均線怎麼用才對？台股 11 年回測：靠近新高選股＋均線停損純技術策略

均線在台股的正確用法：靠近新高選股＋個股均線停損的純技術策略

均線是台股散戶最熟的技術指標：黃金交叉、死亡交叉、站上年線、跌破季線。但把這些用法放進台股做 11 年回測（2015-2026），拿均線「選股」幾乎都贏不過大盤——散戶最愛的「黃金交叉＋多頭排列買進」研究段年化 15.3%、最大回撤卻深達 -45.2%；「跌破均線抄底」更只有 5.2%、回撤 -43.1%，全面輸給含息 0050（全期年化 21.0%、月夏普 1.05、回撤 -34.0%）。問題不在均線，而在用錯了均線的角色。把均線換個用法就翻盤：第一，把均線「往上包住」最近價格高點，算出「收盤對自身過去 280 個交易日滾動最高價的靠近度」（越接近 1 越貼近 52 週新高），當成橫截面選股因子，每月底在可交易宇宙裡挑最靠近波段高點的 20 檔等權持有；第二，用「個股收盤一跌破自身 20 日均線就清空該檔」當個股級停損。把這兩個純均線零件組成一套完全不含基本面的策略：研究段（2015-2021）年化 27.4%、月夏普 1.35，樣本外（2022-2026）年化 30.6%、月夏普 1.21，全期（2015-2026）年化 28.6%、月夏普 1.22、月索提諾 2.28，全期最大回撤 -34.4%——三段都勝過含息 0050（全期年化 21.0%、月夏普 1.05、回撤 -34.0%）。

先用一張表回答你搜尋「均線」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 收盤價與 etl:adj_close 含息還原股價），回測區間 2015-01 至 2026-06-09，基準為含息買進持有 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。

均線是什麼

均線（Moving Average，MA）就是「過去 N 個交易日收盤價的算術平均」，每天往前滾動一格，所以叫「移動」平均。它平滑掉單日的雜訊，反映一段時間裡市場對價格的共識成本。台股最常用的幾條：5 日（週線）、20 日（月線）、60 日（季線）、120 日（半年線）、240 日（年線）。短均線靈敏但雜訊多，長均線平滑但反應慢——這是均線天生的取捨。技術指標的基礎名詞可參考名詞詞彙表。

從均線衍生出幾種散戶最熟的訊號：

黃金交叉：短均線由下往上穿過長均線（例如 20 日穿過 60 日），被視為轉強訊號。

死亡交叉：短均線由上往下跌破長均線，被視為轉弱訊號。

多頭排列：短、中、長均線由上而下依序排開（短 > 中 > 長），被視為趨勢向上。

乖離率：收盤價相對均線的偏離程度，公式為（收盤價 − 均線）/ 均線；本文以「收盤價對 20 日均線的乖離」為標準因子。

這些訊號到底有沒有用？散戶最常拿它們選股：挑剛黃金交叉、挑站上短均線、挑低乖離想等反彈的股票。以下先用回測檢驗這些教科書選股法，再說明把均線換個角度（用「離 52 週新高多近」當選股因子）為什麼就能翻盤。

均線的數學定義

均線的核心只有一條算術平均，黃金交叉則是兩條不同窗長均線的相對位置：

$SMA_n = \frac{1}{n}\sum_{i=0}^{n-1} C_{t-i}\,;\quad \text{黃金交叉}: SMA_{\text{short}} > SMA_{\text{long}}$

