逢低買進回測：QQQ 跌 10% 才買，
兩種做法都沒通過驗證

兩種逢低買進做法都沒有通過驗證。QQQ 從半年高點跌 10% 才買進，2017-04-03 到 2026-11-10 年化報酬 11.3%，一直抱著 QQQ（追蹤那斯達克 100 指數的 ETF，以美國大型科技股為主）是 19.3%，27 組參數全部輸。平常持有五成、跌 10% 時加到滿的做法比較接近（年化 15.7%），但九組只有 3 組贏，而且拿掉 2022 年就輸。

逢低買到的價格其實不差：有三個月後續資料的 13 次進場，63 個交易日後 QQQ 有 11 次比訊號當天高，平均漲 11.1%。規則輸在別的地方：77% 的交易日都拿著現金，QQQ 這十年大部分的漲幅，都發生在它等待下跌的時候。

本文提供研究結果，沒有推薦這些買賣規則。想自行重跑，可先 設定 FinLab 環境，再 下載研究程式（.py）；其他檔案見 研究下載區。

逢低買進在這次測試的定義

「逢低買進」（buy the dip）是市場上的常見說法，沒有學術上的標準定義。大家說的通常是兩種習慣：一種是平常放現金，等跌了才買；另一種是平常就有部位，跌了再加碼。本文兩種都測，下面每個數字都來自同一支可下載的研究程式。

第一種規則（① 跌了才買）等 QQQ 的收盤價比近 126 個交易日的最高收盤低 10% 以上，隔天收盤買進；收盤價回到進場時記下的那個高點，或持有滿 63 個交易日（約三個月），兩者先到就賣。只有第一次跌破門檻那天算訊號：如果時間到賣出時 QQQ 還在門檻下，要等它先回到門檻上、再跌破一次才會重新進場。不在場時持有現金，現金不計利息。

第二種規則（② 底倉加碼）永遠不離場：平常持有五成 QQQ、五成現金，第一種規則的訊號在場時加到十成。每個月底與訊號切換時調回目標比重，中間讓比重隨價格漂移。這比較接近一般投資人說的「留一點現金等機會」。

參數網格與過關條件在算任何報酬以前就寫定，之後沒有改。原參數放在網格中間，結果好不能靠挑角落的組合。

訊號出現在哪裡

九年半裡規則一共觸發 14 次（圖中三角形）：2018 年與 2026 年各三次，其他年份大約一年一次；最後一次是 2026-11-02，資料結束時還在場。下半張圖可以看到 QQQ 跌到半年高點下 10% 的時間很少，大部分日子跌幅都在 5% 以內，這些日子規則手上都沒有股票。

這張表就是逢低買進的人期待的樣子：QQQ 跌 10% 之後通常會反彈，交易本身也大多賺錢。兩次虧損是 2018 年 10 月（-5.3%）與 2022 年 1 月（-7.4%），都是持有滿 63 天被迫出場。問題出在兩筆交易之間。2020 年 2 月規則在疫情崩跌中買進、賺了 13.6%，卻因持有期滿在 2020-05-29 收盤賣出，三個交易日後（2020-06-03）QQQ 就收復 2 月的高點；之後它一直拿著現金，等到 2020 年 9 月的下一個訊號，而這段期間 QQQ 持續上漲。

兩種原參數的結果

日夏普是每日報酬平均除以標準差再乘以 252 的平方根，不扣無風險利率，定義參考 Sharpe（1994），這裡把無風險利率設為零。年化報酬依實際經過的年數計算。前半段到 2022-01-18，後半段從 2022-01-19 開始，把交易日對半切。名詞可查 夏普比率 與 最大回撤。

下面嵌入的 FinLab 互動報告是規則①的原參數。報告裡的對照線是不含息的標普 500，比本文用的 QQQ 含息容易贏，報告內的評等也是對這條對照線，不代表通過本文驗證；報告從 2018 年 2 月第一筆交易開始算，夏普也用報告自己的算法，所以數字和表格略有不同。

鄰近參數：沒有穩定的高原

規則①的 27 格全是橘色，也就是都輸 QQQ。最好的幾格是跌 10%、最多持有 126 天，日夏普 0.82，仍比 QQQ 低 0.06。跌幅門檻改成 15% 明顯更差：這麼深的下跌很少見，規則只有 5% 到 19% 的日子持有 QQQ，持有 21 天的三格日夏普只剩 -0.04 到 0.22。跌幅 10% 時，126 日與 252 日高點的結果完全相同，因為挑到的是同一個高點。

