aroon 阿隆指標怎麼用？台股回測：黃金交叉全輸 0050，
震盪選股策略全期勝出

aroon 阿隆指標在台股怎麼用：震盪選股，配上宇宙內的 aroon 廣度減碼

aroon 最常見的教法是「AroonUp 上穿 AroonDown 就買」。我們把這個用法和幾種變體放進台股 2015 到 2026 年 9 月的真實回測，再把首發版（2026 年 6 月）的完整策略用新資料重跑一次，結果整理在下表：

本文數字出自 finlab 套件（2.2.21）抓取的上市櫃真實價量資料，回測自策略第一個淨值日 2015-01-30 起到 2026-09-30，基準為含息 0050（etl:adj_close 還原價、純算術買進持有、同一天起算）。首發版資料截至 2026-06-09，這次把資料延長到 2026-09-30，策略參數維持首發設定。文末附可下載的 strategy.py 與 data.csv。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」，跟漲跌幅度無關，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，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。下面先在單一個股上看這兩種常見用法長什麼樣子，再用全市場回測檢查它們有沒有賺到錢。

aroon 阿隆指標的數學定義

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。本文的教科書用法與單股示意用 25 個交易日，完整策略用 20 個交易日。$n$ 越大越偏中長期趨勢，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 $AroonUp = 100$；最高點落在窗格最左端時天數是 $n$，$AroonUp = 0$。AroonDown 對最低點同理。
• 兩條線都被鎖在 0 到 100 之間，震盪落在 $-100$ 到 $+100$。

兩個實務上會碰到的性質：

1. 震盪只有少數幾個值。 因為天數是整數，$n = 20$ 時兩條線都是 5 的倍數，震盪只有 41 種取值。拿它排名選股，同分的股票很多，同分怎麼排會直接改變選到哪幾檔，後面有一整段實測。
2. 除權息會製造假新低。 finlab 的 data.indicator("AROON") 預設用未還原的最高價、最低價。除息日股價往下跳，可能讓個股出現一個假的 $n$ 日新低，AroonDown 跳到 100。台股 7、8 月除權息旺季，宇宙內每天平均有 4.2 檔、2.5 檔股票出現這種只在未還原價才有的新低。

單股示意圖：兩個派別的買賣點

把 aroon 畫到單一個股上最清楚。下圖是台積電（2330）2023-08 到 2024-06 的日線，下半部是 AroonUp（25）、AroonDown（25）與震盪三條線，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、跌破出場（三角形）。
• 震盪派：震盪升破 50 進場、跌破 0 出場（圓點與叉號）。

同一段、同一套參數換到聯發科（2454）：

這 11 個月（222 個交易日）裡，台積電交叉派買 4 次、賣 3 次，震盪派買 6 次、賣 3 次；聯發科交叉派買 4 次、賣 3 次，震盪派買 5 次、賣 3 次。兩派有好幾次在同一天出手，所以圖上部分記號疊在一起。這段兩檔分別漲了 70.4%、96.4%，算是很順的上升趨勢，兩派還是各自進出了七到九次；台積電在 2023 年 9、10 月於 520 到 560 元附近橫盤，交叉派 9 月 8 日買進、9 月 21 日就賣出，10 月 26 日再買回來。逐檔照訊號進出，每一次都要付手續費與證交稅。

畫圖的程式如下（判斷穿越時要用完整歷史的前一天，先切期間再判斷，期間第一天會被誤判成訊號）：

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()
 
# 載入收盤價與 Aroon(25):data.indicator 回傳 AroonDown 與 AroonUp 兩個 DataFrame
close = data.get("price:收盤價")
aroon_down, aroon_up = data.indicator("AROON", timeperiod=25)
oscillator = aroon_up - aroon_down
 
sid = "2330"
window = slice("2023-08-01", "2024-06-30")
up, down, osc = aroon_up[sid], aroon_down[sid], oscillator[sid]
 
 
def turns_true(condition):
    """條件由 False 變 True 的那一天(用完整歷史判斷,再切出想看的期間)。"""
    condition = condition.fillna(False).astype(bool)
    previous = condition.shift(1, fill_value=False).astype(bool)
    return (condition & ~previous).loc[window]
 