把符號逐一拆開：$C_{t-i}$ 是第 $t$ 天往前數第 $i$ 天的收盤價，$C_t$ 就是當天收盤；$n$ 是均線的窗長（台股常用 20、60、120、240 日）；$SMA_n$ 把最近 $n$ 天的收盤價相加再除以 $n$，得到一條平滑後的價格線。窗長 $n$ 越大，納入的歷史天數越多，曲線越平滑、對最新一根 K 棒的權重越低，因此反應越慢；$n$ 越小則越貼近現價、越靈敏，但也越容易被單日跳動帶著走。黃金交叉的定義就是把短窗均線 $SMA_{\text{short}}$（例如 20 日）和長窗均線 $SMA_{\text{long}}$（例如 60 日）相減：前者由下往上超過後者那一刻叫黃金交叉，反向跌破叫死亡交叉。注意這個公式裡每一天的權重都相同（都是 $1/n$），這正是 SMA 和 EMA（指數移動平均，近期權重較高）最大的差別，也是它反應偏慢的根源。

一張圖看懂黃金交叉、死亡交叉，以及它為什麼會「甩巴掌」

理論講完，直接把公式畫到真實個股上。下面兩張圖用台積電（2330）與聯發科（2454）2023 年 7 月到 2024 年 6 月的還原前收盤價，疊上 20 日（短均）與 60 日（長均）兩條 SMA，並在價格面板標出「黃金交叉買進」（藍色三角）與「死亡交叉賣出」（紫色倒三角）的訊號點：

台積電這一年走的是一段乾淨的上升趨勢，20×60 均線只交叉了 3 次（2 次黃金交叉、1 次死亡交叉），訊號清楚、跟著做大致賺得到主升段——這是黃金交叉派最理想的情境。但同一套規則換到聯發科就完全變樣：

同樣一年、同樣的 20×60 規則，聯發科卻觸發了 7 次交叉（4 次黃金交叉、3 次死亡交叉）。看圖就懂問題在哪：在 2023 下半年那段橫盤整理裡，兩條均線黏在一起反覆穿越，每一次穿越都產生一個訊號，買在小反彈的頭、賣在小回檔的底，來回被「甩巴掌」（whipsaw）。這是均線交叉法的結構性弱點：它在趨勢明確時有用，在盤整時卻會被雜訊頻繁觸發，把獲利一刀刀磨掉。這也正好解釋了後面回測的結果：把黃金交叉拿來橫截面選股，會在大量盤整股上累積無效的進出，所以研究段贏不過大盤。

這兩張圖是用下面這段程式碼畫的，你可以換成任何股票自己重畫，直觀感受不同個股的訊號密度：

import finlab
from finlab import data
import matplotlib.pyplot as plt
 
# finlab 會在需要資料時自動引導登入
finlab.login()
 
# 取單一個股的收盤價,計算短均與長均
close = data.get("price:收盤價")
stock_id = "2454"          # 換成你想看的股票代號
px = close[stock_id].loc["2023-07-01":"2024-06-30"]
ma_short = px.rolling(20).mean()
ma_long = px.rolling(60).mean()
 
# 黃金交叉:短均由下穿上長均;死亡交叉:由上跌破
above = ma_short > ma_long
golden = above & (~above.shift(1).fillna(False))   # 翻為 True 的那天
death = (~above) & (above.shift(1).fillna(False))   # 翻為 False 的那天
 
# 畫價格 + 兩條均線,標出買賣點
fig, ax = plt.subplots(figsize=(12, 5))
ax.plot(px.index, px, label=f"{stock_id} 收盤", color="#111827")
ax.plot(ma_short.index, ma_short, label="SMA20 短均", color="#7C3AED")
ax.plot(ma_long.index, ma_long, label="SMA60 長均", color="#F59E0B")
ax.scatter(px.index[golden], px[golden], marker="^", color="#2563EB", s=90, label="黃金交叉買進")
ax.scatter(px.index[death], px[death], marker="v", color="#7C3AED", s=90, label="死亡交叉賣出")
ax.legend()
plt.show()

把 stock_id 換成 "2330"，就會看到台積電那張訊號稀疏的圖；換成盤整股，訊號會明顯變密。光是切換幾檔股票自己看一次，就能體會「均線交叉的有效性高度取決於個股當下是趨勢還是盤整」——這也是它不適合無差別套到全市場選股的直觀原因。

