美股波動度目標策略回測：QQQ 依實現波動減碼，
回撤從 -35% 降到 -23%

**波動度目標（volatility targeting）是用波動決定部位大小的持有方式：每個月底量 QQQ 過去 21 個交易日的實現波動，QQQ 權重設成「15% ÷ 實現波動」，最多 100%，剩下的錢放短天期美國公債 ETF SHY。2017 年 8 月到 2026 年 10 月，這個規則年化 15.7%、日夏普 0.98、最大回撤 -22.8%；同一段日子買進持有含息 QQQ 是年化 19.8%、日夏普 0.89、最大回撤 -35.1%。**它賺得比 QQQ 少，但用三分之二左右的回撤換到更高的風險調整後報酬，並且通過鄰近參數、前後兩段、交易成本三項驗證。優勢幾乎全部來自 2022 年的空頭：拿掉 2022 年，日夏普 1.25 跟 QQQ 的 1.25 打平。

這個結果的重點在「時機」。把 QQQ 固定放 78%（策略的平均權重）、其餘 SHY，年化 16.0% 跟策略差不多，但最大回撤是 -29.0%、日夏普 0.92。同樣的平均曝險，波動度目標在 2020 年 3 月與 2022 年把部位降下來，回撤比固定配置少了 6 個百分點。

跑到最新的淨值與程式碼在策略庫的 QQQ 波動度目標（QQQ／SHY）。

波動度目標策略的關鍵數字

回測期間 2017-08-01 到 2026-10-29，三條曲線用同一段日子、股利再投入。日夏普是日報酬平均除以標準差再乘 √252，不扣無風險利率，跟本站其他驗證文章同一個口徑。

規則怎麼運作

1. 每個月最後一個交易日，取 QQQ 過去 21 個交易日的日報酬，算標準差再乘 √252，得到年化實現波動。
2. QQQ 權重 = 15% ÷ 實現波動，上限 100%。實現波動 15% 以下時全部持有 QQQ；波動 30% 時 QQQ 只放一半。
3. 剩下的比例買 SHY（1 到 3 年期美國公債 ETF）。
4. 隔天收盤成交，持有到下個月底再算一次。不用槓桿，也不放空。

111 次月底換股裡，有 37 次全部持有 QQQ，14 次 QQQ 不到一半。最低一次是 2020 年 3 月底的 16.9%，那時 QQQ 的 21 日波動超過 80%。2022 年 QQQ 跌了 32.6%，策略每個月的 QQQ 權重在 36% 到 64% 之間，全年 -19.4%。

這個想法來自 Moreira 與 Muir（2017）的〈Volatility-Managed Portfolios〉：波動有群聚性，今天波動大的市場，下個月通常也大；但波動大的時候，報酬沒有跟著變高。所以在高波動時減碼，可以少承擔一段「多出來的風險」，風險調整後的報酬就會改善。更早的 Fleming、Kirby 與 Ostdiek（2001）用波動預測調整股債配置，也得到類似結論。

逐年報酬：空頭年少跌，急漲年少賺

2020 年是這個方法的弱點。3 月底波動最高時 QQQ 只剩 17%，4 月底也只有 36%，結果 QQQ 從低點反彈的那幾個月沒跟上：全年 20.3%，固定配置是 38.4%。崩盤後的反彈常常發生在波動還很高的時候，波動度目標天生會錯過一部分。

下面是 finlab 產生的互動回測報告，可以看每月報酬、每次換股的 QQQ 與 SHY 比例，以及回撤期間。

三項驗證

本站把「贏」定義成日夏普高於同一段日子的 QQQ 含息，三項都要過才算策略成立。

一、鄰近參數：9 組有 7 組贏，剛好達到 7 組的門檻。 目標波動取 10%、15%、20%，估計波動的天數取 10、21、42 日。用 10 日或 21 日估計波動的 6 組全贏；用 42 日的 3 組有 1 組贏（目標 10% 的 0.901），另外兩組 0.887 與 0.855 輸給 QQQ 的 0.893。估計窗口拉長後，減碼的時間點比較晚。

