
執行這個策略
複製提示詞,讓 AI 依照上方證據的資料、條件與風險檢查重跑一次。
告訴你的AI:
設定 FinLab,用含息價格比較 QQQ、SPY、VOO、VTI 持有 1、3、5 年誰贏的比例,請讀:https://finlab.finance/setup?relatedUrl=/blog/qqq-vs-spy-voo-vti-backtest
**從 2016 年 1 月持有到 2026 年 10 月,QQQ 含息年化 19.4%,SPY 14.9%,VOO 14.9%,VTI 14.4%。任選一天買進持有 5 年,QQQ 在 99% 的起點都是四支裡最高。但領先集中在 2020 和 2023 兩年:拿掉這兩年,QQQ 年化 13.1%,略輸 SPY 的 13.3%,因為 2022 年的落後還留在裡面。**這段資料沒有經歷 2000 年的網路泡沫,所以它回答的是「這十年發生了什麼」,不能直接當成未來的排名。
切換規則這部分以反面教材為主:在 QQQ、SPY、BIL 之間切換的 5 個規則共 45 組參數,只有 12 組的日夏普贏過持有 QQQ,沒有一個規則通過驗證。原始參數贏的部分幾乎都來自 2022 年,拿掉那一年,5 個規則全部輸給 QQQ。
關鍵數字
| 2016-01-04 至 2026-10-30,含息,資料截至 2026-10-30、2026-11-01 重跑 | QQQ | SPY | VOO | VTI |
|---|---|---|---|---|
| 累積倍數 | 6.81 | 4.47 | 4.50 | 4.30 |
| 年化報酬 | 19.4% | 14.9% | 14.9% | 14.4% |
| 年化波動 | 22.2% | 17.7% | 17.7% | 18.0% |
| 日夏普(不扣無風險利率) | 0.91 | 0.87 | 0.87 | 0.84 |
| 扣 BIL 後的日夏普 | 0.81 | 0.75 | 0.75 | 0.72 |
| 最大回撤 | -35.1% | -33.7% | -34.0% | -35.0% |
| 2022 年回撤 | -35.1% | -24.5% | -24.5% | -25.4% |
| 最差年度 | -32.6% | -18.2% | -18.2% | -19.5% |
| 費用率 | 0.18% | 約 0.09% | 0.03% | 0.03% |
| 近一年配息率 | 0.45% | 1.00% | 1.07% | 1.06% |
SPY 與 VOO 追同一個指數,日報酬相關 0.9988,線疊在一起,圖上幾乎分不開;VTI 也有 0.996。真正不同的選擇只有一個:要不要把比重押向 Nasdaq-100。QQQ 對 SPY 的日報酬相關是 0.931,對 SPY 的 Beta 是 1.17。
QQQ、SPY 的費用率差 0.09 個百分點,VOO 比 SPY 便宜 0.06 個百分點。Elton、Gruber 與 Busse(2004)研究 S&P 500 指數基金發現,追同一指數的基金之間,績效差異主要由費用決定,但投資人並不總是選最便宜的。下面的持有勝率呈現了這件事。
持有 1、3、5 年,誰贏的比例
把 2016 年 1 月 4 日起的每一個交易日都當成買進日,分別持有 252、756、1,260 個交易日(約 1、3、5 年),看四支 ETF 的含息報酬誰最高。QQQ 在 1 年窗口有 74.1% 是最高,3 年 89.9%,5 年 99.0%;其餘大多是 VOO(13.4%、10.1%、1.0%)。

| 持有期間 | 起點數 | QQQ 贏 SPY | QQQ 贏 VOO | QQQ 贏 VTI | VOO 贏 SPY | VOO 贏 VTI |
|---|---|---|---|---|---|---|
| 1 年 | 2,471 | 76.9% | 76.5% | 78.8% | 81.5% | 68.2% |
