mfi 指標怎麼用才對？台股 11 年回測：資金流出濾網＋廣度擇時純技術策略

mfi 指標在台股的正確用法：拆成資金流出濾網加廣度擇時

散戶最熟的 mfi 用法是「mfi 高於 80 超買就賣、低於 20 超賣就買」。但把這個規則放進台股做 11 年回測（2015-2026），低 mfi 超賣抄底的研究段年化報酬只有 1.1%，幾乎等於沒賺；連教科書版的「mfi 由 20 向上金叉買進」研究段都是負的（年化 -7.3%）。問題不在 mfi，而在方向用反了——在台股橫截面上，低 mfi 代表「資金正在棄守」，不是「超賣即將反彈」。把方向反轉後，mfi 真正有價值的是拆成兩個各司其職的零件：第一個零件是「資金流出負面濾網」，在多窗動能選出的強勢股裡剔掉 mfi 最低（資金正在流出）的一群當選股因子；第二個零件是「全市場站上 mfi 中位的廣度」，當大盤資金流入急轉差時整籃減碼的擇時開關。把這兩個零件疊上多窗動能與趨勢閘（站上季線、半年線、剔波動高的一半），組成一套完全不含基本面的純技術策略：可交易宇宙裡選多窗動能前 12 強、剔資金流出最弱 20%，廣度轉差時砍到半倉防禦。這套「mfi 雙核心純技術策略」研究段（2015-2021）年化 25.3%、月 Sharpe 1.20，樣本外（2022-2026）年化 31.7%、月 Sharpe 1.06，全期（2015-2026）年化 27.7%、月 Sharpe 1.08，全期最大回撤 -36.3%——把 mfi 裸用 -74% 級的回撤砍掉超過一半，三段都勝過含息 0050（全期年化 21.0%、Sharpe 1.05、回撤 -34.0%），代價是全期回撤略深一點。

先用一張表回答你搜尋「mfi 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，研究段 2015-2021、樣本外 2022-2026 分開回報，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。

mfi 指標是什麼

mfi（Money Flow Index，資金流量指標）是 Gene Quong 與 Avrum Soudack 提出、由 J. Welles Wilder 的 RSI 概念延伸出來的波動指標。它可以理解成「帶成交量的 RSI」：RSI 只看價格，mfi 則把每天的「典型價格（高+低+收 ÷ 3）」乘上成交量，分成上漲日的正資金流與下跌日的負資金流，再用近 N 日（預設 14 日）的正負資金流比值換算成 0 到 100 的讀數。讀數越高，代表近期帶量上漲的力道越強（資金流入）；越低代表帶量下跌、資金流出。各技術指標的計算與比較整理可參考 TA-Lib 158 個技術指標總覽，名詞釐清見名詞詞彙表。

教科書最常見的兩個用法是：

超買超賣：mfi > 80 視為超買（該賣）、mfi < 20 視為超賣（該買）。

背離：股價創高但 mfi 沒跟上創高，視為上漲動能轉弱的警訊；反之亦然。

mfi 和 RSI、KD 一樣屬於擺盪指標，資訊高度重疊。問題是，「超買要賣、超賣要買」這個直覺在台股橫截面上到底是對是錯？直接回測。

mfi 指標的數學定義與計算

mfi 的計算分四步：

$MF = TP\times V,\quad MFR = \frac{\sum \text{正}MF_n}{\sum \text{負}MF_n},\quad MFI = 100 - \frac{100}{1 + MFR}$

逐項拆開來看每個符號的意思：

• $TP$（typical price，典型價格）：當日「最高價、最低價、收盤價」三者的平均，也就是 $(H+L+C)/3$。它代表這一天大致成交在哪個價位。
• $V$：當日成交量。
• $MF$（money flow，資金流量）：把典型價格乘上成交量，得到當日的「資金流量」。直覺上它衡量的是「今天有多少錢以什麼價位換手」——量大且價高，$MF$ 就大。
• $\sum \text{正}MF_n$、$\sum \text{負}MF_n$：把回看 $n$ 天（預設 $n=14$）分成上漲日與下跌日。當天 $TP$ 比前一天高，就把它的 $MF$ 計入「正資金流」；比前一天低就計入「負資金流」。再分別把這 $n$ 天的正、負資金流加總。
• $MFR$（money flow ratio，資金流量比值）：正資金流總和除以負資金流總和。流入越壓過流出，$MFR$ 越大。
• 最後一步把 $MFR$ 用和 RSI 完全相同的方式壓縮到 0 到 100 之間：$MFR$ 趨近無限大時 $MFI$ 趨近 100、$MFR=1$（正負資金流相等）時 $MFI=50$、$MFR$ 趨近 0 時 $MFI$ 趨近 0。

