量化投資實戰：用 Python 打敗 0056，
年化 19%

「買 0056 存股領息，長期就會贏。」這是台股最普遍的存股信仰之一。我們用 finlab 把 0056 的選股邏輯拆開重做，在台股實測 16 年（2010 年 6 月至 2026 年 7 月），結論很直接：純買 0056 是把報酬留在桌上。

先講數字。同樣以高股息為出發點，加上三道量化濾網篩出殖利率最高的 20 檔、季度換股，這個策略 16 年 CAGR 達 19.04%、日夏普 1.34，贏過含息 0056 的 12.41% 約 6.6 個百分點；總報酬 +1526.26%，而 0056 含息是 +550.39%。17 個年度裡有 13 年跑贏 0056。代價是波動更大：策略最大回撤 −30.23%，比 0056 的 −26.89% 更深。這篇文章把三道濾網、逐年勝負與真實方法口徑全部攤開，程式碼可下載自行重跑。

真實績效對照表：策略 vs 0056 含息

下表是同一段視窗（2010-06 至 2026-07）、finlab 預設交易成本（手續費 0.1425%、證交稅 0.3%）下，高股息量化策略與含息 0056 買進持有的完整對照。0056 的報酬含還原股利，是把股息再投入的口徑，並非只看價格。

三個重點先標出來。第一，CAGR 19.04% 對 12.41%，六個百分點的差距在 16 年複利下放大成總報酬近三倍的落差。第二，風險調整後的表現同樣勝出：夏普 1.34 對 0.92、索提諾 1.53 對 1.09、卡爾瑪 0.63 對 0.46，代表策略每承擔一單位風險換回的報酬更高。第三，策略最大回撤 −30.23% 比 0056 的 −26.89% 更深，多出來的三個百分點回撤，就是換取更高報酬要付的波動成本。

為什麼純買 0056 會把報酬留在桌上

0056 追蹤台灣高股息指數，設計上有兩個先天限制。其一，成分股數量固定、且需要足夠流動性，能納入的高股息股票有限，選股範圍被框死。其二，高現金股息本身不保證股價表現，很多高殖利率股是因為股價已經跌深、殖利率才被動墊高，這類「殖利率陷阱」在被動指數裡照樣會被納入。

高股息這個因子並非沒有價值，問題出在「只用殖利率排序」太粗糙。我們的做法是保留高股息的出發點，再疊上兩個過濾維度：股價是不是站在上升趨勢、以及這檔股票過去在壞行情裡跌得深不深。把「便宜（高殖利率）」「有趨勢」「抗跌」三件事同時要求，篩掉的正是那些殖利率好看、體質卻差的股票。

上面這張滾動一年超額報酬圖，把「策略相對 0056 在每一個滾動 12 個月區間的領先或落後」畫出來。多數時間策略在零軸之上，代表過去一年跑贏 0056；但也有幾段落到零軸之下，那些就是策略階段性輸給 0056 的時期。這張圖的意義是：超額報酬在短期會有起伏，靠的是長期累積贏，每個月並不穩定發生，抱得住是拿到那 6.6 個百分點的前提。

三道濾網：策略邏輯講清楚

這個策略的核心是三個條件同時成立，最後再取殖利率最高的 20 檔。三道濾網分別是：

• 滾動 520 日年化現金股息率。 把每次公告的現金股利除以當時收盤價得到單次殖利率，再用約兩年（520 個交易日）的滾動窗口累加，得到一個平滑後的年化股息率。用兩年窗口而非單一年度，是為了讓一次性配息不會過度放大或縮小殖利率評分。
• 多條均線趨勢分數。 計算收盤價站上 10、30、50 一路到 130 日均線的個數，站上越多條、趨勢分數越高。這是把「股價是否處於上升趨勢」量化成一個 0 到多的分數，篩掉均線糾結、方向不明的股票。
• 500 日滾動最小回撤。 用 500 個交易日的滾動窗口看每檔股票的最小回撤（相對前高的最深跌幅），取回撤表現最好的前段。這一步過濾掉在壞行情裡跌特別深的股票，留下抗跌能力較強的標的。