散戶最常見的均線選股，在台股 11 年都沒贏過大盤

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「均線選股」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：這些最多人用的均線選股法，在台股研究段不是輸報酬、就是輸風險。 「黃金交叉＋多頭排列」年化雖然和含息 0050 打平（都是 15.3%），但月夏普只有 0.7（同期 0050 是 1.0），而且最大回撤深達 -45.2%——報酬一樣、波動與回撤卻大得多。「跌破均線抄底」「超賣接刀」更只有 5.2% 年化，接近無效。

原因不難理解：把均線「對短期均線的瞬間乖離」或「兩條均線交叉」當訊號，是個「雙義訊號」。高乖離（站很遠的均線上方）可能是強勢延續、也可能是過熱準備回檔；低乖離可能是落底反彈、也可能是趨勢轉空的起點。把它單獨拿來橫截面排名選股，等於把兩種互斥邏輯混在一起互相抵消。我們把對短均線的乖離各種橫截面取法（最高、最低、一階差分、二階差分、z-score）都測過，研究段月夏普全部 ≤ 0.61，全面輸給同期含息 0050。問題出在「拿哪一條均線、衡量哪一段乖離」，而不是均線這個工具本身。延伸閱讀：技術面與基本面選股的差異、動能策略。

那均線到底該怎麼用？關鍵是換掉「對短期均線的瞬間乖離」這個訊號來源：改用一條「往上包住最近價格高點的長均線」，看收盤離這條高點包絡線多近——也就是「離 52 週新高多近」。挑最靠近波段新高的股票，再用個股自己的短均線當停損線，故事就完全不同了。

換個角度用均線：把它接成「離 52 週新高多近」的選股因子

散戶的均線選股之所以失靈，問題出在訊號設計：拿的是「對短期均線的瞬間乖離」或「兩條均線剛交叉」這種高頻、雙義的訊號。換掉訊號來源，均線就能變成有效的選股因子。本文用的純技術策略建立在兩個純均線零件上。

零件一：靠近 280 日滾動最高價，當選股因子

第一個零件是把均線「往上包住價格高點」。具體做法是計算每檔股票「收盤價 ÷ 自身過去 280 個交易日的滾動最高價」，我們稱為新高靠近度（prox）：這個比值越接近 1，代表收盤越貼近自己過去約 52 週（280 個交易日約一年）的波段高點；越低代表離高點越遠、結構越弱。每月底在可交易宇宙裡，挑 prox 最高的 20 檔等權持有——也就是挑「最靠近自己 52 週新高」的一籃強勢股。

這和散戶用的短均線乖離差在哪？短均線乖離問的是「現在離 20 日成本線多遠」，那只是一兩週的雜訊；新高靠近度問的是「現在離一整年的高點多近」，捕捉的是中長期趨勢結構。前者雙義（高乖離可能過熱也可能強勢），後者單義（靠近年度新高就是趨勢明確向上）。這條「離新高愈近愈強」的選股邏輯，和 Jegadeesh & Titman (1993) 的動能效應一致：過去的中期贏家傾向繼續贏。

零件二：個股跌破自身 20 日均線就清空該檔

選最強勢的 20 檔之後，第二個零件用均線做個股級停損：持股期間日頻檢查，任何一檔的收盤一旦跌破自身 20 日均線，就立刻清空該檔、降為現金（不補倉、不加槓桿），等下次月再平衡才有機會重新選入。20 日均線在這裡扮演的角色是每檔個股的「趨勢止血線」，而非選股依據——強勢股一旦走弱、跌破短期成本線，先出場保護獲利，避免單一持股從高點一路抱到崩。