 
cross_buy = turns_true(up > down)      # 交叉派:AroonUp 上穿 AroonDown
cross_sell = turns_true(up < down)     # 交叉派:AroonUp 跌破 AroonDown
osc_buy = turns_true(osc > 50)         # 震盪派:震盪升破 50
osc_sell = turns_true(osc < 0)         # 震盪派:震盪跌破 0
 
price = close[sid].loc[window]
print("交叉派 買", int(cross_buy.sum()), "賣", int(cross_sell.sum()),
      "| 震盪派 買", int(osc_buy.sum()), "賣", int(osc_sell.sum()))
 
# 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_buy].index, price[cross_buy], marker="^", label="交叉派買進")
ax_price.scatter(price[cross_sell].index, price[cross_sell], marker="v", label="交叉派賣出")
ax_price.scatter(price[osc_buy].index, price[osc_buy], marker="o", label="震盪派買進")
ax_price.scatter(price[osc_sell].index, price[osc_sell], marker="x", label="震盪派賣出")
ax_price.legend()
 
ax_aroon.plot(up.loc[window].index, up.loc[window], label="AroonUp(25)")
ax_aroon.plot(down.loc[window].index, down.loc[window], label="AroonDown(25)")
ax_aroon.plot(osc.loc[window].index, osc.loc[window], label="震盪(Up−Down)")
ax_aroon.axhline(50, linestyle="--")
ax_aroon.axhline(0, linestyle="--")
ax_aroon.legend()
plt.show()

台積電這段會印出「交叉派 買 4 賣 3 | 震盪派 買 6 賣 3」。

黃金交叉在台股：近 20 日剛交叉的股票，研究段年化只有 1.3%

單股看不出輸贏，我們把幾種常見用法放到可交易宇宙裡回測：60 日均量 > 100 萬股、收盤 > 10 元、60 日均成交金額前 300 名，排除 ETF、金融保險股、處置與全額交割股。全部用 Aroon(25)、等權、每月最後一個交易日換股、不擇時、扣手續費（打三折）與證交稅：

這張表有三個重點：

一、剛交叉的那一刻反而最差。 同樣是 AroonUp 在上方的股票，全部持有研究段 11.9%；只挑最近 20 天才剛穿越的股票（月底中位數 51 檔），研究段掉到 1.3%。只買月底當天剛交叉的股票，中位數只有 3 檔、141 個月裡有 14 個月一檔都沒有，全期最大回撤 -77.1%。把交叉當買點，買到的是剛脫離下跌、還沒走出趨勢的股票。

二、五種裸用法兩段都輸 0050。 表現最好的「震盪最高 30 檔」，研究段 12.7% 低於 0050 的 15.1%，2022 年起 18.1% 也遠低於 30.5%。

三、低震盪股在 2022 年後沒有一直落後。 震盪最低 30 檔研究段只有 0.1%，2022 年起卻有 15.4%，跟最高 30 檔的 18.1% 相差不多。下一段的五分位會看得更清楚。

2026 年 6 月首發版的這張表有一列「黃金交叉持有」，程式實際上是「AroonUp 在上方的股票中震盪最高 30 檔」。震盪最高的 30 檔幾乎都已經 AroonUp 在上方，141 個月裡有 136 個月跟「震盪最高 30 檔」是同一籃，所以兩列數字幾乎相同，量不到穿越時點的效果；這次改成真的看穿越日。延伸閱讀：技術面與基本面選股的差異、動能策略。

震盪當選股因子：研究段排得出高低，2022 年起排不出來

把可交易宇宙依 Aroon(25) 震盪由低到高切成五等分，各組等權、月換股、扣成本：

研究段 Q1 到 Q3 由 2.5% 升到 10.7%，Q3 到 Q5 幾乎持平，最高分位 11.1% 仍低於 0050 的 15.1%。2022 年起 Q5 的 23.1% 最高，但 Q1 的 15.2% 高過 Q2 到 Q4，高低順序排不出來，Q5 也低於 0050 的 30.5%。

