一分鐘精華摘要：
PTT 上有人說得很直接：「考古題要不滿分也難，這樣去想回測就知道了。」回測像拿考古題練習，題目和答案都看過了，分數當然漂亮；上線才是正式考試，題目沒看過，還要付錢應考。翻了 PTT 股票板和期貨選擇權板近十年的討論，說「回測 100 分，實測 0 分」的人有，自己說用程式交易賺到錢的人也有。賺到錢的那些人，做法很接近：回測扣足成本、上線後不自己去關程式、帳戶撐得過最大的回落。這三件事做到，程式就能照規則替你把策略跑下去。
「明明回測會賺，實際卻輸的人很多嗎？」「錢不多，只跑一口單可以做程式交易嗎？」
這兩句是 PTT 上真的有人發文問的標題。這篇把網友的回答依問題分開整理，正反兩邊的說法都放；文中引號裡是網友原話，績效數字都是他們自己說的，沒有查證。最後用假設的數字，把成本和資金這兩件事算給你看。
一、能不能賺？PTT 上有人說可以，條件也講得很清楚
說賺得到的人不少。2021 年一篇程式交易約三年的心得，作者自己的答案是：「程式交易能不能賺錢 ====> 可以 但不保證每個月都會獲利」。也有推文說「回測能賺就要堅持，至少我靠回測賺三年了」，或是「聖盃不存在但有交易優勢的策略存在」。
說很難的人也不少。「上線給市場教就知道」「我之前也是回測 100 分，實測 0 分」都是推文裡常見的回答。也有人反問：「手工下單不賺錢想靠程式交易賺錢應該也不容易吧」。
把兩邊放在一起看，說賺得到的那一方，大多附帶同樣幾個條件：策略簡單、成本算足、不手動介入、資金放寬。
延伸閱讀：
二、回測怎麼做才可信：別把考古題寫太多遍
回測讓你在上線前，先用歷史資料看策略會怎麼走；最多人提醒要避開的是過度最佳化，也就是拿同一段歷史資料一直調參數，調到績效最好看。
有網友這樣形容：「回測是既有資料你去 fit 就像看到點去畫線一樣」「但未來你有看到點在哪嗎」。也有人講得更具體：停損點數「跑 10-50 遞增 1，然後把獲利最大化變得很好看」。考古題寫到滿分，正式考試出的卻是沒看過的題目。
也有人提醒要先檢查一件事：「你的程式語法根本有錯」，回測賺錢只是因為程式偷看到了未來的資料。用 AI 訓練策略的那篇，底下就有人提醒「小心 AI 可能偷用到未來數據」。
PTT 上自己做出成績的人，給的方法很接近：
- 策略越簡單越好：「邏輯越複雜，越容易過度最佳化，上線後死得越快。」
- 參數挑「高原」不挑「孤峰」：參數往旁邊挪一點，績效還差不多，才比較可信；只有某一個數字特別好看的，「那種跑樣本外都經不起檢驗」。
- 留一段資料不拿來調參數：調好之後拿沒看過的那段跑一次，等於另外出一份新考卷。
- 調好就別再一直改：「確認策略有獲利性後最好別再調參數」。
延伸閱讀：
三、滑價和稅：回測先把成本算足
第二常見的提醒是成本，算足了，回測的數字才對得上實單。2023 年那篇〈台指期程式交易能否穩定獲利的問題〉，作者回測一口大台每次進出的成本抓 300 元，結果是賺的；改成 600 元重算，作者自己回覆：「一口成本600已經虧錢 300才有賺」。推文也說「快市時進出差更多」。
另一篇更細：回測在 9 點 01 分那根 K 棒買進，實際成交是「09:01:17 買進 1 口」，晚了十幾秒，價錢就不一樣了。
期貨的交易稅很低，是契約金額的十萬分之 2（2026 年 11 月查），換成點數算，不管大台、小台、微台，買一次、賣一次各差不多 1 點，一來一回就是 2 點。再加上滑價，進出越頻繁，成本加起來越多，頻率越高的策略越要把成本算進去。
假設加權指數 50,000 點，用微台（一點 10 元）跑一個策略，回測每次平均賺 4 點、一年進出 200 次：
| 每次來回的成本 | 每次淨賺 | 一年下來（微台一口） |
|---|---|---|
| 只有稅 2 點 | 2 點 | 賺 4,000 元 |
| 稅 2 點＋滑價一邊 1 點，共 4 點 | 0 點 | 不賺不賠 |
| 稅 2 點＋滑價一邊 2 點，共 6 點 | −2 點 | 賠 4,000 元 |
同一個策略，只差每次多滑 1 點，結果就從賺 4,000 元變成不賺不賠。所以 PTT 上自己寫程式的人，回測時會故意把滑價設大，甚至模擬「隨機 10% 沒成交」，這樣回測還賺，上線才比較有把握。
延伸閱讀：
四、程式幫你照規則下單，難在忍住不去關掉它
程式交易的好處，是訊號出來就照規則下單，不受當下情緒影響；PTT 上的經驗是，人反而會想去關掉它。「你回測下單當下賠錢 是沒感覺的 實單就會心跳加速了」，這句推文講的就是這件事。
2023 年那篇年報的作者，把前一年的虧損歸給自己：擅自關掉自動交易、看到訊號反著手動下單。三年心得那篇的作者也說，「因為人為干預，大概少賺近百萬吧」。還有推文說：「通常有人關機受不了了 行情就噴了」。
