1．起點：尼特羅對梅路艾姆屬於什麼「學習」
如果只能選一個機器學習術語，梅路艾姆破解百式觀音的過程最接近線上對手建模。他在戰鬥中持續觀察尼特羅，並不斷更新「在這種局面下，對方下一步最可能選什麼」的判斷。[1]
只說強化學習太粗略。梅路艾姆同時在做以下事情：
- 觀察距離、方向、節奏、時機與上一個動作。
- 推測尼特羅在不同局面中的無意識偏好。
- 預測下一步。
- 改變自己的進攻，讓對方更容易做出某種反應。
- 搜尋幾步之後的突破路徑。
因此，更精確的說法是對手建模＋線上學習＋序列預測＋規劃。他把軍儀中訓練出的「讀取對手選擇傾向、比較未來分支」能力轉移到戰鬥。
2．一對一的組合也多得驚人，為何仍可讀取
假設雙方只有攻擊、防守、閃避、移動、佯攻五個選項，一輪同步行動就有25種組合。連續10輪是 25^10，約95兆種。真實戰鬥還有角度、速度、距離、力度、時機等連續變化，實際空間近乎無限。
梅路艾姆沒有背下所有序列。關鍵是：人不會用相同機率使用所有選項。
即使尼特羅有100種防守，在某個距離若A占50%、B占30%、C占15%，真正需要處理的其實只剩A、B、C。梅路艾姆若再用某種攻擊讓A更容易出現，搜尋空間還會縮小。
所以核心不是窮舉，而是：
限定局面、找出行為偏差，再用自己的行動縮小對方反應。
3．市場中通常看不見「強者是誰」
一對一只有一名明確對手。市場同時存在機構、券商、造市商、高頻交易者、主觀交易者與一般投資人。公開委託簿與成交明細通常不能告訴你每筆訂單的主人。
因此，「複製最強短線客」是危險的說法。你能看到的不是人，而是公開資料留下的痕跡：
- 主動買進後價格移動了多少跳。
- 主動賣出出現後，價格是否仍跌不下去。
- 被吃掉的賣單是否快速補回。
- 買單是否移到更高價位。
- 突破高點後成交是否繼續。
- 買賣價差是否維持狹窄，或突然擴大。
市場版的問題不是「誰在買」，而是：
在這個可觀察局面中，哪一方真的在推動價格？
4．「吸附強者」思路為何可能成立
不跟最快的人搶第一段，而是研究剩餘的持續訂單流，有幾項研究基礎。
第一，大訂單常被拆分。 一次下出巨額訂單會把價格推向不利方向，因此母訂單常拆成許多子訂單。使用東京證券交易所九年以上帳戶級資料的研究，定量支持了訂單拆分會造成買後續買、賣後續賣的方向持續性。[2]
第二，可預測的子訂單會被其他參與者讀取。 研究發現，大訂單執行模式越容易預測，訂單預判活動、執行成本與延遲價格衝擊往往越明顯。[6][7] 這和back-running、order anticipation相近：根據過去訂單流推測大交易者接下來的行為，再從後方交易。
第三，第一段速度競爭對人類太快。 英國交易所訊息研究顯示，典型延遲套利競賽約5～10微秒，而且超過20%的成交量與某種速度競賽有關。[9] 人類看螢幕再點擊，不可能爭這一段。
個人能研究的是持續更久的現象：數秒到數分鐘的訂單拆分、跟隨訂單與暫時性流動性不足。
但這不證明所有第二波都會賺錢。大訂單結束後，價格衝擊可能部分回復；先手買家也可能把部位賣給後來追價者。真正要確認的不是已經漲過，而是流動尚未結束。
5．公開資料中的四類痕跡
5-1．訂單流不平衡（OFI）
OFI把主動成交、最佳買賣價上的限價單增加與取消一起計算，衡量買賣壓力差。對美國50檔股票的研究發現，短時間價格變化與OFI的關係比與單純成交量更穩定；市場深度越薄，同樣的OFI越容易造成較大價格移動。[3]
