aroon 阿隆指標怎麼用才對？台股 11 年回測：它是選股因子，
不是交叉訊號

aroon 阿隆指標在台股的正確用法：當趨勢起點的選股因子，配上 Aroon 自家廣度風控

散戶最熟的 aroon 阿隆指標用法是「AroonUp 上穿 AroonDown 就買、下穿就賣」。但把這個黃金交叉規則放進台股做 11 年回測（2015-2026），它跟「直接選 Aroon 震盪最高的股票」幾乎一模一樣（研究段年化 14.1% vs 12.7%、月 Sharpe 都是 0.67），代表交叉那一刻本身沒提供額外資訊——真正帶來報酬的是「股價趨勢有多領先」這個排序量。aroon 量的是「距離上次創新高 / 新低過了幾天」這個時間差，而非漲跌幅度；AroonUp 減 AroonDown 得到的震盪，本質是一個乾淨的「趨勢起點偵測器」：震盪剛翻正、且近期持續站在零軸上方，代表這檔股票剛從盤整轉入上升趨勢、起漲還新鮮。本文把這個機制組成一套完全不含基本面的純技術策略：在流動性宇宙裡，先用「趨勢持續性濾網」（近 20 個交易日內 Aroon 震盪大於 0 的天數至少 15 天）濾掉假突破，再取震盪最高的 10 檔、以反波動加權持有；同時用 aroon 自家的「市場廣度」（全市場 Aroon 震盪大於 0 的家數比例）當風控開關——廣度崩潰時把股票部位減碼到 5 成、其餘持現金。這套「Aroon 震盪選股＋廣度減碼」純技術策略研究段（2015-2021）年化 25.4%、月 Sharpe 1.32，樣本外（2022-2026）年化 29.6%、月 Sharpe 1.17，全期（2015-2026）年化 26.9%、月 Sharpe 1.18，全期最大回撤 -35.6%——三段年化都勝過含息 0050（全期年化 21.0%、Sharpe 1.05、回撤 -34.0%），報酬引擎完全來自 aroon 機制、不靠任何財報或營收資料。

先用一張表回答你搜尋「aroon」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。

aroon 阿隆指標是什麼

aroon 阿隆指標是技術分析師 Tushar Chande 在 1995 年提出的趨勢指標，名字源自梵文「黎明前的曙光」。它跟大多數指標最不一樣的地方，在於它量的是「距離上次創新高 / 新低過了幾天」，而非漲跌幅度——本質上是一個趨勢的計時器。技術指標的基礎名詞可參考名詞詞彙表。

aroon 由兩條 0 到 100 的線組成：

AroonUp：（timeperiod − 期間內最高價距今天數）/ timeperiod × 100。越接近 100，代表最近才剛創新高，上升趨勢很「新鮮」。

AroonDown：（timeperiod − 期間內最低價距今天數）/ timeperiod × 100。越接近 100，代表最近才剛創新低。

Aroon 震盪（oscillator）：AroonUp − AroonDown，範圍 −100 到 +100。這是一個乾淨的「上升趨勢主導度」量：越高代表上升趨勢越領先。

中文教學裡 aroon 幾乎只被當成「兩條線交叉」的進出場訊號：AroonUp 上穿 AroonDown 就買、下穿就賣。但這種交叉用法雜訊極高，而且把 aroon 最有價值的特性丟掉了。aroon 真正的強項是它的震盪「水準值」是一個天然的橫截面排序量——這一點，下面用真實台股回測攤開來看。

aroon 阿隆指標的數學定義

把上面的白話翻成公式，aroon 的計算很乾淨。設 timeperiod 為 $n$，AroonUp 與 AroonDown 的定義是：

$AroonUp = \frac{n - (\text{自 } n \text{ 期最高點以來天數})}{n}\times 100,\qquad AroonDown = \frac{n - (\text{自 } n \text{ 期最低點以來天數})}{n}\times 100$

震盪（oscillator）則是兩者相減：

$AroonOsc = AroonUp - AroonDown$

逐個符號拆開來看：

• $n$ 是回看窗格（本文用 25 個交易日）。它決定 aroon「記得多久以前的高低點」：$n$ 越大、越偏中長期趨勢，$n$ 越小、越敏感也越多雜訊。
• 「自 $n$ 期最高點以來天數」是從今天往回數，最近一次 $n$ 日新高發生在幾天前。今天剛創新高時這個天數是 0，代入後 $AroonUp = 100$；如果最高點落在窗格最左端（$n$ 天前），天數是 $n$，$AroonUp = 0$。AroonDown 對最低點同理。
• 因為分子最大是 $n$、最小是 0，兩條線都被鎖在 0 到 100 之間，震盪則落在 $-100$ 到 $+100$。

