布林通道怎麼用才對？台股 11 年回測：拆成選股因子＋大盤風控的純技術策略

布林通道在台股的正確用法：拆成選股因子加大盤風控

散戶最熟的布林通道用法是「股價觸下軌就買、觸上軌就賣」。但把這個規則放進台股做 11 年回測（2015-2026），研究段年化報酬只有 2.5%，幾乎等於沒賺。問題不在布林通道，而在用錯地方——把整個指標當成單一買賣訊號。用上市櫃真實價量資料攤開來看，布林通道真正的價值在於拆成兩個各司其職的零件：第一個零件是「擠壓狀態下的 %b 位置」，當成橫截面選股因子（在帶寬收窄、低波蓄勢的個股裡挑相對位置）；第二個零件是「全市場站上各自布林中軌的個股比例（廣度）」，當成大盤多空風控開關。把這兩個零件疊上 70 日動能與低波加權，組成一套完全不含基本面的純技術策略：可交易宇宙裡選綜合分最高的 10 檔、反波動加權，廣度轉弱時清空選股、改持半倉 0050 防禦。這套「布林雙核心純技術策略」研究段（2015-2021）年化 28.9%、月 Sharpe 1.24，樣本外（2022-2026）年化 27.8%、月 Sharpe 1.29，全期（2015-2026）年化 28.4%、月 Sharpe 1.20，全期最大回撤 -33.4%——三段都勝過含息 0050（全期年化 21.0%、Sharpe 1.05、回撤 -34.0%），且回撤略低。

先用一張表回答你搜尋「布林通道」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。

布林通道是什麼

布林通道（Bollinger Bands）是 John Bollinger 在 1980 年代提出的波動指標，由三條線組成：中軌是 N 日移動平均（常用 20 日），上下軌則是中軌加減 K 個標準差（常用 2 個）。標準差會隨波動放大或收縮，所以通道會「呼吸」：盤整時收窄、急漲急跌時張開。布林通道的學理整理見 John Bollinger（2001）的《Bollinger on Bollinger Bands》。技術指標的基礎名詞可參考名詞詞彙表。

實務上常用兩個衍生量：

%b：價格在通道中的相對位置，公式為 %b =（收盤價 − 下軌）/（上軌 − 下軌）。等於 0 代表貼著下軌、等於 1 代表貼著上軌、0.5 代表在中軌。

帶寬（Bandwidth）:（上軌 − 下軌）/ 中軌，衡量通道張開的程度。帶寬收到很窄稱為「擠壓（squeeze）」，常被視為波動即將放大的前兆。

布林通道在台股有兩派互斥用法：均值回歸派主張「觸下軌買、觸上軌賣」，假設價格會回到中軌；擠壓突破派則主張在帶寬收窄後，等價格向上突破上軌再追。哪一派對？直接回測。

布林通道的數學定義：四條算式

把上面的文字寫成公式，布林通道只有中軌、上軌、下軌三條線，外加一個衍生的位置指標 %b：

$MB = SMA_{n}(C),\ \ UB = MB + k\sigma_n,\ \ LB = MB - k\sigma_n,\qquad \%b = \frac{C - LB}{UB - LB}$

逐項拆解每個符號：

• $C$ 是每日收盤價，$n$ 是回看天數（常用 20 日），$k$ 是標準差倍數（常用 2）。
• $MB$（Middle Band，中軌）是收盤價的 $n$ 日簡單移動平均 $SMA_n(C)$，也就是這段期間的平均成本線。
• $\sigma_n$ 是同一段 $n$ 日收盤價的標準差，衡量這段期間的波動大小。波動放大，$\sigma_n$ 就變大。
• $UB$（上軌）、$LB$（下軌）分別是中軌加減 $k$ 個標準差。因為 $\sigma_n$ 會隨波動呼吸，通道在盤整時收窄、在急漲急跌時張開，這是布林通道和固定百分比通道最大的差別。
• $\%b$ 把收盤價換算成「在通道裡的相對位置」：等於 0 貼著下軌、等於 1 貼著上軌、0.5 在中軌、超過 1 代表收在上軌之上。它把三條線壓縮成一個 0 到 1 的數字，方便橫截面比較。

