ADX 指標怎麼用才對？台股 11 年回測：它量強度、不量方向

ADX 指標在台股的正確用法：量趨勢強度，不量方向

幾乎所有中文 ADX 教學都跳過一個致命細節：ADX 只量「趨勢有多強」，完全不量「往哪個方向」。一檔正在「強力下跌」的股票，ADX 一樣很高。所以把教科書那句「選 ADX 高的股票」放到台股做 11 年回測（2015-2026），會把一堆強勢下跌股也買進來——研究段（2015-2021）年化雖有 21.9%，最大回撤卻一路探到 -34.9%，全期更達 -43.4%。問題不在 ADX，而在沒搭方向。把 ADX 和 +DI／-DI 一起用（這才是 DMI 體系的完整用法），只留「強趨勢『且』向上」的股票，研究段月夏普就從 1.04 升到 1.17。而 ADX 真正的殺手級用法是風控：用全市場「強勢上升趨勢股的家數佔比」當大盤多空溫度計，在選股籃外套一層清倉開關，把全期最大回撤從裸用的 -43.4% 壓到 -31.3%，全期年化 25.5%、月夏普 1.06，風險調整後與回撤都優於含息 0050（年化 21.0%、夏普 1.05、回撤 -34.0%），樣本外（2022-2026）也不衰退（年化 33.5%、夏普 1.22）。

先用一張表回答你搜尋「ADX 指標」時最想知道的事：

本文所有數字皆出自 finlab 套件抓取的上市櫃真實價量資料（price 與 etl:adj_close 含息還原股價），回測區間 2015-01 至 2026-06-09，基準為含息 0050。文末附可下載的 strategy.py 與 data.csv，可自行重現。對回測的觀念還不熟，可先看回測是什麼。

ADX 指標是什麼：DMI 體系裡量「強度」的那條線

ADX（Average Directional Index，平均趨向指數）是技術分析大師 J. Welles Wilder 在 1978 年《New Concepts in Technical Trading Systems》提出的趨向指標，屬於 DMI（Directional Movement Index）體系。這套體系由三條線組成：

+DI（正趨向指標）：量上漲方向的力道。

-DI（負趨向指標）：量下跌方向的力道。

ADX：先由 +DI 與 -DI 算出 DX（兩者差距相對總和的比值），再對 DX 取移動平均，得到的就是 ADX。它衡量的是「趨勢有多強」，數值越高代表趨勢越明確。

這裡有一個被大量教學忽略、卻是整篇文章關鍵的事實：ADX 是用 +DI 和 -DI 的「差距」算出來的，所以它對上漲與下跌一視同仁。 一檔猛烈下跌的股票，-DI 遠大於 +DI，差距很大，ADX 一樣會衝很高。換句話說，ADX 高只告訴你「現在有強趨勢」，不告訴你「趨勢往上還是往下」。方向，要交給 +DI 與 -DI 的相對位置：+DI > -DI 偏多、-DI > +DI 偏空。

教科書常用的讀數門檻是：ADX < 20 代表盤整無趨勢、20-25 趨勢成形、> 25 趨勢明確。常用參數是 14 日（Wilder 原始建議），本文也沿用。技術指標的基礎名詞可參考名詞詞彙表；ADX 的計算屬於 TA-Lib 內建函式之一，實作可參考用 Python 計算 158 種技術指標。

ADX 的數學定義：從 +DM／-DM 到 DX 再到 ADX

把文字講的「強度不分方向」翻成公式，就一目了然。DMI 體系從每日的方向移動量（DM）出發，先算 +DI 與 -DI，再由兩者算 DX，最後對 DX 取移動平均得到 ADX：

$+DI = 100\frac{EMA_n(+DM)}{ATR_n},\ -DI = 100\frac{EMA_n(-DM)}{ATR_n},\ \ DX = 100\frac{|+DI - (-DI)|}{+DI + (-DI)},\ \ ADX = EMA_n(DX)$