和 RSI 對照就很清楚：RSI 是把「平均上漲幅」對「平均下跌幅」做同一個 $100 - 100/(1+RS)$ 的壓縮；mfi 只是把「漲跌幅」換成「帶量的資金流量」。所以 mfi 等於「成交量加權版的 RSI」——同樣的數學骨架，多吃了一層量能資訊。各指標的計算式整理可參考 TA-Lib 158 個技術指標總覽。本文所有 mfi 讀數都由 finlab 套件 data.indicator("MFI", timeperiod=14) 在真實價量上算出，與上式一致。

在單股上看兩派 mfi 訊號：超賣買越接越深、資金流訊號頻繁進出

公式講完，直接把訊號畫在真實股價上看一張圖會更直觀。下圖取台積電（2330）2023-07 到 2024-06 約一年的走勢：上半部是還原前的收盤價，標出兩個教科書派別的買賣點；下半部是 MFI(14) 讀數與 20／80 兩條超買超賣帶。

圖上畫的是兩派最常見的單股用法：

• 超賣派（藍色三角）：mfi 跌破 20 視為超賣買進、升破 80 視為超買賣出。這一年台積電從約 580 元一路漲到 960 元，是明顯的多頭，但 mfi 跌破 20 的超賣買點在這段裡只觸發 3 次、升破 80 的超買賣點 2 次——而且每次「超賣」往往出現在短線續跌的途中，買在反彈之前還得再忍一段下跌，正是所謂「接還在下墜的刀」。在強多頭裡，等 mfi 跌到 20 才進場，等於把大半漲幅讓掉。
• 資金流入派（紫紅色三角）：mfi 上穿 50 視為資金轉流入買、跌破 50 視為資金轉流出賣。它的訊號密集得多——這一年來回穿越 50 觸發的買賣各 11 次，等於平均每個多月就要進出一輪。在盤整段（如 2023 下半年），mfi 在 50 上下反覆穿梭，連續產生「買了又賣、賣了又買」的雜訊（whipsaw），來回的交易成本會把報酬磨掉。

聯發科（2454）同一段期間更誇張，兩派合計觸發 24 次訊號，資金流入派同樣是頻繁進出的主要來源：

兩張圖一起看，問題就浮出來了：單股上的 mfi 訊號，要嘛太稀疏（超賣買點在強多頭裡少得可憐、且常接刀），要嘛太頻繁（穿越 50 的進出雜訊很多）。 這正是後面回測會證實的——把這些單股直覺直接搬到全市場選股，超賣抄底幾乎沒賺、頻繁進出又被成本吃掉。想自己重畫這張圖，下面這段程式碼用 finlab 的 data.indicator 取 mfi、再用簡單的穿越邏輯標訊號即可：

import pandas as pd
import matplotlib.pyplot as plt
from finlab import data
 
# 登入(finlab 會在需要資料時自動引導完成登入)
import finlab
finlab.login()
 
# 取收盤價與 MFI(14),擷取 2330 約一年的窗
close = data.get("price:收盤價")
mfi = data.indicator("MFI", timeperiod=14)
 
sid = "2330"
px = close[sid].loc["2023-07-01":"2024-06-30"].dropna()
m = mfi[sid].loc[px.index]
 
# 超賣派訊號:mfi 由上跌破 20 = 買、由下升破 80 = 賣
oversold_buy = (m < 20) & (m.shift(1) >= 20)
overbought_sell = (m > 80) & (m.shift(1) <= 80)
 