再把高低兩端拆成多空價差（震盪最高 30 檔的月報酬減最低 30 檔，各自等權、扣成本，未計放空成本）：

週期 25 的價差在研究段每年 11.5%、正報酬月份 55.4%，2022 年起只剩每年 2.1%、正報酬月份 52.6%。原因在空腿：震盪最低 30 檔 2022 年起年化 15.4%，多腿是 18.1%。

圖上藍線是週期 25 的多空價差累積，紫線是宇宙內震盪大於 0 的股票比例（20 日平均）。價差在 2015 到 2021 年整體往上（2019 到 2020 年有一段回落），2022 到 2023 年吐回一大段，2024 年後再創新高，2026 年 7 月又一次大跌。紫線在 5% 到 95% 之間大幅擺動，市場上升趨勢的廣度變化很快。

高 Aroon 震盪代表最近才創新高、很久沒創新低，跟 Jegadeesh & Titman (1993) 記錄的中期動能效應是同一類現象；他們的形成期是 3 到 12 個月，Aroon(20～25) 看的是一個月左右的新高新低時間，期間較短，只能算方向相近。台股 2015 到 2021 年這個排序有效，2022 年後單靠它已經分不出好壞，所以完整策略在震盪排序之外又加了三道工序。

完整策略：Aroon 震盪選股＋持續性濾網＋反波動加權＋廣度減碼

首發版定案的規則如下，這次刷新沒有改任何參數：

1. 可交易宇宙：上市櫃股票，60 日均成交金額前 300 名、60 日均量 > 100 萬股、收盤 > 10 元；只留代號剛好 4 碼數字的股票（排除權證、特別股與 6 碼代號），排除 ETF（00 開頭）、金融保險股、處置與全額交割股。KY 股代號也是 4 碼數字，沒有被排除。
2. 因子：TA-Lib AROON(timeperiod=20)，震盪 = AroonUp − AroonDown，用未還原價計算。
3. 持續性濾網：只留近 20 個交易日內震盪 > 0 至少 15 天的股票。
4. 選股：合格池內震盪最高 10 檔。震盪是 5 的倍數，同分時代號小者排前面，這是首發版所用 finlab 2.0.13 的排名方式。
5. 加權：權重與個股 60 日日報酬標準差成反比，組內正規化，單檔不設上限。
6. 廣度減碼：每天算宇宙內震盪 > 0 的股票比例（流動性宇宙，不是全市場），取 14 日平均；跌破自身 120 日均值減 1.2 倍標準差時，整籃曝險乘 0.5，其餘放現金。
7. 換股：每月最後一個交易日換股一次。選股與減碼判定都只在換股日讀取，月中廣度轉弱不會提前減碼。

完整策略的程式碼如下。印出的 cagr（0.252）與 max_drawdown（-0.356）就是下一節主表的全期年化與最大回撤；get_stats() 的夏普、索提諾扣了 2% 無風險利率，主表的月夏普、月索提諾不扣，所以數字不同：

import numpy as np
import pandas as pd
import finlab
from finlab import data
from finlab.backtest import sim
 
# finlab 會在需要資料時自動引導登入
finlab.login()
data.truncate_end = "2026-09-30"   # 本文資料截止日;拿掉這行就用最新資料
 
# 1) 載入價量資料
close = data.get("price:收盤價")
volume = data.get("price:成交股數")
amount = data.get("price:成交金額")
 
# 2) 可交易宇宙:60 日均量 > 100 萬股、收盤 > 10 元、60 日均成交金額前 300 名,
#    只留代號剛好 4 碼數字的股票,排除 ETF(00 開頭)、金融保險股、處置/全額交割股
categories = data.get("security_categories")
financial = set(categories.loc[categories["category"].astype(str)
                               .str.contains("金融|保險|銀行", na=False), "stock_id"].astype(str))
is_common = pd.Series({sid: len(str(sid)) == 4 and str(sid).isdigit()
                       and not str(sid).startswith("00") and str(sid) not in financial
                       for sid in close.columns})
universe = ((volume.rolling(60, min_periods=20).mean() > 1_000_000)
            & (close > 10) & close.notna()
            & amount.rolling(60, min_periods=20).mean().is_largest(300))
universe = universe & pd.DataFrame([is_common.values] * len(close), index=close.index, columns=close.columns)
flagged = data.get("etl:is_flagged_stock").reindex_like(universe).fillna(False).astype(bool)
universe = universe & ~flagged
 