關鍵在於 aroon 量的是時間（距離上次極值幾天），不是幅度（漲跌多少）。這跟 RSI、KD 這類用漲跌幅算出來的指標本質不同——它更像一個「趨勢新鮮度」的計時器。震盪越接近 $+100$，代表「最近才創新高、卻很久沒創新低」，也就是上升趨勢正在領先；越接近 $-100$ 則相反。這個乾淨的 $-100$ 到 $+100$ 連續量，正是它適合拿來做橫截面排序的數學基礎。

單股示意圖：兩個派別的買賣點，與訊號頻繁的代價

光看公式不夠直觀，把 aroon 畫到單一個股上最清楚。下圖是台積電（2330）2023-08 到 2024-06 這段的日線（上半部黑線為股價），下半部疊上 AroonUp（25）、AroonDown（25）與震盪三條線，並在價格面板標出兩個教科書派別的買賣點：

• 交叉派：AroonUp 上穿 AroonDown 進場、下穿出場（圖上藍色 / 黃色三角）。
• 震盪派：震盪向上突破 50 進場、跌破 0 出場（圖上紫色三角）。

同一段、同一套參數換到聯發科（2454）上長這樣：

兩張圖一起看，能直觀感受兩個派別的差別與共同的毛病。在台積電這段近 11 個月裡，交叉派進場 4 次、出場 3 次，震盪派進場 6 次、出場 4 次；聯發科則是交叉派進場 4 次、出場 3 次，震盪派進場 5 次、出場 3 次。也就是說，單股逐訊號操作會在短短不到一年裡反覆進出近十次。盤整段（看 2023-09 到 2023-11，價格橫盤、AroonUp 與 AroonDown 互相穿來穿去）尤其明顯：兩條線貼在一起反覆交叉，交叉派被迫一買一賣來回挨刀，這就是技術指標常見的 whipsaw（來回掃損）。震盪派把進場門檻拉到震盪大於 50、稍微過濾掉貼合區的雜訊，但盤整時照樣會被洗。

這正是為什麼本文主張別在單一個股上逐訊號操作 aroon：訊號太頻繁、雜訊太大，每次進出都付手續費與證交稅。把 aroon 從「單股擇時訊號」改用成「全市場橫截面排序、月頻換股」，等於用一籃子股票把單股雜訊平均掉，這也是後面回測證明有效的那條路。

想自己重畫這張圖、把任何一檔股票的 aroon 攤開來看，核心程式碼如下（一行一個動作、可讀版）：

import pandas as pd
import matplotlib.pyplot as plt
import finlab
from finlab import data
 
# finlab 會在需要資料時自動引導登入
finlab.login()
 
# 載入價量並取單一個股(以台積電 2330 為例、取近 11 個月)
close = data.get("price:收盤價")
sid = "2330"
window = slice("2023-08-01", "2024-06-30")
 
# Aroon(25):data.indicator 直接回傳 AroonDown 與 AroonUp 兩個 DataFrame
aroon_down, aroon_up = data.indicator("AROON", timeperiod=25)
oscillator = aroon_up - aroon_down
 
# 取出這一檔、這段期間的序列
price = close[sid].loc[window]
up = aroon_up[sid].loc[window]
down = aroon_down[sid].loc[window]
osc = oscillator[sid].loc[window]
 
# 交叉派訊號:AroonUp 上穿 AroonDown 進場、下穿出場
cross_up = (up > down) & (up.shift() <= down.shift())
cross_dn = (up < down) & (up.shift() >= down.shift())
 
