cci 指標怎麼用才對？台股 11 年回測：拆成趨勢濾網＋大盤風控的純技術策略

cci 指標在台股的正確用法：拆成趨勢濾網加大盤風控

散戶最熟的 cci 指標用法是「cci 跌破 −100 就超賣買進、突破 +100 就超買賣出」。但把這個規則放進台股做 11 年回測（2015-2026），教科書「cci 低於 −100 超賣買進」研究段（2015-2021）年化報酬只有 2.0%、月夏普 0.20，幾乎等於沒賺；反過來追「cci 最高的強勢股」研究段年化也只有 7.4%、月夏普 0.48，靠的是高達 -38.7% 的回撤硬撐。問題不在 cci 指標，而在用錯地方——把整個指標當成單一買賣開關。用上市櫃真實價量資料攤開來看，cci 真正的價值在於拆成兩個各司其職的零件：第一個零件是「個股 cci」當趨勢持有濾網，只把錢留在 cci 站上 −50（順勢）的股票，剔除順勢深跌的接刀股；第二個零件是「0050 自身的 cci」當大盤斷路器，只在大盤重度弱勢（cci ≤ −100）時整籃清倉避開崩盤尾部。把這兩個零件疊上「站季線 + 低波選股」與「動能傾斜除以波動」的加權，組成一套完全不含基本面的純技術策略：在站季線且 cci > −50 的池子裡取 60 日波動最低的 24 檔、以動能除以波動傾斜加權，大盤斷路器斷電時清空持現金。這套「cci 雙零件純技術策略」研究段（2015-2021）年化 25.5%、月夏普 1.23，樣本外（2022-2026）年化 24.7%、月夏普 1.32，全期（2015-2026）年化 24.9%、月夏普 1.25，全期最大回撤 -21.0%——三段都勝過含息 0050（全期年化 21.0%、月夏普 1.05、回撤 -34.0%），且回撤明顯更淺。

先用一張表回答你搜尋「cci 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。

cci 指標是什麼

cci 指標（Commodity Channel Index，順勢指標）是 Donald Lambert 在 1980 年提出的動量振盪指標，原本用於商品市場。它衡量「現在的價格偏離一段期間的平均有多遠」，並用平均絕對偏差做標準化，公式為：

cci =（典型價格 − N 日典型價格均線）/（0.015 × 平均絕對偏差），其中典型價格 =（最高價 + 最低價 + 收盤價）/ 3。常數 0.015 是 Lambert 刻意設計，讓多數讀數落在 ±100 之間。

cci 和 KD、威廉指標最大的不同是它沒有 0 到 100 的上下界，可以是正無限大到負無限大，因此較少出現指標鈍化。技術指標的基礎名詞可參考名詞詞彙表。

實務上 cci 有兩派互斥用法：均值回歸派主張「cci 跌破 −100 是超賣、該買；突破 +100 是超買、該賣」，假設價格會回到均值；突破動能派則主張 cci 站上 +100 代表強勢趨勢成形，該追進。哪一派對？台股實際資料下，兩派當選股訊號都站不住——直接回測給你看。

cci 指標的數學定義與計算公式

把前面那句白話拆成可計算的式子，cci 的定義是：

$TP = \frac{H + L + C}{3},\qquad CCI = \frac{TP - SMA_n(TP)}{0.015\,\cdot\, \text{MD}_n}$

