跳空缺口：0050六十日回補九成，
四個設計沒過關

點圖可查看原尺寸；完整數字也列在下方的研究下載區。 0050向下完整跳空缺口，在本次有完整觀察期間的樣本中，五日內回補 62.3%，六十日內回補 90.3%。但「回補後買進」的0050中心設定，日夏普只有 0.42，同期含息持有是 0.74。四個交易設計、三十六組參數沒有一個通過三項驗證，本文以反面教材為主。

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。

跳空缺口、開盤跳空與缺口回補的差別

跳空缺口有不同口徑。開盤比昨天收盤低，日內價格仍可能和昨天大量重疊；本文採較嚴格的「完整缺口」：當日最高價低於前日最低價。因為要等當天最高價確定，最早也只能收盤後判斷，不會在開盤看到低開就當成完整缺口。

向下缺口的上緣是前日最低價。本文定義「回補」為缺口日之後的最高價碰到這個上緣，影線碰到也算；只回到缺口中間不算補完，缺口日自己不算回補日。向上完整缺口則是當日最低價高於前日最高價，方向相反；本次不重新跑向上不補的選股結果，直接保留先前融資、注意股與缺口研究的連結。

這次使用還原最高、最低價，避免除權息與分割造成純價格調整被當成交易缺口。還原價是歷史比較口徑，仍可能受上游資料修補影響；它不提供盤中成交順序，也不能回答碰到上緣時委託是否真的成交。

0050與個股缺口回補率

每個觀察窗的分母不同，因為資料尾端還沒走完五日、二十日或六十日的事件不納入該窗。已走完整個日曆交易日窗口但始終沒補的事件保留；股票後來下市、缺少後續報價，也不因為沒有回補而從分母消失。個股要求缺口當日符合流動性條件，0050不加這道篩選。

同一檔股票可以有多個缺口，每個事件各自對照自己的上緣，所以表中的事件不是獨立樣本。一段大跌可能同時產生多個缺口，同一次反彈也可能一次補回多個缺口。不能把事件數直接當成同樣多筆互不相關的交易，這次沒有對重疊事件做統計顯著性檢定。

觀察越久，回補率越高，是累積事件定義的結果。六十日窗口仍有 41個0050缺口沒有補，因此數據不支持「一定會補」；即使後來某一天補上，也不能替前面資金等待、帳面下跌或其他投資機會的成本作保證。

回補率不能直接換成交易勝率

交易從什麼時間買進，決定投資人能拿到哪段報酬。若先等最高價碰到上緣才知道缺口已補，缺口下緣到上緣的反彈已經發生；本次還要等隔日收盤才能買，無法把那段已發生的漲幅算進報酬。若改成缺口剛出現就買，則是另一個進場規則，也要承受它沒有回補時的下跌。

Dahlquist與Bauer的《Technical Analysis of Gaps》討論缺口的不同研究方式，研究期間、缺口口徑與市場都必須分清；不能把其他市場的開盤缺口結論，當成台股完整缺口的回補機率。Lo、Mamaysky與Wang（2000）對技術型態的研究也以明確演算法為基礎，型態含有資訊與扣成本後能形成交易優勢，是兩個不同問題。

四個固定交易設計

1. 回補後買個股： 缺口出現後d日內首次回補，回補當天給訊號，隔日收盤買進，持有h個交易日。
2. 回補後買0050： 同一規則只用於0050。
3. 避開0050回補後時段： 第二種的互補方向，其餘時間持有0050。
4. 避開0050缺口未補時段： 第d日收盤仍未補，之後h日空手，其他時間持有0050。這是把「不補可能續跌」寫成避險假說，沒有做融券放空。

缺口事件重疊時取持有或避開時段的聯集，新事件可以延長期限，不會同一標的重複加倍買進。個股訊號在回補當日也要符合流動性門檻。d取三、五、十日，h取十、二十、四十日，中心五日與二十日，完整九格都公布。

主要測試結果

先看「年化報酬」：平均每年賺或賠多少；「最大回撤」是從高點最多跌多少。日夏普比較報酬與波動，數字越高越好，但不保證獲利。

• 回補後買0050：年化報酬6.0%，期間最大跌幅50.5%。
• 同期持有0050：年化報酬13.9%，期間最大跌幅52.4%。
• 缺口六十日回補九成，四個交易設計的三十六組參數仍全部未通過。

完整逐項數字如下；手機可左右滑動表格比較。

中心設定的個股版共 34,302 筆交易、平均持有 181 檔；0050回補版 74 筆。回補後買0050的在場比例只有 73.3%，空手期間也納入日夏普與年化。下方互動報告是這個0050回補版；另一份下載報告是缺口未補就避開的中心版。

回測方法與判讀限制

資料截至 2026-11-09，重跑日為 2026-11-10，套件 finlab 2.3.8。期間從 2008-01-02 開始。基準採 etl:adj_close 的 0050 還原收盤價，包含配息與分割調整；停牌日沿用前一價格。基準用還原價比值計算買進持有，不經回測引擎，也不扣成本。所有表格與圖都用同一段交易日，起點淨值同為一；訊號還沒出現的空手日也保留。

「贏」採日夏普：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。每個設計換兩個參數、各取三個值，共九格，至少七格要高於同期0050；中心參數在交易日對半切的兩段，也各自要高於0050；全部用扣成本結果。平均有多少天持股，就是表中的在場比例。有現金的設計還要高於「每天固定維持同平均權重的0050、其餘現金」對照，避免把少投資帶來的較小波動誤認成擇時能力。這個固定權重對照不扣調倉成本。