把這兩個零件組起來，效果一目了然。下圖比較「裸用」（同宇宙、同新高靠近度選 20 檔等權，但不加任何停損）與加上個股 20 日線停損後的完整策略：

裸用版（不停損）全期年化 27.7%、全期最大回撤 -31.2%；加上個股 20 日線停損後，全期年化微升到 28.6%，但全期最大回撤反而略加深到 -34.4%。停損換來的是個股級的止血效果：當某一檔強勢股從高點轉弱、跌破自身 20 日線就先清空該檔，壓低單檔一路抱到崩的風險，代價是出場後可能錯過反彈、整體回撤略深一點。它的價值在降低單檔崩盤風險，整體回撤反而略增，沒有免費午餐。

完整策略：靠近新高選股＋個股均線停損

把上面兩個零件組成一套可執行、可重現、完全不含基本面的純技術策略：

1. 選股因子：在可交易宇宙裡，每檔算「收盤 ÷ 自身過去 280 個交易日滾動最高價」的新高靠近度，取最高的 20 檔。
2. 持股與權重：那 20 檔等權持有，月再平衡。
3. 個股停損：持股期間日頻檢查，任一持股收盤跌破自身 20 日均線即清空該檔、降為現金，不補倉、不加任何槓桿。
4. 全程不使用任何槓桿 ETF、不含任何財報或月營收輸入。

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 pandas as pd
import finlab
from finlab import data
 
# finlab 會在需要資料時自動引導登入
finlab.login()
 
# 1) 載入價量資料
close = data.get("price:收盤價")
amount = data.get("price:成交金額")
 
# 2) 可交易宇宙:成交額前 300 大、收盤 > 10 元,排除 ETF 與權證/KY
liquidity = amount.rolling(60).mean()
is_common = pd.Series({s: str(s)[:4].isdigit() and not str(s).startswith("00")
                       for s in close.columns})
universe = liquidity.is_largest(300) & (close > 10) & is_common
 
# 3) 選股因子:收盤對自身 280 日滾動最高價的靠近度,越接近 1 越貼近 52 週新高
rolling_high = close.rolling(280).max()
prox = close / rolling_high
 
# 4) 每月底取池內 prox 最高的 20 檔等權
ranked = prox.where(universe).rank(axis=1, ascending=False)
basket = ranked <= 20
 
# 5) 個股停損:收盤跌破自身 20 日均線就清空該檔(出場條件)
ma20 = close.rolling(20).mean()
exit_signal = close < ma20

完整的進出場建構、月再平衡與回測呼叫請見文末可下載的 strategy.py。

這套策略研究段（2015-2021）年化 27.4%、月夏普 1.35、月索提諾 2.22、研究段最大回撤 -34.1%；樣本外（2022-2026）年化 30.6%、月夏普 1.21、月索提諾 2.59；全期（2015-2026）年化 28.6%、月夏普 1.22、月索提諾 2.28、全期最大回撤 -34.4%。三段都勝過含息 0050（全期年化 21.0%、月夏普 1.05、回撤 -34.0%），且全期回撤與 0050 相當。年換手約 8.6 次。

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：

不同大盤狀態下的表現：研究段與樣本外都站得住

判斷一套策略是不是只靠某一段行情湊出來，最直接的方法是把回測切成兩段、各自結算。本文把 2015-2021 當研究段（涵蓋 2015 股災、2018 中美貿易戰急跌、2020 疫情崩跌與反彈），2022-2026 當樣本外（涵蓋 2022 升息熊市與其後的強多頭，2026 標示「截至 2026-06」資料）：

兩段分開看的重點是：策略在研究段與樣本外的年化都落在 27%～31%、月夏普都在 1.2 以上，沒有出現「研究段漂亮、樣本外垮掉」的過擬合特徵。 研究段它大幅領先含息 0050（27.4% vs 15.3%），靠的是「靠近新高」選股在震盪市裡持續挑到趨勢明確向上的強勢股；樣本外它與含息 0050 的差距縮小（30.6% vs 30.4%），因為 2022 之後是台股強單邊多頭，買進持有本來就難贏，但策略仍以相當的回撤微幅勝出。

