動能 ETF：SPMO、MTUM 對 QQQ，
三個輪動與均線設計驗證

2016 年 9 月至 2026 年 10 月，SPMO 年化報酬 18.9%，低於 QQQ 的 20.0%；日夏普則以 0.93 略高於 0.92，但前後半段沒有都贏。 MTUM 年化 15.2%、日夏普 0.76。本文另外實測六檔動能 ETF 相對強弱輪動、SPMO 均線切換、輪動加 QQQ 趨勢濾網，三個設計都沒有通過全部驗證。這是一份不成立規則的研究紀錄，不提供通過驗證的交易策略。

動能 ETF 把挑選近期相對強勢股票的規則包在基金內。買進一檔 ETF 後，即使投資人完全不換股，基金也會按照自己的指數方法調整成分。本文的輪動則多加一層決策：在幾檔 ETF 之間選擇持有誰。因此，基金本身有動能因子，並不代表在基金之間再做動能排名就一定更好。

六檔動能 ETF 的含息報酬與回撤

全部使用 2016-09-15 至 2026-10-30，起點由 FDMO 第一筆可用價格決定，配息透過還原價納入。SPMO 在六檔基金中的全期日夏普最高，QQQ 的累積與年化報酬較高；XMMO 年化 16.5%，最大回撤卻比 QQQ 更深。IMTM 的回撤較淺，報酬也最低，而且它持有美國以外的已開發市場股票，不能把它當作另一檔完全相同的美股配置。

共同起點避免拿新基金的短紀錄和舊基金的全部紀錄直接排高下。這張表也因此不是 SPMO 或 MTUM 的成立以來績效。資料庫對其中五檔有 2016 年 1 月起的價格，FDMO 從 2016 年 9 月開始；下載檔另保留各自可用期間與同期 QQQ 的數字，沒有把指數績效接到基金上市前，也沒有補出不存在的基金歷史。

SPMO 與 MTUM 的換股規則有何不同？

Invesco 的動能說明列出 SPMO 的半年調整；MSCI 的 SR Variant 方法文件在 2024 年已列季度檢查，不能把 MTUM 也寫成半年換股。PDP 發行商資料與 Fidelity 方法文件則分別交代自己的相對強弱與調整流程。基金的配息頻率又是另一件事，不能拿來推定成分股檢查頻率。

XMMO 還有歷史策略改變的限制。2019 年 SEC 補充文件記錄，它在 6 月 21 日收盤後，從 Russell Midcap Pure Growth 改為 S&P MidCap 400 Momentum。本文按預先登記保留實際基金價格，早期包含舊策略；所以長期結果代表一路持有該基金，不能解讀成現行中型股動能方法在整個期間都有效。這個限制也適用於把 XMMO 放進輪動池的結果。

換股較頻繁可能更快追上領先族群，也可能增加交易，此外股票池、權重與集中度都不同。本文沒有做持股層級的報酬歸因，不能把 SPMO 和 MTUM 的績效差額全部歸給半年或季度調整。基金內部換股和投資人月底輪動的成本也要分開看：前者已反映在實際基金報酬，後者由回測成本情境另外處理。

開跑前固定的三個設計

A：六檔 ETF 相對強弱輪動。 每月底依過去 L 個月含息報酬，選前 k 檔等權。原設定為十二個月、前兩檔；鄰近參數是 L＝9／12／15，乘上 k＝1／2／3，共九組。

B：SPMO 趨勢切換。 SPMO 高於 L 日簡單均線時持有，否則全部轉到短期國庫券 ETF BIL。原設定二百日、每月檢查；鄰近參數為 150／200／250 日，乘上每週／每月／每季。它另外必須勝過 SPMO 單獨持有，才有證據說切換本身加分。

C：輪動加 QQQ 趨勢濾網。 保留 A 的前兩檔，但只有 QQQ 高於 D 日均線時持有，否則全部轉 BIL。原設定十二個月、二百日；L＝9／12／15，乘上 D＝150／200／250。組合版必須比同期間、不加濾網的 A 更好。所有月份均以二十一個交易日近似，與先前因子輪動的設定一致。

A、C 從 2017-12-29 開始，因為必須讓六檔基金都有完整十五個月回看；B 從 2016-12-30 開始，先備妥二百五十日資料。訊號在當日收盤形成，隔一個交易日收盤成交。QQQ 一律使用每個設計自己的相同日期，包含第一個尚未成交的現金觀測，所以表中基準日夏普會不同。

報告是原設定 A：年化 13.1%、最大回撤 -34.4%，供讀者檢查失敗規則的路徑。把 A 各資產在月底的平均權重固定，再每月再平衡，日夏普為 0.76、年化 15.0%，都高於輪動的 0.66 與 13.1%。這組平均權重由整段樣本事後算出，只用於辨認切換的貢獻，不能冒充事前已知的投資配置。

三項驗證：全期夏普漂亮還不夠

過關需同時滿足：至少七組鄰近參數的日夏普勝同期 QQQ；原設定前、後半段各自勝；原設定每次買進及賣出各收 0.1% 後仍勝。美股 sim 預設手續費、交易稅均為零，所以成本壓力另跑。扣除 BIL 日報酬後的夏普、固定平均權重對照，也列為檢查。

A 與 C 都是零組勝出。A 前後半段日夏普為 0.62／0.71，C 為 0.52／0.67，QQQ 為 0.76／0.97。加上 QQQ 濾網後，全期夏普從 0.66 降為 0.58，沒有改善原本輪動；即使部分時間持有國庫券，整體回撤仍受同一段急跌影響。

B 的全期日夏普 1.01，高於 QQQ 的 0.93，最大回撤從基準 -35.1% 降到 -15.6%，成本後也還有 0.99。但只有三組鄰近參數贏，前半段 1.23 對 QQQ 的 1.26，仍輸；後半段才以 0.82 對 0.62 勝出。判定使用未四捨五入的數字，不能因為把小差距忽略，就把原本的失敗改判成功。

