FinLab AI vs QuantPass（量化通）
QuantPass（量化通）是台灣的量化交易教育平台，以課程、策略電子書與第三方軟體轉售為主，本身不提供可重現的回測。這篇比較 QuantPass 與 FinLab 在回測可重現性、台股數據、風險揭露、價格與透明度上的差異，幫你選對工具。
什麼是 QuantPass（量化通）？
QuantPass（量化通）依其官網的自我定位是「致力於全民量化金融教育的社群」，主要業務是量化交易線上課程、策略電子書，以及轉售第三方軟體與服務（例如 MultiCharts、TradingView 授權，以及 CTPro 雲端下單機）。它教學與轉售的工具都是別人的產品，本身沒有自有的回測引擎，也沒有自有的台股數據庫。
它的定位明確偏向新手與「免寫程式也能量化交易」的族群，課程依程度分流：不寫程式的人走 MultiCharts、MT4／MT5；工程背景的人走 Python。整體偏重台指期與 MultiCharts，並提供社群與課後支援。對想要有人帶、偏好圖形介面、主攻期貨的新手，這是一條低門檻的入門路徑。
核心差異：績效數字能不能被你重現
這是 QuantPass 與 FinLab 最關鍵的分野。QuantPass 課程頁常見的招牌績效（例如某台指期課程標示三年約 431% 的報酬）是用「總獲利 ÷ 期貨保證金」這類對自己有利的算法、回測區間停在 2016–2018，且沒有揭露夏普比率、最大回撤，也沒有樣本外驗證。你看得到一個漂亮的報酬數字，卻拿不到可以自己重跑的程式碼與資料，無從驗證它在近年是否還有效。
FinLab 的做法相反：策略是可重現的。以本站量化交易旗艦頁的三套示範策略為例，2020–2026 的日夏普介於 1.21–1.26，並附可下載的 strategy.py，你可以自己跑一次、改條件、換區間，甚至誠實地看到它們在 2007 年起算的全期夏普會掉到 0.7–0.8。能不能把績效攤開讓你重現與挑戰，是工具型態的差異，不是話術的差異。想理解為什麼「漂亮的歷史數字」常常是過擬合，可參考做量化投資會遇到的挑戰：夏普、過擬合與失效策略。
數據、透明度與護城河
QuantPass 的價值建立在「教你用第三方工具」之上，因此它沒有自己的台股基本面、籌碼、月營收資料庫；策略的資料來源與回測口徑取決於你用的是哪個外部平台。FinLab 則是把資料與回測包進一個 Python 套件，`pip install finlab` 之後就能取用 900+ 種台股歷史指標，並用統一口徑回測、扣成本、跟含息大盤公平比較。
對散戶來說，真正該問的不是「老師賺多少」，而是「我能不能自己驗證一套規則的報酬、風險與失效情境」。想先把回測觀念補齊，可看回測是什麼？量化投資回測入門；想了解量化交易的完整定義與平台比較，可看量化交易是什麼。
誰適合 QuantPass？誰適合 FinLab？
如果你想要有人手把手帶、偏好 MultiCharts／TradingView 的圖形介面、主攻台指期，而且不打算自己碰程式與資料，QuantPass 的課程與轉售的下單機是一條完整的入門與實單路徑，它的社群與課後支援也是優點。
如果你更在意「這套策略能不能被我自己重現、風險多大、跟大盤比輸贏如何」，想用真實台股資料驗證並下載程式碼自己重跑，FinLab 會更適合。兩者並非互斥：你可以用課程建立基礎觀念，再用 FinLab 把任何想法跑成可重現、可量化風險的回測。
總結：QuantPass 教你入門，FinLab 讓你驗證
QuantPass（量化通）是一個偏新手、偏期貨、以課程與第三方工具轉售為主的量化教育平台，對想要有人帶的初學者有其價值。它的結構性限制是：沒有自有回測引擎與數據，招牌績效是 in-sample、不可重現，也未揭露夏普與最大回撤。
FinLab 補上的正是「可重現、可量化風險、可跟含息大盤公平比較」的那一塊。免費版就能用 900+ 種台股數據回測，旗艦頁的三套示範策略 2020–2026 日夏普 1.21–1.26 並附可下載 strategy.py，讓你不必相信任何人的招牌數字，而是自己跑一次。
FAQ
量化通 vs FinLab AI 常見問題
QuantPass 是台灣的量化交易教育平台，主要販售量化交易線上課程、策略電子書，並轉售 MultiCharts、TradingView 授權與 CTPro 下單機等第三方軟體。它本身不是回測平台，也沒有自有的台股數據庫，偏向新手與「免寫程式」的期貨族群。
公開、可獨立查證的第三方評價其實很少：在 PTT、Dcard、Mobile01 上不容易找到專門針對量化通的具名評論，建議自行向官方確認課程內容與退費條款再決定。另外要特別留意，網路上有一個名稱相近的外國產品「Quantumpassx」帶有詐騙投訴，那與台灣的量化通是不同的東西，不要混為一談。
判斷重點不是包裝或老師資歷，而是它的績效能不能被你自己重現。如果課程只給你 in-sample 的招牌報酬率、卻沒有資料來源、回測口徑、夏普、最大回撤與樣本外驗證，就很難評估它在近年是否仍有效。買之前可以要求看到可下載、可重跑的回測，而不是只看一張漂亮的績效圖。
最根本的差別是「能不能自己重現回測」。QuantPass 教你用第三方工具，招牌績效是 in-sample、不可下載重現，也沒有自有數據；FinLab 把資料與回測包成 Python 套件，可下載 strategy.py 自己重跑，揭露 CAGR、夏普、最大回撤並跟含息 0050 公平比較。QuantPass 強在新手帶領與期貨教學，FinLab 強在策略驗證與透明度。
它沒有自有的回測引擎，而是教你在 MultiCharts 或 TradingView 裡做回測。因此回測的資料來源與口徑取決於你用的外部平台，課程頁上的績效數字通常也無法讓你下載重現。
可以。你可以用課程建立量化與期貨的基礎觀念，再用 FinLab 把想法跑成可重現、可量化風險的台股回測。兩者一個偏教學、一個偏驗證，並不互斥。