逐個符號拆開來看：

• $+DM$（正方向移動量）是今日高點比昨日高點多出的部分，$-DM$（負方向移動量）是今日低點比昨日低點低的部分；兩者取較大的那一邊，另一邊歸零。它們各自衡量「向上」與「向下」的原始推力。
• $ATR_n$ 是 $n$ 日平均真實區間（average true range），把 +DM／-DM 除以它做標準化，讓不同價位、不同波動的股票可以放在同一把尺上比較。
• $+DI$、$-DI$ 就是標準化後的上漲力道與下跌力道（乘 100 變成百分比刻度）。$+DI > -DI$ 代表多方占上風，反之空方占上風——方向資訊全藏在這兩條線的相對位置。
• $DX$ 是 $+DI$ 與 $-DI$ 的「差距」除以「總和」。注意分子是絕對值 $|+DI - (-DI)|$：不管是上漲力道遠大於下跌、還是下跌力道遠大於上漲，$DX$ 都會很高。這正是 ADX「不分方向」的數學根源。
• $ADX$ 是 $DX$ 再取一次 $n$ 日指數移動平均。多一層平滑讓讀數穩定，但也讓它對轉折反應更慢，本質偏落後。

一句話：$ADX$ 只用到 $+DI$ 與 $-DI$ 的差距大小，丟掉了誰大誰小的方向資訊。要把方向找回來，就得回頭看 $+DI$、$-DI$ 本身——這也是下面所有用法的共同起點。

在台股看 ADX 的訊號長相：以台積電為例

公式抽象，圖更直觀。下面這張圖把台積電（2330）2023-07 到 2024-06 約一年的走勢攤開：上半部是股價、標出兩個教科書派別的進出場箭頭，下半部是同期的 +DI（綠）、-DI（黃）與 ADX（藍）三條線，並畫出 ADX = 25 的趨勢門檻。

圖上兩個派別的買賣點規則不同：

• 趨勢派（圖中藍三角／紫倒三角）：要 ADX > 25（趨勢夠強）且 +DI > -DI（方向偏多）同時成立才進場，任一條件失效就出場。在這段一年窗裡進場 9 次、出場 8 次。
• 裸高 ADX 派（圖中紅三角／粉倒三角）：只看 ADX > 25、完全不看方向就進場。同段窗進場 7 次、出場 6 次。

從這張圖能直觀看到三件事。第一，ADX 高的時候不一定該買：在下半部 ADX 衝高的區段，要再回頭確認 +DI 是否壓過 -DI，裸高 ADX 派少了這道確認，遇到強勢下跌段就會接刀。第二，訊號相當頻繁：一年內進出各 7-9 次，月再平衡換股時每次都要重新判斷，門檻附近反覆穿越就容易產生來回甩動（whipsaw）的假訊號。第三，ADX 反應偏慢：因為它是 DX 再做一次平滑，趨勢已經走一段，ADX 才確認上來——這也呼應前面公式說的「本質偏落後」。

想自己畫這張圖、把訊號看清楚，可以用 data.indicator 直接取得 ADX 與 +DI／-DI，再用簡單的布林邏輯標出兩派的進出場日：

import finlab
from finlab import data
 
# finlab 會在需要資料時自動引導登入
finlab.login()
 
# 取 DMI 體系三條線（皆 14 日）
adx = data.indicator("ADX", timeperiod=14)
plus_di = data.indicator("PLUS_DI", timeperiod=14)
minus_di = data.indicator("MINUS_DI", timeperiod=14)
 
# 鎖定台積電與示意窗
sid = "2330"
window = slice("2023-07-01", "2024-06-30")
adx_s = adx[sid].loc[window]
plus_s = plus_di[sid].loc[window]
minus_s = minus_di[sid].loc[window]
 