二、前後兩段：都贏。 回測從 2022-03-14 切開。前段（2017-08 到 2022-03）日夏普 0.90，QQQ 0.87；後段（2022-03 到 2026-10）1.07，QQQ 0.91。前段的領先幅度小，同平均權重的固定配置是 0.89，波動度目標只多 0.01。

三、交易成本：過。 finlab 美股預設手續費與稅都是 0，所以另外每次買賣加收 0.1%：年化 15.3%、日夏普 0.96，仍高於 QQQ。QQQ 與 SHY 之間每年單邊換手約 178%（權重變動加總），一年成本約 0.4 個百分點。

扣掉國庫券報酬後還贏嗎？

本站的日夏普不扣無風險利率。這對大部分時間持有股票的策略影響很小，但會讓持有短債的組合看起來比較好：光是買進持有 SHY，日夏普就有 1.11，高過 QQQ。所以這裡另外用「報酬減掉國庫券 ETF BIL 的報酬」重算一次：

扣掉國庫券後，原始參數全期與前後兩段仍然贏 QQQ，固定配置全期與後段都輸。不過用這個口徑，9 組鄰近參數只有 6 組贏，低於 7 組的門檻，前段也只多 0.01。

再把 2022 年整年拿掉重算：波動度目標日夏普 1.25，QQQ 1.25，固定 78% 配置 1.29。也就是說，在 2022 年以外的日子，波動度目標跟 QQQ 打平，還略輸同平均持股的固定配置。所以結論要保守：波動度目標在這段期間改善了 QQQ 的風險調整後報酬，優勢幅度不大，幾乎全部來自 2022 這種長時間高波動的空頭。

為什麼有效，什麼時候會失效

波動度目標的報酬來源，是「高波動之後的一個月，QQQ 的報酬沒有比較高」。只要這個關係成立，減碼就是用很少的報酬換掉一大段風險。2018 年 12 月、2020 年 3 月、2022 年、2025 年 4 月這幾次大跌，主跌段之前已經有一段下跌讓波動升高，策略在主跌段那個月的 QQQ 權重分別是 54%、53%、64%、55%。

它會吃虧的情境也很清楚：

• V 型反彈：2020 年 5 到 8 月，波動還高、股價已經回升，策略的 QQQ 權重在 36% 到 74% 之間。
• 長多頭的成本：QQQ 年報酬高的年份（2019、2023），策略少賺 12 到 14 個百分點。
• 跨因子不一定成立：Cederburg 等人（2020）把同樣的方法套在 103 個股票策略上，樣本外大多沒有比原始策略好。Harvey 等人（2018）發現波動度目標對股票與信用這類「波動高時常下跌」的資產最有幫助，對債券、商品幫助不大。本文只測 QQQ 一種資產。

跟站上其他美股策略比，這是唯一完全不用槓桿 ETF 的驗證策略。美股低波動策略用 QQQ 的 200 日線與半年報酬判斷進攻或防守，進攻時持有 2 倍槓桿 ETF，報酬與回撤都放大；槓桿 ETF 擇時回測則說明了槓桿 ETF 的融資成本與波動耗損。想要低一點的回撤、又不想碰槓桿，波動度目標是比較單純的選擇。

同一批研究還測了市場中性多空、大型股各自站上均線、跨資產時序動能三種持有方式，都沒過三項驗證，細節在美股市場中性多空與趨勢跟隨回測。

程式碼

核心只有三步：算 21 日實現波動、換成 QQQ 權重、每月底換股。

import finlab
import pandas as pd
from finlab import data
from finlab.backtest import sim
 
finlab.login()  # finlab 會自動引導登入
data.set_market("us_fund")
 
