200 日均線大盤濾網回測：疊在 2 支美股策略上，
幾乎沒有差別

200 日均線大盤濾網能讓好策略更好嗎？我們把站上兩支美股策略加上這條經典的趨勢規則：QQQ 收盤跌破均線（100、150 或 200 日，緩衝 0 到 4%）就全部賣出，收回均線以上再買回。2016 年 5 月到 2026 年 11 月，盈餘驚喜廣度策略的最大回撤從 -21.1% 降到 -15.3%，日夏普從 1.46 變 1.48，但扣掉 BIL 之後的夏普只有 4 組參數贏原策略；自由現金流廣度策略的日夏普從 1.47 降到 1.45。兩支加濾網後的週報酬跟原策略相關 0.97，等於同一支策略少持有一點。兩支都沒有通過開跑前寫定的條件，每月波動度控管的結果更差。

原因是兩支策略本來就在看同一個訊號：QQQ 站上 200 日均線、6 個月動能為正才會轉多頭，否則只持有 IEF、GLD、SHY 裡最強的一檔。濾網空手的那 15.3% 交易日，兩支策略年化只有 5.5% 與 9.9%，日夏普 0.40 與 0.74，遠低於其他日子的 1.61 與 1.58。QQQ 本身在那些日子年化仍有 18.2%，只是波動是平常的兩倍。均線濾網要有用，前提是底下的策略在大盤跌破均線時會賠錢或幾乎不賺。

200 日均線濾網回測關鍵數字

200 日均線大盤濾網是什麼

均線是過去 N 個交易日收盤價的平均。200 日均線大約是 10 個月，「QQQ 跌破 200 日線」是美股最常見的空頭判斷之一。當成大盤濾網時，它不負責選股，只決定整個組合要不要持有：指數收盤跌破均線就全部賣出，回到均線以上就買回策略當時的持股。

這個做法因 Faber（2007） 的 10 個月均線研究而普及：用在美股與其他資產類別上，報酬接近買進持有、回撤小很多。本文用兩條線：QQQ（含息）收盤低於 N 日均線 ×（1 − 緩衝）才出場，收盤回到均線以上才進場，介於兩條線之間維持前一天的狀態，避免指數在均線附近來回時一直進出。原參數是 150 日、緩衝 2%，鄰近參數是 100、150、200 日乘上 0、2%、4%，共 9 組。

原參數從 2016 年 5 月到 2026 年 11 月出場 14 次，空手期間對應 2018 年底、2020 年 3 月、2022 年大部分時間、2025 年春天，以及 2026 年初的一小段。100 日不留緩衝會出場 57 次，200 日的三組在 11 到 21 次之間。

被加上濾網的兩支策略

兩支都在美股策略總覽裡（量化交易的整體框架見量化交易是什麼），加濾網之前就通過了對 QQQ 的三項驗證：

• 盈餘驚喜廣度：數最近 20 個交易日內，流動性前 500 檔美股有多少家 EPS 超出分析師預估 5% 以上、當天股價上漲。家數超過 1%，而且 QQQ 站上 200 日均線、6 個月動能為正，才轉多頭。
• 自由現金流廣度：流動性股票中，自由現金流為正、利潤率高於 5%、負債權益比低於 1.2 且站上 200 日均線的比例。超過 5%，加上同樣的 QQQ 趨勢條件，才轉多頭。

多頭月份兩支都持有約 25% TQQQ、25% TECL 與 50% 最強的防禦型 ETF，空頭月份只持有 IEF、GLD、SHY 裡最強的一檔；每月換股、8% 停損。TQQQ、TECL 是 3 倍槓桿 ETF，每天重設槓桿，盤整時會有耗損，槓桿 ETF 擇時回測裡 2017 到 2026 年單純持有 TQQQ 的最大回撤是 -81.7%。兩支都用策略頁的程式原封不動執行，資料截到 2026-11-06；在策略頁統計的同一段期間內，重跑的年化與策略頁差不到 0.2 個百分點、日夏普差不到 0.02。下文的「原策略」就是這兩支，圖表裡標為「底策略」。

加濾網時其他設定都不變：原策略每次換股的權重延用到下次換股，濾網切換那天，用原策略當天實際持有的部位（扣掉已停損出場的）乘上曝險，其餘放現金。曝險固定為 1 時，每天淨值都跟原策略相同，我們用這點檢查疊法沒寫錯。

波動度控管參考 Moreira 與 Muir（2017） 以及 Barroso 與 Santa-Clara（2015） 用在動能策略的版本：每月最後一個交易日，算原策略過去 L 天的實現波動 σ，下個月曝險設成 min(1, 目標 ÷ σ)，目標是到那天為止 σ 的中位數乘上 m。參數 L 21、63、126 日乘上 m 0.8、1.0、1.2，原參數 63 日、1.0。