三個條件都通過後，再要求成交量大於 50000 張（確保實單買得到），最後在剩下的池子裡取滾動年化殖利率最高的 20 檔，每季換股一次。下面是這段選股邏輯的人類可讀版本，登入後即可重跑：

import finlab
from finlab import data
from finlab.backtest import sim
from finlab.dataframe import FinlabDataFrame
 
finlab.login()  # finlab 會自動引導登入
 
close = data.get("price:收盤價")
volume = data.get("price:成交股數")
 
# 股利以股東會日期對齊，用的是公告後才可得的資訊
div = data.get("board_dividend_announcement")
dates = div["股東會日期"].fillna(div["董事會決議（擬議）股利分派日"])
cash_dividend = (
    div.drop_duplicates(["stock_id", "股東配發之現金(股利)總金額(元)"], keep="first")
    .groupby([div.stock_id, dates])
    .first()["盈餘分配之現金股利(元/股)"]
    .dropna().reset_index()
    .pivot(index="股東會日期", columns="stock_id", values="盈餘分配之現金股利(元/股)")
)
 
# 濾網一：滾動 520 日年化現金股息率
dividend_yield = (cash_dividend / close).rolling(520, min_periods=1).sum()
 
# 濾網二：收盤價站上 10~130 日均線的個數（趨勢分數）
trend_score = sum([close > close.average(i) for i in range(10, 150, 20)])
 
# 濾網三：500 日滾動最小回撤（抗跌能力）
drawdown = close / close.cummax()
min_drawdown = drawdown.rolling(500, min_periods=200).min()
 
# 三道濾網取前 30%、成交量過濾，再取殖利率最高 20 檔
pool = FinlabDataFrame(dividend_yield)[
    (trend_score.rank(axis=1, pct=True) > 0.7)
    & (min_drawdown.rank(axis=1, pct=True) > 0.7)
    & (volume > 50_000)
]
position = pool.is_largest(20)
 
# 季度換股回測，finlab 預設已內含手續費與證交稅
report = sim(position, resample="Q")
report.display()

逐年報酬：不是每年都贏

一個策略平均贏，不代表每一年都贏。下面這張逐年報酬長條圖，把策略與 0056 每個年度的報酬並排，可以看出勝負分佈。

17 個年度（含 2026 年 YTD 未完整年）裡，策略在 13 年跑贏 0056。逐年報酬（策略／0056，單位 %）如下：2010 年 37.0／27.0、2011 年 −12.7／−12.8、2012 年 17.6／8.7、2013 年 40.5／4.9、2014 年 18.3／9.3、2015 年 −3.4／−5.4、2016 年 16.0／11.3、2017 年 21.9／12.4、2018 年 −2.3／1.5、2019 年 23.0／29.0、2020 年 16.8／9.3、2021 年 25.0／18.7、2022 年 1.9／−17.7、2023 年 64.9／56.9、2024 年 36.6／7.7、2025 年 1.2／12.0、2026 年 25.1／50.5（YTD）。

輸給 0056 的四個年度值得單獨看：2018、2019、2025 與 2026 年（YTD）。2019 與 2026 這兩年是大盤與 0056 走大多頭、權值股領漲，策略偏中小型高股息的選股在這種行情裡相對落後；2018 與 2025 則是策略小輸。最亮眼的兩年是 2022 與 2024：2022 年 0056 含息下跌 −17.7%，策略靠抗跌濾網守到 +1.9%，這一年是超額報酬的主要來源之一；2024 年策略 +36.6%、0056 只有 +7.7%，趨勢濾網在多頭裡選到對的股票。

