美股市場中性多空與趨勢跟隨回測：4 種持有方式都沒穩定贏 QQQ

**本文測了 4 種跟「QQQ 擇時」不同的美股持有方式：動能與毛利率的市場中性多空、大型股各自站上 200 日線才持有、股票債券黃金商品各自看趨勢的跨資產時序動能。2017 年 8 月到 2026 年 10 月、每種 9 組參數共 36 組，沒有一個設計成立：三個沒過三項驗證；跨資產時序動能三項都過，但輸給自己的固定配置，扣掉國庫券報酬後也輸 QQQ。**兩個多空組合的日夏普只有 0.34 與 0.50，9 組參數全輸 QQQ 含息的 0.89；大型股趨勢的回撤只有 -14.9%，但日夏普 0.85，9 組只有 2 組贏。跨資產時序動能 9 組全贏（日夏普 1.09），但同樣的資產用平均權重固定持有、不看趨勢，日夏普反而是 1.19，扣掉國庫券報酬後也輸 QQQ，所以本文判定它不成立。

同一批第 5 個設計是 QQQ 波動度目標，通過了三項驗證，另寫成美股波動度目標策略。

4 種持有方式的關鍵數字

回測從 2017 年 7 月底的第一次換股開始，到 2026-10-29；所有設計每個月最後一個交易日換股、隔天收盤成交。QQQ 與 SHY 是同一段日子的買進持有、股利再投入。前後兩段從 2022-03-14 切開。

三項驗證怎麼判

「贏」是指日夏普高於同一段日子的 QQQ 含息。日夏普＝日報酬平均÷標準差×√252，不扣無風險利率。三項都要過：

1. 鄰近參數：原始參數和上下各一個鄰近值，9 組至少 7 組贏。
2. 前後兩段：原始參數在前段與後段各自贏。
3. 交易成本：finlab 美股預設手續費與稅都是 0，所以另外每次買賣加收 0.1%，原始參數仍要贏。

這次多加兩個對照，用來分辨「贏」是來自持有方式本身，還是來自別的東西：

• 扣掉國庫券報酬的日夏普：不扣無風險利率時，持有短債的組合會被高估。光是買進持有 SHY，日夏普就有 1.11，高過 QQQ。
• 同平均權重的固定配置：把擇時規則平均下來的資產權重固定持有。擇時規則連自己的平均配置都贏不了，表示擇時沒有貢獻。

兩個對照只看原始參數，用在三項驗證都過的設計上。

一、市場中性多空：動能與毛利率都輸 QQQ

做法是每個月底從成交金額前 1,000 大的美股普通股（含後來下市的公司）裡，做多分數最高的 30 檔、放空最低的 30 檔，多空各占一半資金，各檔等權。finlab 的 sim() 直接接受負權重，負的部位就是放空。

動能來自 Jegadeesh 與 Titman（1993），本文用後來常用的 12-1 月報酬（過去 12 個月、跳過最近 1 個月）。原始參數日夏普 0.50、年化 9.5%、最大回撤 -34.6%，年化波動 24.3%，跟 QQQ 差不多高。報酬集中在 2022 年的 +58.4%；2023 年反彈時 -16.2%。回看 9、12、15 個月乘上每邊 20、30、50 檔，最好的是 9 個月、每邊 50 檔的 0.66，9 組全輸。這跟 Daniel 與 Moskowitz（2016）描述的動能崩盤一致：空頭反彈時，放空的輸家股會暴漲。

毛利率用 Novy-Marx（2013）的毛利÷總資產（近四季毛利），排除金融股。原始參數日夏普 0.34、年化 3.7%，前後兩段 0.42 與 0.29。每邊 20、30、50 檔乘上股票池 500、1,000、1,500 大，最好的 0.44。站上的美股學術因子回測已經發現毛利率只做多也輸 QQQ，多空版本把股市上漲的報酬也一起拿掉，日夏普更低。

兩個多空組合的回測都沒有扣放空的借券費，也沒有計入放空資金的利息，借券費會讓實際結果更差。用上千個財報指標挑多空因子的做法，另外在美股財報多空策略重跑過，同樣輸 QQQ。

二、大型股各自站上 200 日線：回撤小，但風險調整後仍輸

做法是每個月底取市值前 100 大的股票，每檔分配 1% 資金；站上自己 200 日均線的才持有，沒站上的那 1% 放現金。這個濾網看的是每檔股票自己的均線。Han、Yang 與 Zhou（2013）發現均線擇時在高波動的投資組合上效果最好，波動低的大型股效果較弱。