# 資金流入派訊號:mfi 上穿 50 = 買、跌破 50 = 賣
moneyflow_buy = (m > 50) & (m.shift(1) <= 50)
moneyflow_sell = (m < 50) & (m.shift(1) >= 50)
 
# 上下兩個面板:上畫價格與買賣點、下畫 mfi 與 20/80 帶
fig, (ax_px, ax_mfi) = plt.subplots(
    2, 1, figsize=(12, 7), sharex=True, gridspec_kw={"height_ratios": [2, 1]}
)
ax_px.plot(px.index, px, color="#333", label=sid)
ax_px.scatter(px.index[oversold_buy], px[oversold_buy], marker="^", label="超賣買")
ax_px.scatter(px.index[overbought_sell], px[overbought_sell], marker="v", label="超買賣")
ax_px.scatter(px.index[moneyflow_buy], px[moneyflow_buy], marker="^", label="資金流入買")
ax_px.scatter(px.index[moneyflow_sell], px[moneyflow_sell], marker="v", label="資金流出賣")
ax_px.legend()
 
ax_mfi.plot(m.index, m, color="#06b6d4", label="MFI(14)")
ax_mfi.axhline(80, ls="--", color="#888")  # 超買帶
ax_mfi.axhline(20, ls="--", color="#888")  # 超賣帶
plt.tight_layout()
plt.show()

把單一檔股票看清楚之後，下一節改用全市場橫截面回測，量化驗證這些直覺到底賺不賺得到錢。

散戶最常見的 mfi 用法，在台股 11 年幾乎沒賺到錢

我們在可交易宇宙（60 日均量 > 100 萬股、收盤 > 10 元、成交金額前 300 大，排除 ETF、金融股、KY 股、處置股）裡，把幾種「mfi 訊號」用法各跑一次月再平衡的回測，研究段（2015-2021）結果如下：

結論很清楚：最多人用的「mfi 低於 20 超賣就買」在台股研究段年化只有 1.1%，接近無效；改成等 mfi 金叉向上再買，研究段甚至賠錢（-7.3%）。 唯一明確有訊號的是反過來——買 mfi 最高、也就是資金正在流入的那批股票，研究段年化 10.8%。

原因不難理解。mfi 本質是帶量的 RSI，方向與動能一致。台股弱勢股「資金持續流出」有延續性：低 mfi 往往代表主力資金正在棄守、之後還會更弱，而非跌過頭即將反彈。把超賣當無腦抄底訊號，等於去接一把還在下墜的刀。這和動能效應的學理一致：Jegadeesh & Titman (1993) 發現過去的贏家在中期傾向繼續贏、輸家繼續輸；mfi 衡量的正是帶量的近期強弱，所以「追流入」比「抄棄守」合理。延伸閱讀：技術面與基本面選股的差異、RSI、MACD、KD 比較。

那高 mfi 追資金流入年化 10.8% 看起來像答案了嗎？還不夠。它裸用全宇宙的最大回撤高達 -74.2%，月 Sharpe 只有 0.58——報酬是用極深的回撤換來的，實務上幾乎抱不住。要把 mfi 變成可用的工具，得換個角色。

把 mfi 拆成兩個有用的零件

整個 mfi 當買賣訊號失效，但把方向反轉、再拆開來看，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：資金流出負面濾網（選股因子）

純粹拿高 mfi 當主排序去選股，問題在樣本外：它容易追到「已經過熱、即將回吐」的標的。但 mfi 有一個最可靠的資訊——它能告訴你哪些股票的資金正在離場。與其用它挑股票，不如用它踩煞車：選股交給動能，mfi 只負責剔掉「資金正在流出」的個股。具體做法是先用趨勢閘把選股母體限制在乾淨範圍（收盤站上季線 MA60、剔除池內 60 日報酬波動最高的一半、再要求站上半年線 MA120），在這個品質池內用多窗動能選出前 12 強，再剔掉這 12 檔中 mfi（21）橫截面最低 20%（資金正在流出）的個股。mfi 在這裡只扮演濾網角色，把它最可靠的資訊（資金流出等於危險）用在踩煞車的刀口上，選股主力仍是動能。順帶一提，選股端用「買最強的股票」而不是「買最弱想等反彈」，這和 Jegadeesh & Titman (1993) 的動能效應一致：過去的贏家在中期傾向繼續贏。

