回檔深度怎麼判斷|用回測確認等到多深再進場
回檔買進的"深度"該等到多深?以近期低點、移動平均線、回檔幅度的比例為參考,用回測確認把多大的下跌視為回檔的判斷標準。
在很淺的位置就急著做回檔買進,結果真正的回檔還在更下方,最終被那波下跌套牢。或者一心想著"再等深一點"遲遲不進場,價格卻已經反彈上去了——只要試過回檔買進,應該都對這種"深度的猶豫"有所體會吧。回檔買進中最難把握的,正是判斷下跌到什麼程度才進場,也就是深度的抉擇。
本文承接回檔買進·反彈賣出的做法中介紹的方法,只聚焦其中一點:回檔的"深度"該等到多深。我們會依序講:深度是什麼、衡量深度的參考標準、淺回檔與深回檔的取捨,以及如何把它寫進 ENTRIQ 的策略規則欄(兩種填寫示例)。這不是講"下跌要忍耐到什麼時候",而是自己決定回檔的判斷基準,寫成文字,在過去的圖表上反覆確認。
回檔買進沒有"唯一正確的深度"。重要的不是"猜中剛好的深度",而是把"自己下跌到什麼程度才視為回檔"定為標準。
回檔的"深度"是什麼
回檔的深度,指的是上升趨勢途中價格暫時下跌時,這波下跌有多大。只下跌一點就反彈是"淺回檔",下跌到接近趨勢起點才反彈是"深回檔"。即使在同一段上升趨勢中,把多大的下跌視為"回檔",也因人而異。

深度之所以是方法的核心,是因為在哪裡進場,直接關係到之後的盈虧與繼續下跌的風險兩方面。在淺處進場能更早上車,但可能還有下跌空間。等到更深處進場,能在回檔較充分後再上車,但也可能在那之前就反彈離場。也就是說,深度的定法,決定了"能否在有利價格進場"與"會不會被繼續下跌套牢"之間的平衡,是回檔買進的核心判斷。
回檔深度的難點在於"下跌的過程中,無法判斷這裡是回檔的底部,還是趨勢反轉的開始"。事後看圖也許是"漂亮的回檔",但身處其中時可能還會繼續下跌。重要的不是"猜中底部",而是決定"自己把多大的下跌視為回檔、從哪裡開始判斷為反轉",並用回測掌握這套標準在過去的表現。
衡量回檔深度的參考標準
衡量回檔深度的參考標準有幾種。這裡不斷言"這就是正解",而是中立地列出常用的幾種。以哪一個為標準,請用自己對象標的、時間週期的記錄來確認。
| 參考標準 | 思路 | 注意點 |
|---|---|---|
| 近期低點·上一次回檔 | 以近期獲得支撐的低點,或與上一次回檔相近的下跌位置為參考 | 未必每次都是相同的深度 |
| 移動平均線 | 以價格下跌到向上的均線附近並反彈之處為回檔參考 | 哪條均線有效因標的、時間週期而異 |
| 回檔幅度的比例 | 用相對前一波漲幅調整了多少(比例)來衡量深度 | 僅憑比例並不能決定底部 |
| 支撐線 | 以下跌到過去有效的支撐線之處為參考 | 線未必總是有效 |
| 止跌的形態 | 確認下影線或反彈K線等止跌形態後再進場 | 越等確認,進場位置越不利 |
下面把每一種再看得具體一些。
近期低點·上一次回檔
最基本的參考標準,是近期獲得支撐的低點,或上一次形成回檔的價格帶。其思路是:上升趨勢持續期間,價格常在與上一次回檔相近的深度再次獲得支撐,於是把那個水平視為"這次到這附近也算回檔"。因為是圖表上實際留下的價格,依據清晰;又因為許多參與者都盯著同一個低點,容易被市場關注。

注意點是,未必每次都是相同的深度。上一次淺淺反彈,這一次卻跌破前低繼續下探,這種情況很常見。若以近期低點為參考,就要連"跌破那個低點後如何判斷(是否視為超出回檔深度的範圍)"也一併定好,否則跌破之後的應對就會猶豫。
移動平均線
這是把上升趨勢中,價格下跌到向上的移動平均線(如20MA、50MA)附近並反彈的走勢,作為回檔參考的看法。由於均線的位置會隨趨勢一起上移,只要趨勢持續,就容易成為可反覆使用的參考。

