
重現這份研究
複製提示詞,讓 AI 依照上方證據的資料、條件與風險檢查重跑一次。
告訴你的AI:
幫我設定 FinLab,重現0050固定中心網格回測
網格交易適合長期持有 0050 嗎?這次固定中心的測試沒有支持這個做法:27 組參數沒有一組日夏普贏過含息買進持有。原設定是格距 5%、8 格、起始持股 50%,年化報酬 1.45%、日夏普 0.20、最大回撤 -42.04%;同期 0050 含息年化 13.91%、日夏普 0.73。本文以反面教材為主,檢查這個規則在哪裡失效。
固定中心最明顯的問題是賣完後買不回來。原設定最後一次還有持股的訊號在 2013 年 8 月,之後價格一直高於最後一條賣出線,後半段全部持有現金。網格可以在震盪中來回買賣,但這個設計沒有讓中心隨趨勢上移,也沒有持續保留核心部位。
網格交易是什麼?與定期定額差在哪裡
網格交易把價格劃成幾個區間,下跌跨一格就增加持股,上漲跨一格就減少持股。這裡的一格是帳戶權重的八分之一,交易金額會隨帳戶淨值改變。它與每天固定金額買入、下跌才加碼,或均線出場的行為不同。
手機閱讀表格時,可左右滑動查看全部欄位。
| 做法 | 何時調整 | 趨勢上漲時 | 持續下跌時 |
|---|---|---|---|
| 固定中心網格 | 價格跨過設定的格線 | 逐步賣出,可能全部賣完 | 逐步買進,到滿倉停止 |
| 固定比例再平衡 | 依排定日期調回比例 | 賣出部分漲幅,仍保留持股 | 補回目標比例 |
| 買進持有 | 起初買入,持續持有 | 保留上漲部位 | 承受全段下跌 |
| 定期定額 | 固定日期投入新資金 | 繼續買入 | 同樣金額買到更多單位 |
本研究沒有新資金投入,所以不能拿它與定期定額的資產終值直接比較。資金來源不同,終值差異可能來自投入金額;有關評估方式可看回測工具與方法。
27 組網格如何設定
起始中心是 0050 第一筆可得的含息還原價格,固定不動。價格除以起始價,取以「一加格距」為底的對數,再向零取整,得到所在格數。目標持股比例等於起始比例減去所在格數除以總格數,最後限制在 0% 至 100%。因此沒有借款,也不會放空。
| 參數 | 三個預先寫定的值 | 原設定 |
|---|---|---|
| 格距 | 3%、5%、7% | 5% |
| 格數 | 6、8、10 | 8 |
| 起始持股 | 25%、50%、75% | 50% |
| 中心與訊號 | 起始含息價,收盤計算 | 全期不重設 |
| 成交 | 下一個交易日收盤 | 不用訊號當天成交 |
全部組合是 3×3×3,共 27 組。向零取整代表中心附近先不動作;幾何格距向上乘 1.05,向下除以 1.05,所以下跌百分比與上漲百分比不完全對稱。價格跳過多格時,一次調到新的目標權重,沒有假設盤中每條限價單都成交。
原設定往上四格就賣完,約在中心的 1.05 四次方,也就是高出約 21.6% 時達到零持股。這是規則的數學邊界,並非額外找到的最佳賣點。跌破中心則逐步加碼,到滿倉後繼續下跌仍要承受損失。

27 組日夏普落在 0.16 至 0.23,全部低於同期 0050 的 0.73。差距跨越整片參數區域,沒有出現稍微調大格距就能穩定勝出的情況。這次結果只適用於這個固定中心設計,不能延伸成所有會移動中心、設停損或有核心部位的網格都無效。
同樣只持有 13% 左右,網格還有優勢嗎
平均在場比例低,回撤往往自然變小。原規則的平均名目曝險為 13.08%,我們另跑每天維持同樣 13.08% 0050、其餘現金的組合,並計入同一套成本。這是事後配對的診斷對照,平均比例利用了整段資料,不能當作事前已知的交易策略。
| 指標 | 固定中心網格 | 固定 13.08% 0050 | 0050 含息持有 |
|---|---|---|---|
| 年化報酬 | 1.45% | 1.89% | 13.91% |
| 日夏普,不扣無風險利率 | 0.20 | 0.70 | 0.73 |
| 最大回撤 | -42.04% | -9.49% | -55.75% |
| 年化波動 | 9.69% | 2.74% | 21.00% |
固定比例組合連年化與最大回撤都優於網格。網格在早期下跌時增加持股,風險集中在跌勢;後來上漲時逐步減持,長期又離場。因此全段平均只持有約一成,不代表遇到最嚴重下跌時也只承擔一成風險。最大回撤看的是持有路徑,不能只從平均持股推算。

