恐懼貪婪策略的參數敏感度與樣本外失效
情緒策略容易因門檻、持有期與重疊樣本產生看似漂亮的結果。本研究說明如何用共同基準、交易成本、非重疊交易序列、參數熱圖與樣本外切分檢驗穩健性。
先定義研究問題，再看報酬
固定持有事件研究回答的是：在符合情緒條件的日期買入，未來 N 日報酬分布是否不同。它不是完整投資組合，因為相鄰多日可能同時符合門檻，造成大量重疊樣本。雙門檻模式則更接近交易規則：低於買入門檻後持有，直到最短期間完成且指數高於賣出門檻。
條件式定額回答另一個問題：只在恐懼日投入，最終每筆資金的持有結果如何。三種模式不能用同一個數字互相比較；工具分別說明資金投入與退出規則，避免把事件平均報酬誤認為組合報酬。
基準、成本與可執行序列
比特幣長期上漲會讓許多買入條件看似有效，因此固定持有結果必須與相同持有期的任意日買入比較。只有超額報酬而非絕對正報酬，才能回答情緒門檻是否增加資訊。
手續費與滑價按買入、賣出兩次成交扣除。最大回撤不使用互相重疊的所有事件，而是建立前一筆退出後才允許下一筆進場的交易序列。這個序列犧牲樣本數，但能提供一致的複利與回撤路徑。
參數熱圖與樣本外檢驗
如果只有門檻 17、持有 93 日表現突出，而相鄰組合都失效，結果更可能是歷史雜訊。參數熱圖應尋找連續區域，而不是挑最高單格；研究決策必須在看見測試樣本前固定。
本站以時間順序切分前 70% 與後 30% 樣本。這不是完整的 walk-forward 驗證，也不能消除市場結構改變，但可檢查策略是否只依賴早期單一週期；測試樣本過少時不計算績效。