# 趨勢派：ADX > 25 且 +DI > -DI 才算「持有狀態」
trend_hold = (adx_s > 25) & (plus_s > minus_s)
 
# 裸高 ADX 派：只看 ADX > 25，不問方向
naked_hold = adx_s > 25
 
# 進場 = 由不持有翻成持有的那一天；出場 = 反向翻轉的那一天
def entries_exits(hold):
    flips = hold.astype(int).diff()
    entries = flips[flips == 1].index   # 0 → 1
    exits = flips[flips == -1].index    # 1 → 0
    return entries, exits
 
trend_entries, trend_exits = entries_exits(trend_hold)
naked_entries, naked_exits = entries_exits(naked_hold)
 
print("趨勢派 進場", len(trend_entries), "出場", len(trend_exits))
print("裸高 ADX 進場", len(naked_entries), "出場", len(naked_exits))

把 trend_entries／naked_entries 標在股價上、把三條線畫在下方副圖，就是上面那張示意圖。光是單股、單窗就能看出訊號之密、以及「沒搭方向會誤判」的問題；把它放大到全市場、跑 11 年回測，差別會更明顯——這正是下一段要做的事。

直接選「ADX 最高的股票」，台股 11 年會發生什麼事

我們在可交易宇宙（60 日均成交金額前 300 大、收盤 > 10 元、60 日均量 > 100 萬股，排除 ETF、金融股、KY 股、處置股）裡，把幾種「ADX 選股」用法各跑一次月再平衡回測。研究段（2015-2021）結果如下：

兩個結論很清楚。

第一，裸選 ADX 最高的股票，報酬看似不差（年化 21.9%），代價卻是全期 -43.4% 的最大回撤。 原因正是前一段講的：ADX 不分方向，「ADX 最高」這個排序會把處於強勢下跌段的股票一起選進來。那些股票趨勢很強，只是方向朝下；月再平衡換股時剛好接到刀子，回撤自然深。

第二，反過來「選 ADX 最低的股票」想賭盤整後反彈，更是災難（年化僅 3.6%、夏普 0.28、回撤 -46.2%）。 台股的報酬集中在強趨勢端，弱趨勢均值回歸這條路在 ADX 上走不通。

我們也測了把 ADX 的「變化量」當訊號的角度——ADX 上升速度、加速度、z-score——研究段月夏普全落在 0.55-0.64 的弱區。道理是：ADX 本身已是 DX 的移動平均（二階平滑量），再對它取差分或標準化，只是放大噪音。ADX 適合拿「水準值」當濾網，不適合拿「變化量」當主因子。 各技術指標的正確用法與誤區，也可參考RSI、MACD、KD 比較。

對照之下，上圖最右邊那根才是本文後面要組出來的勝出策略：它把 ADX 強度、+DI／-DI 方向與廣度擇時三層疊起來，研究段月夏普約 1.08，明顯高於任何把 ADX 單獨當選股因子的用法——edge 不在「ADX 本身」，而在「怎麼把 ADX 擺對位置」。

ADX 的第一個正解：永遠搭 +DI／-DI 方向濾網

既然問題出在「ADX 不分方向」，最直接的修正就是把方向補回來——這也正是 DMI 體系本來就設計好的用法：ADX 看「強不強」、+DI／-DI 看「往哪走」。

我們在選股端加一道方向濾網：只在 ADX > 20（確認有趨勢）且 +DI > -DI（確認方向偏多）時，才從中選 ADX 最高的 30 檔。結果研究段年化從裸版的 21.9% 提升到 26.2%、月夏普從 1.04 升到 1.17，樣本外年化 31.1%。

這個修正有兩個訊號告訴我們它不是運氣：

• 跨門檻穩健：把強度門檻從 20 換成 25、30，研究段月夏普分別是 1.17、1.09、1.01，全部站得住——edge 跨多個門檻一致存在，符合 DMI 體系「強度配方向」的設計本意，而非單點過擬合。
• 同源方向訊號比外掛動能更乾淨：我們也試過改用「20 日報酬 > 0」當方向濾網（外掛一個動能因子），研究段月夏普 1.09、回撤 -43.5%，都比用 DMI 自身的 +DI／-DI（夏普 1.17、回撤 -42.0%）差一截。同一套體系內的 +DI／-DI 和 ADX 本就搭配，硬接外部因子反而不如原配。