藍線是每日報酬發生前的名目曝險,灰線是 0050 含息淨值,兩者各用自己的縱軸。持股在兩次調整間會因漲跌而漂移,計算平均時也包含這種變化,沒有把每一天都當成重新調回目標比例。
前後半段與拿掉最好的一年
驗證條件在跑數字前就固定:至少 19 組鄰近參數贏基準、原參數前後半段各贏、扣預設成本後仍贏。這裡的「贏」只指日夏普較高;計算方式是每日報酬平均除以樣本標準差,再乘上根號 252。它與扣掉無風險利率的夏普口徑不同。
| 檢查 | 網格日夏普 | 0050 日夏普 | 結果 |
|---|---|---|---|
| 全期,含預設成本 | 0.20 | 0.73 | 未通過 |
| 前半,2007-04 至 2016-12 | 0.28 | 0.36 | 未通過 |
| 後半,2016-12 至 2026-11 | 無法定義 | 1.11 | 網格全現金,報酬與波動都是零 |
| 移除網格最好曆年 2009 | -0.09 | 0.62 | 未通過 |
零波動時夏普的分母為零,不能把它填成零再宣稱勝負。後半段完全離場,本身已不符合持續參與市場的研究目標。移除最佳年只刪掉該年的日報酬觀察,不重新啟動網格,也不替中心選一個比較有利的新起點。

為何震盪買賣不等於長期優勢
Perold 與 Sharpe(1988)比較持有與動態配置,說明不同規則會形成不同的價格路徑曝險。固定中心網格具有逆勢調整特徵,但與固定比例再平衡仍有差別:後者通常保留正的持股比例,這裡的網格可以永久離場。
Cover(1991)研究的是固定比例組合及其長期性質,不能用來保證一個價格區間網格會賺錢。本文加上同平均比例對照,正是把持股比例與買賣規則分開檢查。其他持有方式可對照美股網格測試與凱利曝險回測。
回測方法、成本與能回答的範圍
資料截至 2026-11-06,實跑日 2026-11-10,套件 FinLab 2.3.8。股票池只有 0050,資料是 etl:adj_close,因此包含配息與分割調整。訊號也取含息價,這是總報酬價格上的配置實驗,與券商螢幕上未還原股價的網格委託不同。沒有個股選樣、下市股重建或額外流動性篩選。
策略使用 sim() 預設每邊手續費 0.1425%、賣出稅 0.3%。這是套件通用台股預設,並非按 ETF 實際稅率特製,屬於較保守的成本假設。沒有再加滑價,最低手續費、整股與零股單位、委託未成交、容量皆未估。平均每月目標權重變動合計約 13.7%,單月最高 150%;這個雙邊調整量沒有把持有期間的權重漂移當成交易量。
基準以同區間含息價直接計算報酬,不經 sim()、不扣成本;低曝險固定比例組合則每天再平衡且扣預設成本。未投資現金報酬設為零。這是全段歷史樣本內研究,前後對半切是穩定度檢查,沒有獨立保留的樣本外區間。關於不同研究方式可參考量化交易完整指南與程式交易入門。
用 FinLab 重跑網格交易
安裝所需工具後,可以把下載檔交給 AI,要求它維持全部參數、重跑 27 組並比較前後兩段。這是重現未通過驗證的研究,不是可直接部署的推薦策略。
顯示程式碼
import numpy as np
from finlab import data
from finlab.backtest import sim
data.set_market("tw")
price = data.get("etl:adj_close")["0050"].dropna().loc[:"2026-11-06"]
levels = np.trunc(np.log(price / price.iloc[0]) / np.log1p(0.05))
weight = (0.5 - levels / 8).clip(0, 1)
report = sim(weight.to_frame(), upload=False, end_date="2026-11-06")
report.to_html("report_strategy.html")互動報告呈現原參數的實際回測。上表的含息買進持有基準另用價格計算;報告內建的市場基準不一定是本文的 0050。
下載研究資料:
同一支程式也會產出 QQQ 網格與凱利研究。需要理解欄位時可查量化名詞。
網格交易常見問題
網格交易一定能賺價差嗎?
只有買入後又回到可賣區間,才可能完成來回交易。單向下跌會累積持股,單向上漲會逐步賣光;已實現的獲利不能取代整個帳戶的報酬與風險。
0050 配息後會不會錯觸發網格?
若使用未還原股價,除息下跌可能觸發買進。本文用含息還原價避免把配息當成經濟損失,但實際委託還需要處理價格線與可用現金。
格距設小一點會改善嗎?
本次 3%、5%、7% 都測過,仍沒有一組日夏普超過基準。更密的格距也可能增加手續費,不能只看成交次數。
為什麼賣光後不重設中心?
全期固定中心是這次事先選定的規則。重設中心會形成另一個策略,需要重新寫定何時重設、保留多少股票與新的驗證方法。
網格回撤比滿倉淺,就值得用嗎?
原網格回撤 -42.04% 確實比滿倉淺,但固定 13.08% 持有只有 -9.49%,年化也較高。降低回撤要同時看降低多少報酬及實際承擔的曝險。
這能代表所有網格機器人嗎?
不能。本文只有單一 ETF、固定中心、收盤決策的權重網格,沒有測期貨、借貸、加密資產或盤中高低價委託。
投資有風險,過去績效不代表未來表現。本內容僅供教學參考,不構成投資建議,請依個人風險承受度審慎評估。
最後更新:2026-11|回測區間:2007-04-23 至 2026-11-06|作者:FinLab 量化研究團隊。團隊以 FinLab 資料與 Python 研究台股及美股策略,保留研究設定與重現程式。
FinLab AI
想建立自己的策略?
用自然語言描述你的選股想法,AI 自動驗證、回測、給你答案
免費開始