規則②有三格贏 QQQ，三格都是跌 10% 加碼；改成 5% 或 15%，不論平常比重多少都輸。只在一個門檻成立、往兩邊挪就消失，正是參數網格要抓的單點結果。過關條件要九格中至少七格贏。

驗證項目

每一項都過才算通過。規則①六項全沒過；規則②過三項、沒過三項。BIL 是 1–3 個月美國國庫券 ETF，扣掉它的報酬，看的是規則比放現金多賺多少。

美國多數券商買賣股票和 ETF 不收手續費，所以 FinLab sim() 在美股的預設成本是零；每邊 0.1% 是另外加上的價差與滑價假設。這對兩種規則影響都很小：規則①整段只買 14 次、賣 13 次，規則②每月只把漂移的比重調回目標，日夏普從 0.922 降到 0.913。

BIL 那兩列，是給大部分時間拿現金的規則看的。每天固定持有 23% QQQ、77% 國庫券，日夏普就有 1.231，比規則①把閒置資金放國庫券的 0.911 高得多。這個組合的夏普高，是因為國庫券利息（這段期間 BIL 年化 2.4%）幾乎沒有波動卻算成報酬，不扣無風險利率的夏普會獎勵這一點。所以常拿現金的規則要贏的是這個固定組合，只贏 QQQ 不夠。規則②贏了自己的固定組合（0.977 對 0.945），但參數網格和前半段沒過，仍算不通過。

為什麼等下跌的成本比省下來的多

回撤圖可以看到逢低買進的優點。規則①最大回撤只有 22.4%，2022 年 QQQ 跌 32.6%，它只虧 7.4%，那一年領先 QQQ 25 個百分點，是它領先最多的一年。拿掉 2022 年，規則①日夏普 0.93，QQQ 是 1.22。

代價是其他時間。2019、2020、2021、2023、2024 年 QQQ 每年漲 25% 到 55%，規則①這幾年只有 8% 到 24%，因為大部分漲幅發生時它拿著現金。等跌 10% 才買，就表示價格接近高點時都不在場，而這十年 QQQ 大部分時間都接近高點。

下跌後確實有反彈：訊號後 63 個交易日 QQQ 平均漲 11.1%，任意一天起算的 63 個交易日只有 5.1%。但規則只在 23% 的日子有持股，只吃到這些反彈。這就是 Sharpe（1975） 談的擇時問題：在股票與現金之間切換的經理人，大約要四次猜對三次，才能跟上一直持有，因為不在場的時間會錯過股市長期的報酬。逢低買進只做一種判斷「現在買」，其他時間都不在場。

規則②平常至少持有五成，少放掉一些漲幅。它的日夏普領先 QQQ，靠的是 2022 年大部分時間停在五成底倉、把虧損縮小到 20.3%。強勢年份它都落後，光 2023 年就少了 22.6 個百分點；拿掉 2022 年，它的日夏普 1.199 對 QQQ 的 1.223。

回測方法

• 資料： FinLab us_fund_price 的 QQQ 與 BIL 還原收盤價（含配息）。2016 年的價格用來暖機 252 日高點，績效從 2017-04-03 算到 2026-11-10，2026-11-12 用 finlab 2.3.8 跑完。
• 成交時點： 收盤後出訊號，下一個交易日收盤成交（sim() 預設）。跌幅用還原價計算，除息不會被當成下跌。
• 前視偏差： 高點與跌幅只用訊號當天以前的收盤價，成交再晚一天。單一 ETF 全期都存在，沒有下市造成的生存者偏誤；但選 QQQ 這檔過去十年表現很好的基金，本身就帶有事後之明。
• 權重： 規則①只有十成 QQQ 或十成現金。規則②目標五成或十成，月底與訊號切換時調回，中間隨價格漂移。
• 成本與滑價： 預設零手續費，另跑每邊 0.1%。沒有計算資本利得稅、融資或市場衝擊。
• 周轉與流動性： 規則①整段 27 筆買賣。QQQ 是成交量最大的美股 ETF 之一，但沒有估算規則的資金容量。
• 現金： 回測中不計利息；BIL 檢查另外把國庫券報酬加到閒置資金上。
• 限制： 這是單一 ETF、單一個十年的全段樣本內研究，期間包含一次崩跌和一次空頭，沒有樣本外期間。事先固定參數能減少看結果挑參數，但這個點子本身來自市場經驗。Bailey 等人（2017） 說明單次回測為什麼會高估規則的表現，本文沒有估算過度擬合機率。

