第一篇研究右側突破時，我看到一個很難忽略的現象：平均報酬很好看，但中位數不穩，而且少數大漲股票對結果影響很大。
這讓問題往前推了一步：真正決定績效的是進場訊號，還是出場方法？如果把進場日期換成隨機，結果會不會其實差不多？
這次直接交叉四種進場與兩種出場，共八組：
- 分層隨機日期。
- 從近 100 個交易日高點回撤首次達到 −20%。
- 收盤首次突破前 120 個交易日最高價。
- 收盤首次突破前 252 個交易日最高價。
兩種出場都使用 VIDYA 12/50 死叉，差別只在是否加入收盤確認的 −10% 停損。所有進出場均在訊號後下一個交易日開盤成交，買進與賣出各計 0.25% 成本。
八條線放在一起
主圖使用 2023 至 2026 年驗證樣本。每個原始進場訊號各自成為一筆獨立 cohort，並同時套用兩種出場，因此同一種進場的兩條線擁有完全相同的進場日期與交易數。
橫軸是把單筆報酬由最差排到最好：
- 1/4（Q1）：四分之一交易低於此值。
- 1/2（Q2）：中位數，代表典型一筆。
- 3/4（Q3）：四分之三交易低於此值。
- 4/4（Q4）：樣本中的最大單筆報酬，不是第四群的平均。
縱軸使用對稱 log，負報酬仍在零以下，沒有取絕對值；這只是讓 −10% 附近與 +1000% 長尾能同時看清楚。
圖中的隨機曲線，是從 1,000 組「股票 × 年份 × 訊號數」配對控制中，選出兩種出場的中位數都最接近整體隨機中位數的一組，編號 814。它是便於畫圖的代表樣本；統計判斷仍使用全部 1,000 組，不是只挑這一組下結論。
Q1、Q2、Q3、Q4 與平均報酬
| 進場 | 出場 | 筆數 | Q1 | Q2 中位數 | Q3 | Q4 最大單筆 | 平均 | 勝率 |
|---|---|---|---|---|---|---|---|---|
| 分層隨機日期 | −10%停損＋VIDYA | 2,159 | −11.55% | −8.38% | +15.22% | +1,201.78% | +36.28% | 35.76% |
| 左側 −20% | −10%停損＋VIDYA | 2,159 | −11.82% | −8.48% | +11.84% | +984.13% | +33.22% | 35.53% |
| 突破 120 日高點 | −10%停損＋VIDYA | 2,804 | −11.41% | −6.53% | +38.92% | +814.27% | +34.87% | 43.97% |
| 突破 252 日高點 | −10%停損＋VIDYA | 2,324 | −11.55% | −7.23% | +36.54% | +791.80% | +31.97% | 42.56% |
| 分層隨機日期 | 只用VIDYA | 2,159 | −9.03% | +5.04% | +68.11% | +1,201.78% | +67.67% | 57.25% |
| 左側 −20% | 只用VIDYA | 2,159 | −8.69% | +3.97% | +60.70% | +984.13% | +63.99% | 58.13% |
| 突破 120 日高點 | 只用VIDYA | 2,804 | −9.59% | +13.28% | +70.65% | +814.27% | +51.67% | 62.52% |
| 突破 252 日高點 | 只用VIDYA | 2,324 | −9.73% | +11.96% | +67.74% | +791.80% | +47.57% | 61.83% |
平均報酬明顯高於中位數，Q4 又高達約 792% 至 1,202%。這不是每筆都很會賺，而是少數長期大漲股票把平均往上拉。判斷一般一筆交易時，Q2 比平均更有代表性；判斷策略是否依賴長尾時，Q3、Q4 與平均則不能省略。
進場訊號有沒有打敗隨機？
為了避免股票組成與多空年份不同，我沒有拿所有策略硬比同一組隨機日期。正式檢驗會針對每一種進場，固定相同股票、相同年份與相同原始訊號數，各自產生 1,000 組隨機控制。
2023 至 2026 年的結果如下：
| 進場與出場 | 實際中位數 | 配對隨機中位數 | 實際落在隨機分布的百分位 |
|---|---|---|---|
| 左側 −20%＋停損 | −8.48% | −8.39% | 36.0% |
| 左側 −20%＋只用VIDYA | +3.97% | +5.05% | 7.3% |
| 120 日突破＋停損 | −6.53% | +0.92% | 0.0% |
| 120 日突破＋只用VIDYA | +13.28% | +15.65% | 0.9% |
| 252 日突破＋停損 | −7.23% | +0.88% | 0.0% |
| 252 日突破＋只用VIDYA | +11.96% | +16.28% | 0.0% |
樣本外沒有任何一種實際進場穩定勝過配對隨機。 左側 −20% 在 2016 至 2022 年發展樣本曾優於隨機，但 2023 至 2026 年沒有重現。120 日與 252 日突破的樣本外結果更直接：兩種出場都落後自己的隨機控制。
這不代表「買哪一天都一樣」，而是目前三條規則尚未證明能從這個股票池與市場階段中，挑出比同股票、同年份的隨機日期更好的進場點。
−10% 停損做了什麼？
只看 Q2 與平均，加入 −10% 停損全部變差。原因也很清楚：許多股票跌破 −10% 後又反彈，固定停損先把它們砍掉；不停損版本則繼續持有，直到 VIDYA 死叉或研究期末。
但停損不是完全沒作用。驗證期最差 5% 的交易：
- 左側從約 −26.86% 改善為 −18.68%。
- 120 日突破從約 −29.61% 改善為 −16.56%。
- 252 日突破從約 −31.15% 改善為 −16.71%。
最大單筆虧損也從約 −57% 至 −60%，壓到約 −26% 至 −27%。所以固定停損的角色不是增加報酬，而是用犧牲反彈與長尾收益，換取較小的極端虧損。
目前結論
這次資料比較支持以下說法：
- 右側突破沒有展現比隨機日期更好的進場品質。 120 日與 252 日突破在樣本外都落後配對隨機。
- 左側 −20% 比突破更接近隨機基準，但優勢沒有跨時期重現。 它不能只靠發展樣本的漂亮結果上線。
- VIDYA 出場與長期市場趨勢，比目前三條進場規則更能左右報酬。 不停損版本中，四條線的形狀非常接近。
- −10% 停損是在交換風險，不是在免費提高績效。 它降低尾端虧損，同時也切掉大量後續反彈。
這還不是「隨機買最好」的證明。研究池只有 131 檔，存在選樣與倖存者偏差；未平倉交易以 2026 年 9 月 18 日收盤結算；獨立 cohort 可能在同一股票上重疊，也不是資金受限的真實投資組合。因此，這份結果能否定過度樂觀的進場假設，卻不能直接給出可上線的新策略。
下一步若繼續，重點應該從疊加更多突破門檻，改成投資組合層級比較：同日資金競爭、最多持股數、三層加碼、時間序列最大回撤，以及和 0050 的等曝險結果。
這是一份研究筆記，不是投資建議，也不是已通過實單驗收的自動交易規則。