不過有一個問題方向濾網解不了：加了方向濾網，全期最大回撤仍有 -42.0%。方向濾網解決了「買到強勢下跌股」的問題，卻沒解決「整個大盤系統性下跌時，連強勢上漲股也會一起被拖下水」的問題。要把回撤真正壓下來，得換一個層次來用 ADX。延伸閱讀：技術面與基本面選股的差異、動能策略。

ADX 最強的用法：用「ADX-DI 廣度」當大盤風控開關

這是本文的重點，也是目前中文搜尋結果裡，還沒有人用真實回測講清楚的角度。

單看一檔股票、甚至單看大盤指數的 ADX 高不高，雜訊很大。但如果改問一個橫截面的問題——「現在全市場有多少比例的股票，同時處於強勢『且』向上的趨勢？」——就得到一個平滑、有意義的大盤多空力道度量。我們稱它為 ADX-DI 廣度：計算交易池內「ADX > 25 且 +DI > -DI」的個股家數佔比。廣度高，代表多數個股結構偏多、是健康的多頭環境；廣度崩落，代表強勢上漲股集體消失、市場系統性轉弱。

把這個廣度做成風控開關：廣度 > 0.15 時持有前面那籃「強趨勢且向上」的 30 檔股票（risk-on）；廣度 ≤ 0.15 時當日清空、全部持現金（risk-off）。效果立刻不同——全期最大回撤從裸選高 ADX 的 -43.4% 壓到 -31.3%、月夏普維持 1.06，樣本外年化 33.5%、夏普 1.22。

這個「用市場波動結構決定曝險」的邏輯，和學術上的波動度擇時一致——Moreira & Muir (2017) 在《Volatility-Managed Portfolios》證明：在風險惡化、波動升高時調降曝險，能顯著提升投資組合的夏普。ADX-DI 廣度正是一個可操作的「市場內部趨勢結構」訊號，它衡量的是強勢上漲股的集體存亡，而非任何單一價格。

順帶一提，選股端我們刻意用「買最強且向上的股票」，這和 Jegadeesh & Titman (1993) 的動能效應一致：過去的贏家在中期傾向繼續贏。從頭到尾，ADX 扮演的角色都是「確認趨勢強度」與「判斷市場 regime」，不是自己當選股因子。關於用大盤訊號降低回撤，也可參考市場濾網如何降低回撤與均線市場濾網。

完整策略：ADX 強度 × 方向 × 廣度擇時三層用法

把上面三個洞見組成一套可執行、可重現的策略：

1. 選股（強度 × 方向）：可交易宇宙中，先取 ADX(14) > 20（強趨勢）且 +DI(14) > -DI(14)（方向偏多）者，再從中選 ADX 最高的 30 檔，等權持有。
2. 風控訊號（ADX-DI 廣度）：每日計算全市場「ADX > 25 且 +DI > -DI」的個股家數佔比，當成市場「強勢上升趨勢廣度」。
3. 擇時開關：廣度 > 0.15 → risk-on，持有上述 30 檔；廣度 ≤ 0.15 → risk-off，當日清空全部持股、持現金。
4. 月再平衡。

核心程式碼（可直接交給你的 AI 助理改寫，或下載完整版執行）：

import numpy as np
import pandas as pd
from finlab import data
from finlab.backtest import sim
 
# 載入價量資料
close = data.get("price:收盤價")
amount = data.get("price:成交金額")
 
# 可交易宇宙:成交額前 300 大、收盤 > 10 元,排除 ETF 與權證 / KY
liquidity = amount.rolling(60).mean()
is_common = pd.Series({s: str(s)[:4].isdigit() and not str(s).startswith("00")
                       for s in close.columns})
universe = liquidity.is_largest(300) & (close > 10) & is_common
 