| 3 年 | 1,967 | 90.7% | 89.9% | 98.7% | 96.0% | 85.7% |
| 5 年 | 1,463 | 99.0% | 99.0% | 100.0% | 99.6% | 85.9% |
| 持有期間 | QQQ 中位數 | SPY 中位數 | VOO 中位數 | VTI 中位數 | QQQ 最差 | SPY 最差 | QQQ 減 SPY 最差 |
|---|---|---|---|---|---|---|---|
| 1 年 | 25.4% | 17.0% | 17.1% | 17.0% | -34.8% | -19.7% | -15.9 個百分點 |
| 3 年 | 75.5% | 47.6% | 47.8% | 46.9% | 17.3% | 1.2% | -5.1 個百分點 |
| 5 年 | 131.4% | 98.3% | 98.7% | 91.5% | 69.4% | 50.6% | -1.9 個百分點 |
這些報酬都是累積數字,不是年化。起點是逐日滾動,窗口彼此重疊,5 年窗口的最後一個起點是 2021-10-22,所以 1,463 個起點加起來也只涵蓋 10 年多的市場,不能當成 1,463 次獨立的實驗。
VOO 贏 SPY 的比例隨持有期間拉長,從 81.5% 升到 99.6%。全期 VOO 年化比 SPY 高 0.07 個百分點,接近兩者 0.06 個百分點的費用率差,5 年窗口的差距中位數約 0.5 個百分點。SPY 是信託結構,這部分的影響本文沒有拆開。VTI 比 VOO 多持有中小型股,這段期間中小型股落後大型股,所以 VOO 贏了 85.9% 的 5 年窗口;這是風格差異,換一段中小型股領先的時期結果可能相反。
QQQ 的領先集中在兩年
11 個年度裡(2026 年算到 10 月)QQQ 有 8 年贏 SPY,看起來很穩定,但領先幅度非常不平均。

| 年度 | QQQ | SPY | 差距(個百分點) |
|---|---|---|---|
| 2016(1 月 4 日收盤起) | 9.4% | 13.6% | -4.2 |
| 2017 | 32.7% | 21.7% | +11.0 |
| 2018 | -0.1% | -4.6% | +4.4 |
| 2019 | 39.0% | 31.2% | +7.7 |
| 2020 | 48.6% | 18.4% | +30.2 |
| 2021 | 27.4% | 28.7% | -1.3 |
| 2022 | -32.6% | -18.2% | -14.4 |
| 2023 | 54.9% | 26.2% | +28.7 |
| 2024 | 25.6% | 24.9% | +0.7 |
| 2025 | 20.8% | 17.7% | +3.1 |
| 2026 至 10 月 | 12.8% | 11.7% | +1.1 |
拿掉 2020、2023 兩年,剩下 9 年 QQQ 年化 13.1%,SPY 13.3%。這個打平有一部分來自 2022 年:那一年 QQQ 落後 14.4 個百分點,而剩下的 9 年裡 QQQ 仍贏了 6 年。把 2022 也拿掉,QQQ 年化 20.9%,SPY 18.1%。所以比較準確的說法是:QQQ 多數年份小贏,2020、2023 大贏,2022 大輸,最後的差距主要由這三年決定。2024 年以來差距不大:2024、2025 與 2026 前 10 個月合計只領先約 5 個百分點。
風險也不對等。QQQ 2022 年最深跌 35.1%,SPY 跌 24.5%。兩者都在 2023-12-13 才回到前高,也就是都等了近兩年。如果你在 2021 年底買進,QQQ 比 SPY 多跌了三分之一以上,最後回到原點的時間卻一樣。

SPY 的最大回撤 -33.7% 出現在 2020 年 2 到 3 月,當時 QQQ 比較輕。兩支的全期最大回撤接近,但時間點不同,所以「QQQ 永遠跌比較多」並不成立;2022 年它跌得明顯較深。