# 3) 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).reindex(columns=close.columns)
 
# 4) 持續性濾網:近 20 個交易日內震盪 > 0 的天數至少 15 天
persistence = (oscillator > 0).rolling(20, min_periods=10).sum()
qualified = universe & (persistence >= 15).reindex_like(close).fillna(False).astype(bool)
 
# 5) 選股:震盪最高 10 檔。震盪是 5 的倍數,同分很多;method="first" 讓同分時代號小者排前面
basket = oscillator.where(qualified).rank(axis=1, ascending=False, method="first") <= 10
 
# 6) 反波動加權:權重與 60 日日報酬標準差成反比
vol60 = close.pct_change().rolling(60, min_periods=30).std()
inverse_vol = (1.0 / vol60).where(basket)
weights = inverse_vol.div(inverse_vol.sum(axis=1).replace(0, np.nan), axis=0).fillna(0.0)
 
# 7) 廣度減碼:宇宙內震盪 > 0 的比例取 14 日平均,
#    跌破自身 120 日均值減 1.2 倍標準差 → 整籃曝險乘 0.5
breadth = (oscillator > 0).where(universe).sum(axis=1) / universe.sum(axis=1).replace(0, np.nan)
breadth = breadth.astype(float).rolling(14, min_periods=7).mean()
floor = breadth.rolling(120, min_periods=60).mean() - 1.2 * breadth.rolling(120, min_periods=60).std()
risk_on = (breadth >= floor).reindex(close.index).ffill().fillna(True).astype(bool)
weights = weights.mul(np.where(risk_on.values, 1.0, 0.5), axis=0)
 
# 8) 回測:每月最後一個交易日換股,手續費打三折,sim 另扣賣出證交稅 0.3%
report = sim(weights.loc["2015-01-01":], resample="M", fee_ratio=1.425 / 1000 * 0.3, upload=False)
print(report.get_stats())

rank 一定要寫 method="first"。finlab 2.2 起 rank 遇到同分會取平均名次，跨過第 10 名的同分組整組入選或整組落選（平均名次 ≤ 10 才入選），同一行程式每月會選到 0 到 18 檔，結果也不同（見後面「同分怎麼排」一節）。

完整策略的真實績效

全期年化、月夏普、月索提諾三項勝過含息 0050，最大回撤 -35.6% 比 0050 深 1.6 個百分點，年化波動 22.3% 也高於 0050 的 19.8%。2022 年起年化 24.7% 落後 0050 的 30.5%，月夏普 1.02 對 1.21。年換手約 10.0 次，全期 1,391 筆交易。

我們每季重跑時的判準是「2022 年起月夏普 ≥ 1.0 且年化 ≥ 15%」。這次 2022 年起月夏普 1.02，只高出門檻 0.02，照原參數刷新、不調參；首發時同一段的月夏普是 1.17。下面幾節的檢查會說明這個 1.02 有多脆弱。

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操作：

逐層拆開：持續性濾網、反波動加權與廣度減碼各自做了什麼

從宇宙內震盪最高 10 檔等權開始，一次加一道工序：

持續性濾網有實際動手：不加濾網時的震盪前 10 名，平均每個月有 3.2 檔沒通過（141 個月裡 129 個月剔除過、共 447 檔次）。它把研究段年化從 20.9% 拉到 25.9%，2022 年起卻從 32.1% 降到 29.0%。

反波動加權用報酬換回撤：全期年化 27.1% → 24.9%、2022 年起 29.0% → 24.3%，全期最大回撤 -41.9% → -35.9%。權重會集中到低波動的股票，月底最大單檔權重中位 17.9%、前 5 檔合計 64.9%；2026-09-30 換股日，中華電（2412）一檔就占 36.3%。從完整策略只拿掉這一項改回等權，全期年化 28.0%、2022 年起月夏普 1.09，但全期最大回撤 -41.6%。