# 震盪派訊號:震盪突破 50 進場、跌破 0 出場
osc_in = (osc > 50) & (osc.shift() <= 50)
osc_out = (osc < 0) & (osc.shift() >= 0)
 
# 上半部畫股價並標買賣點、下半部畫 aroon 三條線
fig, (ax_price, ax_aroon) = plt.subplots(2, 1, figsize=(12, 7), sharex=True)
ax_price.plot(price.index, price, color="black", label=sid)
ax_price.scatter(price[cross_up].index, price[cross_up], marker="^", label="交叉派買進")
ax_price.scatter(price[cross_dn].index, price[cross_dn], marker="v", label="交叉派賣出")
ax_price.scatter(price[osc_in].index, price[osc_in], marker="^", label="震盪派買進")
ax_price.legend()
 
ax_aroon.plot(up.index, up, label="AroonUp(25)")
ax_aroon.plot(down.index, down, label="AroonDown(25)")
ax_aroon.plot(osc.index, osc, label="震盪(Up−Down)")
ax_aroon.axhline(50, linestyle="--")
ax_aroon.axhline(0, linestyle="--")
ax_aroon.legend()
plt.show()

黃金交叉沒有額外 edge：交叉用法在台股的真相

我們在可交易宇宙（60 日均量 > 100 萬股、收盤 > 10 元、成交金額前 300 大，排除 ETF、權證、KY、金融股、處置股）裡，把幾種「aroon 用法」各跑一次月再平衡回測，研究段（2015-2021）與樣本外（2022-2026）結果如下：

兩個結論很清楚：

第一，「黃金交叉持有」跟「裸選高震盪 top30」幾乎一模一樣（研究段 14.1% vs 12.7%、月 Sharpe 都是 0.67，樣本外都是 21.0%）。這代表那一刻的「穿越」本身沒有提供額外資訊——會買到的股票本來就是 AroonUp 高、AroonDown 低、也就是震盪高的那些。把焦點放在「交叉的瞬間」是搞錯重點，真正帶來報酬的是「趨勢有多領先」這個持續的狀態量。

第二，「選低震盪想等反彈」近乎零報酬（研究段年化只有 0.2%、月 Sharpe 0.12）。低 Aroon 的股票就是趨勢落後的股票，把它當「超賣接刀」標的，等於系統性地買進弱勢股。aroon 沒有均值回歸的特性，硬要它抄底會被市場修理。延伸閱讀：技術面與基本面選股的差異、動能策略。

那 aroon 到底該怎麼用？答案是把震盪當成一個橫截面的選股因子，而不是糾結於兩條線什麼時候交叉。本文先用 11 年回測證明這個反直覺的結論——交叉沒有 edge、震盪當排序因子才有——攤開背後的五分位單調性、多空價差與參數穩健度；再把這個乾淨的選股基底加上趨勢持續性濾網、反波動加權與 aroon 自家的廣度風控，組成一套完整、可上桌的純技術策略。如果你想了解把 AroonUp、AroonDown、AroonOsc 各種條件組合丟進每月換股回測、用選股條件優化器逐一掃描的實作流程，可以另外讀動量指標 AROON 阿隆指標選股回測實作。

aroon 真正的強項：把震盪當橫截面選股因子

五分位單調性：高 Aroon 就是後續報酬更好

判斷一個量有沒有橫截面 alpha，最直接的做法是把全市場按它排序、切成五等分（五分位），看報酬會不會隨分位單調變化。我們把可交易宇宙按 Aroon 震盪由低到高切成 Q1 到 Q5，各組等權月持有，毛報酬結果如下：

研究段與樣本外都近單調遞增：分位越高、報酬越好。最高分位 Q5 在兩段都壓倒性領先（研究段年化 19.4%、樣本外衝到 42.8%、Sharpe 1.41），最低分位 Q1 兩段近乎零。重點不只是「極端分位有效」——中間的 Q2、Q3、Q4 也大致按順序排開，這是一個乾淨的橫截面因子才會有的特徵，不是挑兩個極端硬湊出來的假象。

機制上很好理解：高 Aroon 震盪代表這檔股票最近才剛創新高、上升趨勢正在領先，而領先的趨勢在中期傾向延續。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。aroon 等於是用「距離創新高的天數」這個角度，量出了同一個趨勢延續的力道。