# DMI 體系:ADX 量強度,+DI / -DI 量方向
adx = data.indicator("ADX", timeperiod=14)
plus_di = data.indicator("PLUS_DI", timeperiod=14)
minus_di = data.indicator("MINUS_DI", timeperiod=14)
 
# 選股籃:強趨勢(ADX > 20)且方向偏多(+DI > -DI),選 ADX 最高 30 檔
strong_and_bull = (adx > 20) & (plus_di > minus_di)
basket = adx.where(universe & strong_and_bull).rank(axis=1, ascending=False) <= 30
 
# ADX-DI 廣度:全市場「強勢上升趨勢股」的家數佔比
strong_up = ((adx > 25) & (plus_di > minus_di)).where(universe)
breadth = strong_up.sum(axis=1) / universe.sum(axis=1)
risk_on = breadth > 0.15   # 廣度 > 0.15 才持倉,否則清空持現金

完整的廣度擇時套用與回測流程，請見文末可下載的 strategy.py。

這套策略全期（2015-2026）年化 25.5%、月夏普 1.06、月索提諾 1.86、最大回撤 -31.3%，風險調整後與回撤都優於含息 0050（年化 21.0%、夏普 1.05、回撤 -34.0%）；樣本外（2022-2026）年化 33.5%、月夏普 1.22、回撤 -28.0%，沒有「研究段漂亮、樣本外崩掉」的過擬合徵兆。 年換手約 7.3 次，比裸選股的 8.7 次更低——廣度擇時在 risk-off 清倉、不頻繁換股，反而壓低了換手。

下面是完整互動式回測：月報酬熱力圖、權益曲線、年度績效都可以直接在文章裡操作：

參數最佳化：要找的是一片高原，不是一座孤峰

策略有兩個關鍵參數：ADX 的計算週期，以及廣度擇時的持倉門檻。很多人做參數最佳化的方式，是把所有組合都跑一遍、挑研究段數字最漂亮的那一格——這是過度最佳化（overfitting）最經典的陷阱：你挑到的很可能只是噪音湊出來的單一峰值，換到沒見過的資料就垮。

正確的做法是看「整片地形」。我們把 ADX 週期（10／14／20）和廣度門檻（0.10／0.15／0.20／0.25）做成 3×4 網格，每一格都真跑一次回測，用研究段月夏普做色溫圖：

看色溫圖的關鍵，是分辨「一片高原」和「一座孤峰」：

• 高原（穩健）：ADX 週期 = 14 那一整欄，四個門檻的研究段月夏普分別是 1.27、1.08、1.37、1.18，整欄都是綠的、沒有一格崩到 1.0 以下。一整片相鄰參數都站得住，代表 edge 來自訊號本身，換個鄰近設定不會翻車——這才是可以放心拿來當預設的區域。
• 孤峰（過擬合警訊）：左上角 週期 10 ×門檻 0.25 研究段月夏普衝到 1.33，看似漂亮，但它的左右鄰居（同欄 0.20 只剩 0.66、同列週期 20 只剩 0.73）都崩掉了，自己孤零零一格高。更致命的是它樣本外直接垮到月夏普 0.90、年化 16.3%。單格高、四周低 = 它是運氣不是訊號，挑它就是過擬合。
• 兩端崩落：ADX 週期 10（太短、訊號雜）和週期 20（太長、太鈍）兩欄整體偏紅，再次說明 Wilder 原始建議的 14 日落在穩健帶的正中央。

所以我們不挑全網格最高的那一格，而是取穩健高原內的合理設定：

• 預設（週期 14、門檻 0.15，本文全篇採用）：研究段月夏普 1.08、樣本外月夏普 1.22、最大回撤 -31.3%。
• 穩健最佳（週期 14、門檻 0.20，刻意排除掃描邊界與角落孤峰後，鄰域中位數最高的格）：研究段月夏普 1.37、樣本外月夏普 1.10、最大回撤 -31.9%。