通過上述三項後，還須拿掉中心參數報酬最好的一個日曆年，再次高於同期0050，才算通過本次整體檢查；這不能補救前面未過的項目。未通過者不設成公開策略，也不提供把它當成已驗證策略的 Studio 捷徑。若要理解含息與一般收盤價的差異，可看回測方法；量化交易指南則說明研究結果與實際執行的距離。

四張參數小圖的每格都是扣成本日夏普減去同期0050；本次全部為負，三十六格裡沒有一格勝出。淨值圖也把回補後持有、兩種避開時段及個股版放在同一條0050基準旁。前後兩段使用同一批交易日對半切，沒有把特定崩盤前後挑成兩段，不能因為某段空手看起來躲過下跌，就忽略其他時期少參與的上漲。

Sullivan、Timmermann與White（1999）提醒技術規則的多重搜尋問題。本次結果公布整張網格，也沒有再改成「只挑大缺口」「量增才買」來使成績好看。缺口大小、成交量與市場趨勢可能是後續問題，但需要新的事前設定；目前數字不替那些尚未執行的設計背書。

常見問題

缺口理論是不是說缺口一定回補？

不同型態的解釋不同，也沒有一個有限觀察期能保證全部回補。本文五、二十、六十日都保留未回補事件，不能用「遲早」把沒有期限的等待包裝成交易規則。

向上跳空和向下跳空可以混算嗎？

不宜。方向、門檻與進場機制不同。本次只新增向下缺口；向上不補結果保留在既有研究，不把兩批日期不同的數字拼成一個勝率。

除息留下的缺口也算嗎？

本次用還原高低價，配息與分割調整造成的價格差已經調整。一般未還原K線看到的除息缺口，不一定符合這次事件定義。

缺口三日不補就會續跌嗎？

這次三、五、十日未補的0050避險版本都沒有勝過基準，沒有支持照這句話直接離場。這也不等於未補缺口之後每次都會上漲，只能解讀為整套規則未通過。

影線碰到就算回補，為何隔天才買？

當天的最高價要到收盤後才完整知道。本文不假設事先掛單正好成交於上緣，也沒有用日線推測盤中先後順序。

缺口交易還要考慮什麼？

要看滑價、周轉率、市場限制與等待成本。可比較道氏兩指數回測與葛蘭碧買賣點如何處理確認延遲；研究步驟則見程式交易指南。

用Python分開事件日與持有日

下載完整研究程式並存為 research.py 後，這段使用相同的首次回補函式，重現0050中心設定。fills只在回補確認日為真；滾動二十日把事件展成持有時段，成交仍由回測引擎延後一個交易日處理。

from finlab import data
from finlab.backtest import sim
from research import gap_events
 
high = data.get("etl:adj_high")[["0050"]].loc[:"2026-11-09"]
low = data.get("etl:adj_low")[["0050"]].loc[:"2026-11-09"]
close = data.get("etl:adj_close")[["0050"]].loc[:"2026-11-09"]
fills, unfilled = gap_events(high, low, close.notna(), delay=5)
position = fills.rolling(20, min_periods=1).max().eq(1)
report = sim(
    position.loc["2008-01-02":],
    retain_initial_cash=True,
    end_date="2026-11-09",
    upload=False,
)

目標權重變化與月周轉

下表將每日目標等權部位的變化取絕對值，買進與賣出相加後按月加總。持股從零到滿倉計100%，再全部賣出另計100%；只轉換同一檔持股的期間不重複計算。這是不含價格漂移的目標權重周轉估計，並非回測引擎實際成交金額除淨值；平均包含空手月份，資料最後不足一個月也納入。交易筆數則可能同時包含許多檔股票，不能拿來替代周轉率。

下載與重跑

只想看結果，不用安裝軟體或執行程式。 下方兩份互動網頁可查看歷年報酬與最大跌幅；要自行重跑全部研究，再選擇下載Python程式。

• 回補後買0050互動報告：看本文主要測試的結果。
• 缺口未補時避開0050互動報告：看另一個固定設計。
• 完整研究程式（Python，.py）：自行執行三個主題、全部162組。
• 全部統計（JSON）：查看本文全部參數與指標。
• 每日淨值（CSV）：下載本文中心參數的每日淨值。

選擇性：自行重跑完整研究

1. 下載共用研究程式，存成 research.py。
2. 依FinLab設定流程準備環境，安裝finlab、numpy與pandas，依套件指示登入。資料權限依登入帳號而定。
3. 在程式所在資料夾執行：

python research.py --out results

這個命令會跑三個主題、十八個設計的全部162組，並非只跑本文。輸出的 results/metrics.json 包含完整參數與統計，各設計另有具名的互動HTML報告與每日淨值CSV；程式不會部署或下單。

兩份互動報告對應表格具名的兩個中心設計，沒有從九格中挑最好者。報告內建市場線不替代本文依同期0050還原價算出的對照表。後續資料修補或套件更新可能使重跑數字小幅不同；本文保留這次執行的數字與日期。

投資有風險，過去績效不代表未來表現。本文僅供教學與研究參考，不構成投資建議，不推薦買賣任何個股。最大回撤、空手機會成本與交易成本請一併評估。

最後更新：2026-11｜回測區間：2008-01-02～2026-11-09｜作者：FinLab 量化研究團隊。團隊以歷史資料與可重跑程式研究台股及美股策略。