過關條件

條件在看到結果前寫在案件裡，之後沒改：

1. 對 QQQ 含息的三項驗證：9 組至少 7 組日夏普贏；原參數前後兩段都贏；在 finlab 美股預設成本（0）與每邊 0.1% 下都贏。美股另外要扣 BIL 的夏普也贏、拿掉領先 QQQ 最多的那一年仍贏。
2. 比原策略好：9 組至少 7 組、以及原參數的前後兩段，扣 BIL 之後的夏普都要高於原策略。回測裡的現金沒有利息，所以用扣 BIL 的夏普比較才公平。
3. 是不同的策略：週報酬跟原策略、跟每支已上線策略的相關都要低於 0.95。

第 1 項在這裡很容易過，因為兩支原策略本來就大幅領先 QQQ；第 2 項才是這篇要回答的問題。

結果：均線濾網幾乎沒有改變結果

兩種濾網在兩支策略上都通過第 1 項：9 組參數的日夏普都贏 QQQ，原參數前後兩段、每邊 0.1% 成本、扣 BIL、拿掉最好的一年也都贏。每邊 0.1% 成本下，盈餘驚喜加濾網的日夏普仍有 1.41，QQQ 是 0.92；拿掉領先最多的 2020 年，1.26 對 0.87。但跟自己的原策略比，就是有贏有輸。

• 盈餘驚喜廣度：9 組有 4 組贏原策略，最多只多 0.015。原參數多 0.009，後半段 1.07 輸給原策略的 1.09。
• 自由現金流廣度：9 組只有 2 組贏原策略，都是 200 日。原參數少 0.03。
• 經典的 200 日不留緩衝：扣 BIL 夏普分別多 0.012（盈餘驚喜）與 0.011（自由現金流）。100 日的三組最差，最多少 0.11；100 日不留緩衝出場 57 次，原參數只有 14 次。

回撤確實變淺：盈餘驚喜從 -21.1% 到 -15.3%，自由現金流到 -18.4%；年化少 1 到 2 個百分點。這是要承擔多少風險的選擇，策略本身沒有變好，0.97 的週報酬相關也說明加濾網的版本幾乎每週都跟原策略同步。

為什麼濾網幫不上忙

濾網只會改變它空手的那些日子。那 15.3% 的交易日裡，兩支策略因為自己的規則也要求 QQQ 站上 200 日均線，常已轉成持有 IEF、GLD 或 SHY，年化 5.5%（日夏普 0.40）與 9.9%（日夏普 0.74），比其他日子的日夏普 1.61、1.58 低很多，但仍是正報酬。換成現金後少了這段報酬，也少了這段波動，兩者大致抵銷。

QQQ 本身就不一樣。濾網空手的日子，QQQ 年化仍有 18.2%，年化波動 37.1%；其他日子年化 21.1%、波動 18.5%。跌破均線之後，那斯達克 100 平均仍在漲，但波動變成兩倍，中間夾著 2020 年 4 月、2025 年春天這種急彈。濾網躲掉的是風險，不一定躲掉虧損。

波動度控管：年化少了四分之一

每月波動度控管讓兩支策略平均只持有 81% 到 82%，最大回撤都降到 -17.7%；年化從 31.6% 降到 23.9%、31.8% 降到 23.4%，扣 BIL 夏普從 1.35 與 1.36 降到 1.29 與 1.28。回看 21 日的版本接近原策略，63 日與 126 日都少 0.03 到 0.14。直接在 QQQ 上做波動度目標的結果在 QQQ 波動度目標策略。Cederburg 等人（2020） 用美股 103 個股票策略測試，也發現即時執行的波動度管理多半沒有穩定贏過原策略，跟這兩支的結果一致。

同一套濾網用在 31 支台股策略

我們也把同樣的方法用在站上 31 支台股選股策略，濾網換成發行量加權股價報酬指數的 120 日均線（半年線）、緩衝 2%。結果比美股分散：27 支回撤變淺、31 支年化全部變少、17 支日夏普上升，3 支全部過關（極小型股 30 檔、核心衛星 60/40、營業利益率三因子），細節在台股大盤濾網研究。

31 支台股策略的日夏普變化，跟原策略在濾網空手日子的日夏普相關 -0.88。那些日子日夏普低於 0.5 的 9 支全部變好，高於 0.9 的 8 支全部變差，大多是大盤弱時還在漲的營收動能類策略。兩支美股策略落在中間：那段時間日夏普 0.40 與 0.74，加濾網後的變化也接近零，跟台股的趨勢一致。