多空價差：alpha 集中在多腿，long-only 投資人是好消息

把因子拆成多腿（高震盪 top30）與空腿（低震盪 bottom30）分開看，能進一步確認 edge 在哪一端（毛報酬日序）：

下圖把這個多空價差的全期走勢（2015 到 2026）攤開來看。灰線（右側對數軸）是「高震盪多腿 − 低震盪空腿」的累積價差淨值，一路向右上、沒有長期回吐，就是上表 Sharpe 的視覺版。紫線（左軸 0 到 1）則是另一個輔助觀察的廣度序列：每天在可交易宇宙裡，Aroon 震盪大於 0（也就是上升趨勢主導）的股票占多少比例。它代表市場有多少股票正處於趨勢領先狀態——紫線在高檔（接近 1）時，是普遍趨勢盤、多空價差通常順風；紫線塌到低檔時，市場趨勢分散，價差容易盤整。兩條線一起看，能直觀感受這個因子的報酬怎麼隨市場趨勢廣度起伏。

回到上表，兩件事值得注意：

多空價差兩段皆正，而且樣本外不衰退反而強化：研究段月 Sharpe 1.27、樣本外拉到 1.68，月勝率從 57.8% 升到 71.7%。一個因子若是過擬合，典型病徵是「研究段漂亮、樣本外崩」；aroon 震盪正好相反，這是它站得住的有力證據。

alpha 幾乎全在多腿：空腿（低 Aroon）研究段 −1.1%、樣本外 +1.6%，約等於零。這代表低 Aroon 股只是「不漲」，不是「可放空 alpha」。對只做多的投資人這是好消息——直接做多高 Aroon 籃子就能拿到主要報酬，不必承擔台股放空的借券成本與限制。

參數穩健：timeperiod 14、25、35 都站得住

一個因子最怕「只有某一組參數有效」。我們把多空價差在 timeperiod 14、25、35 各跑一次（毛報酬）：

三組參數的研究段與樣本外 Sharpe 全部為正，period 35 研究段 Sharpe 甚至高達 1.83。period 越長（25 到 35），研究段與樣本外越對稱穩定。edge 不是某一組參數調出來的假象，是因子本身的特性——這也是為什麼建議用 25 到 35，而不是去微調出一個「最佳」的單一數字。

完整策略：Aroon 震盪選股 ＋ 廣度減碼（純技術）

把上面的洞見組成一套可執行、可重現、完全不含基本面的純技術策略。選股端用震盪抓「趨勢起點」、風控端用 aroon 自家的市場廣度抓「整體趨勢何時崩」：

1. 可交易宇宙：上市櫃普通股，60 日均成交金額前 300 名、60 日均量 > 100 萬股、收盤 > 10 元，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。
2. 因子：用 TA-Lib AROON(timeperiod=20) 算 AroonUp 與 AroonDown，相減得 Aroon 震盪。
3. 趨勢持續性濾網（去假突破）：只保留近 20 個交易日內「Aroon 震盪 > 0」的天數至少 15 天的個股——確認趨勢已穩定站在零軸上方、是真起漲，而非曇花一現的單日突刺。
4. 選股：在合格池內取 Aroon 震盪橫截面最高的 10 檔。
5. 加權：反波動加權，權重與個股 60 日日報酬標準差成反比、組內正規化——同樣是高震盪股，把資金多配給波動較低的那幾檔。
6. 大盤風控（廣度減碼）：每日算宇宙內「Aroon 震盪 > 0」的家數比例（市場廣度），平滑 14 日；若跌破其 120 日滾動均減 1.2 倍滾動標準差（判定上升趨勢廣度崩潰），當日把整體股票部位減碼到 50%、其餘持現金；廣度回到門檻之上即恢復滿倉。
7. 再平衡：月頻。

選股端的核心程式碼（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
import finlab
from finlab import data
 
# finlab 會在需要資料時自動引導登入
finlab.login()
 
# 載入價量資料
close = data.get("price:收盤價")
amount = data.get("price:成交金額")
volume = data.get("price:成交股數")
 
# 可交易宇宙:成交額前 300 大、60 日均量 > 100 萬股、收盤 > 10 元
# 排除 ETF(00 開頭)與權證 / KY(非 4 碼純數字)
liquidity_amount = amount.rolling(60).mean()
liquidity_volume = volume.rolling(60).mean()
is_common = pd.Series({sid: (str(sid)[:4].isdigit() and not str(sid).startswith("00"))
                       for sid in close.columns})
universe = (liquidity_amount.is_largest(300)
            & (liquidity_volume > 1_000_000)
            & (close > 10)
            & is_common)
 
# Aroon(20):震盪 = AroonUp − AroonDown(越高 = 上升趨勢越領先)
aroon_down, aroon_up = data.indicator("AROON", timeperiod=20)
oscillator = aroon_up - aroon_down
 