逐個符號拆開來看：

• $TP$（典型價格，Typical Price） $=（H + L + C）/ 3$，其中 $H$、$L$、$C$ 是當日的最高、最低、收盤價。用三價平均而不是只看收盤，是為了讓 cci 同時感受到盤中的高低振盪，而不是只盯收盤一個點。
• $SMA_n(TP)$ 是 $TP$ 的 $n$ 日簡單移動平均，代表「最近這段期間的價格重心」。$n$ 預設 14。分子 $TP - SMA_n(TP)$ 就是「現價偏離重心多遠」，正值代表在均值之上、負值代表在均值之下。
• $\text{MD}_n$（平均絕對離差，Mean Deviation） 是 $TP$ 對其 $n$ 日均值的平均絕對距離，$\text{MD}_n = \frac{1}{n}\sum_{i=0}^{n-1}\big|\,TP_{t-i} - SMA_n(TP)\,\big|$。它的角色是把分子的「偏離」用近期波動度做標準化——同樣偏離 5 元，在一檔平常就劇烈震盪的股票上算正常，在一檔平常很穩的股票上就是異常。除以 $\text{MD}_n$ 之後，cci 在不同價位、不同波動度的股票之間才可比。
• 常數 $0.015$ 是 Lambert 刻意挑的縮放係數。他希望多數讀數落在 $±100$ 之間，於是用 $0.015$ 把分母放大；當價格偏離大約 1.5 倍平均絕對離差時，cci 剛好等於 $±100$，這就是 $±100$ 門檻的由來。

和 KD、威廉指標把讀數壓在 0 到 100 之間不同，cci 的分母會隨波動度浮動、分子可正可負，所以它沒有上下界，理論上能到正負無限大，較少出現指標貼著天花板或地板的鈍化。技術指標的基礎名詞可參考名詞詞彙表。

把 cci 畫在單股上：教科書 ±100 派的買賣點長什麼樣

公式看完，最快建立直覺的方式是把 cci 畫在一檔真股票上、標出教科書 ±100 派的買賣點。下圖是台積電（2330）2023-07 到 2024-06 這一年，下方面板是 cci(14)、上方價格面板標出「cci 跌破 −100 時買進、突破 +100 時賣出」的訊號：

光是這一年、這一檔，教科書 ±100 派就觸發了 29 個訊號（10 次超賣買進、19 次超買賣出）。聯發科（2454）同期也有 25 個（7 買、18 賣）：

兩張圖直接點出 cci 當個股進出訊號的兩個結構性問題。第一是訊號太頻繁：cci 是短週期振盪計，一年穿越 ±100 二、三十次，每次進出都要付手續費與證交稅，光成本就把報酬磨掉一截。第二是反覆被洗（whipsaw）：在 2024 年初那段明顯的上升趨勢裡，cci 一漲超過 +100 就發「超買賣出」，把還在續漲的台積電早早賣掉，接著股價又創高——這正是「均值回歸派」在趨勢盤的致命傷。換句話說，教科書把 cci 當買賣開關，在台股大型權值股上既貴又抓不準，這也預告了下一段回測的結果。

想自己重畫這張圖、把訊號換成你想驗證的邏輯，下面這段程式碼可以複製來改（cci 由 finlab 內建的 data.indicator 算，不必自己接 TA-Lib）：

import finlab
from finlab import data
import matplotlib.pyplot as plt
 
# finlab 會在需要資料時自動引導登入
finlab.login()
 
# 用 finlab 內建的 indicator 介面直接算 cci(14)
cci = data.indicator("CCI", timeperiod=14)
close = data.get("price:收盤價")
 
# 取單一檔、單一年度的窗(太長會擠成一團不可讀)
sid = "2330"
window = slice("2023-07-01", "2024-06-30")
price_s = close[sid].loc[window]
cci_s = cci[sid].loc[window]
 
# 教科書 ±100 派:cci 跌破 −100 視為超賣買進、突破 +100 視為超買賣出
crossed_below = (cci_s < -100) & (cci_s.shift(1) >= -100)
crossed_above = (cci_s > 100) & (cci_s.shift(1) <= 100)
 