帶寬則定義為 $(UB - LB)/MB = 2k\sigma_n/MB$，是把通道張開程度標準化成中軌的百分比，後面的擠壓濾網就是用它來判斷波動是否收斂。這裡有一個性質後面會反覆用到：中軌只跟週期 $n$ 有關、和倍數 $k$ 無關，這在參數最佳化那節會直接砍掉一半的調參自由度。

看一張圖就懂：兩派訊號在個股上長什麼樣

先用台積電（2330）一段約 12 個月的走勢，把兩派教科書訊號標在圖上。下方面板是布林上中下軌（20 日、±2 標準差），上方價格面板標出均值回歸派（跌破下軌買、站上上軌賣）與擠壓突破派（帶寬擠壓後突破上軌買）各自的進出點：

光是這 12 個月，台積電就觸發了 19 個教科書訊號：均值回歸派的「跌破下軌買」3 次、「站上上軌賣」12 次，擠壓突破派的「擠壓後突破上軌買」4 次。問題一眼可見——在這段台積電整體往上的趨勢裡，均值回歸派的「站上上軌就賣」會一路在低位把上漲的部位賣光，等於賣在起漲點；而「跌破下軌就買」在真正的回檔段又常常買得太早。換成聯發科（2454）更明顯，同一套規則觸發 21 個訊號、其中 14 次是上軌賣出訊號：

這就是布林通道單獨當買賣訊號的結構性問題：觸軌訊號又多又雜，在趨勢盤裡會反覆把人甩出場（whipsaw），在趨勢段又會追高殺低。 訊號頻繁往往代表雜訊大、而非優勢多——這也預告了下一節回測會看到的結果：把這套規則攤到全市場、跑 11 年，幾乎沒賺到錢。

想自己重畫這張圖、把訊號標在任何一檔股票上，核心程式碼如下（完整版在文末可下載）：

from finlab import data
 
# 套件會在需要資料時自動引導登入
finlab.login()
 
close = data.get("price:收盤價")
 
# 布林通道：20 日、±2 標準差（直接取 finlab 內建指標）
upper, middle, lower = data.indicator(
    "BBANDS", timeperiod=20, nbdevup=2.0, nbdevdn=2.0
)
 
# 鎖定單一檔股票，取一段約 12 個月的窗來看訊號
sid = "2330"
px = close[sid].loc["2023-07":"2024-06"]
ub = upper[sid].loc["2023-07":"2024-06"]
mb = middle[sid].loc["2023-07":"2024-06"]
lb = lower[sid].loc["2023-07":"2024-06"]
 
# 均值回歸派：收盤跌破下軌當天 = 買、站上上軌當天 = 賣
crossed_down = (px < lb) & (px.shift(1) >= lb.shift(1))
crossed_up = (px > ub) & (px.shift(1) <= ub.shift(1))
meanrev_buy = px.index[crossed_down]
meanrev_sell = px.index[crossed_up]
 
# 擠壓突破派：帶寬收到近 120 日中位以下（擠壓）時，向上突破上軌才算數
bandwidth = (ub - lb) / mb
squeeze = bandwidth < bandwidth.rolling(120, min_periods=60).median()
squeeze_breakout = px.index[crossed_up & squeeze]
 
print("均值回歸買點：", len(meanrev_buy), "賣點：", len(meanrev_sell))
print("擠壓突破買點：", len(squeeze_breakout))

散戶最常見的用法，在台股 11 年幾乎沒賺到錢

我們在可交易宇宙（成交金額前 300 大、收盤 > 10 元，排除 ETF、金融股、KY 股、處置股）裡，把幾種「布林通道選股」用法各跑一次月再平衡的回測，研究段（2015-2021）結果如下：

