打造神經進化交易戰隊：從賭徒到股神

先講結論：下面這張圖可以在幾秒內訓練出一支交易機器人。練滿三十代，它在 2024 年的蘋果股價上賺 +43% 左右，而同一年買進之後什麼都不做只有 +34%。

這個數字是真的，但它不代表機器人會交易。這篇文章有一半在講它是怎麼練出來的，另一半在講為什麼你不該相信它。先自己練一支。

訓練完全在你的瀏覽器裡執行，結果會存在瀏覽器裡，下次回來還在。註 用的是和 Flappy Bird 那篇同一套 lib/ml/neuroevolution.ts。族群 50 時，一代在我的 M4 Pro 上約 9 毫秒（量法和輸出在 docs/research/trading-timing/），所以不需要 GPU。

它是怎麼練出來的

這裡沒有梯度，也沒有反向傳播。原因很實際：「這一年賺了多少」不是一個可以微分的目標，市場上也沒有「正確的買賣點」可以拿來當標準答案。所以改用演化：

1. 隨機產生 50 個機器人。
2. 讓每一個在這一年的股價上交易一遍，用年底的報酬率打分數。
3. 留下成績最好的幾個，讓它們兩兩混合權重、加上一點隨機突變，生出下一代；另外再補幾個全新的隨機個體，免得整個族群卡在同一種做法上。
4. 重複。

每個機器人的大腦是一個 30 → 24 → 3 的小網路。輸入是過去 30 天每天的漲跌幅（百分比），輸出三個分數，分別代表「不動」「買」「賣」，取最高的那個：

export function observe(closes: number[], day: number): Float32Array {
  const out = new Float32Array(WINDOW); // WINDOW = 30
  for (let i = 0; i < WINDOW; i++) {
    const t = day - (WINDOW - 1) + i;
    if (t >= 1) out[i] = ((closes[t] - closes[t - 1]) / closes[t - 1]) * 100;
  }
  return out;
}

圖上的三個參數對應的就是上面的步驟：世代數是重複幾次，族群大小是每一代有幾個機器人，突變率是每個權重被隨機改動的機率。按下訓練，進化曲線一代一代往上爬，最後停在買進持有那條虛線上方九個百分點左右。

看起來它們越來越懂這個市場。

它到底學到了什麼

我用六組不同的隨機種子，照圖上的預設值各訓練了三十代。註 這一節的數字都來自 docs/research/evolution-seeds/，種子固定，重跑會得到一模一樣的結果。預設值是族群 50、突變率 15%；只練 20 代的話，報酬率是 +41.5% 到 +43.8%。 報酬率全部落在 +42.9% 到 +43.9%，而且贏家做的事幾乎一樣：

• 大部分的買入集中在上半年，股價還低的時候（全年最低點是 4 月 19 日的 165 美元）。
• 到年底幾乎滿倉。
• 中間做幾十次小幅的低買高賣，其中八到九成是賺錢的。

2024 年蘋果整年上漲了 35%（買進持有是 +34%，因為一萬美元只買得起 53 股，剩下的 161 美元沒有進場）。在這種行情裡，任何「趁便宜買滿、抱到年底」的策略都會贏過「一月二日就用 185 美元買滿」。

再回頭看進化曲線的起點。六組種子的第一代，也就是完全沒有演化過的 50 個亂數機器人裡最好的那一個，已經是 +39% 到 +41%，全部在虛線上面。我另外產生了 2,000 個亂數機器人：13% 贏過買進持有，最好的一個 +41%。三十代的演化只在這上面多擠出三個百分點左右。

同一個錯誤的三種樣子

• 過度擬合。 演化會在歷史資料裡找到任何能提高分數的模式，不管那個模式有沒有意義。上面的 +43% 就是一個活生生的例子。
• 只見過一種行情。 這裡只有一檔股票、一個多頭年，所以機器人養成的習慣是「買滿之後就抱著」。換成一個下跌的年份，同樣的習慣會賠得很慘。
• 沒見過的事不可能學到。 突發的新聞、政策變化、流動性消失，訓練資料裡沒發生過，機器人就沒有任何應對。

要讓這個實驗誠實一點，至少要做三件事：把資料切成訓練期和測試期，只在測試期上報成績；加入交易成本；在多檔股票、多種行情上評分。這一頁一件都沒做。

這一頁的機器人最會的，是在一段已經知道結局的歷史裡找到最好的劇本。

這篇文章最初於 2025 年 4 月發表在我的舊站。搬到這本筆記時互動元件用 TypeScript 整個重寫了；2026 年 9 月又重寫了文字，把原本放在文末的結論搬到了開頭。