# 上下兩個面板:價格在上、cci 在下
fig, (ax_price, ax_cci) = plt.subplots(
    2, 1, figsize=(12, 7), sharex=True, gridspec_kw={"height_ratios": [2, 1]}
)
ax_price.plot(price_s.index, price_s, color="#111111", linewidth=1)
ax_price.scatter(price_s.index[crossed_below], price_s[crossed_below],
                 marker="^", color="#10B981", label="超賣買進")
ax_price.scatter(price_s.index[crossed_above], price_s[crossed_above],
                 marker="v", color="#EF4444", label="超買賣出")
ax_price.legend()
 
ax_cci.plot(cci_s.index, cci_s, color="#A855F7", linewidth=1)
ax_cci.axhline(100, color="#9CA3AF", linestyle="--")   # +100 超買
ax_cci.axhline(-100, color="#9CA3AF", linestyle="--")  # −100 超賣
 
plt.show()

把 sid 換成任何一檔股票、把訊號邏輯改成你的假設，就能在動筆做回測前先用眼睛檢查訊號合不合理。要把這套訊號變成整個策略、跑出可重現的績效，再往下看。

教科書最常見的用法，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、60 日均量 > 100 萬股、收盤 > 10 元，排除 ETF、金融股、KY 股、處置股）裡，把幾種「cci 選股」用法各跑一次月再平衡的回測，研究段（2015-2021）結果如下：

上圖把全文四種用法的研究段年化攤在一起：兩種 cci 裸用選股（超賣買進 2.0%、突破追高 7.4%）墊底，「品質低波籃」（14.8%）已勝過含息 0050，而把 cci 用對地方（個股 cci 趨勢濾網 + 大盤斷路器 + 動能傾斜）後，研究段年化一路拉到 25.5%——後面幾段會逐一拆解這個跳升怎麼來的。先看裸用選股這兩根：最多人用的「cci 跌破 −100 超賣買進」在台股研究段年化只有 2.0%、月夏普 0.20，接近無效。 原因不難理解——台股 cci 偏低的股票，多半是下跌中繼（順勢往下殺），缺乏均值回歸的保護，接刀往往續跌。反過來追「cci 最高的強勢股」雖然研究段年化拉到 7.4%，但月夏普只有 0.48、最大回撤 -38.7%，全期回撤更達 -47.7%，報酬是用很深的回撤硬撐出來的，實務上很難抱得住。兩派當橫截面選股都遠遠落後含息 0050。

值得一提的是，cci 突破追強勢這組在樣本外（2022-2026）年化跳到 17.4%、cci 超賣買進那組樣本外也有 17.3%——但別被這段騙了：研究段那麼差、樣本外才漂亮，是典型的市況依賴（regime dependence），不是穩定的 edge（後面策略的限制會再展開）。cci 本來就不是設計來做橫截面選股的指標。

把 cci 拆成兩個有用的零件

整個 cci 當買賣開關失效，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：個股 cci 當趨勢持有濾網，不當選股排序

先釐清一個關鍵差別：把 cci 當「橫截面選股排序」（誰的 cci 高就買誰、誰低就買誰）是負增量；但把 cci 當「二元的趨勢持有濾網」（只把錢留在 cci 站上某門檻的順勢股、把順勢深跌的接刀股剔出去）卻有效。差別在前者要 cci 提供它沒有的選股資訊，後者只要 cci 做它本來就會的事——標記「現價偏離均值的方向」。

先看排序為何不行。建一個「品質低波籃」——只留站上季線（close > 60 日均線）的股票，剔除 60 日波動最高一半，再取波動最低的若干檔，完全不看 cci——研究段月夏普 1.02、年化 14.8%。把 cci 動能塞進這個池內當選股排序，掃 timeperiod（14/20/30）× 檔數（20/30/40）共 9 組，沒有任何一組的研究段月夏普贏過「不看 cci 只選低波」的對照組（1.02）。機制是 cci 衡量「價格偏離均值多遠」，和「動能、趨勢強度」高度共線；在已用「站季線」框過趨勢方向的池子裡，cci 排序再沒有增量資訊，反而傾向選到「短期暴衝、偏離均值最大」的高波標的，把回撤拉高。