用 AI 代理重跑

照 FinLab 安裝流程 幫 AI 代理裝好 FinLab 技能，Claude Code、Codex、Gemini CLI 都可以用；AI 代理使用說明 介紹代理能用 FinLab 資料做哪些事。直接安裝的指令是：

npx skills add koreal6803/finlab-ai --skill finlab -g -y

不想安裝的話，FinLab Studio 在瀏覽器也能做同樣的研究。第一句可以這樣問：「下載逢低買進的研究程式，用原本登記的參數跑規則①，列出進場日期和 BIL 對照。」如果一開始就請 AI 設計新的逢低規則，得到的是另一個實驗，結果不能和上面的表格比較。

規則①的核心只要幾行。這段重現原參數的結果，登入由 FinLab 自動引導。

import finlab
import numpy as np
import pandas as pd
from finlab import data
from finlab.backtest import sim
 
finlab.login()
data.set_market("us_fund")
qqq = data.get("us_fund_price:adj_close")["QQQ"].loc[:"2026-11-10"].dropna()
 
# 近 126 個交易日的最高收盤，以及比它低 10% 以上的日子
high = qqq.rolling(126).max()
below = (qqq / high - 1 <= -0.10).to_numpy()
 
hold = np.zeros(len(qqq), dtype=bool)
inside, target, age = False, np.nan, 0
for i in range(1, len(qqq)):
    if inside:
        age += 1
        # 收回原本的高點，或持有滿 63 個交易日就賣
        inside = qqq.iloc[i] < target and age < 63
    elif below[i] and not below[i - 1]:
        # 第一次跌破 10%：隔天收盤買進
        inside, target, age = True, high.iloc[i], 0
    hold[i] = inside
 
position = pd.DataFrame({"QQQ": hold}, index=qqq.index).loc["2017-04-03":]
report = sim(position, upload=False, end_date="2026-11-10")

完整的 研究程式 會跑兩個參數網格、成本與 BIL 檢查，並輸出下方的下載檔；同一支程式也會跑這批研究的美股庫藏股與 Altman Z 分數。

逢低買進常見問題

逢低買進有用嗎？ 在這次測試中，QQQ 跌 10% 才買的報酬低於一直持有，27 組參數都是如此。下跌後通常會反彈，但規則錯過了這十年大部分的漲幅。

逢低買進和定期定額哪個好？ 兩者回答的問題不同。定期定額把新資金分批投入，單筆與定期定額的實測 發現多數起點一次買進比較好；等下跌才買是更嚴格的等待，問題相同。

用 VIX 恐慌指數抄底呢？ 那是用恐慌程度而不是價格當訊號。VIX 突破 40 的回測 看的是極少數的恐慌時刻，次數比 QQQ 跌 10% 少得多。

台股可以逢低買進 0050 嗎？ 本文只測 QQQ。台股的做法可參考 融資維持率抄底 0050 與 乖離率回測，後者發現乖離率比較像動能因子，不適合當抄底訊號。

為什麼不用熱圖上 0.82 那一格？ 它仍輸 QQQ，而且看完結果再挑最好的格子，就是參數網格要防止的過度擬合。

回撤比較小，代表比較安全嗎？ 回撤淺是因為大部分時間沒有投資。每天固定 23% QQQ、其餘放國庫券也跌得比較少，而且日夏普比規則①高（1.231 對閒置資金放國庫券的 0.911）。

想看已驗證與未通過的美股規則，可以讀 美股量化交易策略比較；同樣在 QQQ 和現金之間切換的研究還有 波動度目標策略、200 日均線大盤濾網 與 QQQ 網格交易。回測方法 說明成交時點與常見偏差，逢低買進 等名詞可查量化詞彙表。

研究下載

投資有風險，過去績效不代表未來表現。本內容僅供教學與研究，不構成投資建議，請依個人風險承受度審慎評估。本文沒有推薦買賣 QQQ 或任何標的，也不保證歷史上的規律會延續。

最後更新：2026-11｜回測區間：2017-04-03 至 2026-11-10｜作者：FinLab 量化研究團隊。團隊以 FinLab 資料維護台股、美股的可重跑研究。