84 個實驗後，最有用的結論是哪些路該停

投資研究最容易讓人上癮的地方，是下一個點子永遠看起來很合理。

多加一個指標，也許能抓到風險。換一個資產，也許能分散回撤。把幾個訊號合在一起，也許會比單一規則更穩。這些想法聽起來都不荒唐，所以才值得測。

本次盤點把同一輪 84 個實驗放在一起看，結果很不浪漫：多數新點子沒有帶來可用改善。25 個策略搜尋裡，沒有任何一個在風險調整後、且具備統計支撐的口徑下，勝過簡單的 50/50 SPY/GLD。6 個一開始看起來很強的統計結果，經過後續驗證，只剩 2 個被保留為較穩的線索。整輪研究的無效或不值得採用結果比例是 44%。

這篇文章想回答一個很實際的問題：如果你不是研究員，只是想把自己的投資流程弄得更穩，84 個實驗到底留下什麼可以用？

答案很短：別急著找下一個神奇指標。先建立一張「停損清單」，把已經被測壞的路線劃掉。

圖表

圖 1：研究力氣主要花在哪裡

84 個實驗裡，最多的是策略搜尋 25 個，其次是投資指南 24 個、波動預測 22 個。這代表研究團隊沒有只在單一模型裡打轉；實驗同時碰到散戶配置、交易策略、跨市場風險與方法檢查。

但分布圖也提醒一件事：研究題目多，不等於投資結論多。策略搜尋佔最大塊，最後可採用的策略卻最少。對一般投資人來說，這比任何單一漂亮回測都重要。

圖 2：漂亮結果先過濾，再談能不能用

左圖顯示 6 個初步強結果，後來只有 2 個留下。右圖更直接：測過 25 個策略，0 個能穩定勝過 50/50。這不是說 50/50 永遠最好，也不是說所有主動策略都沒價值；更精確的說法是，在這一輪資料與檢驗條件下，新策略沒有給出足夠證據，讓我們應該放棄簡單基準。

這種結果對研究團隊有點殘酷，對投資人反而有用。大部分投資錯誤的來源，往往是太快相信一個訊號，還沒先問它能不能經得起驗證。

第一個結論：策略越複雜，越需要先問成本

本輪最重的一塊是策略搜尋。題目包含動能、類別輪動、配對交易、風險開關、價值擇時、波動風險溢酬等。這些名字各自都有故事，也各自能找到一段看起來順眼的市場片段。

可是一旦放進同一套比較框架，很多策略卡在同一個地方：看起來有訊號，轉成實際部位後就沒有足夠好處；看起來能降低某段回撤，拉長樣本後又輸在成本、錯過反彈、或只是在複製原本的市場曝險。

對讀者最有用的是三個檢查順序：

1. 先問有沒有勝過簡單基準。
2. 再問扣掉交易成本後是否仍成立。
3. 最後問換一段時間、換一個市場，結論是否還大致同方向。

三關沒有過，策略就只是一個研究點子，還不是投資規則。

第二個結論：無效結果本身就是資產

44% 的無效或不值得採用結果，乍看像效率很差。從投資角度看，這反而是最值錢的部分。

因為每一個被記錄下來的失敗，都少掉一次未來重複犯錯的機會。Google Trends 類訊號、部分跨資產擴充、過度混合的多訊號策略、若干擇時規則，在某些切片中會顯得很有吸引力；完整測完後，才知道它們容易過度配合歷史資料。

研究平台如果只發表成功結果，讀者會看到一排看似互相矛盾的好消息：這個策略有效，那個指標也有效，另一個模型也有效。實際上，把所有結果攤開後，很多好消息不能同時成立。無效結果的功能，就是把這些互相打架的訊號淘汰掉。

投資人可以把它翻成自己的流程：每次想加入新規則前，先寫下「什麼情況算失敗」。沒有失敗條件的策略，通常也沒有真正的風險控制。

第三個結論：自我修正比一次答對更重要

本輪盤點記錄了 3 次自我修正。最值得注意的是修正發生的位置：它們都出現在看起來有機會成為大結論的地方。

一個訊號初步看起來很好，後來發現估計方式用了過多全樣本資訊；一個策略在某段樣本上很亮眼，拉到更完整期間後強度下降；一個退休配置結論被後續更完整的模擬推翻。這些都會改變讀者行動，不能當成小錯字處理。

對投資人來說，這裡的教訓很直接：策略要能被更新。你今天相信的配置，如果未來資料推翻它，投資流程要允許降級、暫停、或重算。把舊結論寫進神主牌，是研究與投資最危險的共同壞習慣。

最後留下的實務清單

84 個實驗沒有給出一個萬用公式。比較可用的是一張簡單清單：

第一，基準要簡單。沒有證據之前，50/50 SPY/GLD 這類簡單配置仍是很硬的對手。新策略必須先證明自己值得增加複雜度。

第二，保險要分層。基本分散配置、波動降曝險、現金或短債緩衝，各自處理不同風險。不要期待單一訊號同時解決報酬、回撤、稅務與心理壓力。

第三，訊號要能落地。統計上看起來有關係，不代表能變成更好的投資組合。若交易規則一放進去就降低報酬或放大回撤，訊號再漂亮也只能留在研究筆記裡。

第四，研究要留下屍體。失敗題目、推翻紀錄、過期結論，都應該被保留。它們會讓未來的研究少走回頭路。

資料來源與限制

本文依據一份描述性研究盤點撰寫，資料來源為 storage/memory/knowledge.json 中同一輪 84 個實驗條目，結果檔為 experiments/k267/k267_session_summary_results.json，腳本為 experiments/k267/k267_session_summary.py。

限制也很清楚：本盤點是人工分類與計數，沒有宣稱新模型能預測市場；分類表有少數交叉標籤，本文只引用 session-level 可核對數字；所有結論都是 portfolio-level 的研究整理，不是個別交易建議，也不是投資建議。

懶人包圖組