廣度減碼幾乎不改變全期報酬（24.9% → 25.2%），主要作用在研究段：月夏普 1.03 → 1.33、研究段最大回撤 -30.92% → -24.10%。全期最大回撤只從 -35.9% 收到 -35.6%，因為 2022 年兩次最大的單月下跌（6 月 -12.5%、9 月 -12.0%）前的月底都判定滿倉，那一年只有 4 月底減碼一次。

減碼訊號本身的細節：

• 日頻訊號 2015 年以來轉弱 34 次，其中 13 次在月底前就轉回、完全沒有執行，執行的 21 次從轉弱到第一個換股日中位數隔了 9 個交易日（最長 19 天）。141 個月底有 23 個判定減碼，月底平均曝險 91.8%。
• 月底讀數有參考價值：判定減碼的月份，不擇時的選股籃下個月平均 +0.51%（中位 -0.1%），判定滿倉的月份平均 +2.48%（中位 1.9%）；0050 分別是 -0.56% 與 +2.23%。
• 同一個月底選股籃改成每天依廣度調整，全期年化反而降到 21.0%、2022 年起月夏普 0.86；不看廣度、每天固定 91.8% 曝險，全期 23.0%、研究段月夏普 1.04；擇時改用 0050 站上 200 日均線，全期 20.8%。
• 廣度判定減碼的日子，0050 次一交易日的年化波動 26.3%，滿倉日 18.2%。這和 Moreira & Muir (2017) 的發現方向一致：在波動升高時降低曝險，可以改善風險調整後報酬。本文的訊號是上升趨勢廣度，跟他們用的已實現波動不同，只在這個重疊的程度上相呼應。
• 廣度的母體是流動性宇宙（每天約 228 檔），震盪 > 0 的比例中位 52.3%，10% 與 90% 分位在 22.7% 與 79.0%。

換股日挪一下，結果差很多

同一套規則只改換股日：每月 5、10、15、20、25 日（遇假日取當月在這天以前的最後一個交易日；5 日以前都沒開盤的月份不換股），其餘不動：

月底換股的全期 25.2% 是六個換股日裡最高的，挪到 20 日只剩 11.4%。拿掉廣度減碼後研究段一樣是 2.0% 到 25.5%，差距主要來自選股，跟擇時關係不大。Hoffstein, Faber & Braun (2020) 把這種只因換股日不同造成的差距稱為 rebalance timing luck，持股越集中、換股越少越明顯；這套策略只抱 10 檔、一個月換一次，正好落在這個範圍。

換股更頻繁也不會比較好：同一個部位改成每週讀取，年換手跳到約 36 次，研究段年化 -3.8%、2022 年起 29.8%、全期 8.6%、全期最大回撤 -48.0%。

參數：選中的組合在 2022 年後站在邊緣

首發版選參數時看的是研究段，網格是 Aroon 週期（18、20、22）× 持股檔數（8、10、12），選股與廣度用同一個週期：

研究段 9 格月夏普 1.02 到 1.45，全部在 1.0 以上；2022 年起只剩 0.68 到 1.11，在 1.0 以上的只有週期 20 配持股 8（1.11）與持股 10（1.02）兩格。週期 22 研究段最高（持股 10 是 1.45），2022 年起只有 0.68 到 0.85。

再把每個參數逐格掃一遍（其餘設定同完整策略）：

研究段的月夏普在 Aroon 週期 19 到 20 之間從 0.94 跳到 1.33，週期 20 到 24 是一段高點；同一段在 2022 年起從 1.02 一路降到 0.76。持續性門檻提高到 19、20 天時研究段月夏普 1.52、1.64 最高，2022 年起只有 0.76、0.90。多數參數在 2022 年後都要靠近首發的那一格才站得上 1.0，換一格就掉下來，比較像參數剛好落在研究段的好位置。過擬合的判斷方法可參考回測過擬合機率。

同分怎麼排，也會改變結果

Aroon(20) 震盪只有 41 種取值，141 個換股日裡有 95 個月，第 10 名與第 11 名同分。這種月份的同分組中位數 5 檔，靠代號順序選進來的中位數 2 檔，全期共有 339 檔次因為代號較大而落選。三種同分處理方式的結果：

