低波動選股有效嗎？台股 18 年實測：純低波輸 0050，
優化版年化 33%

「想要高報酬，就要承擔高風險。」這是每本教科書都寫的鐵律。但把它拿到台股實測 18 年，結果並不成立。

結論先講三件事。第一，低波動異象在台股確實存在：每月買波動率最低的 30 檔股票年化 4.9%，買最高的 30 檔反而年化 -5.1%、最大回撤高達 -90%。第二，但純低波動年化只有 4.9%，其實是輸給含息 0050 的 14.8% 的，光是「買得穩」並不會贏過大盤。第三，真正有用的做法是改選「風險調整報酬」最高的股票，再加上品質與動能篩選，年化拉到 33.3%、日夏普 1.13、回撤收斂到 -38%，這時候才真正勝過 0050。

真實回測結果

下表是同一段視窗（2008-01 至 2026-06）、同一組成本設定（手續費 0.1425%、證交稅 0.3%）下的實測，含息 0050 基準採 etl:adj_close 還原股價買進持有。

低波動異象：低波動贏高波動

Ang et al. (2006) 發現一個違反直覺的現象：波動率高的股票，未來報酬反而更差，這被稱為低波動異象，存在於全球多數市場。我們用 finlab 在台股驗證：

• 低波動組：每月選過去 60 天波動率最低的 30 檔。
• 高波動組：每月選過去 60 天波動率最高的 30 檔。

18 年下來，低波動組年化 4.9%、高波動組年化 -5.1%，差距 10 個百分點。回撤的差距更可怕：低波動最大回撤 -42%，高波動 -90%，意思是在最高點買進高波動組，最慘時帳上只剩一成本金。

為什麼高波動股票報酬反而差

幾個行為金融學的解釋已被廣泛討論：

• 彩票效應：投資人偏好「類彩票」的高波動股票，願意為小機率的大獲利付出溢價，把高波動股的價格推高、未來報酬壓低。
• 機構限制：Baker, Bradley & Wurgler (2011) 指出，基金經理要跟大盤比績效，傾向追逐高 beta 股票，使低波動股長期被低估。
• 過度自信：投資人高估自己駕馭高波動股的能力，結果實際表現不如預期。

用一個比喻：高波動股像賽車場上油門踩到底的車手，看起來最快，卻最常在彎道撞車；低波動股像穩穩開的車手，單圈不亮眼，卻更常完賽。長期累積下來，少犯大錯的那一方反而跑得更遠。這就是為什麼回撤 -90% 的高波動組，18 年後幾乎血本無歸，而回撤只有 -42% 的低波動組還能維持正報酬。

但純低波動其實輸給大盤

低波動異象是「低波動贏高波動」，很多人就此以為「買低波動股票就對了」。實測打破了這個誤會：純低波動年化只有 4.9%，日夏普 0.45，這兩個數字都低於含息 0050（年化 14.8%、日夏普 0.74）。換句話說，純低波動買的是一籃債券型 ETF、特別股和穩定傳產，波動小、回撤淺，但報酬也被磨平了，長期跑不贏直接買 0050。

所以低波動真正的用法，是把波動率當成分母，去找每單位風險換到最多報酬的股票，而不是只挑波動最低的那一批。

實測篩出的純低波動標的，多半集中在幾類資產：債券型 ETF（本質就是穩定資產）、金融特別股（配息穩定、價格波動小）、營收不太受景氣影響的傳產，以及高股息 ETF。它們的共同點是波動小、配息穩，但也因為「太無聊」、缺乏成長動能，長期報酬被磨得很平。這正是純低波動跑不贏 0050 的原因：你買到的是一籃防禦性資產，守得住、卻攻不出去。低波動異象告訴我們高波動是陷阱，但它沒說「最低波動」就是最好的選擇。

風險調整報酬優化版

把選股標準從「波動率最低」換成「風險調整報酬最高」（個股 6 個月報酬除以 6 個月波動率），再加上品質與動能把關，結果完全不同。下面是核心程式碼，登入後可重跑：

import finlab
from finlab import data
from finlab.backtest import sim
 
finlab.login()  # finlab 會自動引導登入
 
adj = data.get("etl:adj_close")
roe = data.get("fundamental_features:ROE稅後")
yoy = data.get("monthly_revenue:去年同月增減(%)")
 
ret = adj.pct_change()
ret6m = adj.pct_change(120)
vol120 = ret.rolling(120).std()
mom_3m = adj.pct_change(60)
 