零件二：全市場 mfi 廣度當大盤擇時

單看一檔股票的 mfi 訊號太雜（前面兩張單股圖已經看到，穿越中位來回甩巴掌）。但如果改看「全市場有多少比例的股票站上 mfi 中位（mfi(21) > 50）」，就得到一個橫截面的、平滑的大盤資金流入力道度量，本文稱為 mfi 廣度。廣度高，代表多數個股資金仍在流入；廣度急轉差，代表系統性的資金正在退潮。把它做成擇時開關——當廣度的 20 日變化轉為負（資金流入廣度正在急轉差）時，把整籃曝險縮到 0.5 倉、其餘轉現金，全程不加任何槓桿；廣度未惡化就維持滿倉——就是整套策略的防禦腿。

這個「在資金退潮時調降曝險」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、風險惡化時主動降低曝險，能顯著提升投資組合的 Sharpe。mfi 廣度正是一個可操作的市場資金結構訊號。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指標。

把 mfi 同時當「選股的資金流出濾網」與「擇時的廣度來源」，是這套策略的核心：兩個零件用的都是同一個指標、卻分別放在選股與風控兩個位置，各取它最可靠的那一面。

完整策略：mfi 雙核心純技術選股

把上面兩個零件疊上多窗動能與趨勢閘，組成一套可執行、可重現、完全不含基本面的純技術策略：

1. 可交易宇宙：60 日均量 > 100 萬股、收盤 > 10 元、成交金額前 300 大，排除 ETF、金融股、KY 股、處置股。
2. 趨勢閘（品質池）：收盤站上季線 MA60、剔除池內 60 日報酬波動最高的一半（至少保留 150 檔）、再要求站上半年線 MA120。
3. 主排序（多窗動能）：20、60、120 日報酬各自橫截面百分位排名後等權平均，取品質池內前 12 檔。
4. mfi 資金流出濾網：剔除這 12 檔中 mfi（21）橫截面最低 20%（資金正在流出）的個股，餘下等權、月頻換股。
5. 大盤擇時（mfi 廣度）：每日算全市場站上 mfi 中位（mfi(21) > 50）的比例，當這個廣度的 20 日變化轉負時，整籃砍至 0.5 倉、其餘轉現金；廣度未惡化維持滿倉，全程不加槓桿。

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
from finlab import data
 
# 載入價量資料
close = data.get("price:收盤價")
amount = data.get("price:成交金額")
 
# 趨勢閘:站上季線 MA60、剔 60 日報酬波動最高一半、站上半年線 MA120
ma60 = close.rolling(60).mean()
ma120 = close.rolling(120).mean()
vol60 = close.pct_change().rolling(60, min_periods=30).std()
uptrend = (close > ma60) & (close > ma120)
lowvol_half = vol60.where(uptrend).rank(axis=1) <= 150  # 池內波動最低一半
pool = uptrend & lowvol_half
 
# 多窗動能合成:20 / 60 / 120 日報酬各自橫截面百分位後等權平均,取前 12 檔
r20 = (close / close.shift(20) - 1).where(pool).rank(axis=1, pct=True)
r60 = (close / close.shift(60) - 1).where(pool).rank(axis=1, pct=True)
r120 = (close / close.shift(120) - 1).where(pool).rank(axis=1, pct=True)
mom_multi = (r20 + r60 + r120) / 3
top12 = mom_multi.where(pool).rank(axis=1, ascending=False) <= 12
 
# mfi(21)資金流出濾網:剔掉這 12 檔中 mfi 池內百分位最低 20%(資金正在流出)
mfi = data.indicator("MFI", timeperiod=21)
mfi_pct = mfi.where(pool).rank(axis=1, pct=True)  # 池內百分位,越大=資金越流入
basket = top12 & (mfi_pct > 0.20)