結論很清楚：最多人用的「觸下軌買進」在台股研究段年化只有 2.5%，接近無效。 原因不難理解——%b 是個「雙義訊號」：低 %b 可能是健康回檔（該買），也可能是趨勢轉空的起點（該跑）；把它單獨拿來橫截面排名選股，等於把兩種互斥邏輯混在一起互相抵消。我們也測了 %b 的多空價差（做多低 %b、放空高 %b），研究段年化是負的，印證了這一點。整個布林通道單獨拿來選股不行。

關鍵的轉折在這裡：%b 並非全無資訊，問題是它被當成全天候訊號。如果先用「帶寬擠壓」把雜訊濾掉——只在帶寬收到自身近 120 日中位以下、波動已收斂蓄勢的個股上才看 %b——這個受限版的 %b 就成了一個有用的選股因子。延伸閱讀：技術面與基本面選股的差異、動能策略。

把布林通道拆成兩個有用的零件

整個布林通道當買賣訊號失效，但拆開來看，它有兩個各自有效的零件，本文的純技術策略就建立在這兩個零件上。

零件一：擠壓狀態下的 %b 當選股因子

擠壓突破派的核心論點——「帶寬收窄代表能量累積，後面的動作比較真」——在台股回測站得住。我們把它變成一個選股因子：只在「帶寬低於自身近 120 日中位（處於擠壓狀態）」時，才計算個股 %b 的橫截面排名。單獨檢驗這個受限 %b 因子，研究段月 Sharpe 從不設擠壓濾網的 0.57 提升到 0.77，樣本外年化維持正報酬（13.3%）。機制是：在已經收斂的低波狀態挑相對位置，過濾掉高波亂漲中的雜訊，提高了訊號的訊噪比。這個零件不會自己當主因子，而是和動能、低波一起組成選股的綜合分。

零件二：全市場站上中軌的廣度當大盤風控

單看一檔指數（例如 0050）有沒有站上自己的布林中軌，訊號太雜：盤整期會反覆穿越、來回甩巴掌。但如果改看「全市場有多少比例的股票站上各自的布林中軌」，就得到一個橫截面的、平滑的大盤多空力道度量，我們稱為布林廣度。廣度高，代表多數個股結構偏多；廣度崩落，代表系統性轉弱。把它做成 risk-on / risk-off 的開關，就是整套策略的防禦腿。

這個「用波動結構控風險」的邏輯，和學術上的波動度擇時一致——Moreira & Muir (2017) 在《Volatility-Managed Portfolios》證明：在波動升高、風險惡化時調降曝險，能顯著提升投資組合的 Sharpe。布林廣度正是一個可操作的市場波動結構訊號。

把這兩個零件疊上動能與低波組成完整策略後，效果一目了然。下圖比較「裸動能籃」（同宇宙、同 70 日動能、反波動加權，但不加擠壓 %b 選股、不加廣度風控）與加上兩個布林零件後的完整策略：裸動能籃研究段月 Sharpe 只有 0.67、樣本外 0.75、全期最大回撤深達 -60.2%；加上布林選股與中軌廣度風控後，研究段月 Sharpe 拉到 1.24、樣本外 1.29，全期最大回撤收斂到 -33.4%。

順帶一提，選股端我們用「買最強的股票」而不是「買最弱想等反彈」，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。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：布林雙核心純技術選股