# 1. QQQ 與 SHY 的還原價；美股休市日的空白列先拿掉
close = data.get("us_fund_price:adj_close")[["QQQ", "SHY"]].dropna()
 
# 2. 過去 21 個交易日的年化實現波動
daily_return = close["QQQ"].pct_change(fill_method=None)
volatility = daily_return.rolling(21).std() * 252 ** 0.5
 
# 3. QQQ 權重 = 15% / 波動，最多 100%，其餘放 SHY
qqq_weight = (0.15 / volatility).clip(upper=1)
position = pd.DataFrame({"QQQ": qqq_weight, "SHY": 1 - qqq_weight}).loc["2017-07-31":]
 
# 4. 每個月最後一個交易日換股，隔天收盤成交
report = sim(position, resample="M", trade_at_price="close", upload=False)
print(report.get_stats()["cagr"])

用到 2026-10-29 的資料，這段會印出 0.1566。完整的 strategy.py 多了 --validate：跑 9 組鄰近參數、前後兩段、每邊 0.1% 成本，以及固定配置對照，會印出本文的驗證數字。

不想自己寫程式，可以透過 AI 輔助安裝流程把 FinLab skill 裝進 Claude Code、Codex 或 Gemini CLI，直接說「QQQ 波動度目標改成 12%，估計波動用 15 日」或「把 SHY 換成 BIL 重跑」，AI 會改好程式並跑出回測。

回測方法與限制

常見問題

波動度目標策略是什麼？

依資產最近的波動調整持有比例，讓組合的波動盡量接近一個固定水準。本文的版本是 QQQ 權重等於 15% 除以 21 日實現波動，最多 100%，其餘放短天期公債。

波動度目標會比買進持有 QQQ 賺得多嗎？

在 2017 到 2026 年沒有：年化 15.7% 對 19.8%。它贏的是風險調整後報酬（日夏普 0.98 對 0.89）與回撤（-22.8% 對 -35.1%），而且這個優勢主要來自 2022 年。

目標波動要設多少？

本文測了 10%、15%、20%，用 10 日或 21 日估計波動時三種都贏 QQQ。目標越低，平均持有 QQQ 越少、年化報酬越低；20% 的平均 QQQ 權重較高，日夏普 0.96。

估計波動要用幾天？

10 日與 21 日差不多，42 日明顯變差（9 組裡輸的兩組都是 42 日）。估計窗口越長，減碼越晚。

剩下的錢為什麼放 SHY 不放現金？

SHY 是 1 到 3 年期美國公債，波動很低，又有利息。本文沒有測現金或 BIL 的版本；可以在 strategy.py 把 SAFE 改成 BIL 自己比較。

可以加槓桿，讓平均曝險回到 100% 嗎？

本文沒有測。原始論文把組合的長期波動調到和原資產相同，需要時用槓桿；這個版本的報酬本文沒有算，融資成本與槓桿 ETF 的耗損也要另外扣。

這個策略每天要看盤嗎？

不用。每個月底收盤後算一次權重，隔天調整 QQQ 與 SHY 的比例即可。

延伸閱讀

• 美股量化策略總覽：FinLab 美股策略的績效比較與入門方式。
• 美股懶人配置回測：60/40、全天候、Faber 趨勢配置等固定與戰術配置的比較。
• 夏普比率計算工具：日夏普、月夏普的算法與差異。
• 回測工具與報表解讀：最大回撤、年化報酬怎麼看。
• 周轉率：換手率怎麼算、為什麼會吃掉報酬。

下載資源

完整的 5 種持有方式研究程式（含本策略、固定配置與扣國庫券的對照）在市場中性多空與趨勢跟隨回測的下載區。

**投資警語：本文僅供教學參考，不構成投資建議。過去績效不代表未來表現，投資有風險。**本文回測為全段樣本內結果，前後兩段只是穩定度檢查，未經樣本外驗證。

最後更新：2026-10｜回測區間：2017-08～2026-10｜基準：QQQ 含息｜作者：FinLab 量化研究團隊（經量化研究員審閱）