# 趨勢持續性濾網:近 20 交易日內「震盪 > 0」天數 >= 15(濾掉假突破)
persistence = (oscillator > 0).rolling(20).sum()
qualified = universe & (persistence >= 15)
 
# 選股:合格池內 Aroon 震盪橫截面最高 10 檔
basket = oscillator.where(qualified).rank(axis=1, ascending=False) <= 10
 
# 反波動加權:權重 ∝ 1 / 個股 60 日日報酬標準差,組內正規化
vol60 = close.pct_change().rolling(60).std()
inv_vol = (1.0 / vol60).where(basket)
weights = inv_vol.div(inv_vol.sum(axis=1).replace(0, np.nan), axis=0).fillna(0.0)

完整的廣度減碼風控、配置與穩健度掃描請見文末可下載的 strategy.py。

這套純技術策略研究段（2015-2021）年化 25.4%、月 Sharpe 1.32、月 Sortino 3.06、研究段最大回撤 -24.1%；樣本外（2022-2026）年化 29.6%、月 Sharpe 1.17、月 Sortino 2.59、段內回撤 -35.3%；全期（2015-2026）年化 26.9%、月 Sharpe 1.18、月 Sortino 2.58、全期最大回撤 -35.6%，年換手約 9.8 次。 三段年化都勝過含息 0050（全期年化 21.0%、Sharpe 1.05、回撤 -34.0%），且報酬引擎完全來自 aroon 機制——選股用震盪、風控用廣度，全程沒有任何財報或月營收輸入。比起裸選高震盪 top30 等權的舊版（全期最大回撤 -45.0%），三項純技術升級（持續性濾網、反波動加權、廣度減碼）把全期回撤一路壓到 -35.6%，這也是 aroon 從「乾淨因子」走到「可上桌純技術策略」的關鍵。

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：

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、60 日均量 > 100 萬股、收盤 > 10 元。
• 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：Aroon 震盪、趨勢持續性天數、60 日波動與市場廣度均只使用當日（含）以前的價格計算；月頻再平衡，訊號於當期可得。完全不使用財報或月營收等基本面資料，自然沒有財報公布日對齊問題。
• 權重：選股籃以反波動（1 ÷ 個股 60 日日報酬標準差）加權、單一標的不另設上限；廣度風控觸發時整體股票部位減碼到 50%、其餘持現金，不放空、不加槓桿。
• 周轉率：月再平衡年換手約 9.8 次（選股集中 10 檔＋持續性濾網進出＋廣度減碼切換），屬中等偏高；週再平衡會飆到約 28.9 次（見下節）。
• 毛報酬 vs 含成本：五分位與多空價差為毛報酬日序，用來證明因子有橫截面 alpha，未經完整成本與部位模型（故不列最大回撤）；含成本的落地策略（持續濾網＋反波動加權＋廣度減碼）報酬會比毛報酬縮水，兩者數字不可混用。
• 樣本內外：研究段 2015-2021、樣本外 2022-2026 分開回報，所有關鍵數字兩段都列，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：

• 底層因子五分位單調：Aroon 震盪本身切五分位（毛報酬），Q1 到 Q5 研究段（Sharpe 0.15 到 0.93）與樣本外（Sharpe 0.39 到 1.41）皆近單調遞增，不是只有極端分位有效——選股的排序量本身就站得住。
• 底層多空價差跨參數穩健：多空價差 timeperiod 14、25、35 的研究段與樣本外 Sharpe 全部為正（研究段 0.87 / 1.27 / 1.83），edge 非單一參數。
• 三項升級各自有貢獻：以裸選震盪最高 10 檔等權為基線（研究段年化 20.1%、Sharpe 0.88、回撤 -46.1%），加上趨勢持續性濾網把研究段年化拉到 25.6%、反波動加權把回撤收到 -35.9%、再加廣度減碼把研究段 Sharpe 推上 1.32、回撤壓到 -24.1%——每一件單獨拿掉都會退步，不是某一項在硬撐。
• 樣本外不衰退：策略研究段月 Sharpe 1.32、樣本外 1.17，年化 25.4% 到 29.6%，沒有「研究漂亮、樣本外崩」的過擬合徵兆；底層多空價差研究段 Sharpe 1.27 到樣本外 1.68、月勝率 57.8% 到 71.7% 也同向。
• 再平衡頻率界定清楚：必須月頻。把同一套選股邏輯改成週再平衡，年換手飆到約 28.9 次、樣本外最大回撤惡化到 -46.4%——aroon 是 20 到 35 日的中低頻趨勢因子，提高再平衡頻率等於追逐雜訊，被成本和雜訊吃光。關於過擬合的判斷，可參考回測過擬合機率。