完整的等權配置、mfi 廣度擇時與回測請見文末可下載的 strategy.py。

這套策略研究段（2015-2021）年化 25.3%、月 Sharpe 1.20、月 Sortino 2.18，研究段最大回撤 -30.6%；樣本外（2022-2026）年化 31.7%、月 Sharpe 1.06、月 Sortino 2.04；全期（2015-2026）年化 27.7%、月 Sharpe 1.08、月 Sortino 2.04、全期最大回撤 -36.3%。三段都勝過含息 0050（研究段年化 15.3% / Sharpe 1.0；樣本外 30.4% / Sharpe 1.18；全期 21.0% / Sharpe 1.05 / 回撤 -34.0%），用全期年化高出約 7 個百分點換到略深一點的回撤。和裸用 mfi 全宇宙 -74% 級的回撤相比，整套組合把尾部風險砍掉超過一半。

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 日均量 > 100 萬股、收盤 > 10 元、60 日均成交金額前 300 名。
• 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：多窗動能、mfi 選股因子與 mfi 廣度均只使用當日（含）以前的價量；月頻再平衡，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 12 檔等權，單一資產不另設上限；mfi 廣度擇時層乘上整體曝險係數（滿倉或 0.5 倉，不加槓桿）。
• 周轉率：年換手約 7.2 次（月頻換股 + 廣度擇時切換），屬中高，已含成本估計。
• 樣本內外：研究段 2015-2021、樣本外 2022-2026 分開回報，所有關鍵數字兩段都列，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，對三個關鍵參數同時穩健：

• mfi 週期 × 資金流出門檻：把 mfi 週期（9/14/21/28）與資金流出濾網門檻（剔池內最低 10%/20%/30%）排成二維網格、每格真跑一次完整策略，12 格的研究段月 Sharpe 全部落在 0.98 到 1.20，沒有任何一格塌陷——是一片穩定的高原，不是孤峰。勝出格 mfi 21、剔 20%（研究段 1.20）四周的鄰格都很高（mfi 21 剔 10% 為 1.19、剔 30% 為 1.12），不是孤立的單點。
• 資金流出門檻：固定 mfi 21、只動門檻，剔最低 10% / 20% / 30% 的研究段月 Sharpe 為 1.19 / 1.20 / 1.12，樣本外為 1.06 / 1.06 / 1.03，整段平滑、沒有懸崖；門檻在 10% 到 30% 之間怎麼挑結論都成立。
• mfi 廣度減碼係數：廣度急轉差時把曝險縮到 0.5 倉是預設，把這個係數在合理區間內微調，研究段與樣本外的 Sharpe 都只在小數點後一兩位移動——廣度擇時對報酬與回撤是平滑過渡，不是單點甜蜜點。
• 逐年分解：報酬分布在多個年份、不是靠單一年僥倖——2017 +30.6%、2019 +24.2%、2020 +56.0%、2021 +62.9%、2023 +67.7%、2025 +10.4%、2026（截至 6 月）+104.5%；空頭的 2022 年靠廣度擇時把虧損緩衝到 -16.6%（裸用級回撤更深）。

參數最佳化：找一片穩健高原，不是挑單一孤峰

mfi 有兩個和它最直接相關的參數：mfi 的計算週期（回看幾天）與資金流出濾網的排除門檻（剔掉 mfi 橫截面最低的百分之幾）。把這兩個參數排成網格，每一格都用 finlab 真跑一次完整回測，記下研究段（2015-2021）的月 Sharpe，畫成色溫圖：

讀色溫圖的關鍵，是看它呈現「一片高原」還是「單一孤峰」。一片高原代表相鄰參數的表現都差不多好——這個 edge 不是靠某一組巧合的數字湊出來的，把參數推到旁邊一格也不會崩，這才是可以放心上線的訊號。單一孤峰則相反：只有正中那一格特別亮、四周都暗，多半是過度最佳化（overfitting）的警訊，換一段資料或微調參數就會破功。

這張圖整片都落在研究段月 Sharpe 0.98 以上：4 個 mfi 週期（9／14／21／28）× 3 個排除門檻（剔最低 10%／20%／30%）共 12 格，最低 0.98、最高 1.20，沒有任何一格塌陷，是一片實打實的高原。正因為是高原，本文主策略取的就是研究段月 Sharpe 全網格最高、又位在高原正中央的那一格：mfi 週期 21、剔最低 20%（研究段 Sharpe 1.20）。 它四周的鄰格（mfi 21 剔 10% 的 1.19、剔 30% 的 1.12，以及上下相鄰的 mfi 28、mfi 14 列）都很高，不是孤立的單點。

