當你的策略開始虧錢：自適應風控的三道防線
一個在回測中表現良好的做多策略，上線 Testnet 後某些幣種開始連續虧損。深入分析發現市場已從上升趨勢轉為下跌趨勢，做多勝率從 71.4% 暴跌至 39.3%。本文提出三道自適應防線：績效冷卻期過濾連續虧損的幣種、EMA 趨勢確認排除逆勢交易、Market Regime 偵測全面暫停在下跌市場中的做多操作，實測過濾率達 90%。
量化交易
你的策略勝率 87%？Z-score 說：那是幻覺
帳面勝率87%的Paper Trading策略，經Z-score統計檢驗後全部不及格。透過Bayesian調整與過擬合指數(OFI)，建立新的策略判定邏輯，避免小樣本高勝率的幻覺陷阱。
你的策略沒問題，是市場變了 — Market Regime 偵測實戰
一個好策略突然不賺錢了？可能不是策略壞了，而是市場狀態變了。本文介紹如何用 ADX、BB 寬度、ATR 來偵測市場狀態（趨勢/震盪），並根據市場環境自動切換對應的策略，提升信號覆蓋率。
回測 100% 勝率？先別高興 — 我們學到最痛的一課
我們開發了一個RSI均值回歸策略，回測顯示3個交易組合達到100%勝率，但Out-of-Sample驗證後直接崩到0-25%。這篇記錄如何用Z-score和最小交易筆數驗證，避免過擬合陷阱。
一個策略不夠用 — 我們怎麼讓 AI 自動切換交易策略
為什麼單一策略註定失敗？我們建構四策略系統，根據趨勢、震盪、波動等市場狀態自動切換最適策略。WFO驗證是品質把關的關鍵機制，沒有通過驗證的策略組合會降級為50%倉位，控制虧損風險。
量化交易系統建置全紀錄：從第一行回測程式碼到 Paper Trading
本文詳細記錄從第一行 Python 回測程式碼到 Paper Trading 系統建置的完整過程，涵蓋四個策略設計（Pipeline、BB Squeeze、MACD Divergence、Mean Reversion）與八段 Walk-Forward 驗證方法，並分享如何利用 Z-score 統計檢驗避免過擬合問題。