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「收盤對 280 日滾動最高價的靠近度」這個純價格因子，風控只用個股自身的 20 日均線停損，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：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 20 檔、集中度已高，再加營收過濾會大幅縮小可選池，反而犧牲「靠近新高」這個趨勢訊號的純度；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」的資料才不會用到未來資訊，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，於新高靠近度排名前加一層 monthly_revenue:去年同月增減(%) 的 YoY 過濾自行對照，但要記得只用已公布的資料、避免前視。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。

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：新高靠近度（收盤 ÷ 280 日滾動最高價）與 20 日均線停損均只使用當日（含）以前的價格；月頻再平衡，選股訊號於當期可得；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：選股籃取 20 檔等權，單一資產不另設上限；個股觸發停損後降為現金，不補倉、不加任何槓桿。
• 周轉率：年換手約 8.6 次（選股集中 20 檔 + 月再平衡 + 個股跌破 20 日線即出場），高於被動持有，成本敏感度較高，已在 sim() 內扣手續費與證交稅下計算。
• 樣本內外：研究段 2015-2021、樣本外 2022-2026 分開回報，所有數字兩段都列，避免只報漂亮的一段。

穩健度

這套策略的優勢不是靠單一參數湊出來的：

• 跨新高靠近度視窗穩健：把新高靠近度的滾動最高視窗設 240／252／280 日各測一次（持 20 檔、20 日線停損固定），研究段月夏普分別是 1.25／1.32／1.35——長視窗（252～280 日）一帶整片落在 1.3 以上，是一塊連續的高原，不是孤峰。
• 跨持股檔數穩健：持股檔數設 15／20／25 各測一次（280 日視窗），研究段月夏普分別 1.25／1.35／1.24；20 檔附近最高，持 25 檔開始稀釋選股訊號、Sharpe 略降，但仍維持在 1.2 以上。
• 停損天數不敏感：個股停損的均線窗設 20／60／120 日各測一次，全期年化分別 28.6%／28.1%／27.9%、全期最大回撤 -34.4%／-33.0%／-31.9%——換停損天數只在報酬與回撤之間做小幅取捨，沒有哪一格是靠特定數值湊出來的。
• 樣本外不衰退：勝出設定樣本外月夏普 1.21，年化 30.6% 甚至高於研究段年化 27.4%——優勢在最沒見過的資料上沒有打折。

參數最佳化：找一片高原，不是找一根孤峰

策略有兩個關鍵參數：新高靠近度的滾動最高視窗（看多長一段的高點）與等權持股檔數（決定集中度）。最危險的做法是把這兩個參數掃一遍，挑出研究段表現最好的那一格就上線——那幾乎一定是過度最佳化（overfitting）。正確的看法是把整片參數空間畫成色溫圖，看「綠色（高夏普）是連成一片高原，還是只有一格孤峰」。

下面把新高靠近度視窗（240／252／280 日）× 持股檔數（15／20／25 檔）共 9 組組合各跑一次回測（個股 20 日線停損固定），每格標的是研究段月夏普：

讀這張圖的重點是看綠色的分布形狀，而非去搶最綠的那一格。可以看到：持股 20 檔那一列、配上長視窗（252～280 日），整片都落在月夏普 1.3 以上的相近水準，是一塊連續的高原；持 25 檔那一列因為訊號被稀釋而整片轉淡（夏普掉到 1.1～1.24），視窗縮到 240 日反應較快但較雜，Sharpe 也略降。換句話說，策略對「視窗設 252 還是 280、持 15 還是 20 檔」這種微調並不敏感，方向性結論是「視窗別太短、檔數別太多」——這正是穩健、不是過擬合的特徵。

