策略池有 11 個，演算法怎麼幫你挑？K647 配對機制全公開

平台目前同時追蹤 11 個量化策略：從最簡單的 12/VIX，到複雜的 Adaptive Tier、Taiwan Hybrid Leverage。對讀者來說最常見的問題是：「我該照哪一個做？」

K647 不是直接給答案，而是建一個 配對演算法 ：先把投資人的條件（風險容忍、資金規模、市場 access、操作能力）變成數字，再把每個策略的屬性（Sharpe、MDD、複雜度、交易成本）也變成數字，然後算分排序。

這篇文章把這個演算法的 機制與結果 公開，特別聚焦在我們之前一篇舊文章沒寫到的兩個重點： 真實 live OOS 績效（15 個月）  與  交易成本的隱性殺傷力 。

註：這是 K647 的 升級版內容 。先前已有一篇 testing-style 的 K647 文章，使用更早期的 backtest 數字（Sharpe 2.81 / MDD -2.5%）。本次更新使用 2025-01 至 2026-03 共 15 個月真實 live paper trading 結果，數字略有變動，演算法機制本身不變。

演算法在做什麼？三步驟

 Step 1 — Hard Filter（硬性篩選） ：

•  市場 access ：你只能交易美股 → 自動剔除所有 0050.TW 策略
•  最低資金 ：策略要求 \$20,000 → 你只有 \$10,000 就剔除（沒辦法做槓桿就是沒辦法）

 Step 2 — Score（多目標加權） ：

每個策略的得分 = w1 × Sharpe + w2 × MDD safety + w3 × Simplicity + w4 × Capital fit

權重隨投資人類型變化。例如保守型權重在 MDD 安全（0.5），積極型權重在 Sharpe（0.5）。

 Step 3 — Soft Penalty（軟性扣分） ：

• MDD 超過容忍：每超 10% 扣 0.15
• 複雜度超過偏好：每多 1 級扣 0.10
• 偏好低頻但策略每日再平衡：扣 0.05
•  Net Sharpe 為負（交易成本吃光報酬）：固定扣 0.20 

最後一條，是這次更新最關鍵的揭示。

真實 Live 數據：15 個月 OOS 排序

上圖把 11 個策略放在「Live Sharpe vs MDD」散布圖裡。 右上角=高 Sharpe + 低 MDD = 最理想 。

 驚人的發現 ：橘圈標出的  Piecewise Conservative VT  同時握有  Sharpe 3.975  和  MDD -2.48%  — 兩個維度都是策略池中最佳。

這在量化投資中幾乎不該發生。一般來說 Sharpe 高 → 倉位大 → MDD 也大。Piecewise Conservative 之所以能逃出這個 trade-off，是因為它有一個 極度保守的觸發機制 ：只有市場真的平靜時才滿倉，一旦波動率有任何上升就快速縮倉。代價是牛市中漲幅捕捉率較低。

 重要 caveats ：

• 「Pareto dominant」 只在這 15 個月 live sample 內成立 。15 個月是短樣本（covers 2025 全年 + 2026 Q1），未經歷完整的牛熊循環。
• 紅點代表策略在這段期間  net Sharpe 為負  — 看起來有正報酬（Live Sharpe 0.255 / 0.232），但扣完交易成本就被吃光。

交易成本：被忽視的策略殺手

上圖把每個策略的  gross Sharpe（藍）  和扣完 TX cost 後的  net Sharpe（綠/紅）  並排。柱頂寫了該策略的年化交易成本。

最戲劇性的兩個 case：

兩者看似有正 Sharpe， 扣完每日換倉的交易成本就是淨虧 。對應的演算法處置：固定扣 0.20，這兩個策略幾乎不可能進任何 profile 的 top-3。

反觀  Risk Parity (SPY+GLD)  的年化 TX cost 只有  1.67% （GLD 與 SPY 走勢分散，少需要再平衡），net Sharpe 高達 2.32，是池中扣完成本後第二好的策略。 這是「換手率」決定生死的最直接示範 。

三種投資人 → 三套答案

兩個有趣現象：

 1. Piecewise Conservative 三組都是第一名 

這不是 bug，是這 15 個月的 live sample 真實情況：它 同時主導所有三個篩選維度 。如果你問「我不知道我是哪種投資人，那選什麼？」— 演算法在當前資料下傾向回答 Piecewise Conservative，但 強烈建議 讀者在更長 sample（5 年以上）出現後再驗證。

 2. 成熟型才看得到台股 + 槓桿 

Adaptive Tier 與 Taiwan Hybrid Leverage 都需要 ≥\$15K-20K 與台股 access，hard filter 直接擋掉前兩個 profile。 這是真實制約，不是演算法偏好  — 散戶確實沒辦法做這些策略，承認這點比假裝平等推薦來得誠實。

誠實 Caveats

1.  15 個月 ≠ 完整循環 。Live sample 只覆蓋 2025-01 至 2026-03，主要是震盪偏多頭區間。一次 -30% 級空頭就可能完全改變排序。
2.  「Pareto dominant」是樣本內結論 。Piecewise Conservative 的觸發機制在持續低波動 regime 表現極佳，但若進入長期高波動環境，它的縮倉邏輯也可能讓它錯過反彈。
3.  演算法是輔助，不是處方 。Profile dimensions 只有 4 個（風險容忍、資金、市場、複雜度），真實投資人有更多 nuance（稅務、避險需求、流動性偏好）。
4.  複雜度評分主觀 。1-5 級由研究者標註，不同人對「複雜」的定義不同。
5.  TX cost 假設 。每筆 round-trip 10bps，未考慮個人券商手續費差異。

一句話結論

K647 不是要告訴你「買哪一個」，而是要告訴你： 你的條件決定哪些策略 對你 根本不可選 （hard filter），剩下的策略 交易成本會不會吃光報酬 （net Sharpe penalty），以及在當前 15 個月 live sample 中 哪一個同時兼顧高報酬與低風險 （Pareto dominant: Piecewise Conservative）。

下一步：跨更長 OOS、加入 cross-asset robustness、把 profile dimension 從 3 種擴充到 6-8 種（含稅務、流動性、避險需求）。

本文基於實驗 K647（資料來源：K640 live audit paper_trading.json + strategy_metrics.json，期間：2025-01-02 至 2026-03-27 live OOS + 2022-01 至 2026-03 backtest，共 11 個策略 × 3 種投資人 profile）。

[提出: 用戶, 執行: Claude]

方法學澄清 (2026-05-29 追加，基於 Codex 24h source-code review)

1.  TX cost 數字定義 ：5.99%/4.08%/1.67% 等年化 TX cost 為  K640 簡化估算模型  — 用「rebalance 事件次數 × 平均 turnover (0.3) × round-trip 10bps」近似，非每日 realized turnover × cost-per-trade。實際成交成本可能略低或略高，但不影響高/低換手策略之間的相對排序。

2.  「11 個策略」定義 ：指 K647 配對演算法的  matcher universe （候選池），含 Adaptive Tier。Live-active production registry 目前為 10 策略 (K640 ACTIVE_STRATEGIES)。差別在 Adaptive Tier 仍在 staging 階段觀察，未進正式 live 池但已可被 matcher 評估。

3.  K647 與 K640 的耦合 ：本實驗的策略屬性值來自 K640 audit；如 K640 重算（如改 TX 模型、加新策略），K647 排序會自動更新。