原始參數年化 8.9%、最大回撤 -14.9%、年化波動 10.7%，平均只有七成資金在股票。日夏普 0.85，輸 QQQ 的 0.89；前段 0.77 輸、後段 0.95 贏。前 50 大、用 200 或 250 日線的 2 組贏（0.913、0.912），其餘 7 組輸，大致上持股越多越差（前 200 大最好只有 0.83）。

回測中閒置的現金不計利息。如果把這部分改放 SHY，原始參數升到 0.890，仍略輸 QQQ 的 0.893，9 組變成 3 組贏，前段 9 組全輸。結論不變。

三、跨資產時序動能：形式上全過，但贏的是債券

Moskowitz、Ooi 與 Pedersen（2012）的時序動能：每項資產只看自己過去 12 個月的報酬，論文在報酬為正時做多、為負時放空，並依波動倒數調整部位；本文只做多，轉負的那份放 SHY。本文用 QQQ（股票）、IEF（7–10 年美國公債）、GLD（黃金）、DBC（商品）四檔 ETF，依過去 63 日波動的倒數分配權重。站上的美股懶人配置回測已經測過 Faber 的 10 個月均線等權版本，這次用論文的報酬正負訊號加波動倒數加權（只做多）。

結果日夏普 1.09、年化 6.4%、最大回撤 -9.9%。回看 9、12、15 個月乘上 21、63、126 日波動窗口，9 組全贏，前後兩段 1.10 與 1.09，加 0.1% 成本 1.04。照本站規則，三項都過。

但兩個對照都指向同一件事：

波動倒數加權讓低波動的公債占了大半：平均權重裡 IEF 加 SHY 超過六成，QQQ 只有 13%。整個組合的年化波動只有 5.9%，所以不扣無風險利率的日夏普很高。這跟 SHY 一檔就能「贏」QQQ 是同一個原因。拿掉趨勢訊號、改成固定持有平均權重，日夏普更高（1.19）；扣掉國庫券報酬後，時序動能全期 0.67、後段 0.48，都輸 QQQ 的 0.79 與 0.74，9 組只有 3 組贏。

所以這個設計的「通過」來自低波動的資產配置，趨勢訊號沒有加分，本文不把它當成通過的策略，FinLab 策略庫不收錄。同一套對照用在波動度目標上結果相反：它贏過自己的固定配置（0.98 對 0.92），扣國庫券後全期與前後兩段也都贏，所以算通過；但扣國庫券後 9 組鄰近參數只有 6 組贏，低於門檻，優勢也幾乎全部來自 2022 年，幅度不大。

前後兩段

兩個多空組合在兩段都輸。大型股趨勢只在後段贏：2022 年空頭時越來越多股票跌破 200 日線，每月的股票部位在 12% 到 74% 之間、平均 44%（2019 到 2021 年平均 74%），全年 -9.0%（QQQ -32.6%）；但 2019、2020 年它只賺 10.7% 與 13.1%，不到 QQQ（39.0%、48.6%）的三成。

這個結果說明了什麼、沒說明什麼

• 2017 到 2026 年這段 QQQ 的強勢期，美股的市場中性多空很難跟持有 QQQ 比風險調整後報酬。多空組合拿掉了大盤上漲的報酬，剩下的因子溢酬不夠大。
• 個股層級的趨勢濾網可以大幅降低回撤（-14.9% 對 -35.1%），代價是多頭時曝險不足，風險調整後仍略輸。
• 用不扣無風險利率的夏普比較，持有大量短債的組合會被高估。跨資產配置類的策略要多看「扣國庫券」與「固定配置」兩個對照。
• 本文沒有測：放空借券費、槓桿版的多空、其他因子的多空、比 2017 年更早的資料。結論只限這 4 個設計與這段期間。

程式碼

下面是市場中性動能多空的核心：算 12-1 月動能、在流動性股票池裡排名、做多前 30、放空後 30。sim() 會把多空各自的權重加總絕對值縮到 100%，所以多空各占一半資金。

import finlab
from finlab import data
from finlab.backtest import sim
 
finlab.login()  # finlab 會自動引導登入
data.set_market("us")
 