用拔河比喻，OFI不只是數參與者，而是觀察繩子實際往哪邊移動，以及雙方誰加入、誰離開。
5-2．委託簿佇列不平衡
最佳買價數量為 B，最佳賣價數量為 A：
QI = (B - A) / (B + A)
QI接近1表示可見買盤相對厚，接近-1表示賣盤厚。針對NASDAQ 10檔股票的研究發現，QI與下一次中間價方向存在顯著統計關係，大跳動單位股票的預測改善較明顯。[4]
但可見掛單可以被取消，所以不能只看靜態厚度，還要看新增、取消與成交。
5-3．價格如何回應訂單
最直觀的訊號不是訂單數量，而是價格收到訂單後怎麼動。
- 大量主動買進卻漲不動：上方可能有強賣方吸收。
- 大量主動賣出卻跌不動：下方可能有買方需求吸收。
若要跟隨上漲，「買單很多」不如承受賣方反擊後仍不崩更有資訊。
5-4．委託簿恢復力
大訂單把委託簿打薄後，恢復正常形狀的速度稱為恢復力。倫敦證券交易所一檔股票的研究發現，委託簿不一定會補回；但若補回，估計半衰期約20秒，且觀察到跟隨式市價單的跡象。[5]
這不是所有股票都用20秒的規則。重點是測量：初始衝擊後的短時間內，反方向流動性是否重新出現。
6．進場假設：不追第一下，而是等市場扛住反擊後再加速
做多方向可拆成五步：
- 衝擊：價格、成交頻率、正向OFI異常快速上升。
- 等待：不立即追價，先讓賣方反擊出現。
- 抗壓確認：回檔較淺，買盤補充，初始上漲的關鍵起點未破。
- 再加速：正向OFI再次增加，賣盤被吃掉，近期高點被突破。
- 參與：只交易再加速後的短暫延續。
例如價格由1000升至1010，回到1007，賣壓出現卻始終跌不破1007，隨後再次突破1010。最強者拿走前10點，跟隨者只嘗試拿確認後剩餘的部分。
這不是論文已證明的通用獲利規則。研究直接支持的是訂單方向持續性、OFI與委託簿不平衡的短期資訊，以及訂單預判行為存在。把它們組合成上述五步，是需要驗證的策略假設。
7．停利應依「進場理由還能活多久」設計
進場理由是：
「短命的買方訂單流仍在，跟隨買盤可能很快到來。」
因此離場不能只看浮盈，而要看這個假設是否仍成立。可組合四種出口。
7-1．前提失效離場
- 突破後立即跌回突破位下方。
- 跌破回檔低點。
- OFI轉向賣方。
- 主動買進持續，但價格不再上漲。
- 賣盤快速反覆補充。
- 買盤消失，價差擴大。
這時即使未達目標也要退出。跟隨的快跑者已停下，就沒有理由只因原本設定距離而獨自繼續跑。
7-2．時間退出
這個策略期待的是「很快延續」。若預期時間內沒有新高或再加速，沒有動本身也是資訊。
不存在適用所有股票的20秒答案。不同訊號衰減速度不同；考慮交易成本的動態交易研究也顯示，部位調整應取決於訊號持續性與均值回復速度。[12] 應用自己的資料測量，獲利樣本通常在多少秒或多少事件內開始作用，並以此設定有效期。
7-3．固定目標
固定停利不是錯，但沒有依據的3跳或通用1:2盈虧比很薄弱。應收集進場後最大有利波動（MFE），扣除價差、費用與滑價後比較不同目標。
期望值 = 勝率 × 平均獲利 − 敗率 × 平均虧損 − 交易成本
目標越遠，單次獲利可能越大，但命中率越低，必須一起看。
7-4．移動停利與分批退出
移動停利會隨價格上升而提高退出線，可保留對少數大行情的曝險。在特定擴散模型中，數理研究證明限價賣出與移動停損的組合可能最優。[11] 這不代表所有市場都應固定放在下方2跳。