用 finlab 重現

濾網本身只要幾行。market_exposure() 把 QQQ 與均線變成 0／1 的曝險，with_market_filter() 把任何一份回測報告的持股乘上曝險重跑。這是簡化版，完整的 research.py 另外處理停損出場的部位，並跑完所有參數。

import pandas as pd
from finlab import data
from finlab.backtest import sim
 
MA_DAYS = 150   # 均線天數
BUFFER = 0.02   # 跌破均線再低 2% 才出場
 
 
def market_exposure():
    """1 是照原策略持有，0 是空手；介於兩條線之間維持前一天的狀態。"""
    data.set_market("us_fund")
    qqq = data.get("us_fund_price:adj_close")["QQQ"].dropna()
    average = qqq.rolling(MA_DAYS).mean()
    state = pd.Series(float("nan"), index=qqq.index)
    state[qqq >= average] = 1.0
    state[qqq < average * (1 - BUFFER)] = 0.0
    return state.ffill().fillna(1.0)
 
 
def with_market_filter(base_report, **sim_args):
    """原策略每次換股的權重延用到下次換股，再乘上曝險。"""
    days = data.get("us_fund_price:adj_close").index
    days = days[days <= base_report.creturn.index[-1]]
    weights = base_report.position[base_report.position.index < days[-1] + pd.offsets.BDay()]
    weights.index = days[days.searchsorted(weights.index, side="right") - 1]
    weights = weights[~weights.index.duplicated(keep="last")]
    days = days[days >= weights.index[0]]
 
    exposure = market_exposure().reindex(days, method="ffill").fillna(1.0)
    switches = exposure.index[exposure.ne(exposure.shift())][1:]
    position = weights.reindex(days, method="ffill").fillna(0.0).mul(exposure, axis=0)
    return sim(position, resample=weights.index.union(switches), upload=False, **sim_args)

把原策略的回測報告和它自己的設定（例如 stop_loss=0.08）傳進去，再拿 report.creturn 跟原策略比較。

回測方法與限制

• 期間：2016-05-02 到 2026-11-06，與兩支策略頁的起點相同，資料截到 2026-11-06。
• 訊號：QQQ 含息收盤與同一天的均線比較，下一個交易日收盤成交；QQQ 還沒有 150 或 200 天資料的前幾個月，濾網維持持有。波動度控管只用每月底以前的報酬。
• 成本：finlab sim() 美股預設成本為 0，另外用每邊 0.1% 重跑一次；沒有另外估滑價與容量。
• 現金：回測裡現金沒有利息，所以另外報扣 BIL 的夏普。
• 槓桿：多頭月份持有 3 倍槓桿 ETF，耗損與跳空風險都在回測結果裡。
• 樣本內外：全段是樣本內回測，前後兩段與鄰近參數只是檢查穩定度，沒有另外留樣本外資料。

這個結果能說明什麼

在這段期間、這兩支策略上，加 QQQ 均線濾網是用 1 到 2 個百分點的年化換較淺的回撤，風險調整後沒有變好。這個結論只適用於本來就跟著趨勢走的策略；一直滿倉持股、大盤跌破均線時會賠錢的策略可能不一樣，台股就有幾支是這樣。要知道自己的策略適不適合，最直接的方法是把回測拆成「指數在均線上」與「均線下」兩段，看下面那段還賺不賺。

槓桿 ETF 直接搭配 200 日均線的結果在 TQQQ 200 日均線回測；突破型的趨勢跟隨在QQQ 突破策略與海龜交易法則回測。

常見問題

200 日均線大盤濾網是什麼？

只在大盤指數（本文用 QQQ）高於 200 日均線時持有策略，收盤跌破就全部換成現金的規則。它不負責選股，只決定整個策略要不要在場。

加 200 日均線濾網會讓報酬變好嗎？

在本文的測試裡不會。兩支策略的年化都少了 1 到 2 個百分點，最大回撤從 -21.1% 降到 -15.3% 到 -18.4% 之間。

200 日、150 日、100 日哪個比較好？

200 日稍好。自由現金流策略只有 200 日的兩組贏原策略，扣 BIL 夏普多 0.011 到 0.016；100 日最差，最多少 0.11。差距都不足以過關。

QQQ 用 200 日均線擇時是好的趨勢跟隨策略嗎？

那是另一個問題。TQQQ、QLD 搭配 200 日均線的回測在槓桿 ETF 均線擇時實測，TQQQ 那條規則也沒有通過三項驗證。

波動度控管是什麼？

策略最近波動變大時減碼、波動變小時加回，讓組合的波動比較穩定。在這兩支策略上，它讓年化少了約四分之一，日夏普也沒有變好。

什麼時候大盤濾網才有用？

底下的策略在大盤跌破均線時會賠錢或幾乎不賺的時候。31 支台股策略裡，加濾網後日夏普的變化跟原策略在那段時間的日夏普相關 -0.88；這兩支美股策略在那段時間的日夏普是 0.40 與 0.74，落在不好也不壞的區間，所以加了也沒什麼差。

可以自己重跑嗎？

可以。下載下方的 research.py，安裝 finlab 後執行 python research.py us，它會從官網下載兩支原策略的程式、疊上兩種濾網跑完所有參數。

下載資源

風險提示

本文所有策略與回測結果僅供教學與研究用途，不構成投資建議，也不推薦任何個股或 ETF。過去績效不代表未來表現，槓桿 ETF 可能損失大部分價值。投資一定有風險，請依自身風險承受能力審慎評估。

最後更新：2026-11｜回測區間：2016-05 ～ 2026-11｜作者：FinLab 量化研究團隊（經量化研究員審閱）