交易筆數相同，可信度卻不同｜獨立性這個前提

結論：交易筆數要重新換算成「獨立試驗的次數」

回測的交易筆數越多，結果通常越值得信賴。但這只適用於每一筆交易彼此獨立的情況。如果EA在同一時間朝同一方向建立多個部位，或是多個品種的EA都對同一波行情做出反應，那麼實質樣本數可能遠少於報表上的交易筆數。

我們在評估EA時，也是先看「獨立的判斷有幾次」，再看「交易了幾次」。本文整理這個思路與確認步驟。

為什麼相關性會讓樣本數變少

也許只是把同一個判斷重複算了5次

假設某個EA每次出現訊號就同時建立5個部位，而且5個部位都在同一段行情中平倉。報表上會顯示100筆交易，但實際上對市場做出的判斷只有20次。投擲100次硬幣，和只投擲20次、再把每次結果抄寫5遍，兩者排除偶然因素的程度完全不同。

在統計學上，交易之間的相關性越強，有效樣本數就越小。以簡單模型來說，設交易筆數為n、交易之間的平均相關係數為ρ，有效樣本數大約是 n ÷ (1 + (n − 1) × ρ)。ρ為0時，有效樣本數就等於交易筆數；但只要ρ稍微大於0，有效樣本數就會大幅減少。實際的相關性不會固定不變，因此這個公式請當作建立直覺的參考即可。

「不同的EA」也不一定彼此獨立

這個問題不會只停留在單一EA內部。例如我們的 MEGAMAX DONCHIAN 與 DONCHIAN ENGINE，在USDJPY H1、相同驗證期間(2017.01.01 - 2026.06.01)的回測中，交易筆數分別為629筆與631筆，平均持倉時間分別為32:58:21與32:42:37。數字如此接近，合理的推測是兩者的進出場時機有相當程度的重疊(我們並未逐筆比對，因此無法斷定重疊到什麼程度)。即使兩者同時運行，也不能視為有1,260筆獨立驗證所支持的分散效果。

破壞獨立性的主要情況

像 ATLAS 這類操作多個品種的投資組合型EA，品種的組合本身就決定了分散的品質。在回測的1193筆交易中，有多少來自低相關的行情階段，光看交易筆數是無法得知的。

具體確認步驟

1. 將成交記錄匯出為CSV。 可從MT5回測報告的「成交」分頁匯出。
2. 依進場時間歸組。 在同一根K線(H1即同一個小時)內、朝同一方向進場的交易歸為一組。組數就是「獨立判斷次數」的參考值。
3. 檢查持倉期間的重疊。 平均持倉時間比交易間隔更長的EA，可能隨時都持有多個部位。
4. 改用每日損益重新計算。 不以單筆交易為單位，而是把「一天的損益」當成一個樣本，重新計算勝率與PF，就能去除相當多同時持倉造成的灌水。
5. 比較併用的EA。 把兩個EA的每日損益並排，確認是否在同一天出現相同的盈虧。

驗證的基本觀念，我們也整理在 EA・MT5知識庫 中。

限制與注意事項

以上的做法也有其限制。

• 相關性並非固定不變。 平時相關性低的品種，遇到行情急變時，往往會一起朝同一方向移動。即使用平時的數據看起來「獨立」，在最需要它的時候，這個前提也可能失效。
• 改用每日彙總，資訊也會減少。 雖然更接近獨立，但樣本數會變小，反而在另一個層面上更難下判斷。以什麼單位彙總才正確，並沒有標準答案。
• 我們的EA也還沒有全部重新換算。 把本文介紹的步驟套用到所有EA的結果，目前還沒有可以公開的形式。頁面上顯示的交易筆數，是報表上的成交次數。
• 確認獨立性並不保證獲利。 它只能讓你大致知道「這份績效有多少能用偶然來解釋」，並不代表未來的績效。

重點整理

• 即使交易筆數相同，只要交易之間存在相關性，統計上的可信度就會下降
• 同時持倉、持倉期間重疊、高度相關的品種、同時使用邏輯相似的EA，都會減少有效樣本數
• 「獨立判斷的次數」可以透過依進場時間歸組，或改用每日損益重新計算來抓出大致範圍
• 平時看起來獨立，行情急變時相關性可能會增強
• 組合多個EA時，不要只看品種或名稱，而要看進出場時機是否重疊