把上面兩個零件疊上動能與低波，組成一套可執行、可重現、完全不含基本面的純技術策略：

1. 選股綜合分（三個技術因子相加）：在可交易宇宙裡，每檔股票算三項橫截面百分位再相加——①70 日報酬（動能）；②擠壓狀態下的 %b（帶寬低於自身近 120 日中位時才計分）；③0.35 倍的低 NATR（ATR20 ÷ 收盤，取負後排名，越低波越高分）。
2. 持股：取綜合分最高的 10 檔，以反波動（1 ÷ NATR）加權——波動越低的股票配重越高。
3. 大盤風控（布林廣度）：計算全市場「收盤站上各自布林中軌（20 日、±2 標準差）」的個股比例，取 10 日指數移動平均平滑，再用雙門檻 hysteresis 判斷多空——廣度 > 0.42 轉為 risk-on、< 0.27 轉為 risk-off，介於中間維持前一個狀態（避免在門檻附近反覆切換）。
4. 資產配置：risk-on 時滿倉持有那 10 檔選股籃；risk-off 時選股清零、改持 0050 佔總曝險 0.5（空頭只留半倉 0050 打底，不全空手）。
5. 月再平衡。

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
from finlab import data
 
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
 
# 布林通道(20 日、±2 標準差)與衍生量
upper, middle, lower = data.indicator("BBANDS", timeperiod=20, nbdevup=2.0, nbdevdn=2.0)
percent_b = (close - lower) / (upper - lower)        # %b:價格在通道中的位置
bandwidth = (upper - lower) / middle                 # 帶寬
 
# 因子一:70 日動能橫截面百分位
mom_rank = (close / close.shift(70) - 1).where(universe).rank(axis=1, pct=True)
 
# 因子二:只在擠壓(帶寬 < 近 120 日中位)時計分的 %b 橫截面百分位
squeeze = bandwidth < bandwidth.rolling(120, min_periods=60).median()
squeeze_pb_rank = percent_b.where(universe & squeeze).rank(axis=1, pct=True)
 
# 因子三:低波 NATR = ATR20 / 收盤,取負後排名(權重 0.35)
natr = data.indicator("ATR", timeperiod=20) / close
lowvol_rank = (-natr).where(universe).rank(axis=1, pct=True)
 
# 綜合分取最高 10 檔,反波動 1/NATR 加權
score = mom_rank.add(squeeze_pb_rank, fill_value=0) + 0.35 * lowvol_rank
basket = score.where(universe).rank(axis=1, ascending=False) <= 10

完整的廣度風控、配置與回測請見文末可下載的 strategy.py。

這套策略研究段（2015-2021）年化 28.9%、月 Sharpe 1.24、月 Sortino 2.85，研究段最大回撤 -32.2%；樣本外（2022-2026）年化 27.8%、月 Sharpe 1.29、月 Sortino 2.58；全期（2015-2026）年化 28.4%、月 Sharpe 1.20、月 Sortino 2.52、全期最大回撤 -33.4%。三段都勝過含息 0050（全期年化 21.0%、Sharpe 1.05、回撤 -34.0%），且全期回撤略低。

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、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：70 日動能、布林通道、%b、帶寬擠壓、NATR 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。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 ÷ NATR）加權、單一資產不另設上限；0050 為風控層的防禦腿。
• 周轉率：年換手約 9.8 次（選股集中 10 檔 + 月再平衡 + 風控切換），高於被動持有，成本敏感度較高，已在 sim() 內扣手續費與證交稅下計算。
• 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：

• 跨參數穩健：在勝出設定（動能窗 70、選股 10 檔、廣度門檻 0.42/0.27）附近，把動能窗（50-70）、選股檔數（9-11）、廣度門檻、低波權重（0.35-0.4）、廣度 EMA span（8-12）各動一格，25 個鄰格中有 19 格仍同時通過「研究段年化 ≥ 25%、月 Sharpe ≥ 1.2」與「樣本外年化 ≥ 15%、月 Sharpe ≥ 1.0」的把關——是一片穩定的高原，不是靠單一參數湊出來的孤峰。
• 可解釋的單調規律：選股越集中（檔數越少），研究段報酬越高但回撤略增；廣度門檻越高（越早轉防禦），樣本外越穩但研究段報酬略降。甜蜜點落在 10 檔、門檻 0.42，正是報酬與回撤的平衡。
• 三個因子方向一致：動能、擠壓 %b、低波三項各自都是正貢獻，組合後研究段月 Sharpe 1.24，明顯高於只靠動能的裸籃 0.67。