但同一個 cci，改當二元濾網就翻盤。在站季線的池子裡，只留 cci(14) > −50 的股票（順勢、未深跌），把 cci(14) ≤ −50 的順勢下殺接刀股整批剔除——這一個動作本身就是 CAGR 的加值來源。後面的消融測試會證明：拔掉這層趨勢濾網（只站季線、不看 cci），研究段年化從 25.5% 掉到 21.0%、樣本外也掉到 19.0%。延伸閱讀：技術面與基本面選股的差異、動能策略。

選股的低波 edge 本身則來自學術上記載已久的低波動異常——Ang, Hodrick, Xing & Zhang (2006) 發現高波動股票的後續報酬反而偏低，低波組合長期有較佳的風險調整報酬。cci 趨勢濾網的角色是把這個低波籃裡「順勢深跌的爛標的」清掉，讓錢留在順勢標的上。

零件二：0050 自身的 cci 當大盤斷路器

cci 對個股排序沒有增量，是因為它和動能共線；但對大盤指數而言，cci 是一個很乾淨的東西——它衡量「指數現在偏離自己均值多遠」。當 0050 自身的 cci 深跌到 −100 以下，代表整個大盤處於系統性的重度弱勢。這正是 cci「順勢」設計初衷在指數層級的正確應用：把整個大盤當成一個標的，用它自己的 cci 當整體市場的斷路器，在系統性深弱勢時拉斷電、整籃清倉持現金，等 cci 回升再進場。

把這個斷路器套在選股籃外層的效果很直接：裸籃（無斷路器）全期最大回撤深達 -37.3%；加上 0050 自身 cci 斷路器後，全期最大回撤砍到 -21.0%。 樣本外段裸籃月夏普 1.27、加斷路器後守到 1.32，回撤同步收斂。斷路器用順風段偶爾少賺一點，換到深跌段的整段避險。

這個「在系統性弱勢時降曝險」的邏輯，和學術上的波動度擇時一致——Moreira & Muir (2017) 在《Volatility-Managed Portfolios》證明：在波動升高、風險惡化時調降曝險，能顯著提升投資組合的夏普值。0050 的 cci 正是一個可操作的系統性弱勢偵測器。

這裡有一個關鍵設計：門檻要寬，只在深弱勢時才斷電。 我們掃了不同門檻，cci ≤ −100 與 ≤ −50 都能把回撤明顯壓低；但若把門檻拉嚴到 cci ≤ 0（只要大盤稍微偏弱就空手），每次淺回檔就空手、錯失反彈、把複利殺掉。原因是 cci 的價值在「避開崩盤尾部」而不是「頻繁進出」——cci 適合當「斷路器」，不適合當「進出開關」。把兩個零件疊上低波選股與動能傾斜加權後，效果一目了然，下一段給完整策略。

完整策略：cci 雙零件純技術選股

把上面兩個零件疊上低波選股與動能傾斜加權，組成一套可執行、可重現、完全不含基本面的純技術策略：

1. 選股池（個股 cci 趨勢濾網）：可交易宇宙中，先留站上季線（close > 60 日均線）、且個股 cci(14) > −50（順勢、剔除接刀股）的股票。
2. 選股（低波）：在這個池子裡取 60 日報酬日波動度最低的 24 檔。
3. 加權（動能傾斜除以波動）：對這 24 檔分別算 60 日與 120 日報酬的橫截面分位，混合成 0.4 × 60日 + 0.6 × 120日 的動能分數，權重正比於「動能分數的 3.5 次方除以 60 日波動」——把錢往「高動能、低波動」的股票傾斜。
4. 大盤斷路器（0050 自身 cci）：計算 0050 自身的 cci(20)。當 0050 的 cci(20) ≤ −100（大盤重度弱勢）時整籃清倉、持有現金；其餘時間滿倉。
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
import talib
from finlab import data
from finlab.backtest import sim
 
# 載入價量資料（finlab 會在需要資料時自動引導登入）
close = data.get("price:收盤價")
high = data.get("price:最高價")
low = data.get("price:最低價")
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
 