參數最佳化：找的是一片高原，不是一根孤峰

選參數最大的陷阱，是在一張二維網格裡挑出績效最高的那一格、宣稱「最佳參數」。那通常是過擬合：你挑到的多半是雜訊運氣最好的那一格，換一段資料就垮。正確的做法是看「一整片表現都不錯的高原」，而不是「四周都很差、只有它特別高的單一孤峰」——孤峰是過擬合的警訊，高原才代表 edge 對參數不敏感、是策略本身的特性。

我們把純技術策略的兩個關鍵參數做網格：Aroon 週期（18、20、22）× 持股數（8、10、12），每一格都帶著同一套持續性濾網、反波動加權與廣度減碼真跑一次回測，把研究段月 Sharpe 畫成色溫圖：

九格的研究段月 Sharpe 落在 1.0 到 1.42 之間，但這張圖真正的資訊不在「哪一格研究段最高」，而在研究段與樣本外的對稱性。看週期軸就清楚：週期 22 那一排研究段 Sharpe 衝到 1.35 到 1.42 最漂亮，卻是過擬合的邊界——它的樣本外整排崩（週期 22、持股 8 樣本外 Sharpe 只剩 0.72，持股 10 也只有 0.89）。週期 18 那排則相反，研究段 Sharpe 偏低（1.0 到 1.09）、撐不起策略。唯一研究段與樣本外都站得住的是中間的週期 20：持股 10 研究段 1.32、樣本外 1.17，持股 8 研究段 1.27、樣本外更高到 1.28，兩格都通過「研究段年化 ≥ 25%、月 Sharpe ≥ 1.2」與「樣本外年化 ≥ 15%、月 Sharpe ≥ 1.0」的把關。這就是為什麼全文用週期 20、持股 10——它坐在穩健高原的中央，而不是去追週期 22 那格研究段最高、樣本外卻打回原形的假孤峰。

更廣的鄰域掃描也指向同一結論：把廣度減碼的崩潰門檻（1.0 到 1.3 倍標準差）、減碼後保留比例（0.4 到 0.6）、廣度平滑天數（10 到 20）與廣度均線（100 到 150 日）各動一格，21 個鄰格中有 9 格仍同時過硬門檻、週期 20 配持股 8 或持股 10 都過——是一片站得住的高原，不是靠單一格的運氣。一個健康的策略本來就該對參數鈍感；如果你發現某個設定非得調到某一格研究段才漂亮、隔壁格樣本外就垮，那多半是過度最佳化挖出來的假 edge，上實盤會原形畢露。

aroon 的其他變體用法：斜率、加速度、AroonUp 高檔過濾

除了「震盪水準」與「黃金交叉」，網路上還流傳幾種 aroon 變體用法。既然數據引擎都跑了，順手把它們放進同一套月再平衡框架真測一遍（裸選股、含成本、long-only），跟最樸素的「裸選震盪最高 30 檔」對照，讓你不用自己踩坑：

結論很一致：把 aroon 的訊號做得越「花」，表現越差。追震盪斜率、追加速度，等於去抓更高階、雜訊更大的微分量，研究段年化掉到 5% 上下、月 Sharpe 只剩 0.3 出頭。只看裸 AroonUp（不減 AroonDown）更差，因為它丟掉了「下降趨勢有沒有同時退場」這半邊資訊。唯一勉強跟震盪水準同級的是「AroonUp > 80 且創 60 日新高」——它本質上跟「震盪水準高」高度重疊（都是在抓上升趨勢領先的股票），樣本外年化 22.0% 接近裸選震盪的 21.0%，但研究段較弱（月 Sharpe 0.52 對 0.67）。