# 風險調整報酬 = 6 月報酬 / 6 月波動
risk_adj = ret6m / vol120
# 品質與動能把關:ROE>5、營收年增 > 0、3 月與 6 月動能都為正
pool = (roe > 5) & (yoy > 0) & (mom_3m > 0) & (ret6m > 0)
 
position = risk_adj[pool].is_largest(15)
report = sim(position, resample="Q", fee_ratio=0.001425, tax_ratio=0.003)
report.display()

這個版本年化 33.3%、日夏普 1.13、月索提諾 2.52、最大回撤 -38.2%，平均持有約 15 檔。和純低波動相比，報酬從 4.9% 拉到 33.3%，回撤反而從 -42% 略為收斂到 -38%。關鍵在於「報酬除以波動」這個比值同時獎勵高報酬與低風險，比單看波動率更貼近實際想要的東西。

要提醒的是，這個優化版其實已經偏離了「純低波動」的初衷：它的目標是風險調整後報酬最高，而非波動最低，因此持股裡會出現一些波動中等、但趨勢與基本面都強的成長股。這也呼應我們在其他因子上看到的同一個規律：單一因子，不管是純動能還是純低波動，往往打不過大盤，要靠多個條件互補，才能在報酬與風險之間取得划算的平衡。如果你想要抱得住、又不想長期落後 0050，這種風險調整加品質、動能的組合，會比單純買最穩的股票更值得參考。

互動式回測報告

下面是風險調整優化版的完整互動式回測報告，可自己看每一年的報酬、持股與交易明細，資料來源為 finlab 套件實跑：

方法揭露與風險

• 交易成本與稅：回測已內含手續費 0.1425%（雙邊）與證交稅 0.3%。優化版用季度換股，周轉與成本都比月換股低。
• 前視偏誤的處理：ROE 來自 finlab 已對齊公布日的 fundamental_features，營收年增使用月營收資料，季度換股讓進場落在財報與營收公布之後。
• 集中度與回撤：優化版只持有約 15 檔，且風險調整報酬高的常是中小型成長股，單一個股影響大；即使是優化版，最大回撤仍有 -38%。
• 牛市落後與因子擁擠：低波動或穩健類策略在大牛市可能跑輸大盤，且當太多人使用同一因子，溢酬會被稀釋。
• 樣本內結果：本文是單一視窗（2008–2026）的回測，未做樣本外切割（in_sample_only）。「純低波輸大盤、要改用風險調整報酬」是對這段資料的觀察，過去績效不代表未來。

想看把低波動和其他因子組合的版本，可延伸看多因子選股打敗 0050，那裡把低波動當成四個因子之一。

常見問題

低波動選股有效嗎？

要看你怎麼定義有效。低波動異象成立（低波動年化 4.9% 贏過高波動的 -5.1%、回撤也淺很多），但純低波動年化 4.9% 是輸給含息 0050 的 14.8% 的。把選股標準改成風險調整報酬並加上品質與動能後，年化 33.3%、日夏普 1.13，才真正勝過大盤。

台股低波動股票有哪些？

實測篩出的低波動標的多集中在債券型 ETF、金融特別股、配息穩定的傳產與高股息 ETF。它們的共同點是價格波動小、配息穩，但也因此報酬有限。

低波動和高股息 ETF 一樣嗎？

不完全一樣。高股息 ETF 通常波動較低，但低波動選股是用波動率高低來排序，標的可能包含特別股、債券型 ETF 等非高股息資產。兩者重疊但不相等。

為什麼不直接買波動最低的股票？

因為實測顯示純低波動長期跑不贏 0050。波動最低的標的報酬也被磨平。改用「報酬除以波動」這個比值，同時要求報酬與穩定，效果好得多。

延伸閱讀

• 台股選股策略 2026：單因子全輸 0050，複合策略勝出 — 完整選股總覽，比較動能、品質、低波動等因子的並列回測
• 多因子選股打敗 0050 — 把低波動和動能、ROE 等因子合成的完整版本
• 動能策略台股 18 年回測 — 另一個「純因子輸大盤、加品質才勝出」的實測
• 月營收動能選股 — 用月營收動能選股的 11 年回測

自己重跑

本文所有數字都可下載自行重現，與互動式報告同口徑：

想用最新資料即時重算、或換成自己的條件，[用 AI 輔助流程安裝 FinLab](

)後就能直接跑。

本文由 FinLab 研究團隊撰寫，所有回測以 finlab 套件實跑、資料來源為 finlab 台股資料庫，數字可用上方下載檔自行重現。內容僅供教學與研究參考，不構成投資建議。過去績效不代表未來表現，本文策略最大回撤可能超過 38%，投資前請依個人風險承受度審慎評估。