定義

滑價（Slippage）是下單時預期的價格與實際成交價之間的差距：買單往往成交在更高的價格、賣單成交在更低的價格。成交量越小、單量越大、行情越急，滑價越大；它是回測績效與實盤績效產生落差的主要原因之一。

公式與計算

滑價率 = (實際成交價 − 預期價格) ÷ 預期價格

手算範例：掛 100 元買進，實際成交在 100.3 元，滑價率 0.3%。買賣兩邊都滑 0.3% 時，一次來回被吃掉約 0.6%；若整個組合每月全數換一輪，一年 12 次來回，光滑價就可能侵蝕約 7 個百分點的報酬（示意估算，實際大小取決於周轉率與標的流動性）。

台股真實實例

量化交易的缺點與風險用一套月頻三因子策略實測：手續費率（含滑價代理）從 0% 拉到 0.5%，2020 至 2026 的年化報酬從 23.9% 掉到 16.0%。月頻策略對成本還有緩衝，換股頻率拉到週頻、日頻時衰減更快。
四因子選股用 fee_ratio 跑成本情境：預設 0.1425% 時年化 29.45%；拉到 0.3%（手續費加一般滑價的概估）剩 26.41%；0.5%（含較高滑價的保守估）剩 22.64%。
實戰教訓：FinLab 作者回顧自己的策略上線初期，滑價比研發時想像的嚴重，一度吃光利潤甚至倒賠，之後才把滑價當成策略設計必須正面處理的變數。

用 finlab 計算

finlab 的 sim() 預設內扣手續費 0.1425% 與賣出證交稅 0.3%，未內建滑價假設；常見做法是把 fee_ratio 逐步調高，當作滑價的壓力測試：

      
        
        顯示程式碼
        
      
      from finlab import data
from finlab.backtest import sim
 
close = data.get("price:收盤價")
 
# 範例策略:60 日動能前 10 名,月頻再平衡
momentum = close / close.shift(60) - 1
position = momentum.is_largest(10)
 
# 把單邊費率逐步調高,模擬不同程度的滑價
for fee in [0.001425, 0.003, 0.005]:
    report = sim(position, resample="M", fee_ratio=fee)
    cagr = report.get_stats()["cagr"]
    print(f"單邊費率 {fee:.4%}:年化 {cagr:.2%}")
    

策略對費率越敏感（通常代表周轉率越高），實單上線後被滑價侵蝕的風險就越大。

常見陷阱

小型股的滑價被系統性低估。 回測只是對歷史價格記帳，低流動性股票「回測買得到、實單買不到那個價」；許多漂亮回測的超額報酬集中在小型股，資金放大後，光是進出場的滑價就可能把超額報酬吃光。上線前先做流動性過濾，方法見回測的流動性風險分析。

滑價跟資金規模綁定。 固定百分比的 fee_ratio 只是近似，真實衝擊成本會隨下單金額上升；散戶用 50 萬跑得動的小型股策略，放大到 5 億可能完全跑不動。上線前先用小額實單比對回測價與實際成交價的差距，再決定要不要放大部位。

Slippage（滑價）

定義

公式與計算

台股真實實例

用 finlab 計算

常見陷阱

相關詞條與延伸閱讀