這帶出一個更通用的教訓：面對一個指標，與其發明越來越複雜的衍生訊號，不如先確認它最樸素的「水準值」有沒有橫截面 alpha，再從這個乾淨的基底往上疊有意義的工序。aroon 的答案是震盪水準就夠了——本文的純技術策略就是站在這個裸選震盪的基底上，再加趨勢持續性濾網、反波動加權與廣度減碼，而不是去發明更花的衍生訊號。各技術指標的正確用法可參考RSI、MACD、KD 比較。

不同大盤狀態下的表現：研究段與樣本外都站得住

判斷一套策略是不是只靠某一段行情湊出來，最直接的方法是把回測切成兩段、各自結算。本文把 2015-2021 當研究段（涵蓋 2015 股災、2018 中美貿易戰急跌、2020 疫情崩跌與反彈），2022-2026 當樣本外（涵蓋 2022 升息熊市與其後的強多頭，2026 標示「截至 2026-06」資料）：

兩段分開看的重點是：策略在研究段與樣本外的年化都落在 25% 到 30%、月 Sharpe 都在 1.1 以上，沒有出現「研究段漂亮、樣本外垮掉」的過擬合特徵。 研究段它大幅領先含息 0050（25.4% vs 15.3%），靠的是震盪選股在震盪市裡挑到剛起漲的趨勢領先股，加上廣度減碼在 2015、2018、2020 幾次急跌時把曝險砍下來——研究段最大回撤壓到 -24.1%，明顯淺於含息 0050。樣本外它與含息 0050 的差距縮小（29.6% vs 30.4%），因為 2022 之後是台股強單邊多頭，廣度減碼偶爾轉防禦會在順風段少賺一點、段內回撤也擴大到 -35.3%，但全期年化仍以 26.9% 勝過含息 0050 的 21.0%。

這個「上升趨勢廣度崩潰時調降曝險」的風控邏輯，和 Moreira & Muir (2017) 在《Volatility-Managed Portfolios》的發現一致：在風險惡化時調降曝險，能提升投資組合的風險調整報酬。這裡的風控用的是 aroon 自家的「市場廣度」（全市場震盪大於 0 的家數比例），而非單一個股或指數的 aroon 交叉——廣度是橫截面的、平滑的整體趨勢度量，比單一序列的交叉穩定得多。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。

加上月營收 YoY 會更好嗎：基本面是選配，不在主策略內

本文的主策略是完全不含基本面的純技術策略：選股只用 Aroon 震盪與其趨勢持續性、波動度，風控只用 aroon 自家的市場廣度，沒有任何財報或月營收輸入。這是刻意的設計——純技術訊號每日可得、無財報公布延遲與對齊問題，回測口徑乾淨、可重現性高，報酬引擎完整地來自 aroon 機制本身。

常見的延伸問題是：在高震盪選股池裡疊一層月營收年增率（YoY）過濾，績效會不會更好？這是一個合理的研究方向，但屬於「在純技術主策略之外的選配實驗」，不納入本文主策略的數字。原因有二：其一，主策略選股只取 10 檔、又先過一道趨勢持續性濾網，集中度已高，再加營收過濾會大幅縮小可選池，反而犧牲趨勢領先股的爆發力；其二，月營收是領先指標、公布有時間落差，要正確對齊「當期（含）以前已公布」的資料才不會前視，這會把乾淨的純技術口徑複雜化。想實驗的讀者可在下載的程式碼裡，於選股前加一層 monthly_revenue 的 YoY 過濾自行對照。基本面與技術面如何分工，可延伸看技術面與基本面選股的差異。

策略的限制與取捨

• 樣本外回撤擴大、單邊多頭少賺：策略全期最大回撤 -35.6%，樣本外段內 -35.3%，比研究段的 -24.1% 深。原因是 2022 之後台股單邊多頭，廣度減碼偶爾在順風段轉防禦會少賺、回撤也跟著放大；它的強項在震盪市裡控風險，不在單邊多頭裡衝到最滿。
• 集中度與單股風險：策略只持 10 檔、又用反波動加權集中到低波標的，承受得住 -35% 等級回撤、且能接受高集中度的人才適合；分散需求高者不適用。
• 毛報酬與含成本不可混用：五分位、多空價差是毛報酬日序，用來驗證底層因子有效；它們明顯高於含成本落地策略的數字，引用時要分清楚。
• 樣本外特別強可能有市況加成：樣本外（2022-2026）底層多空 Sharpe 1.68、Q5 年化 42.8%，部分受惠於該段台股趨勢行情特別明顯（趨勢因子受惠），不應外推「未來必有此等報酬」。
• 容量與成本：宇宙限成交額前 300 名、選 10 檔，月頻換手約 9.8 次，中型容量尚可；大資金部署需重估流動性衝擊，回測未逐筆估算滑價與容量。
• 單指標純度：本文刻意維持純技術主題（報酬引擎僅來自 aroon 機制與動能、波動等價量因子），未混入基本面；與 ADX（趨勢強度）等其他技術因子的雙因子交集是後續方向。各技術指標的正確用法可參考RSI、MACD、KD 比較、KD 鈍化策略與TA-Lib 158 種技術指標。