分批停利可能降低結果波動與心理壓力，但也可能過早賣掉最佳交易並增加成本。沒有普遍證據顯示「永遠先賣一半」最優。
8．停損不是越窄越好
停損研究顯示，如果價格是隨機漫步，機械停損會降低期望報酬；若報酬具有正向連續性或動能，停損才可能增加價值。[10]
本策略押注短期延續，所以前提失效停損有邏輯。但若停損比正常雜訊還窄，就會反覆被掃，只剩價差與成本。
可分為：
- 初始停損：使設定失效的價格或訂單流條件。
- 時間退出：預期延續未按時出現。
- 獲利後追蹤：隨最近回檔低點或訂單流反轉上移。
9．人的停利判斷有偏差
一項分析約1萬個帳戶的經典研究發現，投資者傾向太早賣出獲利部位、太久持有虧損部位，即處分效果。[13]
短線中也會出現：賺2跳怕失去而立刻賣，虧2跳卻等待反彈。結果是贏得小、輸得大。
因此離場應連結到事先定義的理由：
- 前提失效。
- 訊號壽命結束。
- 達到統計選出的目標。
- 觸發追蹤條件。
10．研究支持什麼，又沒有支持什麼
相對有力的結論
- 根據對手行為建模並調整策略，是成熟的研究方向。[1]
- 訂單拆分會促進同方向訂單流持續。[2]
- OFI與短期價格變化關係較強。[3]
- 委託簿不平衡可能包含下一次價格方向資訊。[4]
- 其他參與者會辨識並交易可預測的大訂單執行。[6][7]
- 最快市場競賽遠快於人類反應。[9]
- 停損、移動退出的價值取決於價格過程、訊號持續性與成本。[10][11][12]
尚未被普遍證明
- 淺回檔後再次突破即可讓個人扣除成本後穩定獲利。
- 公開委託簿能識別某個具名高手的訂單。
- 20秒、3跳、賣一半是通用最優參數。
- 高預測準確率自然等於高淨利。
- 某時期有效的規則在制度與參與者改變後仍有效。
11．最小可行驗證方案
先針對一個嚴格定義的局面記錄100～300個樣本。
局面資料
- 標的、時間、價差、最小跳動。
- 初始行情幅度與持續時間。
- 成交頻率、OFI或簡化買賣壓力。
- 回檔幅度與面對反向市價單時的價格反應。
- 買賣盤新增、取消與補充速度。
- 是否再加速、是否創新高。
進場後資料
- 1、5、10、20、30秒後損益。
- 最大有利波動（MFE）、最大不利波動（MAE）。
- 到達最高點時間、OFI反轉時間。
- 實際成交、滑價、價差、費用。
比較出口
- 固定停利＋固定停損。
- 前提失效＋時間退出。
- 部分固定停利＋其餘移動退出。
- 訂單流反轉時全部退出。
用較早日期建立規則，用較新日期檢驗，避免未來資料洩漏。市場狀態會變，應進行滾動向前驗證。
最後一定要看扣除成本後的結果。方向預測優勢只有1跳，而價差與滑價正好吃掉1跳，策略就不存在。
結論
尼特羅對梅路艾姆真正值得借用的，不是背下所有組合。
從可見行為學習偏差，縮小局面，確認反方向的反應，再進入仍存在的短暫路徑。
放到市場，不是尋找具名的「超級高手」，而是讀取強訂單流在公開資料留下的痕跡。把第一段讓給更快的參與者，等待市場承受反擊，只在訂單壓力再次加速時短暫跟隨。
停利則回答三個問題：
跟隨理由還在嗎？延續是否在預期壽命內出現？扣除所有成本後還有足夠空間嗎？
最短版本是：
不要試圖擊敗領跑者。確認領跑者製造的流動仍活著，短暫跟隨；流動一停，就不管任意設定的距離目標，立刻下車。
這就是研究較能穩妥支持的「吸附強者型短線」骨架。