資料從 2016 年開始是這份研究最大的限制。這段期間沒有網路泡沫:Nasdaq 綜合指數從 2000 年 3 月 5,048.62 點的高點到 2002 年 10 月,跌掉超過 75%。任何用 2016 年起的資料算出的勝率,都不包含這種情境。
集中度與產業差異
FinLab 的資料沒有 ETF 實際持股,以下用每天的指數成分股(us_index_constituents)乘市值(etl:us_market_value)估算,同一公司多股別只算一次。估算沒有做流通股調整,也沒有反映 Nasdaq-100 的權重調整,所以要看方向,不要看精確數字。2016 年底的 505 個成分代號只有 456 家有市值資料,缺的多是後來被併購的公司,早年的比重因此略為偏高。

- S&P 500 也變集中了。 前 10 大公司的市值比重從 2016 年底的 21% 升到 2026 年 10 月的 39%。買 VOO 不再是「買分散的 500 家」那麼單純。
- QQQ 的權重有調整。 依 QQQ 2026 年 3 月 31 日的半年報,前十大持股列合計 46.8%(Alphabet 兩個股別各算一列)。同一天若純用市值計算、Alphabet 算一家,Nasdaq-100 前 10 大會是 69.8%,差距主要來自指數的權重調整。同日 S&P 500 依市值估算約 38.2%。
- 重疊很高。 2026 年 10 月底 Nasdaq-100 的 100 家公司有 85 家也在 S&P 500,這 85 家佔 S&P 500 市值約 53%。買 QQQ 加 VOO,你持有的最大幾家公司是重複的。
- VOO 與 VTI 幾乎相同。 S&P 500 約佔全美股普通股市值的 84%,所以 VTI 多出來的幾千家公司只佔很小的比重。

產業差異是 QQQ 與 SPY 最根本的不同。以市值估算,Nasdaq-100 科技股 58.9%、通訊服務 13.9%,金融幾乎是零(0.1%),能源 0.3%;S&P 500 科技 37.1%、金融 12.1%、醫療 10.1%。基金實際的權重與分類都不同:2026 年 3 月底的半年報裡,半導體、軟體、硬體、通訊設備與 IT 服務合計約佔淨資產 50%。Nasdaq-100 依規則排除金融業,所以 QQQ 持有的是「不含銀行與保險的大型股」。Bessembinder(2018)發現美股長期的財富創造集中在極少數公司。集中持股要領先,前提是持有的正好是這些公司。
配息與 30% 預扣稅
QQQ 配息率 0.45%,約是其他三支的一半弱。台灣投資人的美股股利要被預扣 30%,配息低的 ETF 因此少扣一點。用含息報酬扣掉每次配息的 30% 重算:
| 年化報酬 | QQQ | SPY | VOO | VTI |
|---|---|---|---|---|
| 只看股價 | 18.6% | 13.0% | 13.0% | 12.6% |
| 含息 | 19.4% | 14.9% | 14.9% | 14.4% |
| 含息扣 30% 預扣稅 | 19.1% | 14.3% | 14.4% | 13.9% |
預扣稅讓 QQQ 少 0.26 個百分點,SPY 少 0.55 個百分點。QQQ 領先 SPY 的差距從 4.55 擴大到 4.85 個百分點。這只反映股利預扣,沒有計入其他稅負,實際課稅請以主管機關與券商資訊為準。
5 個切換規則:開跑前寫定的設計
既然 QQQ 贏在多頭、輸在 2022 年這種下跌,自然會想:能不能平常持有 QQQ,弱的時候換到 SPY 或現金?我們在看任何結果之前,把下面 5 個規則與各自 9 組參數寫定:
| 規則 | 內容 | 參數(粗體為原值) |
|---|---|---|
| 相對強弱 | 持有過去 L 個月含息報酬較高的 QQQ 或 SPY | L 9/12/15 月 × 檢查 週/月/季 |
| 均線轉 SPY | QQQ 高於 L 日均線持 QQQ,否則 SPY | L 150/200/250 日 × 週/月/季 |