# 零件一：個股 cci(14) 趨勢濾網。站季線 + cci > −50（順勢、剔除接刀股）
cci14 = data.indicator("CCI", timeperiod=14)
above_ma60 = close > close.rolling(60).mean()
pool = universe & above_ma60 & (cci14 > -50)
 
# 選股：池內取 60 日報酬日波動度最低的 24 檔
vol60 = close.pct_change().rolling(60, min_periods=30).std()
basket = vol60.where(pool).rank(axis=1, ascending=True) <= 24
 
# 加權：動能傾斜除以波動。混合 60 日與 120 日動能分位，往高動能、低波傾斜
r60 = (close / close.shift(60) - 1).where(basket).rank(axis=1, pct=True)
r120 = (close / close.shift(120) - 1).where(basket).rank(axis=1, pct=True)
blend = 0.4 * r60 + 0.6 * r120
raw_w = (blend ** 3.5) / vol60
weights = raw_w.where(basket).div(raw_w.where(basket).sum(axis=1), axis=0).fillna(0.0)
 
# 零件二：0050 自身 cci(20) 大盤斷路器。跌破 −100 → 整籃清倉持現金
cci_0050 = pd.Series(
    talib.CCI(high["0050"].values, low["0050"].values, close["0050"].values,
              timeperiod=20),
    index=close.index,
)
risk_on = (cci_0050 > -100).reindex(weights.index).ffill().fillna(False)
weights = weights.where(risk_on, 0.0)
 
# 月再平衡（台股預設成本：手續費 + 賣出證交稅 0.3%）
report = sim(weights, resample="M")

完整的可交易宇宙過濾、權重正規化與斷路器遮罩請見文末可下載的 strategy.py。

這套策略研究段（2015-2021）年化 25.5%、月夏普 1.23、月索提諾 3.80、研究段最大回撤 -21.0%；樣本外（2022-2026）年化 24.7%、月夏普 1.32、月索提諾 3.03、樣本外最大回撤 -13.9%；全期（2015-2026）年化 24.9%、月夏普 1.25、月索提諾 3.45、全期最大回撤 -21.0%。三段都勝過含息 0050（全期年化 21.0%、月夏普 1.05、回撤 -34.0%），且全期回撤明顯更淺。年換手約 6.9 倍。

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：60 日波動、60／120 日動能、季線、個股 cci(14)、0050 的 cci(20) 均只使用當日（含）以前的價格；月頻再平衡，斷路器訊號於當期可得。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「動能分數 3.5 次方除以 60 日波動」傾斜加權、單一資產不另設上限；斷路器關閉時整籃歸零、持有現金。
• 周轉率：年換手約 6.9 倍（月再平衡 + 動能傾斜換股 + 偶發斷路器切換），斷路器是「偶發深弱勢清倉」而非高頻進出。
• 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。我們逐一拔掉策略的每個零件，看研究段與樣本外的報酬怎麼變：

三個零件方向一致、各有分工：

• 個股 cci 趨勢濾網是 CAGR 加值來源之一：拔掉它（只站季線），研究段年化從 25.5% 掉到 21.0%、樣本外從 24.7% 掉到 19.0%。把順勢深跌的接刀股清掉，確實留住了報酬。
• 動能傾斜是 CAGR 主來源：拔掉傾斜、改純低波等權，研究段年化掉到 17.1%、樣本外 16.8%——夏普反而略升（純低波本來就穩），但報酬被砍掉一大截，證明「往高動能傾斜」是把報酬拉高的主力。
• 0050 斷路器是回撤的主力：拔掉斷路器的裸籃，樣本外年化更高（30.8%），但全期最大回撤從 -21.0% 惡化到 -37.3%。斷路器用一點順風段報酬，換到深跌段約 16 個百分點的回撤縮減。
• 成本壓力測試：把手續費加倍、賣出稅率拉到 0.6% 再跑，研究段年化仍有 22.0%、樣本外 21.4%、樣本外月夏普 1.17——雖未達 25% 硬門檻，但樣本外仍站得住，不是靠零成本假設撐出來的。
• 斷路器週期穩健：把斷路器從 0050 cci(20) 換成 cci(14)，研究段年化 22.4%、樣本外年化更衝到 27.6%、樣本外月夏普 1.45，兩個週期都成立，不是只有單一 timeperiod 僥倖。