兩組合起來看就懂了：研究段月夏普從 1.08 拉到 1.37 看起來進步不小，但樣本外反而從 1.22 略降到 1.10、回撤幾乎沒變。換句話說，把參數「調得更漂亮」並沒有換到樣本外的真實提升——這正是過度最佳化的典型樣貌：研究段的超額幾乎都還給了樣本外。對一個落在穩健高原上的策略，週期 14 配 0.15 或 0.20 都是合理預設，差別在統計噪音範圍內，沒有免費的午餐。真正值得追求的，是整片參數都能用，而不是某一格特別神。

ADX 強趨勢池再疊月營收 YoY，有沒有加值？

技術面選股池如果再加一道基本面濾網，會不會更好？這是讀者很自然的下一個問題。我們在「ADX 強度×方向×廣度」這個多方池子裡，疊上月營收年增率（YoY）試兩種做法，看 Sharpe 與回撤有沒有改善。

回測只用當期（含）已公布的營收，避免用到未來資料的前視偏差。

結果是「小幅、不一致」：

• YoY > 0 過濾：研究段月夏普從 1.08 略降到 1.03，但樣本外月夏普從 1.22 升到 1.25、樣本外年化從 33.5% 升到 37.1%、回撤也從 -31.3% 微縮到 -30.8%。樣本外那一段確實小贏，但研究段反而小輸，方向不一致。
• ADX × YoY 等權複合：兩段都沒贏，研究段月夏普掉到 1.00、樣本外回撤還擴大到 -33.9%。把營收動能和趨勢強度直接等權相加，反而稀釋了原本乾淨的趨勢訊號。

整體判讀：月營收 YoY 對這套以趨勢為核心的策略，不是顯著的加分項。最好的版本（YoY > 0 過濾）在樣本外有一點點改善，但幅度落在參數噪音的量級，不足以宣稱基本面在這裡帶來穩定 edge。趨勢強度本身就已經隱含了「市場資金正在追捧」的資訊，再疊一個方向相近的營收動能，邊際貢獻自然有限。這個結果以圖表與上表的真實數字為準，我們不調參硬湊一個漂亮的複合策略。想看基本面選股單獨怎麼發揮，可參考技術面與基本面選股的差異。

回測方法與口徑

量化結論的可信度取決於方法，以下逐項交代：

• 交易成本：策略使用 finlab sim()，台股預設已內扣手續費（本文以 0.1425% 打三折計）與賣出證交稅 0.3%。
• 滑價：未額外假設滑價，實際成交衝擊取決於資金規模與流動性。
• 股票池：上市櫃普通股，60 日均成交金額前 300 名、收盤 > 10 元、60 日均量 > 100 萬股。
• 排除類別：排除 ETF（代號 00 開頭）、權證／KY／特別股（非 4 碼純數字）、金融保險股、處置與全額交割股，以降低生存者偏差與不可交易標的污染。
• 前視偏差：ADX、+DI／-DI 與廣度均只使用當日（含）以前的價格；月頻再平衡，訊號於當期可得。
• 權重：選股籃等權、單一個股不另設上限；風控層為「持有／清倉」二元開關，無槓桿。
• 周轉率：年換手約 7.3 次（月再平衡 + 廣度切換），屬中等；風控在 risk-off 切換時會集中換手。
• 樣本內外：研究段 2015-2021、樣本外 2022-2026 分開回報，所有數字兩段都列，避免只報漂亮的一段。