參數最佳化：找穩健高原，不挑單一孤峰

這套策略有兩個最值得檢查的參數：選股檔數 $n$（決定集中度）與大盤風控的 risk-on 廣度門檻（決定多早轉防禦）。很多人最佳化的做法是把所有參數組合跑一遍，挑研究段績效最高的那一格上線——這正是過度最佳化的典型陷阱：研究段最漂亮的單一峰值，往往是運氣湊出來的，換到樣本外就垮。正確的做法是看色溫圖找「一片站得住的高原」，而不是找「一根孤峰」。

我們對選股檔數（9／10／11／12）× risk-on 廣度門檻（0.38／0.42／0.46／0.50）做 4×4 網格，每一格都用該設定重算選股籃與風控訊號、重跑回測，色溫填研究段月 Sharpe：

這張圖一眼可見的結論是：綠色高原連成一大片，沒有突兀的孤峰。 橫看選股檔數軸，10 檔（研究段月 Sharpe 1.24）到 9 檔（1.31）較高、12 檔（1.13–1.04）逐漸下滑；縱看廣度門檻軸，0.42（1.17–1.31）那一列普遍偏綠，門檻拉到 0.50 才明顯降溫。整片網格 16 格裡，研究段月 Sharpe 落在 1.10 以上的就有 14 格——這代表策略的優勢是一整片參數區域共有的，不是靠某一格運氣。

我們本文預設取 10 檔、廣度門檻 0.42/0.27，它落在高原中段：研究段月 Sharpe 1.24、年化 28.9%，樣本外月 Sharpe 1.29、年化 27.8%。如果想要更高的研究段報酬，把選股集中到 9 檔即可——9 檔、門檻 0.42 那格研究段年化衝到 31.8%、月 Sharpe 1.31，樣本外也維持年化 29.2%、月 Sharpe 1.31，全期最大回撤 -33.2%；代價是集中度更高、單股風險更大。這正是「在高原上選參數」該有的樣子：相鄰的格子數字差距都在小數點後一兩位，選哪一格結論都成立，沒有免費午餐。 如果你看到某個最佳化「換個參數 Sharpe 就從 0.8 跳到 1.8」，那通常是踩到過擬合的地雷而非找到聖杯，樣本外幾乎一定打回原形。

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 27%–29%、月 Sharpe 都在 1.2 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（28.9% vs 15.3%），靠的是動能選股加擠壓 %b 在震盪市裡挑到相對強勢標的；樣本外它與含息 0050 的差距縮小（27.8% vs 30.4%），因為 2022 之後是台股強單邊多頭，廣度風控偶爾轉防禦會在順風段少賺一點，但全期仍以較低回撤勝出。

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：選股只用價格動能、布林擠壓 %b 與波動度，風控只用站上中軌的廣度，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。

常見的延伸問題是：在選股端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、集中度已高，再加營收過濾會大幅縮小可選池，反而犧牲動能的爆發力；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，於綜合分計算前加一層 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

• 集中度帶來較深回撤：策略只持 10 檔、全期最大回撤 -33.4%，與含息 0050 的 -34.0% 相當但並不算淺。選股集中換到較高報酬，代價是單股與類股風險集中，承受得住這級回撤才適合。
• 高周轉、成本敏感：年換手約 9.8 次明顯高於被動持有，報酬已在 sim() 內扣手續費與證交稅後計算，但實單滑價會進一步侵蝕，資金規模越大越明顯。
• 崩盤型態涵蓋有限：廣度風控主要在 2018/2020/2022 幾次急跌上驗證，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：選股僅 10 檔、宇宙限前 300 大，大資金部署需重估流動性衝擊；回測未逐筆估算滑價與借券成本。

