開發機械化策略時，許多人常犯的錯誤想要踏入程式交易領域的朋友，一定要意識到一點 :
電腦是非常死板的，不要妄想靠一般電腦 (量子電腦除外) 開發出多完美的策略。
交易是面對金融市場，有經驗的一定知道市場的不確定性多麼的高。
機械式策略 (程式) 等於用一個固定的框架在交易不確定的未來，
想一想，合理嗎?
電腦可以讓我們很方便的回頭檢視歷史盤勢，也可以讓我們清楚知道策略是否過去會賺錢。
過去賺錢，當然重要，至少代表策略過去是賺錢的；
但是很多人卻用錯誤的方式來開發 - 用過去的盤勢回測找答案。
這是一個非常嚴重的錯誤，因為過去的盤勢已經確定，等於是看著答案寫考卷，
但真正的考試來臨時，卻不知所措。
因此千萬不要用回測跟最佳化來回推什麼交易方式有效，這麼做會有非常大的弊病，
策略回檔時，你唯一會做的就是重新改參數。
上圖的圖片是我使用已久的機械化策略，一陣子的績效盤整，直到最近才創高。
過程中都沒有做任何更動，因為我深刻知道這個策略在我投資組合中的意義，
也明白策略的本質元素是什麼。
如果你想進入程式交易的領域，這篇文章可以重複多看幾次，會大幅減少你走彎路的時間。
Programming
奧坎剃刀 與 林迪效應 奧坎剃刀 : 越簡單的東西，就越接近真理
林迪效應 : 存在越久遠，壽命越長，它們的預期壽命和它們目前已經存在的時間成正比。
即它每多生存一段時間，它的剩餘預期壽命就會增加一點。
這是我在建構機械化(程式)策略時最側重的重點。
寫模型時，都會看著過去的K棒去做一些假設，而假設越多，越容易有好看的曲線，
但實務上，我們交易的是未來的價格。簡單說，交易的是未來，回測只是過去。
市場是人的行為，人的情緒是無法被預測的，因此使用過多條件去錨定未來的情境，是沒有意義的
也正因如此，許多45度角上翹的策略，才會在一上線時就烙賽。
這也是為什麼我推崇簡單，使用的策略也是簡單為主。
大道至簡，簡單的東西，才是最實用的。
而且容錯率高，不管是台股、海期、台指，適應性都很高。
很多人花時間去追求複雜花俏的方式，要用起來就綁手綁腳，這樣真的是好用嗎？
像上圖的交易策略就是我實單使用的策略之一
程式碼不超過10行 且回測25年 期望值將近40點 也不需要修改參數
是一個非常好的無腦投資賺Beta的策略，適合拿來代替無腦買ETF大盤