穩健度

這套策略的 edge 不是靠單一參數湊出來的：

• 方向門檻穩健：強度門檻 20／25／30 三檔，研究段月夏普分別 1.17／1.09／1.01，是一片穩定高原，不是孤峰。
• 廣度門檻穩健：把廣度門檻從 0.10 一路掃到 0.30 連續測，最大回撤一律壓在 -26% ~ -38%、研究段月夏普 1.08-1.37、樣本外月夏普 1.06-1.28，沒有懸崖、沒有單點最佳——edge 出自訊號本身，不依賴某個神奇門檻。
• 不依賴特定籃子：把同一套廣度風控套在「裸選高 ADX」這個沒加方向濾網的籃子上，全期最大回撤一樣從 -43.4% 壓到 -31.9%、樣本外年化 28.2%。風控的價值來自 overlay 訊號本身，不是某個籃子的特例。
• 方向用法選擇有依據：DMI 自身的 +DI／-DI 方向濾網（研究段夏普 1.17、回撤 -42.0%）一致優於外掛動能方向濾網（夏普 1.09、回撤 -43.5%），跨變體穩定。

逐年表現：趨勢策略在哪種年份賺、哪種年份賠

ADX 本質是趨勢指標，這套策略也吃趨勢財。趨勢策略最大的特性是「報酬不平均」：趨勢清楚的大多頭年份賺很多，方向反覆的盤整年份報酬平平，系統性下跌的空頭年份則靠廣度風控少賠。把全期逐年報酬攤開，這個性格一目了然：

三種大盤狀態的對應很清楚：

• 強趨勢多頭年（2017／2020／2021／2023）是策略的甜蜜區，這幾年報酬都在 +40% 以上，2023 更達 +86.4%。原因是趨勢明確時，「選最強且向上」與「廣度高、滿倉」兩個機制同時站在順風面。
• 盤整／分化年（2019／2024）報酬平平（+6.0%／+8.8%）。方向反覆時 ADX 訊號容易門檻附近甩動，前面示意圖講的 whipsaw 在這種年份最傷，賺不多但也沒大賠。
• 空頭年（2022）是廣度風控真正發揮的地方：當年策略 -27.2%，雖然仍是負的，但廣度門檻在強勢上漲股集體消失時把曝險切掉，避免和裸用版一起探到 -43% 級的深淵。

這也解釋了為什麼全期年化 25.5% 不該被當成「每年都賺 25%」：它是被幾個強趨勢年拉上來的平均值，遇到 2022 那種空頭仍會吃虧。理解這個分布，才能對策略的回撤與波動有正確預期。關於用大盤訊號在空頭年降低曝險，延伸閱讀市場濾網如何降低回撤。

策略的限制與取捨

• 這是風險調整型策略，勝點在夏普與回撤而非絕對報酬：全期年化 25.5% 雖優於含息 0050 的 21.0%，但領先幅度有限，本策略並未通過我們設的「研究段 CAGR ≥ 35%」高報酬門檻。它真正的價值在「用 ADX 自身把最大回撤從裸用的 -43% 級壓到 -31%」，同時月夏普 1.06 與 0050 的 1.05 相當。單一指標策略要衝出極高 CAGR 本就極難，這套策略的定位是控風險。
• 最大回撤仍有 -31%：雖從裸用的 -43.4% 大幅改善，但 -31.3% 仍是顯著回撤。廣度擇時是「整籃清倉」的 regime 風控，不是個股停損；單一強趨勢股自身的崩跌，在清倉訊號觸發前仍會吃到。
• 樣本外比研究段更好，不宜外推：樣本外（2022-2026）年化 33.5% 高於研究段，部分可能受惠於該段台股趨勢結構特別清晰，不應外推「未來必有 33% 報酬」。
• 崩盤型態涵蓋有限：廣度門檻 0.15 為固定值，雖跨 0.10-0.30 穩健，但資料起點 2015，未對更早期（2008／2011）的崩盤型態做滾動測試，不保證對沒見過的型態同樣有效。
• 容量與成本：選股籃僅 30 檔、宇宙限前 300 大；廣度擇時的「集中清倉日」可能造成同向出場的衝擊成本，大資金部署需重估流動性與滑價，回測未逐筆估算成交衝擊。