我們本文預設取新高靠近度視窗 280 日、持 20 檔，它落在高原中段：研究段月夏普 1.35、年化 27.4%，樣本外月夏普 1.21、年化 30.6%。前面那張「裸用 vs 加停損」的對照圖已經示範過：在這片高原上把個股停損的均線窗從 20 日換到 60 日、120 日，全期年化只在 27.9%～28.6% 之間小幅移動、全期回撤在 -31.9%～-34.4% 之間：

相鄰設定的差距小到幾乎可以忽略，這恰恰是健康的訊號：如果換個參數就讓績效翻倍，那才該擔心原本的數字是運氣。真正能拿去實單的參數，是那種「附近一整圈都差不多好」的參數；績效對某個精確數值極度敏感的策略，通常一上線就會破功。 過度最佳化的代價不會寫在研究段的漂亮數字裡，只會在樣本外悄悄出現。

策略的限制與取捨

• 集中度帶來較深回撤：策略只持 20 檔、全期最大回撤 -34.4%，與含息 0050 的 -34.0% 相當但並不算淺。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。
• 高周轉、成本敏感：年換手約 8.6 次明顯高於被動持有，又因個股跌破 20 日線即出場、進出頻繁，報酬已在 sim() 內扣手續費與證交稅後計算，但實單滑價會進一步侵蝕，資金規模越大越明顯。
• 崩盤型態涵蓋有限：選股與停損主要在 2015/2018/2020/2022 幾次急跌上驗證，資料起點 2015，未對更早期（2008、2011）的崩盤型態做滾動測試，不保證對沒見過的型態同樣有效。
• 二維穩健面已掃，停損窗為單軸：新高靠近度視窗 × 持股檔數的二維掃描已完成（見「參數最佳化」段），結論對長視窗與適中檔數穩健；個股停損的均線窗則以 20／60／120 日單軸測試，未與前兩個參數做三維交叉掃描。
• 容量與成本：選股僅 20 檔、宇宙限前 300 大，大資金部署需重估流動性衝擊；回測未逐筆估算滑價與借券成本。

用均線最常踩的五個坑

把這篇從頭到尾的回測結論，整理成五個一上手就容易犯、且都被資料證明會傷績效的錯誤，方便你對照自己的用法：

1. 拿均線交叉去選股。 黃金交叉、多頭排列在台股 11 年研究段全沒贏過含息 0050（黃金交叉＋多頭排列研究段年化 15.3%、最大回撤 -45.2%、月夏普 0.7）。「兩條均線剛交叉」是高頻、雙義的訊號——這是用錯了均線的角色，調幾日均線都救不回來。

2. 在盤整股上盲信交叉訊號。 前面聯發科那張圖一年觸發 7 次交叉、來回甩巴掌，就是均線在橫盤時的結構性弱點。交叉法只在趨勢明確時可靠；判斷不出個股當下是趨勢還是盤整，就會被雜訊一刀刀磨掉獲利。

3. 拿「對短均線的瞬間乖離」當選股訊號。 收盤離 20 日線多遠只是一兩週的雜訊，雙義（過熱或強勢分不出來），各種橫截面取法研究段月夏普全部 ≤ 0.61。要讓均線變成有效的選股因子，得換成「離一整年的高點多近」這種捕捉中長期趨勢結構的訊號——本文的新高靠近度因子研究段月夏普就拉到 1.35。

4. 選最強之後不設停損、抱到崩。 靠近新高的強勢股一旦走弱，沒有出場機制就會從高點一路抱下來。本文用「個股收盤跌破自身 20 日均線就清空該檔」當止血線：全期年化從 27.7% 微升到 28.6%，全期最大回撤則從 -31.2% 略加深到 -34.4%。它替每檔個股設一條趨勢止血線、降低單檔從高點崩到底的風險，作用在個股級風控，而非壓低整體回撤。強勢選股要配個股級風控，不能只買不賣。

5. 挑研究段最漂亮的那一格參數。 參數最佳化要找連成一片的高原、不是孤峰。色溫圖上長視窗（252～280 日）配持 20 檔整片相近（研究段月夏普 1.3 以上），我們才敢取 280 日 × 20 檔當穩健預設；若改挑研究段單格最高值，換來的只是更高的過擬合風險，樣本外不會更好。