參數最佳化：找一片高原，不是追一個孤峰

策略有兩個最值得檢查的旋鈕：選股檔數（決定集中度）與動能傾斜的冪次（決定往高動能傾斜多兇）。為了確認本文預設的 24 檔、冪次 3.5 不是事後挑出來的漂亮數字，我們把這兩個參數做成網格——檔數 18／24／30 檔 × 冪次 2.5／3.5／4.5——每一格都真跑一次回測，把研究段月夏普畫成色溫圖：

看色溫圖時，真正該盯的是那個高分格的四周長什麼樣，而非單純哪一格數字最大。如果最佳格被一圈差很多的格子包圍，那是一座孤峰——換個市況、換個資料段就會塌掉，是過度最佳化的警訊；如果高分格落在一整片都還不錯的區域裡，那是一片高原，代表結論對參數不敏感，比較可信。

這張圖屬於後者。整片網格 9 格的研究段月夏普都落在 1.12 到 1.48 之間，沒有突兀的孤峰。 橫看檔數軸，越集中（18 檔）研究段夏普越高（1.41–1.48）、但報酬絕對值反而較低；越分散（30 檔）夏普略降（1.12–1.17）。縱看冪次軸，2.5 到 4.5 之間研究段年化都站得住。本文預設取 24 檔、冪次 3.5（研究段月夏普 1.23、年化 25.5%），它落在高原中段，研究段與樣本外都穩；冪次拉到 4.5 那一列研究段年化更高（24 檔可到 27.9%），但回撤也跟著放大，我們刻意取報酬與回撤平衡的中段，而非追單格峰值。

那麼「往更兇的傾斜去調」會差多少？把預設（24 檔、冪次 3.5）和相鄰的更兇傾斜（24 檔、冪次 4.5）擺在一起對照：

兩組基本上是平手：冪次 4.5 換到樣本外年化高一點（26.7% vs 24.7%），但樣本外月夏普一樣是 1.32、樣本外回撤反而略深（-15.1% vs -13.9%）。這就是沒有免費午餐——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。所以與其追單格峰值，不如取一片高原裡的合理預設，這也是我們把 24 檔、冪次 3.5 設為這套策略預設的原因。提醒一句：色溫圖上若真有某一格特別突出、四周卻很差，那通常是過度最佳化的訊號而非發現了聖杯，要先懷疑、不要先興奮。

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 24%–26%、月夏普都在 1.2 以上，沒有出現「研究段漂亮、樣本外垮掉」的過度最佳化特徵。 研究段它大幅領先含息 0050（25.5% vs 15.3%），靠的是個股 cci 趨勢濾網 + 低波選股在震盪市裡挑到順勢穩健標的；樣本外它與含息 0050 的差距縮小（24.7% vs 30.4%），因為 2022 之後是台股強單邊多頭，斷路器偶爾轉防禦會在順風段少賺一點，但全期仍以更淺的回撤（-21.0% vs 0050 的 -34.0%）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：選股只用站季線、個股 cci 趨勢濾網、低波與動能傾斜，風控只用 0050 自身的 cci 斷路器，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 24 檔、又有 cci 趨勢濾網與低波雙重收斂，集中度已高，再加營收過濾會大幅縮小可選池，反而稀釋動能傾斜的爆發力；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，於選股池計算前加一層 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。

