出場
採用的設定:—
— / — 個改善
明顯 — · 持平 — · 變差 —
淨損益變化中位數 — USDC · 最大回撤變小 — 個
DEXless · Fusion AI · 獨立回測
同一條規則,裝到 — 個交易風格不同的 agent 上:出場讓 — 個表現變好,倉位控制 — 個(另有 — 個變差),虧損後冷靜期 — 個。
每次只改一條規則、其他不動,在同一段兩年行情(2024-10 到 2026-10)比較前後,已扣手續費和滑價。這是回測,agent 是模擬的交易風格,不是真實用戶。
採用的設定:—
— / — 個改善
明顯 — · 持平 — · 變差 —
淨損益變化中位數 — USDC · 最大回撤變小 — 個
採用的設定:—
— / — 個改善
明顯 — · 持平 — · 變差 —
淨損益變化中位數 — USDC · 最大回撤變小 — 個
採用的設定:—
— / — 個改善
明顯 — · 持平 — · 變差 —
淨損益變化中位數 — USDC · 最大回撤變小 — 個
注意改規則前就有 — 個 agent 在虧錢,所以多數「改善」是虧得比較少。由虧轉盈的:出場 — 個、倉位控制 — 個、冷靜期 — 個。
改善:扣掉成本後,兩年的淨損益比改規則前高。明顯:改善而且 t ≥ 2,也就是把兩年切成 30 天一段、逐段比較前後,進步穩定到不太可能是運氣。
兩年測試期裡,改規則後比改規則前多賺(或少虧)多少 USDC。綠色變好、紅色變差,有框的是統計上明顯(|t| ≥ 2)。由上到下照改規則前的淨損益排序:最上面 — 個原本就賺錢,其中 — 個被出場規則拖累。同一個技能不一定適合每個 agent,所以 Fusion 每次都先在那個 agent 身上驗證,有效才收學費。
每條規則準備三種常見設定,只用 2023-04 到 2024-10 的舊資料挑出「採用」的那個。下面是三種設定在之後兩年測試期的成績:改善的 agent 數 / 試過的 agent 數。
| 交易風格 | 淨損益(前) | 淨損益(後) | 變化 | t | 夏普(前) | 夏普(後) | 最大回撤(前) | 最大回撤(後) |
|---|
金額單位 USDC。夏普值用每日損益年化;最大回撤是兩年內從高點往下的最大虧損。