Strasmore Research
學習 Matt Connor作者： Matt Connor · data as of July 31, 2026 · refreshed weekly

紙上交易練習 模擬單操作

紙上交易可驗證委託單操作與計畫執行，但無法測試買賣價差成本與真實資金的心理影響。了解模擬器省略的費用、練習時長與關鍵指標。

紙上交易是指在券商的練習帳戶中下模擬單，使用即時市場價格和虛擬資金。它能證明你可以操作委託單、遵循書面計畫，並維持交易日誌。模擬器中有兩件事永遠無法測試：每次成交時買賣價差的成本，以及螢幕上的餘額變成自己的錢時，一個人的行為會如何。

紙上交易能證明什麼

練習帳戶是一個操作實驗室。初學者可以在其中學習：當報價偏離指定價格時，限價單會如何運作；在快速變動的報價中，停損單的行為模式；一筆2,000美元的持倉與一筆20,000美元的持倉相比是什麼樣子；以及書面日誌如何將直覺轉化為可測試的規則。這些經驗可以完整轉移。在已入金帳戶中的委託單，與練習帳戶中的是同一張單子。

練習日誌也能以低成本揭露計畫缺陷。一個沒有出場規則的策略、一個將三分之一帳戶資金投入單一標的的倉位管理方案、一個需要在交易時間內盯四個螢幕的例行程序：這些問題都會在幾週的模擬交易中顯現，而且成本為零。

模擬器從未向你收取的費用

大多數模擬器會以最後一筆成交價或報價的中間價成交。在真實市場中，可市價執行的委託單在買入時支付賣價，賣出時收取買價，而這兩個價格之間的差距，即買賣價差，會留在報價提供者手中。

假設性的算術可以清楚說明這個遺漏的規模。一檔股票報價為買價20.00美元、賣價20.05美元，其中間價為20.025美元。以中間價成交的模擬器，其進場成本為20.025美元。真實買入則以20.05美元成交，差了2.5美分，而出場時則會損失另一半的價差。一次完整的來回交易，每股成本為5美分，而練習日誌卻記錄為免費。

這個成本並非所有股票都相同。下表衡量六檔廣泛持有的股票，在截至2026年7月可取得的最新完整交易日中，其中間報價的中位數價差（以基點計算），一個基點等於萬分之一。

查詢實際成交成本：近期完整交易時段內，常規交易時間中位報價價差（以中點為基準，單位基點）
每個數據背後的精確 SQL 語法
SELECT ticker,
       round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS typical_spread_bps,
       round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price), bid_price > 0 AND ask_price > bid_price) * 100, 1) AS typical_spread_cents,
       round(count() / 1e6, 1) AS quote_updates_m
FROM global_markets.cache_stocks_quotes
WHERE ticker IN ('SPY', 'AAPL', 'MSFT', 'NVDA', 'TSLA', 'F')
  AND sip_timestamp >= toDateTime(today() - 10)
  AND sip_timestamp < toDateTime(today() - 3)
  AND (toHour(sip_timestamp) * 60 + toMinute(sip_timestamp)) BETWEEN 810 AND 1199
GROUP BY ticker
ORDER BY typical_spread_bps
Run this yourself

報價最窄的一端是SPY，測得0.27個基點，其中位數建立在18.8百萬筆報價更新之上。最寬的一端是F，測得6.96個基點，報價差距為1美分。在一筆10,000美元的訂單中，一個基點等於1美元。一個包含200次來回交易的練習日誌，背後承擔著練習日誌本身從未列出的真實帳單。交易一支股票的成本為更廣泛的股票提供了這個階梯式的價格。

成交品質隨時間變化

模擬器在上午9:31和下午1:00提供的成交價格相同。但真實報價並非如此。將一檔中等價位股票的所有綜合報價更新，按半小時為一組分組，可以顯示出一個交易時段的形狀，測量期間為相同的近期時間窗口。

查詢單一交易時段形態：福特（F）近期完整交易時段內，每半小時區間的中位報價價差
每個數據背後的精確 SQL 語法
SELECT formatDateTime(toStartOfInterval(toTimeZone(sip_timestamp, 'America/New_York'), INTERVAL 30 MINUTE), '%H:%i') AS et_time,
       round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS spread_bps,
       round(count() / 1e6, 2) AS quote_updates_m
FROM global_markets.cache_stocks_quotes
WHERE ticker = 'F'
  AND sip_timestamp >= toDateTime(today() - 10)
  AND sip_timestamp < toDateTime(today() - 3)
  AND (toHour(sip_timestamp) * 60 + toMinute(sip_timestamp)) BETWEEN 810 AND 1199
GROUP BY et_time
ORDER BY et_time
Run this yourself

09:30這個時段，即常規交易時段的前半小時，測得7.01個基點。12:30這個時段測得6.94個基點，而收盤時段15:30測得6.98個基點。一個在開盤前十五分鐘交易的練習策略，與一個在中午交易的練習策略，在已入金帳戶中的成本是不同的，但在大多數模擬器中卻完全相同。

一個練習窗口涵蓋多少市場

四週的練習大約涵蓋二十個交易日。下表統計了一檔廣泛市場ETF在五個日曆年內的所有常規交易日，從開盤到收盤計算，並顯示收盤價高於開盤價的交易日比例，以及典型的每日波動幅度。