為什麼不用常規均線擇時？

讀到這裡你可能會問：用 0050 站上 / 跌破 200 日均線（MA200）來擇時不是更直覺嗎？cci 斷路器和 MA200 擇時的差別在反應速度。MA200 是慢速趨勢線，牛市中只要淺回檔跌破均線就整段空手、反應遲鈍，常被洗出去；cci 斷路器是均值偏離的快速振盪計，門檻設寬（cci ≤ −100），只在「真正深跌」才觸發，對上升趨勢中的淺回檔容忍度高，能在降回撤的同時保住多頭段的複利。本文的斷路器把全期最大回撤從裸籃的 -37.3% 砍到 -21.0%，靠的就是「只在系統性深弱勢時拉斷電」這個寬門檻設計。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。

用 cci 指標最常踩的四個陷阱

把前面的回測整理成可操作的避雷清單，這四個是散戶用 cci 最常犯、也最傷績效的錯：

1. 把 −100／+100 當無腦進出開關。 教科書 ±100 派在台積電一年觸發 29 個訊號（見前面單股圖），訊號太密、又會在趨勢盤反覆被洗。cci 跌破 −100 在研究段年化只有 2.0%、月夏普 0.20，接近無效。cci 是「警示燈」不是「板機」，看到極端讀數要結合趨勢判斷，而不是機械式照單下單。
2. 把個股 cci 當選股因子排序。 個股的 cci 和動能高度共線，在已用「站季線」過濾掉趨勢方向的池子裡幾乎沒有排序增量；本文掃 9 組參數，沒有一組的研究段月夏普贏過同池「只看低波」的對照組（1.02）。cci 對個股的正確用法是當「二元趨勢濾網」（站上 −50 才留、剔接刀股），不是當「誰高買誰」的排序分數。
3. 斷路器門檻設太嚴。 斷路器的價值在「避開崩盤尾部」而非「頻繁進出」。門檻拉到 cci ≤ 0（大盤稍弱就空手）會把每次淺回檔都掃成空手、錯過反彈、把複利殺掉。門檻要「寬」（≤ −100），只在深弱勢時拉斷電——本文裸籃全期回撤 -37.3%，加上寬門檻斷路器後砍到 -21.0%，靠的就是這個設計。
4. 看色溫圖只挑最高那一格。 參數最佳化要找一片高原、不是追一個孤峰。本文檔數 × 動能冪次的網格 9 格研究段月夏普都落在 1.12 到 1.48，相鄰格差距都在小數點後一兩位；被研究段單格峰值吸引去調參，往往就是過度最佳化的開始。

這四個陷阱有個共同根源：cci 是個敏感的短週期振盪計，把它放在「需要乾淨排序訊號」的位置（個股選股排序、機械式進出）會放大它的雜訊；放在「標記方向」的位置（個股二元趨勢濾網、大盤深弱勢斷路器）才用對了它的特性。各擺盪指標的正確用法差異，可再看RSI、MACD、KD 比較。

策略的限制與取捨

• 集中度帶來不可忽視的回撤：策略只持 24 檔、全期最大回撤 -21.0%。雖比含息 0050 的 -34.0% 淺，但仍是兩成以上的回撤，承受得住這級回撤才適合。選股集中換到較高報酬，代價是單股與類股風險集中。
• 個股 cci 是趨勢濾網、不是選股排序：本文主策略用個股 cci(14) > −50 當二元持有濾網（剔接刀股），不是用 cci 高低做橫截面排序——後者在本研究是負增量，不該宣稱「cci 選股排序有效」。
• 高周轉、成本敏感：年換手約 6.9 倍明顯高於被動持有，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；成本加倍壓測下研究段年化退到 22.0%、樣本外 21.4%，仍站得住但獲利空間變窄。
• 擇時類訊號有市況風險：樣本外段（2022 空頭 + 2023-2024 反彈）有明確的「深跌後反彈」型態，cci 寬門檻斷路器的樣本外表現受惠於此。前面提到的「cci 超賣買進樣本外年化 17.3%、研究段卻只有 2.0%」就是一個市況依賴的反例——只在特定下跌-反彈 regime 賺錢、換個市況就崩，提醒擇時與反轉類訊號的過擬合風險。不同市況（如陰跌盤整）下斷路器的效益會變動。
• 容量與成本：選股 24 檔、宇宙限前 300 大成交金額，中大型資金可承載；低波與 cci 濾網收斂後實際可選池更窄，超大資金需放寬檔數。回測未逐筆估算滑價與借券成本。