注意點是,哪條均線有效會因標的、時間週期而變。有的標的在20MA就乾淨反彈,有的則要回落到50MA才反彈。把均線當作深度參考的思路,與移動平均線的用法中講的"在均線處反彈"幾乎是同一個論點。哪條均線更容易有效,要按對象標的、時間週期逐一確認。
回檔幅度的比例(斐波那契回撤等)
這是用相對前一波漲幅、價格調整了多少(比例)來衡量深度的看法。例如"回撤到漲幅的一半(50%)就作為回檔的參考""回撤到38.2%或61.8%就作為回檔的參考",用斐波那契回撤等指標,以相對漲幅的回撤比例為標準。因為看的是比例而非價格幅度本身,無論大漲還是小漲的行情,都能用同一思路衡量深度。

注意點是,僅憑比例並不能決定底部。即使認定"回撤一半就會反彈",也可能一路回撤到上漲之前的水平。若以比例為參考,就需要一併定好:當跌破該比例時,判斷為"超出回檔範圍"的那條線。
支撐線
這是把下跌到過去多次獲得支撐的支撐線之處,視為回檔參考的看法。上升趨勢中價格若下跌到該支撐線,就著眼於在此獲得支撐並反彈的可能性,納入回檔判斷。這是把深度理解為"價格帶"的思路,支撐·壓力的畫法可以直接用作深度參考。

注意點是,線未必總是有效。再強的支撐線也可能被跌破,跌破之後下跌反而可能加速。若以支撐線為深度參考,最重要的是一開始就定好"以收盤價跌破該線,就不是回檔而是撤退"這條界線。
止跌的形態
這是在近期低點、均線、支撐線這些"價格參考"之上,再疊加確認價格是否真的在此止跌的"形態"後才進場的思路。看到長下影線的K線、抹掉下跌的陽線、突破前一日高點的K線等止跌訊號出現後再進場。相比僅僅觸及價格參考就進場,多加一層形態確認,更容易減少被假訊號騙到。

注意點是,越等確認,進場位置越略微不利。等止跌形態完成時,價格通常已經小幅回升。也就是說,與其他參考不同,這個標準是把"進場的確認方式"收緊一檔——以減少假訊號為代價,換來無法在最低點進場的特性。確認要等到什麼程度,用記錄來確認。
這裡重要的是,這些參考並不必只選其中一個。像"下跌到向上的50MA與過去支撐線重疊的價格帶,並在此出現反彈K線才進場"這樣,疊加的參考越多、多項依據集中在同一價格帶,回檔的依據就越強。回檔的判斷基準,正是這些參考如何組合本身。
淺回檔與深回檔的取捨
圍繞回檔深度的判斷,核心是淺進還是深進的取捨。兩者各有利弊,思路也因方法而異。

在淺回檔進場(只跌一點就進),能更早參與趨勢,反彈時可取得更大的延展空間。另一方面,可能還有下跌空間,那樣進場後會繼續下跌而停損。
在深回檔進場(跌得較多後再進),因為是等價格修正較深後再上車,進場後不易大幅逆行。另一方面,在等待更深回檔的過程中價格反彈離場,可能連進場機會本身都錯過。而且跌得越深,"這是不是回檔而是趨勢反轉"的疑慮也越強。
這個淺、深的判斷,與接下來要講的"是回檔,還是反轉的開始"的區分是連在一起的。決定深度,同時也是在決定"下跌到什麼程度就放棄回檔"。
是回檔,還是趨勢反轉的開始
回檔買進的難點在於,下跌的過程中,很難判斷這是回檔,還是趨勢反轉的開始。一旦判斷錯,損失就會變大。