查詢五年交易時段：收盤高於開盤的比例、典型波動幅度及極端值（SPY，2021年至2025年）
每個數據背後的精確 SQL 語法
SELECT toString(y) AS year,
       count() AS sessions,
       round(100 * countIf(ret > 0) / count(), 1) AS pct_up_sessions,
       round(quantileDeterministic(0.5)(abs(ret) * 100, cityHash64(d)), 2) AS median_abs_move_pct,
       round(min(ret) * 100, 2) AS worst_session_pct,
       round(max(ret) * 100, 2) AS best_session_pct
FROM (
    SELECT d,
           toYear(d) AS y,
           toFloat64(session_close) / toFloat64(session_open) - 1 AS ret
    FROM (
        SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
               argMin(open, window_start) AS session_open,
               argMax(close, window_start) AS session_close
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker = 'SPY'
          AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2021-01-01')
          AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2025-12-31')
          AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
               + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
        GROUP BY d
    )
    WHERE session_open > 0
)
GROUP BY year
ORDER BY year
Run this yourself

在2021年，該ETF交易了252個常規交易日，其中54.8%的交易日收盤價高於開盤價，中位數絕對波動為0.38%。在2025年，同一比例為52%，中位數絕對波動為0.46%。該年的極端值遠高於中位數：最弱的交易日開盤到收盤波動了-4.81%，最強的則波動了10.12%。

將這些行數視為一個覆蓋率的問題。一個二十個交易日的練習窗口，大約是一年的百分之八，而這個窗口恰好包含哪些交易日，決定了日誌會顯示什麼結果。在平靜時期練習與在劇烈波動時期練習，即使使用完全相同的規則集，也會產生不同的數字。想要得到結論而非樣本的交易者，通常會將練習日誌延續數個月，並在開始投入真實資金後，繼續與之並行運作。

比勝率更重要的指標

練習日誌會優先顯示勝率，而勝率是其中資訊量最低的一行。考慮一個假設的十筆已平倉交易記錄：九筆獲利，每筆50美元，一筆虧損600美元。勝率為90%。但帳戶淨虧損150美元。

  • 最大回撤，即帳戶價值從高峰到低谷的最大跌幅，是描述一個策略要求一個人承受多少的數字。
  • 平均獲利與平均虧損的比值，結合勝率，可以得出每筆交易的期望值，這是權益曲線實際遵循的數字。
  • 交易次數，十二筆交易的日誌衡量的是運氣，而兩百筆交易的日誌才開始衡量一個規則。
  • 每次來回交易的成本，應從上述的價差表中取得，而非模擬器的費用欄位（該欄位通常設為零）。

第一批真實交易的倉位規模

交易教育者之間的常見慣例是逐步開始：使用最小的可行倉位規模、沿用練習日誌中相同的書面規則，以及在倉位規模改變之前進行固定次數的交易。一股200美元的股票，會讓200美元暴露在風險中，並產生與一百股相同的「情緒數據」，但風險只有百分之一。操作技巧可以從模擬器轉移，但紀律不行，而小規模正是衡量後者的方法。

倉位規模也會與成本產生交互作用。固定的每筆交易摩擦成本對小訂單的影響更大，而價差成本在各個規模下則成比例地相同。一個計畫每月進行四十筆小額交易的交易者，定價的是四十次來回交易，而不是一次。正在考慮以規則為基礎的方法來取代自由心證進場的讀者，可以與定期定額進行比較，後者是用時間表來取代決策。

常見問題

紙上交易真的有用嗎？

它對其衡量的項目有用：委託單操作、計畫結構，以及撰寫日誌的紀律。它不衡量成交品質或情緒。相同規則的練習日誌與已入金日誌，在相同時期內通常會有差異，而上述的兩個差距就是差異所在。

人們在投入真實資金前，通常會進行多久的紙上交易？

沒有標準的時間間隔。一個有用的框架是樣本數而非日曆時間：一個月大約涵蓋二十個交易日，而一檔廣泛市場ETF在2025年就交易了250個交易日。許多交易者會進行數個月的練習日誌，並在開始一個小額的已入金帳戶後，繼續並行運作。

為什麼紙上交易的結果比真實結果好？

三個機械性的差異解釋了大部分差距。模擬訂單通常以中間價或最後成交價成交，而非買價或賣價；模擬的倉位規模從不會影響報價；以及模擬的虧損不帶有情緒負擔。紙上交易者能夠承受回撤，而已入金交易者則會提前平倉。

可以用同樣的方式進行選擇權的紙上交易嗎？

操作技巧可以轉移，而且成交差距更大。選擇權報價在百分比上通常遠比股票報價寬，履約和提前行使在模擬器中很少出現，而到期處理方式則因練習平台而異。請將模擬的選擇權日誌視為操作測試。

紙上交易無法教導什麼？

滑價、放空部位的股票借券可得性、大額訂單的部分成交，以及一個人看著真實資金減少的行為。這四點是練習日誌與已入金帳戶之間的長期差距。

上方的每個表格都附帶了產生該表格的確切SQL。打開一個，將你自己的練習日誌中的股票代碼替換進去，並在Strasmore終端機上為你的成交定價。

#paper trading#simulators#risk management#trading costs