# 1. 股票池：股價高於 5 美元、近 60 日平均成交金額前 1,000 大的普通股
close = data.get("us_price:close")
dollar_volume = (close * data.get("us_price:volume")).rolling(60).mean()
profile = data.get("us_company_profile")
common = profile.loc[profile["security_type"] == "common_stock", "stock_id"]
liquid = dollar_volume[close > 5].reindex(columns=common).is_largest(1000)
 
# 2. 12-1 月動能：過去 12 個月的報酬，跳過最近 1 個月
adj_close = data.get("us_price:adj_close")
momentum = adj_close.shift(21) / adj_close.shift(252) - 1
score = momentum.reindex(columns=liquid.columns)[liquid]
 
# 3. 做多前 30 名、放空後 30 名
longs = score.rank(axis=1, ascending=False) <= 30
shorts = score.rank(axis=1, ascending=True) <= 30
position = (longs.astype(float) - shorts.astype(float)) / 30
 
# 4. 每個月最後一個交易日換股，隔天收盤成交
report = sim(position.loc["2017-07-31":], resample="M", trade_at_price="close", upload=False)
 
# 5. 日夏普（不扣無風險利率）
returns = report.creturn.pct_change().dropna()
print(round(returns.mean() / returns.std() * 252 ** 0.5, 2))

用到 2026-10-29 的資料，這段印出 0.49；research.py 的原始參數是 0.50，差別來自這段省略的單日漲跌 50% 剔除、同公司只留一種股份、排除 ADR 與基金這些條件。完整的 research.py 包含全部 5 個設計、45 組鄰近參數、前後兩段、成本重跑、扣國庫券與固定配置對照，以及大型股趨勢的閒置現金改放 SHY 的版本。

不想自己寫程式，可以透過 AI 輔助安裝流程把 FinLab skill 裝進 Claude Code、Codex 或 Gemini CLI，用中文說「把動能多空改成做多前 50、放空後 50」或「跨資產時序動能加上 TLT 重跑，和固定配置比較」，AI 會寫好程式並跑出回測。

回測方法與限制

常見問題

美股多空策略是什麼？

同時做多與放空股票的策略。市場中性多空讓多空金額相等，報酬主要來自做多的股票比放空的股票表現好，跟大盤漲跌的關係較小。本文用動能與毛利率兩個因子決定多空。

市場中性多空為什麼贏不了 QQQ？

多空組合把大盤的報酬抵銷掉，剩下的是因子溢酬。2017 到 2026 年 QQQ 的風險調整後報酬很高，動能與毛利率的多空價差不夠大；動能還在 2023 年反彈時大幅回吐。

趨勢跟隨用在個股上有用嗎？

能降低回撤：大型股各自站上 200 日線的組合最大回撤 -14.9%，QQQ 是 -35.1%。但平均有三成資金在現金，日夏普 0.85 仍略輸 QQQ，9 組參數只有 2 組贏。

時序動能和橫截面動能有什麼不同？

橫截面動能是在一群資產裡比誰漲比較多，做多強的；時序動能是每項資產只跟自己過去比，過去漲就持有、跌就不持有。本文的多空動能是橫截面，跨資產動能是時序。

跨資產時序動能 9 組都贏，為什麼還算不成立？

它的高夏普來自大量低波動的公債與短債：同樣的資產用平均權重固定持有，日夏普更高；扣掉國庫券報酬後輸 QQQ。趨勢訊號沒有加分，所以不算通過。

放空的成本有算嗎？

手續費用每邊 0.1% 重跑過，借券費沒有算。熱門放空股的借券費一年可能好幾個百分點，實際結果會更差。

可以自己重跑嗎？

可以。透過 AI 輔助安裝流程裝好 FinLab，下載下方的 research.py 直接執行，約 5 分鐘。

延伸閱讀

• 美股量化策略總覽：FinLab 美股策略的績效比較與入門方式。
• 美股因子投資總覽：價值、品質、動能等因子在美股的研究整理。
• 美股類股輪動回測：用成分股訊號挑類股 ETF 的 20 個設計。
• 選股方法完整指南：基本面、技術面、籌碼面選股的做法與工具總覽。
• 前視偏差：財報要用申報日、不能用季底的原因。

下載資源

**投資警語：本文僅供教學參考，不構成投資建議。過去績效不代表未來表現，投資有風險。**本文所有回測均為全段樣本內結果；前後兩段只是穩定度檢查，未經樣本外驗證。

最後更新：2026-10｜回測區間：2017-07～2026-10｜基準：QQQ 含息｜作者：FinLab 量化研究團隊（經量化研究員審閱）