取平均名次時，跨過第 10 名的同分組整組入選或整組落選（平均名次 ≤ 10 才入選），每月實際持股 0 到 18 檔，141 個月有 100 個月不是 10 檔；2020 年 11 月底與 2023 年 2 月底池內震盪 100 分的股票太多，整個月一檔都沒選到。代號順序在經濟上沒有意義，換成另外兩種合理的排法，2022 年起月夏普都在 1.0 以下。首發版用的 finlab 2.0.13 排名本身就是代號順序，所以本文沿用並寫明，讀者自己跑的時候記得 method="first"。

2026-06-09 之後：首發後的新資料

首發版資料截至 2026-06-09。延長到 2026-09-30，這 3 個多月策略跌 10.9%，0050 漲 8.9%；同一籃改成每天依廣度調整的對照組跌 15.4%，不擇時的版本跌 16.9%。

6 月 30 日換股時，平滑後的廣度 48.0% 跌破門檻 49.1%，策略減碼到五成。7 月持有的 10 檔全部虧損，中位數 -17.6%、最差的 6207 跌 39.8%；不擇時的版本當月 -24.7%，減碼少賠了 11.6 個百分點，是 2015 年以來減碼少賠最多的一個月。同月 0050 從 7 月 1 日高點到 7 月 30 日低點跌了 14.0%，整月 -4.0%。7 月底仍判定減碼（廣度 17.3%、門檻 40.5%），8 月底、9 月底恢復滿倉。策略淨值 2026-06-03 創高後，9 月 15 日最深回落 23.0%，9 月底距高點 -18.5%；2026 年 7 月的 -13.1% 是 2022 年以來最差的一個月。

數字從首發到這次的變化可以拆成兩塊。用首發程式和當時的 finlab 2.0.13 截到 2026-06-09，研究段年化 25.35%、最大回撤 -24.10% 與首發數字逐位相同；2022 年起與全期是 29.77%、26.97%，比首發的 29.57%、26.89% 高 0.2 與 0.1 個百分點，差距來源未查明。改用 finlab 2.2.21、rank 寫明 method="first" 並從 2015-01-30 起算後，同一截止日是研究段 25.69%、2022 年起 30.00%、全期 27.25%（2022 年起月夏普 1.19）。這次的 2022 年起月夏普從 1.19 降到 1.02，來自 6 月以後的新資料。

回測方法與口徑

• 交易成本：finlab sim()，手續費 0.1425% 打三折、賣出證交稅 0.3%。手續費不打折時全期年化 22.7%、2022 年起月夏普 0.95；手續費加倍且稅率 0.6% 時 20.4%、0.87。
• 滑價：未額外假設，實際成交衝擊取決於資金規模與成交量，本文未估算容量。
• 股票池：每天依當時的價量重新篩選流動性前 300 名，下市或停止交易的股票在當時都可能被選入；2015-01-30 有收盤價、到 2026-09-30 已沒有收盤價的 4 碼普通股共 142 檔。
• 排除類別：ETF（00 開頭）、代號不是剛好 4 碼數字者（權證、特別股、6 碼代號）、金融保險股、處置與全額交割股；KY 股未排除。首發版的代號規則是「前 4 碼為數字」，用首發規則跑同一策略結果完全相同。
• 前視偏差：Aroon、持續性天數、60 日波動與廣度都只用當天以前的價格；選股與減碼在月底收盤後判定，sim() 以次一交易日起的報酬計算。完全沒有財報或月營收輸入。
• 未還原價：Aroon 用未還原的最高價、最低價。7 月宇宙內廣度比還原價版本平均低 5.3 個百分點，141 個月底有 3 個減碼判定不同，7 月底的選股籃平均只有 71% 相同。我們在看回測結果之前決定維持未還原（與首發相同）；改用還原價時，選股與廣度都改是全期 26.6%、2022 年起月夏普 1.00，只改廣度是 25.8%、1.04。
• 權重：反波動加權、單檔不設上限；廣度減碼時整籃乘 0.5，其餘現金，不放空、不加槓桿。
• 周轉率：年換手約 10.0 次。
• 樣本內外：研究段 2015-01-30～2021-12-31 是首發選參數時看過的區段，2022 年起當作驗證段；首發版的硬門檻也用到了 2022 年後到 2026-06 的數字，所以 2022 年起並非完全沒看過的資料。
• 教科書與五分位：都扣同樣的成本、月換股，與主策略同一套回測口徑。
• 績效指標：月夏普 = 月報酬平均 ÷ 標準差 × √12，月索提諾的分母只算下跌月份，兩者都不扣無風險利率；0050 用同一套公式。