這五個坑的共同根源，都是把均線放到它不擅長的角色，或對選出的強勢股缺乏風控。對指標家族的整體差異與正確分工，可參考RSI、MACD、KD 比較與如何挑選台股。

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。

常見問題

Q：均線參數要設多少？20 日、60 日、240 日哪個最好？ 看用途。本文選股用的新高靠近度視窗在 252～280 日一帶都站得住（研究段月夏普 1.3 以上），對天數不敏感；個股停損的均線窗設 20、60、120 日全期年化也只在 27.9%～28.6% 間小幅移動。拿「對短均線的瞬間乖離」去選股則無論幾天都贏不過大盤，那是用法的問題，不是天數的問題——與其糾結幾天，不如先用對角色。

Q：黃金交叉買進真的會賺嗎？ 拿來選股的話，台股 11 年回測站不住。「黃金交叉＋多頭排列買進」研究段年化 15.3%，和含息 0050 打平，但最大回撤深達 -45.2%、月夏普只有 0.7（同期 0050 是 1.0）——用更大的波動換到一樣的報酬，並不划算。黃金交叉在盤整期還會反覆觸發、來回甩巴掌。

Q：什麼是「新高靠近度」？為什麼比黃金交叉好用？ 新高靠近度是「收盤價 ÷ 自身過去 280 個交易日的滾動最高價」，越接近 1 代表收盤越貼近自己約 52 週的波段高點。黃金交叉看的是「兩條均線剛交叉」那一瞬間，高頻又雙義；新高靠近度看的是「離一整年高點多近」這個中長期趨勢結構，訊號單義（靠近新高就是趨勢明確向上）。本文用它選最靠近波段新高的 20 檔，研究段月夏普 1.35，遠勝黃金交叉選股。

Q：跌破均線就該停損嗎？ 對「個股級停損」是有效的用法。本文持有的是靠近新高的強勢股，一旦某檔收盤跌破自身 20 日均線就清空該檔、降為現金，等於替每檔個股設一條趨勢止血線。加上這道停損後全期年化從 27.7% 微升到 28.6%，但全期最大回撤反而從 -31.2% 略加深到 -34.4%——它降低的是單檔一路抱到崩的風險，不是整體回撤。要注意它是「個股出場條件」，不是拿單一均線訊號去無腦抓全市場進出。

Q：均線可以單獨拿來當買賣訊號嗎？ 拿「對短均線的瞬間乖離」橫截面排名選股不建議，研究段月夏普全部 ≤ 0.61，輸給含息 0050。但把均線接成「對 280 日高點包絡線的靠近度」當選股因子、再用個股 20 日線當停損，就能組成贏過大盤的策略。差別在訊號設計，不在均線本身。

Q：均線和布林通道、肯特納通道有什麼關係？ 布林通道的中軌就是均線（常用 20 日），上下軌是中軌加減標準差；肯特納通道則用 ATR 定義通道寬度。均線是它們共同的骨幹。各指標的正確用法可參考台股 ATR 波動度指標與肯特納通道與 ATR 指標。

Q：均線和 KD、RSI、MACD 一起用會更好嗎？ 這些大多是同性質的價格衍生指標，資訊高度重疊，硬疊在一起通常是負貢獻。比較有效的組合是讓均線各司其職——用「靠近新高」選股、用「個股跌破短均線」停損，而不是把一堆擺盪指標疊在一起。各指標的差異可參考RSI、MACD、KD 比較。

Q：這套策略適合誰？ 適合想要主動選股、能接受 -34% 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 28.6%、月夏普 1.22，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。延伸閱讀：如何挑選台股。

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。本文均線選股純技術策略全期最大回撤 -34.4%，實際交易前請自行評估風險、滑價與交易容量。