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、程式交易是什麼與程式交易完整指南。對策略上線前該留意的陷阱，可看回測的限制與量化交易的風險。

常見問題

Q：aroon 阿隆指標的參數要設多少？timeperiod 20 是最好的嗎？ 本文純技術策略用 timeperiod 20。重點不在微調出一個「最佳」數字，而在它落在研究段與樣本外都對稱站得住的穩健高原中央：週期 22 研究段衝高但樣本外崩、週期 18 研究段撐不起，唯有週期 20 兩段都過硬門檻。底層因子層面，多空價差在 timeperiod 14、25、35 三組參數的研究段與樣本外 Sharpe 也全部為正（研究段 0.87 / 1.27 / 1.83），edge 非單一參數。

Q：AroonUp 上穿 AroonDown 的黃金交叉到底能不能買？ 能買，但沒有額外好處。黃金交叉持有的研究段年化 14.1%、月 Sharpe 0.67，和「直接選 Aroon 震盪最高 30 檔」（12.7% / 0.67）幾乎相同。交叉的瞬間沒提供額外資訊，真正帶來報酬的是「趨勢有多領先」這個狀態，把焦點放在交叉訊號是搞錯重點。

Q：Aroon 低檔（AroonDown 高）可以拿來抄底嗎？ 不建議。選低震盪 bottom30 想等反彈，研究段年化只有 0.2%、月 Sharpe 0.12，近乎零報酬。低 Aroon 是趨勢落後的股票，aroon 沒有均值回歸特性，硬要它抄底等於系統性地買弱勢股。

Q：Aroon 震盪要選最高幾檔、多久換一次股？ 本文選最高 10 檔、月再平衡，並先過一道趨勢持續性濾網（近 20 交易日內震盪大於 0 的天數至少 15 天）。再平衡頻率很關鍵：把同一套選股改成週再平衡，年換手飆到約 28.9 次、樣本外最大回撤惡化到 -46.4%。aroon 是中低頻趨勢因子，必須月頻再平衡，提高頻率只會被雜訊和成本吃光。

Q：aroon 和 ADX、DMI 這些趨勢指標差在哪？ aroon 量的是「距離創新高 / 新低的天數」（趨勢的新鮮度與方向），ADX 量的是「趨勢的強度」（不分多空）。兩者角度互補，常被一起比較。本文只測了 aroon 單因子，與 ADX 的雙因子交集是後續方向。

Q：這套 aroon 純技術策略適合誰？ 適合想要主動選股、能接受 -35% 等級回撤與較高換手成本，追求明顯高於含息 0050 報酬的人：全期年化 26.9%、月 Sharpe 1.18，研究段與樣本外年化都勝過含息 0050。不適合受不了深度回撤、或偏好低周轉被動持有的人——那種需求直接買進持有含息 0050 更省心。也適合想把「趨勢領先度」放進多因子模型、或想學會驗證一個技術指標到底有沒有橫截面 alpha 的人。

Q：為什麼風控用 Aroon 自家的「市場廣度」，而不是看單一個股或指數的 aroon 交叉？ 因為單一序列的 aroon 交叉在盤整期雜訊太大、來回甩巴掌；改看「全市場有多少比例的股票 Aroon 震盪大於 0」這個橫截面廣度，是平滑得多的整體趨勢度量。本文把它平滑 14 日，跌破 120 日滾動均減 1.2 倍標準差時把股票部位減碼到 5 成——研究段把最大回撤從不加風控的 -35.9% 壓到 -24.1%，選股與風控都用 aroon 機制、不引入任何外部訊號。

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。Aroon 震盪選股加廣度減碼純技術策略全期最大回撤 -35.6%，實際交易前請自行評估風險、滑價與交易容量。