自己跑一次

把下面這句話交給你的 AI 助理，它會引導你安裝 FinLab Skill、抓台股資料、重現這篇的回測：

裝好之後，下載本文的 strategy.py 與 data.csv，即可在自己的環境重跑、改參數、換選股因子。登入只需在程式裡寫 finlab.login()，套件會在需要資料時引導你完成登入。想延伸成更完整的量化流程，可參考量化交易總覽與程式交易是什麼。

常見問題

Q：ADX 指標到底是什麼？和 DMI 有什麼關係？ ADX 是 DMI（趨向指標）體系裡的一條線。DMI 由 +DI（上漲力道）、-DI（下跌力道）、ADX（趨勢強度）三條線組成。ADX 由 +DI 與 -DI 的差距算出 DX 再取移動平均，所以它只量「趨勢有多強」，方向要看 +DI 與 -DI 誰在上面。

Q：ADX 大於 25 就代表可以買進嗎？ 不行。ADX > 25 只代表「現在有明確趨勢」，但不分上漲或下跌。一檔強力下跌的股票 ADX 一樣會超過 25。本文回測顯示，裸選 ADX 最高的股票全期最大回撤達 -43.4%，正是因為把強勢下跌股也買進來了。要判斷方向，必須再看 +DI 是否大於 -DI。

Q：ADX 參數要設多少？14 是最好的嗎？ 14 日是 Wilder 的原始建議，也是本文用的設定。本文的結論對 ADX 強度門檻（20／25／30）不敏感，研究段月夏普都落在 1.0 以上。與其在參數上微調，不如先用對方法：搭方向濾網、再搭廣度風控。

Q：ADX 可以單獨拿來當選股因子嗎？ 不建議。無論是選 ADX 最高（買到強勢下跌股）、選 ADX 最低（賭盤整反彈，年化僅 3.6%），還是用 ADX 的變化速度／加速度（夏普 0.55-0.64），在台股回測都站不住。ADX 適合當「方向確認的濾網」與「市場 regime 的風控訊號」，不是自己當主排序因子。

Q：為什麼要用「全市場廣度」而不是只看大盤指數的 ADX？ 單一指數的 ADX 在盤整期雜訊大、來回甩動。全市場「強勢上升趨勢股佔比」是橫截面、平滑的多空力道度量，能在保住報酬的同時把回撤砍下來。本文也測過用固定均線對單一 0050 做擇時，會在研究段牛市嚴重踏空，效果遠不如廣度訊號。

Q：ADX 和 MACD、KD 一起用會更好嗎？ ADX 和 MACD、KD 性質不同：ADX 量趨勢強度，MACD／KD 是擺盪／動能類。把性質重疊的擺盪指標硬疊在一起通常是負貢獻；比較有效的組合是「不同性質」的訊號搭配，例如動能（選股）+ ADX-DI 廣度（風控）。各指標的正確用法可參考RSI、MACD、KD 比較。

Q：這套策略適合誰？ 適合想參與台股、但受不了 -45% 等級回撤的人：它用 ADX 自身的風控把回撤壓到 -31%，換到優於含息 0050 的風險調整報酬。不適合只追求最高絕對報酬、且能忍受深度回撤的人——那種需求在強多頭直接買進持有 0050 反而更省事。

Q：ADX 是領先指標還是落後指標？ ADX 經過多次平滑（DX 再取移動平均），對價格變化反應偏慢，本質偏落後。這也是本文不拿它的「變化量」當訊號的原因——對一個已經平滑的量再取差分只會放大噪音。它的價值在「水準值」：當前趨勢強不強、市場廣度健不健康。

最後更新：2026-06｜回測區間：2015-01 ~ 2026-06-09｜作者：FinLab 量化研究團隊（經量化研究員審閱）

本文僅供量化研究與教學用途，所有回測數字均由 finlab 套件在真實台股資料上產出，過去績效不代表未來表現，不構成投資建議。ADX-DI 廣度風控策略全期最大回撤 -31.3%，實際交易前請自行評估風險、滑價與交易容量。