The Probability of Backtest Overfitting）的论文，则指出你所看到的完美回测绩效，有极大机率只是数据过度拟合（Overfitting）下的产物。在量化金融领域，回测是评估策略风险与回报的标准工具 。然而，随著计算能力的提升，研究人员现在可以轻易地在同一组历史数据上测试数十亿种策略组合 。
论文作者指出，这就像：「如果你拷问数据够久，它总会招供。」当研究人员不断调整参数（如移动平均线的长度、进场门槛等）直到绩效看起来完美时，他们往往只是在拟合过去的市场杂讯，而非捕捉未来的讯号 。就像你做了学测历届试题很多次，直到你看到去年学测题目都能拿 100 分，不代表今年学测你就会表现得一样好，因为那是不一样的东西。
为了解决这个问题，研究团队提出了一个关键指标：回测过度拟合机率（Probability of Backtest Overfitting, PBO)。PBO 计算的是「在历史回测中表现最好的策略，在未来表现却低于平均水准」的机率，如果 PBO 很高，代表该策略是刻意选出「最佳参数」；如果 PBO 很低，则代表策略具有稳健性。
论文以一个夏普值高达 1.27，在一般投资人眼中极具吸引力的策略做实验，然而，经过检验后发现：该策略的 PBO 高达 55% 。尽管样本内的所有回测绩效都是正报酬，但在样本外测试中，有 53% 的情况是亏损的。这证明了即使是高夏普值的策略，也可能完全是过度拟合的产物。
印度股市实证研究：RSI、MACD 难以稳定击败市场
讲完回测、统计上的问题，来看看实际研究。一项针对印度股市长达 18 年的实证研究显示，广受投资人使用的技术分析工具，整体而言难以协助交易者稳定创造超额报酬，即便在部分熊市期间出现短暂优势，其风险调整后的表现仍不足以证明技术分析具备长期获利能力。
该研究由印度 Sri Dharmasthala Manjunatheshwara College 商学院学者 S. Muruganandan 发表于《Colombo Business Journal》，以印度孟买证券交易所（BSE）Sensex 指数为研究对象，搜集 2000 年 2 月至 2018 年 5 月的历史资料，横跨多轮牛市、熊市与盘整期，检验两项最常见的技术指标：相对强弱指数（RSI）与移动平均收敛背离指标（MACD）的实际获利能力。
RSI 表现全面失色，无法在任何市场周期创造稳定优势
研究结果显示，RSI 交易策略在整体样本期间内，无论是买进或卖出讯号，平均报酬皆未显著优于「不采取任何策略」的无条件平均报酬，甚至在尚未扣除交易成本前就已呈现低效表现。
进一步拆分市场周期后，RSI 在多数牛市期间频繁发出卖出讯号，却无法有效掌握趋势延续；在熊市或盘整期，虽然买进讯号增加，但往往过早进场，导致报酬表现依旧不佳。研究指出，RSI 的结构特性使其在单边趋势市场中容易逆势操作，反而成为绩效拖累。从风险调整后的角度来看，RSI 策略的夏普值多数时间为负值，显示其承担的风险并未换得相对应的报酬。
MACD 仅在熊市卖出讯号短暂胜出
相较之下，MACD 的表现略胜一筹，但仍难称稳定可靠。研究发现，MACD 的买进讯号在所有市场周期中，平均报酬皆未显著优于市场本身；然而，卖出讯号在多数熊市期间，确实出现统计上显著的正报酬，且表现优于无条件平均报酬。
这代表在市场下跌阶段，MACD 较能协助交易者避开部分跌幅，或透过放空策略获利。不过，当研究进一步纳入风险衡量后发现，即便卖出讯号在熊市中获利，其夏普值仍偏低，显示报酬不足以补偿策略本身的波动风险。换言之，MACD 在特定情境下有用，但距离成为可长期依赖的获利工具，仍有明显落差。
研究总结指出，印度股市在弱式效率（Weak-form Efficiency）假说下，已能有效反映历史价格资讯，使得单纯依赖技术指标难以长期取得异常报酬。即便在资讯相对不完全的新兴市场，技术分析的优势也随时间逐渐被市场消化。作者特别强调，若进一步纳入实际交易中的手续费、滑价与资金成本，技术分析策略的实际绩效恐将更加恶化。
这篇文章 如果策略真的好，为何不自己赚？三篇论文揭开卖指标背后的残酷真相 最早出现于 链新闻 ABMedia。