要驗證「高原」而不是「孤峰」，最直接的測試是把參數推到旁邊一格、看會不會崩。下圖把主策略（mfi 21、剔 20%）與網格內相鄰、研究段 Sharpe 同樣落在高原帶的另一格（mfi 9、剔 30%）並排比較：

兩格在研究段 Sharpe 幾乎打平（1.20 對 1.16），證明把參數推到旁邊一格、研究段表現不會崩——這正是高原該有的樣子。差別出現在樣本外：主策略守在 1.06，相鄰格掉到 0.82。這反而支持把 mfi 21、剔 20% 當預設——它不只研究段最高，樣本外也比這個鄰格更穩。這也是過度最佳化最該警惕的地方：如果你硬挑網格邊角某個只在單一段落好看的格、再宣稱它是「最佳參數」，多半只是在對歷史雜訊過度配適，換段就回吐。 本文寧可用站在高原正中央、研究段與樣本外都站得住的 mfi 21、剔 20%。

搭配月營收 YoY：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：選股只用價格動能與 mfi 資金流出濾網，擇時只用 mfi 廣度，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：mfi 本身就是帶量指標，量能往往和基本面動能同向，那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 12 檔、集中度已高，再加營收過濾會大幅縮小可選池，反而犧牲動能的爆發力；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。

多頭、盤整、空頭：這套策略在不同大盤狀態下的表現

把這套策略放到不同的大盤環境裡逐年攤開，最能看出它的性格。下面用逐年報酬把 2015-2026 分成三種大盤狀態，數字皆出自同一份回測：

• 強多頭年（大盤明顯走升）：2017 +30.6%、2019 +24.2%、2020 +56.0%、2021 +62.9%、2023 +67.7%、2026（截至 2026-06）+104.5%。多窗動能在多頭裡能咬住領漲股，mfi 廣度幾乎不轉差、不拖累複利，是策略賺最多的環境。
• 盤整／弱勢年（大盤橫向或小幅震盪）：2015 +11.3%、2016 +2.7%、2018 -1.1%、2024 +6.8%、2025 +10.4%。表現分化——多數年份策略仍守住小幅正報酬，但震盪年裡 mfi 廣度容易在淺回檔轉負、又在反彈前留半倉，少賺一點（whipsaw 的代價）。
• 空頭年（大盤深度回檔）：2022 -16.6%。這正是 mfi 廣度擇時發揮作用的場景：2022 台股大跌，廣度急轉差時把整籃砍到半倉，把策略虧損緩衝到 -16.6%，明顯淺於裸用級的回撤。代價是它只砍到半倉、不會像現金一樣完全避開下跌，空頭年仍會虧，只是虧得比裸用淺。

一句話總結這套策略的性格：它在多頭年放手讓動能跑、在空頭年靠 mfi 廣度擇時止血，最怕的是盤整震盪年的 whipsaw。 由於樣本外（2022-2026）涵蓋一次完整的空頭與強反彈，廣度擇時的保護與動能的爆發都用得上，所以樣本外年化（31.7%）甚至高過研究段（25.3%）。關於用大盤訊號控制回撤的更多做法，可參考市場濾網如何降低回撤與均線市場濾網指標。

策略的限制與取捨

• mfi 是配角不是主角：策略的選股動力主要來自「多窗動能 + 趨勢閘」，mfi 的貢獻是「剔掉資金流出股」的負面濾網與「廣度擇時」的訊號來源，不是獨立可用的主因子。純 mfi 選股在台股只是弱訊號，這點本文不掩飾。
• 集中度帶來較深回撤：策略只持 12 檔、全期最大回撤 -36.3%，比含息 0050 的 -34.0% 略深。選股集中換到較高報酬，代價是單股與類股風險集中，承受得住這級回撤才適合。
• mfi 不能建多空：我們也測了「高 mfi 做多 / 低 mfi 做空」，研究段方向看似對，但樣本外完全翻轉（被棄守的弱勢股出現超跌反彈），多空價差樣本外為負。mfi 只能 long-only，不要拿去建多空對沖組合。
• 樣本外報酬偏亮可能有區段運氣：2023 / 2026 單年報酬偏高（+67.7% / +104.5%，2026 截至 6 月），樣本外 Sharpe 部分得益於 2023 後台股強勢。雖然逐年分解顯示非單一年份，但樣本外樣本仍只有約 4.5 年。
• 容量與成本：年換手約 7.2、持股 12 檔、宇宙限前 300 大，回測已含成本估計，但大資金部署的流動性衝擊與容量未做測試；實際衝擊取決於資金規模與成交量。