B 的同期間，單獨持有 SPMO 年化 19.1%、日夏普 0.93；切換後年化降為 16.1%。扣 BIL 後，B 的夏普為 0.86，QQQ 為 0.83；固定平均權重的 SPMO／BIL 對照則為 0.96。這些對照支持切換曾改善風險調整績效，但不能取代參數與前半段未過的事實。本文沒有選一個勝出鄰居當成新原設定。

單獨持有的優勢也會換邊

共同持有視窗中，QQQ 前後半段日夏普為 1.15／0.70。SPMO 為 0.94／0.92，第一段輸、第二段贏；FDMO 第二段也以 0.75 勝 0.70，其餘四檔兩段都輸。問「最好的動能 ETF」時，至少要先固定期間、報酬或風險指標，以及能承受的跌幅，不能把全期略勝的夏普當成永久排名。

Jegadeesh 與 Titman（1993）的個股贏家買進、輸家放空研究，提供相對強弱測試的動機，但本文六檔 ETF 多頭輪動並未重現其多空股票組合。Asness、Moskowitz 與 Pedersen（2013）研究跨市場價值及動能，並不保證在相似基金之間排名必然有效。Moskowitz、Ooi 與 Pedersen（2012）研究多類期貨的時間序列動能，也不能直接替 SPMO／BIL 均線規則背書。文獻與商品實作之間的差別，必須由回測檢驗。

互動報告的大盤基準也使用 QQQ。報告從首次模擬成交顯示，表格則保留前一個訊號日的現金觀測以納入首次交易成本；這一個交易日的起點差異，可能讓報告顯示的基準年化略有不同。

回測方法與限制

重現原設定

下列程式呈現 A 的核心選擇。完整研究另處理交易日曆、共同起點、所有鄰近參數與成本：

import finlab
from finlab import data
from finlab.backtest import sim
from finlab.markets.us import USFundMarket
 
finlab.login()
data.set_market("us_fund")
data.truncate_end = "2026-10-30"
calendar = data.get("us_price:adj_close").index
price = data.get("us_fund_price:adj_close").reindex(calendar).ffill()
etfs = ["SPMO", "MTUM", "XMMO", "PDP", "IMTM", "FDMO"]
score = price[etfs] / price[etfs].shift(252) - 1
selected = score.rank(axis=1, ascending=False, method="first") <= 2
weights = selected.astype(float) / 2
class QQQMarket(USFundMarket):
    @staticmethod
    def get_benchmark():
        return price["QQQ"]
 
report = sim(weights.loc["2017-12-29":], resample="M", market=QQQMarket(), upload=False)
report.to_html("momentum_rotation.html")

用 FinLab skill 重現研究

從AI 輔助安裝流程連結帳號，agent 設定指南有 Claude Code、Codex 與 Gemini CLI 的操作方式。安裝指令如下：

npx skills add koreal6803/finlab-ai --skill finlab -g -y

接著請 agent 使用下載的 research.py、固定資料截止日，先重現原設定與九組參數。不需要自己從頭寫程式，也可以在瀏覽器的 FinLab Studio檢查程式。若之後想測其他均線或改持股數，另存為新實驗，保留本次原始結果；看過數字才改條件，已經不屬於原先的驗證。本文沒有提供通過驗證的策略部署入口。

常見問題

SPMO 有贏 QQQ 嗎？

本次共同視窗的日夏普略高，年化報酬較低，而且前後半段沒有都贏。直接說 SPMO 勝過 QQQ，會省略報酬與時間差異。

MTUM 和 SPMO 可以互換嗎？

股票池、評分與維護方法不同。基金都叫動能，不代表風險暴露、持股與績效相同；本文 MTUM 年化比 SPMO 低約四個百分點。

每月選最強的兩檔有改善嗎？

本次六基金池沒有，九組參數全輸同期 QQQ 日夏普，原設定也不如事後固定平均權重對照。結論只涵蓋這組 ETF 與回看設定。

加二百日均線可以過關嗎？

SPMO 切換改善了全期風險數字，參數與前半段沒有過；把 QQQ 均線加到輪動上則更差，不能把濾網視為通用修正。

為何防禦期用 BIL？

讓閒置資金反映短期國庫券報酬，避免在高利率期間仍假設完全沒有利息。另扣 BIL 的夏普，則檢查結果是否只靠利息水準。

能把最好的鄰近參數拿來用嗎？

可以另開研究，但那是看到結果後選參，不能算原設計通過，還需要新的未觀察期間檢驗。

下載與延伸閱讀

• strategy.py：與共用引擎相同的完整研究程式。
• research.py：四設計共用引擎，也包含四因子 ETF 原定輪動。
• data.csv、metrics.json：每日權益、所有參數、分段與對照。
• 輪動互動報告、固定權重報告、SPMO 均線報告。

其他持有方式可接著比較美股量化策略總覽、美股因子投資、產業輪動研究、懶人投資組合與掩護性買權及股利研究。前視偏差與周轉率則說明回測數字容易被高估的兩個原因。 QUAL、USMV 因子 ETF 比較則測試不同因子之間的輪動；實作觀念可參考程式交易工具與方法。

最後更新：2026-11｜資料截至：2026-10-30｜重跑日：2026-11-02（台北）｜作者：FinLab 量化研究團隊。團隊以公開規則回測、參數敏感度測試與可下載資料呈現研究方法，讓讀者檢查結果。

歷史績效不代表未來報酬，全部結果均為樣本內回測。文中 ETF 用於說明研究結果，不代表買賣推薦。本內容僅供教育研究，不構成投資建議。