不同年度的表現：12 年贏 7 年

2020、2021、2023 年大幅領先，2019、2024、2026 年明顯落後。2022 年跌 32.5%，比 0050 的 -21.4% 多跌 11.1 個百分點。

加上月營收 YoY 會更好嗎：研究段較好，2022 年起較差

在宇宙層加一條「最近一期已公布的月營收年增率 > 0 才能入池」（公布日對齊、交易日往後填補，只用已公布的營收），其餘不變：研究段年化 32.5%、月夏普 1.37，比原策略好；2022 年起 20.6%、0.84，比原策略差；全期 27.4%，最大回撤 -44.3% 深了將近 9 個百分點。兩段方向相反，本文主策略維持純技術。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。

用 aroon 最常踩的四個陷阱

1. 把交叉當買點：近 20 日剛黃金交叉的股票研究段年化 1.3%，月底當天剛交叉的 -3.3%。
2. 只看震盪排序：震盪最高 30 檔兩段都輸 0050，2022 年起多空價差只剩每年 2.1%。
3. 沒處理同分：同一行 rank，新舊版 finlab 會選出不同股票，2022 年起月夏普差 0.08。
4. 只看月底換股的成績：換到每月 5～25 日，全期年化 11.4%～22.5%，月底的 25.2% 是最高的一組。

三項穩健性驗證：重跑到 2026 年 10 月

這裡驗證本文的完整策略，三項檢查統一採 sim() 預設手續費 0.1425% 與證交稅 0.3%，資料到 2026-10-27。「贏」指日夏普高於同期 0050 含息買進持有（etl:adj_close 還原價、純算術計算、不扣成本），日夏普 = 日報酬平均 ÷ 標準差 × √252，不扣無風險利率。

2026-10-27 的第一版檢查用的是當時的可下載檔（在 finlab 2.2 上同分取平均名次、廣度用 14 日指數平均），我們逐格重現了當時的結果，下表是把程式改成本文規則（同分代號小者排前面、廣度 14 日簡單平均）後同口徑重跑：

9 組參數的日夏普（括號內是年化報酬，粗體是本文參數）：

前後兩段與全期：

前後兩段是把整段期間從中點對半切。上文的研究段與 2022 年起以 2022 年初為界，照這個切法，2015 到 2021 年日夏普 1.15 對 0050 的 0.96，2022 年起 0.95 對 1.22。上文多用月夏普，跟這裡的日夏普算法不同，數字不能直接比。

交易成本對照（原參數）：

修正後三項仍未全數通過，結論與 10-27 相同：9 組鄰近參數全部輸，原參數 1.05 只比 0050 的 1.08 低一點，週期 16 那一欄掉到 0.81 到 0.85；後段 1.15 輸 1.24。10-27 版本裡「重跑到 2026-06-09 只有 24.8%、月夏普 1.07」的落差，主要來自平均名次，指數平均廣度另有小幅影響（以 2026-09-30 的資料各自單改，全期年化分別少 2.4 與 0.4 個百分點）；照本文規則跑到同一天是 27.3%、1.19、-35.6%。