用布林通道最常犯的四個錯誤

把前面的回測與示意圖收斂成可直接避開的踩雷清單，這幾個錯誤是台股散戶用布林通道時最常見的：

1. 把「觸下軌」當無腦抄底訊號。 低 %b 同時可能是健康回檔或趨勢轉空的起點，布林通道本身分不出來。台積電那張示意圖裡，下軌附近的買點有些確實反彈、有些則是繼續破底；攤到全市場 11 年，觸下軌買進研究段年化只有 2.5%。下軌是「波動參考線」，不是「保證反彈線」。
2. 在多頭趨勢裡用「站上上軌就賣」。 強勢股會「沿著上軌走」很久，聯發科那段 12 個月就觸發了 14 次上軌賣出訊號，每一次照做都等於把上漲部位提早砍掉、賣在起漲點。趨勢盤裡，貼上軌是強勢的證據，不是該賣的訊號。
3. 狂調參數想找最佳組合。 看完前面的色溫圖就知道：本文策略在選股 9 到 11 檔、廣度門檻 0.38 到 0.46 之間是一片打平的高原。把時間花在微調這幾格，遠不如把布林通道用對地方（擠壓 %b 當選股、廣度當風控）。研究段「換個參數就暴漲」的組合，幾乎都是過擬合。
4. 把布林通道和 KD、RSI 疊在一起用。 這些都是擺盪／波動類指標，資訊高度重疊，硬疊通常是負貢獻。比較有效的是搭「不同性質」的訊號——例如用動能因子選股、用布林廣度控風險，各司其職。各指標的正確分工可參考RSI、MACD、KD 比較。

這四個錯誤有一條共同主線：把一個波動／風控指標當成選股或抓買賣點的工具。 只要記住布林通道的本質是「衡量波動」，就會自然把它放到風控與濾網的位置，而不是當進出場依據。

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：布林通道參數要設多少？20 日、2 個標準差是最好的嗎？ 20 日、±2 標準差是 John Bollinger 的原始建議，也是本文用的設定。重點不在參數微調，而在用法：把它當風控時，廣度訊號對布林參數不敏感；當突破濾網時跨多個擠壓觀察窗也穩健。與其調參數，不如先用對地方。

Q：布林通道「觸下軌一定會反彈」嗎？ 不一定。觸下軌（低 %b）在台股研究段回測年化只有 2.5%，因為它無法區分「健康回檔」與「趨勢轉空」。把它當無腦抄底訊號，長期接近無效。

Q：布林通道可以單獨拿來當買賣訊號嗎？ 不建議。觸下軌買、觸上軌賣或無條件的 %b 排名選股，在台股回測都站不住。要讓 %b 變得有用，得先用「帶寬擠壓」濾掉雜訊、再配合動能與低波一起當選股因子；而站上中軌的廣度則拿來當大盤風控。布林通道適合拆成這兩個零件搭配使用，而不是整個拿來當進出場依據。

Q：布林通道和肯特納通道（Keltner Channel）差在哪？ 布林通道用標準差定義通道寬度（隨波動呼吸），肯特納通道用 ATR（平均真實波幅）。兩者都是波動通道，實務上常被一起比較，延伸可看肯特納通道與 ATR 指標與台股 ATR 波動度指標。

Q：這套策略適合誰？ 適合想要主動選股、能接受 -33% 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 28.4%、月 Sharpe 1.20，研究段與樣本外都勝過含息 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。

Q：為什麼要用「廣度」而不是只看大盤指數？ 單一指數的中軌穿越在盤整期雜訊太大、來回甩巴掌；全市場的廣度是橫截面的、平滑的多空力道度量，加上 EMA 與 hysteresis 雙門檻，能在保住報酬的同時把回撤砍下來。

Q：布林通道和 KD、RSI 一起用會更好嗎？ 這些都是擺盪/波動類指標，資訊高度重疊，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）+ 布林廣度（風控）。各指標的正確用法可參考RSI、MACD、KD 比較。

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。布林雙核心純技術策略全期最大回撤 -33.4%，實際交易前請自行評估風險、滑價與交易容量。