這裡能發揮作用的,是把深度的標準與停損線綁在一起。像"以收盤價跌破近期低點就不是回檔""跌破所依賴的支撐線就撤退"這樣,預先定好視為回檔的深度範圍,超出這個範圍的下跌,就能作為"不是回檔而可能是反轉"機械地撤退。這套判斷基準,不只決定進場位置,也同時決定在哪裡判斷"這不是回檔"並砍倉。
重要的是,不要因為相信是回檔,就持續承受下跌。一旦跌破自己設定的回檔判斷基準,那就是回檔預期落空的訊號,先撤退、再重新判斷市場狀況與進場依據——把這個區分在一開始就規則化,才是回檔買進中抑制損失的核心。
為什麼要用回測來確認
"回檔要等到多深""從哪裡開始視為反轉",並沒有固定答案。即使是同一段上升趨勢,瞄準淺回檔的人和瞄準深回檔的人,進場的次數和位置都完全不同。瞄準得淺,次數會增加,但因繼續下跌而停損也會增多;瞄準得深,停損會減少,但錯過機會也會增多。這個平衡的哪一點適合自己的標的、時間週期,只能靠累積次數來確認。
這裡圖表回放(回測)就派上用場。把過去的上升趨勢倒回,一根一根推進K線,在看不到未來的狀態下判斷"在這裡做回檔買進,還是再等更深"。因為是虛擬資金,沒有實際的損失風險,還能在同一局面比較"淺進的情況"與"深等的情況"。哪種判斷基準適合自己,可以反覆嘗試。
進場與離場要成套地規則化
思考回檔深度時,絆倒人的大多也源自只定"進場條件"、不定"離場條件"就進場。深度的標準與停損線直接相關,因此進場與離場務必成套地寫成文字。
進場(進場條件)的示例
- 以哪種深度視為回檔(近期低點/均線/回撤比例/支撐線 等)
- 在深度的哪裡進場(觸及參考就進,還是確認止跌形態後再進)
- 如何確認趨勢仍在延續這一前提
離場(離場條件)的示例
- 停損:承認不是回檔的價格(以收盤價跌破近期低點或支撐線 等)
- 停利:回升到哪裡就鎖定利潤(近期高點/固定的價格幅度/先部分停利、其餘續抱 等)
把停損與深度標準綁定為"以收盤價跌破所依賴的支撐線,就判斷不是回檔而撤退",撤退的判斷就不易被情緒左右。進場的理由(回檔處的反彈)崩潰就離場——一開始就定好這層對應關係,是面對深度的規則制定的核心。
策略規則欄的填寫示例(兩種)
ENTRIQ 的策略標籤裡,有一個記錄策略規則的欄位。把自己的回檔深度標準寫在這裡,每次複盤時都能回顧"是否按規則的深度進場"。寫法大致有兩種。沒有哪種更優,選自己更容易復現判斷的那種。
模式A:主觀判斷型(用文字定義情況)
偏主觀的寫法。把環境認識、進場、停損、離場、觀望條件,不用數值約束,而用文字定義。
環境認識:移動平均線明確向上,價格在其上方運行的上升趨勢。 進場:價格下跌到向上的移動平均線,或與上一次回檔相近的價格帶,出現反彈K線就買進。 停損:以收盤價跌破所依賴的低點或支撐線,就判斷不是回檔而撤退。 離場:回升到近期高點前方就考慮停利。趨勢延續則部分停利、其餘續抱。 觀望條件:趨勢方向不明確時,或深度大幅超過近期低點、疑似反轉時,不進場。
模式B:數值條件型(用數值明文化條件)
偏規則化的寫法。把判斷用指標和數值固定,讓誰看都得出相同結論。
環境認識:20MA>50MA 且 50MA 向上(視為上升趨勢)。 進場條件:相對前一波漲幅,價格調整到(一定比例),且當日收盤價反彈確定後買進。 停損:收盤價跌破近期低點就撤退(或進場價 −2%)。 停利:到達近期高點−(一定幅度)就停利。 過濾:在進場觸發之前,回撤若超過前一波漲幅的(一定比例),則視為超出有效回檔範圍而觀望。
數值化後複盤會更定量,也更便於統計。不過,這裡寫的 一定比例、−2% 等數值終究只是"書寫方式的樣本",並不保證其有效性或利潤。請用自己的對象標的、時間週期確認,一邊看數據一邊調整。
回測並記錄的流程
把規則寫成文字後,在過去的圖表上挑選上升趨勢的回檔局面,在不知道後續走勢的情況下反覆做虛擬進場·平倉。每一次都把"是否按規則的深度進場""是回檔還是反轉"記錄到交易記錄與策略標籤。
