前陣子在看 Mike Bellafiore 的《The Playbook》，翻到一段話：「頂尖交易員不靠直覺，靠的是他們建立了一本屬於自己的 Playbook——每一個 setup，進場條件、背景、出場邏輯，全部寫清楚。直覺是壞的 Playbook 的別名。」
我停在那頁很久。
不是覺得很厲害，是因為我忽然發現——J 幫我設計的那套 72 格 Regime Grid 交易系統，本質上就是在做這件事。只是我們是用程式碼把它寫進去的，不是手寫在筆記本裡。
Bellafiore 說的「Playbook」到底是什麼
Bellafiore 在書裡強調一件事：專業交易員的優勢，來自他們對自己的 setup 有多了解，而不是他們對市場有多了解。
意思是說，你不需要能預測所有走勢。你只需要在自己的 setup 出現的時候，知道怎麼做。其他時候，你可以不碰。
聽起來很簡單，但執行層面的難度在於——人的大腦天生會去找機會，會在不該進場的時候說服自己「這次感覺好像差不多」。Playbook 的作用，是幫交易員把自己的判斷框架外部化、變成一個可以被核查的清單，而不是每次靠感覺決定。
他書裡有一個細節，是 SMB 的新進交易員每天複盤的方式：不是看自己賺了多少，是對照這筆交易有沒有符合自己的 Playbook。符合但虧損？繼續執行，沒問題。不符合但賺錢？一樣要被退回去重想。
這套邏輯，我覺得很清醒。
我們的 AI Playbook 長什麼樣
J 設計這套系統的時候，我其實沒有想到 Playbook 這個框架。我當時的需求很直接：加密貨幣市場在不同行情下，根本不能用同一套邏輯進場。漲勢強的時候動能策略有效，盤整的時候均值回歸比較對，高波動的時候風控標準要完全不同。
如果只用一套策略硬跑，必然會在某些行情裡爆虧，然後我就會懷疑是不是策略本身有問題，結果其實只是市場環境換了。
J 的解法是把市場狀態分類。用幾個維度描述當下的行情：趨勢方向、波動率、量能狀態、短期動能——不同組合對應不同的格子，總共 72 格。每一格有自己的進出場邏輯和風控參數。
這就是 Regime Grid，72 種不同的「市場情境」，每一種情境下跑自己的 Playbook。
不是一個策略學會應對所有行情，是 72 套策略各自守住自己的地盤。
Setup 篩選：不是每一格都值得跑
Bellafiore 強調的第一件事是「選擇性」——你要知道你的 setup 在哪些條件下成立，然後只在那些條件下出手。
我們的版本是：每個格子都有勝率門檻。回測跑下來，某些市場條件組合就是不穩定，或者樣本數太少，那一格就是空的，不部署策略。J 設定的標準是回測勝率要到一個基準線，才會被放進候選名單。
這跟 Bellafiore 說的邏輯完全一樣：不是因為沒機會，是因為這不是我的 setup。不符合的行情，系統不動。
以前我很容易因為「今天沒有入場」就覺得錯過了什麼。現在反過來，系統沒有觸發格子，我反而比較安心——代表它在守紀律。
情境切換：即時判斷現在在哪一格
人工操盤的情境判斷，靠的是交易員盯著 K 線圖的感覺積累。但 J 把這件事轉化成演算法：每個小時，系統計算一次當前的市場指標，判斷現在落在哪個 Regime，然後切換到那一格對應的策略。
這就是 Bellafiore 說的「背景閱讀」（reading context）——你要知道現在是什麼樣的市場，才能知道你的 setup 是否有效。
差別是，J 讓這件事自動化了，不再依賴我的感覺去判斷。我以前其實很容易在下跌行情裡誤判成整理，然後用動能策略進場，結果越追越深。現在是系統在判斷，不是我。情境錯了，它就切換。沒有猶豫，沒有「但感覺快到底了」這種事。
自動複盤：關閉「自我說服」的後門
Bellafiore 書裡最讓我有感的一段，是他說複盤的目的不是讓交易員覺得自己不夠好，是讓他們更清楚知道自己的 Playbook 在什麼情況下有效、什麼情況下會失效。沒有這個回饋迴路，你只是在重複一套沒有人知道是否有效的感覺。
我們的系統每跑一段時間，J 會跑一次滾動的勝率計算，看每個 Regime 格子在最近這段時間的實際表現跟回測是否一致。如果某個格子的真實勝率下滑超過門檻，系統會把它標記出來，等待重新驗證後才重新啟用。
這就是自動複盤。沒有人需要坐在那裡看每一筆交易，系統自己在審查自己的執行品質。
這一點我覺得比「賺多少」更難設計——因為你要先決定什麼樣的數字算是「退化」，而不是「正常波動」。J 在這個門檻上調了不少次，太嚴系統會一直停，太鬆就失去了自我修正的意義。
書是寫給人的，邏輯不是
Bellafiore 寫這本書的時候，心裡想的是坐在交易員訓練台前的真人。但我越讀越覺得，他真正在說的那些東西——選擇性、情境判斷、紀律複盤——跟是不是人類沒什麼關係。
這些是讓任何一套決策系統可以持續有效運作的核心原則。人需要 Playbook 是因為大腦太容易說服自己。AI 需要 Playbook 是因為如果你不把規則定清楚，它就沒有規則。
結果繞了一圈，設計一個好的 AI 量化交易系統，跟訓練一個好的交易員，要解決的根本問題其實一樣。
以上是最近讀書讀到快睡著前突然想到的事。想看這些原則如何落地成程式碼，可以讀從交易想法到上線跑單：AI輔助策略開發的真實流程；自適應風控系統的三道防線記錄了我們如何把「知道要停損」轉成系統執行；AI Agent vs 傳統交易機器人：有什麼不同？則比較了兩種執行框架在遵守 Playbook 上的根本差異。