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、換選股基底。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：cci 指標跌破 −100 一定會反彈嗎？ 不一定。cci 跌破 −100（超賣）在台股研究段回測年化只有 2.0%、月夏普 0.20，因為它無法區分「健康回檔」與「趨勢轉空」。台股 cci 偏低的股票多為下跌中繼，把它當無腦抄底訊號，長期接近無效。

Q：cci 指標可以單獨拿來當買賣訊號嗎？ 不建議。跌破 −100 買、突破 +100 賣或用 cci 高低做橫截面排序選股，在台股回測都站不住。要讓 cci 變得有用，得拆成兩個零件：個股 cci 當「站上 −50 才留」的二元趨勢濾網（剔接刀股），0050 自身的 cci 當大盤斷路器（深弱勢時清倉）。cci 適合拆成這兩個零件搭配低波與動能傾斜使用，而不是整個拿來當進出場依據。

Q：cci 指標參數要設多少？timeperiod 14、門檻 ±100 是最好的嗎？ 14 期、±100 是 Donald Lambert 的原始設定。本文個股趨勢濾網用 cci(14)、門檻 −50，大盤斷路器用 0050 自身的 cci(20)、門檻 −100；斷路器週期換成 cci(14) 結論一致（樣本外月夏普 1.45）。重點不在參數微調，而在用法：斷路器門檻要「寬」（≤ −100），只在深弱勢時清倉；門檻設太嚴（≤ 0）反而把複利殺掉。

Q：cci 指標和 RSI、KD 有什麼差別？ cci、RSI、KD 都是擺盪類指標，但 cci 沒有 0 到 100 的上下界（可正負無限大），較少鈍化。三者資訊高度重疊，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，例如低波選股 + 動能傾斜 + cci 大盤斷路器（風控）。各指標的正確用法可參考RSI、MACD、KD 比較。

Q：為什麼用 0050 的 cci 而不是個股的 cci？ 兩者都用，但角色不同。個股 cci(14) 當二元趨勢濾網（站上 −50 才留、剔接刀股）；0050 自身的 cci(20) 當大盤斷路器（深弱勢清倉）。個股 cci 不適合當「誰高買誰」的橫截面排序——它和動能共線、排序是負增量；但指數層級的 cci 是乾淨的「系統性弱勢偵測器」，當 0050 自己的 cci 深跌，代表整個大盤重度弱勢，此時清倉避開崩盤尾部，正是 cci「順勢」設計在大盤層級的正確應用。

Q：cci 斷路器和肯特納通道、ATR 這類波動指標差在哪？ cci 衡量「價格偏離均值的標準化距離」，ATR 與肯特納通道衡量「波動幅度本身」。三者都能用於風控，但訊號性質不同。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、能接受兩成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 24.9%、月夏普 1.25，研究段與樣本外都勝過含息 0050、回撤更淺。不適合受不了任何深度回撤、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（樣本外強多頭段 0050 年化 30.4%，仍高於本策略的 24.7%）。

Q：cci 斷路器為什麼比 MA200 擇時好？ 差別在反應速度。MA200 是慢速趨勢線，牛市中淺回檔跌破均線就整段空手、反應遲鈍，常被洗出去；cci 斷路器是均值偏離的快速振盪計，門檻設寬（≤ −100），只在「真正深跌」才觸發，對上升趨勢中的淺回檔容忍度高，能在降回撤的同時保住多頭段的複利。本文斷路器把裸籃全期回撤 -37.3% 砍到 -21.0%，靠的就是這個寬門檻設計。

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。cci 雙零件純技術策略全期最大回撤 -21.0%、樣本外最大回撤 -13.9%，實際交易前請自行評估風險、滑價與交易容量。