回撤比較：波動更大是換更高報酬的代價

上面這張回撤比較圖把兩者的水下曲線疊在一起。策略最大回撤 −30.23%，比 0056 的 −26.89% 更深。原因是策略持股集中在 20 檔、且偏向中小型高股息股，個股波動大於分散的指數，在系統性下跌時跌得更兇。這是必須正視的取捨：更高的 CAGR 不是免費的，它用更深的回撤與更大的帳面起伏換來。卡爾瑪比率（年化報酬除以最大回撤）0.63 對 0056 的 0.46，代表即使把更深的回撤算進去，策略每承擔一單位最大回撤換回的報酬仍然較高，但這不改變「你要抱得住 −30% 帳面浮虧」這個現實。

回測方法與限制

• 回測區間與換股：2010 年 6 月至 2026 年 7 月，共約 16 年，季度換股（resample="Q"），每季選殖利率最高的 20 檔。2026 年為 YTD，非完整年度。
• 交易成本與稅：使用 finlab sim() 預設，已內含手續費 0.1425% 與賣出證交稅 0.3%，未另外假設滑價。
• 股利對齊與前視偏差：現金股利以「股東會日期」對齊（無股東會日期者用董事會決議股利分派日），用的是公告之後才可得的資訊，因此選股時點不會用到尚未揭露的股利資料，避免前視偏差。
• 流動性過濾：要求成交量大於 50000 張，避免回測買得到、實單買不到的情況。
• 集中度：只持有 20 檔且偏中小型高股息股，單一個股的漲跌對組合影響較大，最大回撤 −30.23% 深於 0056。
• 樣本內結果：本文是單一視窗（2010–2026）的全段回測，未做樣本外切割（in_sample_only）。三道濾網的參數是在同一段歷史上選定，請把逐年勝負當成對這段資料的觀察，而非對未來的保證。過去績效不代表未來表現，13/17 年跑贏也意味著有 4 年會輸。

高股息因子的學術根據

用股利殖利率篩選股票有其學術基礎。Fama & French (1988) 發現股利殖利率對股票長期報酬有預測能力，高殖利率往往對應較高的未來報酬。這也是為什麼「高股息」值得當成選股的起點。但單看殖利率不夠，本策略把它和趨勢、抗跌兩個維度合起來用，正是為了避開那些殖利率被動墊高、基本面卻在惡化的殖利率陷阱。

結論

在 2010 至 2026 這 16 年、本文設定下，純買含息 0056 的 CAGR 是 12.41%，而在高股息基礎上疊加滾動年化股息率、均線趨勢分數與最小回撤三道濾網、季度換股選 20 檔的量化策略，CAGR 達到 19.04%，17 年裡 13 年跑贏。差距來自把「便宜」「有趨勢」「抗跌」三件事同時要求，篩掉了殖利率陷阱。代價是波動更大、回撤更深（−30.23% 對 −26.89%），且 2018、2019、2025、2026（YTD）這幾年會輸給 0056。想用最新資料即時重算、或換成自己的參數，跑下方的程式即可。

延伸閱讀

• 量化交易完整指南 — 三種台股量化策略的真實回測總覽與線上回測器
• 0056 高股息 ETF 復刻：用量化策略打造進階版 — 從 0056 選股邏輯出發的復刻與改良
• 動能策略台股 18 年回測 — 純動能輸 0050、加品質因子才翻轉的完整實測
• 多因子選股打敗 0050 — 把多個因子合成的完整多因子版本
• 三項現金流策略：年化 25.5% — 用現金流分析篩選財務穩健的好公司

VIP 區域接著提供完整可下載程式與互動式回測報告：strategy.py 與 data.csv 可自行重現本文 CAGR 19.04%、夏普 1.34、最大回撤 −30.23% 的全部數字，並附可逐年檢視持股與交易明細的互動式回測儀表板，跑一次即得當季持股清單。

本文內容僅供教學與研究參考，不構成投資建議或推薦。投資有風險，過去績效不代表未來表現，本策略最大回撤達 −30.23%，且並非每年都贏 0056。讀者應自行評估風險承受度，並在做出投資決策前諮詢專業顧問。