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、換選股因子。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。籌碼面的「資金動向」訊號還可以搭配三大法人買賣超與分點主力買超交叉驗證。

常見問題

Q：mfi 指標是什麼？和 RSI 差在哪？ mfi（資金流量指標）是「帶成交量的 RSI」。RSI 只看價格漲跌，mfi 多算了成交量——把每天的典型價格乘上量，分成上漲日的正資金流與下跌日的負資金流，再換算成 0 到 100 的讀數。所以 mfi 同時反映「漲多少」和「帶了多少量」，比純價格的 RSI 多一層量能資訊。

Q：mfi 低於 20 真的代表超賣、會反彈嗎？ 在台股橫截面上不一定。低 mfi 超賣抄底（持有最低 30 檔）研究段回測年化只有 1.1%，因為它無法區分「健康回檔」與「資金棄守」。台股弱勢股的資金流出有延續性，低 mfi 往往代表資金正在棄守、之後還會更弱，把超賣當無腦抄底訊號長期接近無效，甚至像在接還在下墜的刀。

Q：那 mfi 高於 80 超買就一定要賣嗎？ 回測顯示方向恰恰相反：買 mfi 最高（資金正在流入）那批股票，研究段年化 10.8%，是裸用各種 mfi 用法裡唯一有訊號的。高 mfi 代表帶量上攻的動能，在中期傾向延續，而不是「漲過頭該賣」。當然裸用的回撤很深（-74% 級），所以本文把它降格成負面濾網來用。

Q：mfi 可以單獨拿來當買賣訊號嗎？ 不建議。無論是超賣買、超買賣，還是 mfi 金叉、橫截面選股，裸用在台股回測都站不住（研究段年化 -7.3% 到 10.8%、回撤動輒 -70% 以上）。mfi 適合當「濾網」或搭配動能使用，剔掉資金正在流出的股票，而不是自己當進出場依據。

Q：mfi 的參數（timeperiod）要設多少？14 是最好的嗎？ 14 是 TA-Lib 預設值，但本文主策略用的是 21。穩健度測試顯示把回看窗在 9 到 28 之間調整，研究段月 Sharpe 都落在 0.98 到 1.20、整片高原沒有塌陷，結論對參數不敏感；其中 mfi 21 在研究段與樣本外都最穩，所以選它當預設。用 14 或 21 結論都成立。

Q：mfi 和 KD、RSI 一起用會更好嗎？ 不會。mfi、RSI、KD 都是擺盪 / 量價類指標，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」或「同一指標的不同用法」搭配，例如動能（選股）+ mfi 資金流出濾網（剔除流出股）+ mfi 廣度（控風險）。各指標的正確用法可參考 RSI、MACD、KD 比較。

Q：這套 mfi 策略適合誰？ 適合想主動參與台股動能、能接受 -36% 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 27.7%、月 Sharpe 1.08，研究段與樣本外都勝過含息 0050。不適合受不了深度回撤、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。

Q：為什麼擇時要用「全市場 mfi 廣度」，而不是看單一檔的 mfi？ 單一檔的 mfi 穿越中位在盤整期雜訊太大、來回甩巴掌。把全市場「站上 mfi 中位的個股比例」做成廣度，是橫截面的、平滑的資金流入力道度量；用它的 20 日變化轉負當減碼訊號，能在資金系統性退潮時把曝險砍到半倉，比單檔 mfi 即時也更可靠。

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。mfi 雙核心純技術策略全期最大回撤 -36.3%，實際交易前請自行評估風險、滑價與交易容量。