策略的限制與取捨

• 2022 年起落後 0050：2022 年起年化 24.7% 對 30.5%，月夏普 1.02 只高出我們的門檻 0.02；2026 年 6 月到 9 月跌 10.9%，同期 0050 漲 8.9%。
• 結果依賴換股日與同分規則：換股日挪到每月 5～25 日全期只剩 11.4%～22.5%；同分改用平均名次或低波動優先，2022 年起月夏普 0.94、0.85。
• 集中度高：只抱 10 檔、反波動加權後有效持股中位數約 8.6 檔，低波動的股票可以拿到三成以上權重；能接受 -35% 等級回撤與高集中度的人才適合。
• 擇時只在月底：日頻轉弱有 13 次在月底前就轉回而沒執行，執行的中位數晚 9 個交易日；2022 年兩次最大的單月下跌前，月底都判定滿倉。
• 容量與成本：宇宙限成交額前 300 名、選 10 檔、年換手約 10 次，回測未逐筆估算滑價與容量，大資金部署要另外評估。
• 參數的位置：逐格掃描顯示 2022 年後多數鄰近參數低於 1.0，2026-06 首發時選參數已看過研究段與部分 2022 年後的資料。
• 各技術指標的回測比較可參考RSI、MACD、KD 比較、KD 鈍化策略、ADX 趨勢強度指標回測與TA-Lib 158 種技術指標；用大盤訊號降低回撤，也可參考市場濾網如何降低回撤。

自己跑一次

FinLab Skill 可以讓你的 AI 助理一步步帶你安裝、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。strategy.py 會印出本文的主表、逐層建構、換股日比較、逐年報酬與首發後的逐月報酬；data.csv 除了策略與 0050 的淨值，也附上每天的廣度、減碼門檻與滿倉／減碼判定。把 DATA_END 改成 None 就能用最新資料重跑。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；想一次看完常用技術指標的台股回測，見技術指標台股回測總覽。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？ 完整策略用 timeperiod 20，這是首發時看研究段選的。逐格掃描 10 到 40 日，研究段月夏普 0.54 到 1.46，2022 年起只有 13、14、16、20 這 4 個週期在 1.0 以上；研究段最高的 23、24、36 日（1.46），2022 年起只有 0.77、0.76、0.91。與其找「最佳」數字，比較實際的做法是確認你用的週期附近幾格都站得住。

Q：AroonUp 上穿 AroonDown 的黃金交叉能不能買？ 回測結果不好。近 20 個交易日內剛黃金交叉、月底仍在上方的股票全部持有，研究段年化 1.3%、2022 年起 11.5%；只買月底當天剛交叉的股票，研究段 -3.3%。AroonUp 已經在上方的全部股票反而有 11.9%，問題出在剛交叉的時點。

Q：Aroon 低檔（AroonDown 高）可以拿來抄底嗎？ 研究段不行：震盪最低 30 檔年化 0.1%。2022 年起這一籃有 15.4%，跟最高 30 檔的 18.1% 差不多，但兩段都輸 0050，沒有理由專門去買它。

Q：Aroon 震盪要選最高幾檔、多久換一次股？ 本文選最高 10 檔、每月最後一個交易日換股，先過持續性濾網（近 20 個交易日內震盪大於 0 至少 15 天）。持股 5 到 20 檔逐格掃描，2022 年起只有 7 到 10 檔四捨五入後在 1.00 以上；改成每週換股，研究段年化 -3.8%、年換手約 36 次；換股日挪到每月 5～25 日，全期年化掉到 11.4% 到 22.5%。

Q：為什麼用同一個 rank 寫法，跑出來的檔數不一樣？ Aroon 震盪是 5 的倍數，同分很多。finlab 2.0 的 rank 遇到同分照代號順序給名次，2.2 起改成取平均名次，跨過第 10 名的同分組會整組入選或整組落選。本文程式寫 method="first"，同分時代號小者排前面，與首發相同；不寫的話每月會選到 0 到 18 檔，2022 年起月夏普是 0.94。

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 量的是趨勢強度（不分多空）。兩者角度互補，ADX 的台股回測可看ADX 趨勢強度指標回測；本文只測了 aroon 單一指標。

Q：這套 aroon 純技術策略適合誰？ 適合能接受 -35% 等級回撤、高集中度與年換手約 10 次，想主動選股的人。全期年化 25.2% 勝 0050 的 21.2%，但 2022 年起落後 0050，而且結果明顯受換股日與同分規則影響。偏好低周轉、受不了深回撤的人，直接持有含息 0050 更簡單。

最後更新：2026-10｜回測區間：2015-01-30 ~ 2026-09-30｜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策略全期最大回撤 -35.6%，換股日改到每月 5 到 25 日時全期年化只剩 11.4% 到 22.5%，實際交易前請自行評估風險、滑價與交易容量。