可是也有人提出反例：2018 年那種行情，「沒關程式的，權益數至少噴 50%」。不關程式也不一定對，難就難在當下分不出來，是策略失效了，還是正常的回落。年報作者的建議是：看不懂背後邏輯的策略不要用，「不然等破 MDD 的那天，你也無法分辨是策略失效還是自然回落」。
延伸閱讀：
五、資金要撐得過最大的回落
〈1 口單可以做程式交易嗎？〉那篇底下，有一句回答很實用：「你的保證金夠你撐過最大的回測 基本上就沒問題」。這裡的「最大的回測」，指的是回測期間帳戶從高點掉下來最多的那一段，PTT 上常寫成 MDD。
三年心得那篇的作者則建議「用保證金的 3-4 倍做一口單」。換成微台算一次，假設策略回測的最大回落是 1,500 點，一口微台就是 15,000 元：
| 帳戶放多少（微台一口） | 遇到最大回落 15,000 元後 | 結果 |
|---|---|---|
| 只放原始保證金 35,050 元 | 剩 20,050 元 | 低於維持保證金 26,900 元，被追繳 |
| 放保證金的 3 倍，105,150 元 | 剩 90,150 元 | 還撐得住，程式可以繼續跑 |
只放原始保證金，策略本身沒壞，帳戶也可能先被追繳；放到 3 倍，同一段回落就扛得住。也有人提醒「通常 mdd 只會越來越大」，上線後遇到的回落，常比回測時看到的更深，所以帳戶要再留多一點。還有一位作者說：「一個策略不是看他怎麼賺 是看他怎麼賠」。
延伸閱讀：
六、行情會變，策略要跟著檢查
「賭場規則一直變 模型是不是也要一直變啊」，這是 2025 年一篇討論量化基金的推文。PTT 上的回答大多是會：市場的習性在變，以前有效的策略，換一段行情可能就不靈了。
2018 年一篇新手請益，作者組了八支策略、回測很好，剛上線就碰上連續幾個月的賠錢行情，開始懷疑回測是不是自己騙自己。底下有人說，最糾結的就是這種情況：剛好遇到賠錢的盤，策略到底要不要繼續用。有人的做法是：不順的時候先減少口數，「不順的時候減少槓桿可以大幅降低你破產的機率」。
七、跟單、買策略：「好賺為什麼要找你」
2026 年 4 月，Stock 板有一串在討論程式交易跟單出事，推文裡好幾則提醒講的是同一件事，好賺的東西不會自己找上門。
- 「好賺為什麼要找你，自己想想」
- 「帳號密碼給人就是代操違法，沒給人還能操就是詐騙」
更早的討論也有人說：「真正好的策略不會賣，或是送人」。三年心得那篇的作者自己也說，看過好幾個「超棒的策略」一上線就不行。年報作者的看法一樣：別人的策略，背後的邏輯看不懂就不要用。
延伸閱讀：
八、用 AI 寫程式：門檻降低了，策略還是要自己驗
2026 年 2 月一篇討論 AI 寫程式交易的文章，作者說：「你如果問 AI，那麼我想它大概也會回你類似的策略，因為這都是網路可以找到的。」底下的推文也大致同意：「AI 存在肯定能降低初學者學習門檻」，可是「入門後要找到能獲利的策略依然有難度」。
AI 幫得上忙的是把想法寫成程式、整理回測報表，前面講的過度最佳化、成本、心態、資金，一樣要自己過。
延伸閱讀：
九、PTT 上「賺得到」的人，都附了哪些條件
| 條件 | PTT 上怎麼說 | 做不到會怎樣 |
|---|---|---|
| 策略簡單 | 「邏輯越複雜，越容易過度最佳化」 | 回測漂亮，上線就失效 |
| 成本算足 | 「一口成本 600 已經虧錢 300 才有賺」 | 每次多滑 1 點，就從賺變賠 |
| 不手動介入 | 「程式交易光不手動介入就要練很久啦」 | 在最痛的時候關掉，錯過回來的那段 |
| 資金放寬 | 「用保證金的 3-4 倍做一口單」 | 策略沒壞，帳戶先被追繳 |
| 先小額試 | 「實戰前建議先做過模擬盤 或者有錢的從小額實單開始」 | 用大部位繳學費 |
常見問題
Q1：錢不多，一口微台可以做程式交易嗎？
可以跑，但帳戶最好不要只放原始保證金。照上面的假設，最大回落 1,500 點，只放 35,050 元會被追繳，放到 3 倍才撐得住。PTT 上的說法也是同一件事：保證金要夠你撐過最大的回落。
Q2：怎麼知道自己的回測是不是在自己騙自己？
PTT 上常見的檢查有三個：參數往旁邊挪一點，績效還在不在；留一段沒拿來調參數的資料，再跑一次；把滑價設大一點重算，看還賺不賺。三個都過了，再用小口數上線看。
Q3：PTT 上那些績效數字能信嗎？
那些是發文的人自己說的，沒有對帳單可以核對，這篇也只當作「有人這樣說」來引用。比起績效數字，更值得看的是他們怎麼講賠錢的那一段：賠多少、撐了多久、怎麼處理。
總結：程式交易幫你嚴格執行，策略要自己驗過
PTT 上有人說程式交易賺得到，也有人說回測 100 分、實測 0 分，差別多半在四件事：回測有沒有寫太多遍考古題、成本有沒有算足、賠錢時忍不忍得住不關程式、帳戶撐不撐得過最大的回落。四件事都做到，程式就能照規則替你執行。一位網友的話很適合當結論：「程式交易不是聖杯，就是嚴格執行戰術不脫泥帶水」。
程式交易系列：