策略標籤一筆交易一個。像"回檔·均線反彈""回檔·支撐線"這樣打上標籤,就能只橫向彙總同一深度標準的交易,事後一併查看勝率、盈虧、平均風險回報比等。以為是回檔而進場、卻因反轉停損的那些次,也務必用同一標籤記錄。
這裡要注意的是,樣本數少的時候不要過度解讀數字。用5次、10次的結果來判定深度標準的好壞,為時過早。先用沒有風險的回測累積試行次數,再來觀察規律。
上圖是呈現方式的示例。即使是同一段上升趨勢,等待的深度和是否確認不同,結果也會不同——親自回測比較這種差異,正是回測的目的。等得越深,錯過機會也越多,所以不只看勝率,也要一併看次數和利潤幅度。
累積的記錄,也可以用AI 分析來複盤。AI 分析是把從過去交易數據與筆記中觀察到的規律用文字整理出來的功能。它能成為捕捉"越是在淺回檔進場的次數,因繼續下跌停損的記錄越多"這類自己不易察覺的規律的材料(並非買賣訊號或推薦)。
常見的4個錯誤
- 急著追進淺回檔:只跌一點就進場,真正的回檔可能在更深處,會被繼續下跌套牢。定好自己的深度標準,等到那裡再進。
- 不把停損綁定到深度標準就進場:以為是回檔,也可能是反轉。撤退線不綁定到近期低點或支撐線就進場,反轉時損失會膨脹。
- 相信是回檔而持續承受下跌:即使超過判斷基準,還想著"總會回來"一直持有,就會正面承受反轉的下跌。超過標準,就判斷回檔預期已落空。
- 不記錄因反轉停損的那一次:回檔做對的次數容易留在記憶裡,但因反轉停損的次數才更值得複盤。失敗也用同一策略標籤記錄。
常見問題
Q. 回檔深度該選"淺的一側"還是"深的一側"? A. 沒有哪種更優。淺回檔能更早參與趨勢,但容易被繼續下跌套牢;深回檔在價格上更有利,但可能來不及趕上反彈。建議把淺、深兩種情況都用自己的記錄回測比較,看哪一種更符合自己的標的與週期、更容易作為規則復現。
Q. 回檔和趨勢反轉怎麼區分? A. 下跌途中沒有確切的區分方法。正因如此,先定好"以收盤價跌破近期低點或支撐線,就不是回檔而撤退"這條深度標準。超過標準的下跌,作為回檔預期落空的訊號機械地撤退,就能抑制反轉時的損失。
Q. 常常等回檔等太久,結果沒進上。怎麼辦? A. 等得越深,反彈而錯過機會的次數就越多。這是"深等以減少假訊號"的另一面的取捨。要淺進而承擔繼續下跌的風險,還是深等而承擔錯過機會的風險,哪種適合自己的標的、時間週期,把兩者都記錄下來比較後再決定,最為穩妥。再定好等待深度的上限(回撤不到這裡就觀望的那條線),也更容易避免等太久。
Q. 移動平均線和斐波那契回撤,該用哪個作為深度參考? A. 沒有哪種更優。均線是隨趨勢移動的參考,斐波那契(回撤比例)是相對漲幅的比例參考,著眼點不同。把兩者都顯示出來,在過去的圖表上比較哪個對自己的對象更容易有效。多個參考重疊的價格帶,回檔的依據越強。
Q. 回檔買進的深度可以用哪些標的練習? A. ENTRIQ 的回測支援美股、外匯、原物料、加密資產。日本股票計劃在未來版本中支援。還能同時查看多個時間週期進行回測,因此也適合用於"在較高週期確認趨勢方向、在較低週期衡量回檔深度"這類練習。
回檔的"深度",在下跌途中無法確定是不是底部。能否把損失控制住,取決於把多深視為回檔的標準,以及超過標準時的停損。把深度標準與撤退成套地寫進策略規則欄,在過去的圖表上反覆確認吧。
回檔買進·反彈賣出的整體流程與回測步驟,在回檔買進·反彈賣出的做法中有系統性的講解。請與本文的深度標準結合參考。
ENTRIQ 是面向個人交易者,整合圖表回放、交易記錄與 AI 分析的股票練習・檢驗工具。
※本文不保證任何特定交易方法或規則的有效性與獲利能力。文中數值與示例僅用於說明規則的寫法,不代表實際投資成果。所有投資決策及其風險均由投資人自行承擔。
用歷史 K線驗證自己的手法
本文的驗證,你的手法也能重現。在歷史 K線上,主流打法是否真的有效。
- ✓ 用歷史 K線回放
- ✓ 用 AI 分析獲得回饋
- ✓ 用統計驗證手法