| 均線轉 BIL | QQQ 高於 L 日均線持 QQQ,否則短期國庫券 ETF BIL | 同上 |
| 雙動能(組合版) | 相對強弱挑出的那支,報酬還要高於同期 BIL 才持有,否則 BIL | L 9/12/15 月 × 週/月/季 |
| 三段均線(組合版) | QQQ 站上均線持 QQQ;否則 SPY 站上自己的均線持 SPY;否則 BIL | L 150/200/250 日 × 週/月/季 |
規則的學術來源是動能與趨勢研究:Brock、Lakonishok 與 LeBaron(1992)測試均線規則,Faber(2007)用 10 個月均線做資產配置擇時,Moskowitz、Ooi 與 Pedersen(2012)研究過去 12 個月報酬的延續,Antonacci(2012)把相對動能與絕對動能合併成雙動能。
回測期間是 2017-04-28 到 2026-10-30,因為最長要回看 15 個月。訊號用收盤價算、下一個收盤成交,sim 用 us_fund 含息價格。通過要全部成立:
- 鄰近參數: 9 組至少 7 組的日夏普高於同期 QQQ 含息。
- 前後兩段: 原值在前後半段都贏 QQQ。
- 成本: 原值在 finlab 美股預設成本(0)與每邊 0.1% 都贏 QQQ。
- 固定配置: 原值要贏「同樣資產、平均權重、每月再平衡」。
- 拿掉最好的一年: 拿掉領先 QQQ 最多的年度,原值仍要贏。
- 持有現金的設計: 均線轉 BIL、雙動能、三段均線另要贏扣 BIL 的夏普。不扣無風險利率時,短債本身的夏普就很高。
- 組合版: 夏普要高於組成它的兩個單獨規則。
切換規則的結果:沒有一個通過
| 規則(原值) | 日夏普 | 年化 | 最大回撤 | 贏 QQQ 組數 | 前/後半段 | 每邊 0.1% | 拿掉 2022 | 結果 |
|---|---|---|---|---|---|---|---|---|
| 相對強弱 12 月 | 0.95 | 19.9% | -28.6% | 4/9 | 1.02/0.88 | 0.94 | 1.17 | 未通過 |
| 均線轉 SPY 200 日 | 0.93 | 19.5% | -28.6% | 4/9 | 1.00/0.86 | 0.92 | 1.18 | 未通過 |
| 均線轉 BIL 200 日 | 0.93 | 16.9% | -28.6% | 3/9 | 0.88/1.01 | 0.92 | 1.03 | 未通過 |
| 雙動能 12 月 | 0.89 | 17.4% | -28.6% | 1/9 | 0.92/0.88 | 0.88 | 1.04 | 未通過 |
| 三段均線 200 日 | 0.74 | 13.1% | -28.6% | 0/9 | 0.77/0.71 | 0.72 | 0.96 | 未通過 |
| QQQ 持有 | 0.88 | 19.4% | -35.1% | 基準 | 0.98/0.78 | 0.89 | 1.23 | |
| SPY 持有 | 0.84 | 14.7% | -33.7% |
前半段是 2017-05 到 2022-01,後半段是 2022-01 到 2026-10。每個規則的 QQQ 對照都取相同日期:季檢查的設計第一筆成交較晚,對照的 QQQ 是 0.895;每邊 0.1% 的重跑早一個交易日起算,對照的 QQQ 是 0.89,這格 QQQ 沒有扣成本。

相對強弱看起來最好,但只是一個點。 12 個月、每月檢查的日夏普 0.95,年化 19.9%,也通過前後兩段、成本與固定配置。換成每週檢查就掉到 0.88,9 個月每月檢查掉到 0.84,15 個月每月檢查 0.89。9 組只有 4 組贏,沒有形成一片高原。Harvey、Liu 與 Zhu(2016)提醒,測得越多,碰巧看起來顯著的機率越高;45 組裡有 12 組贏 QQQ,不足以說明規則有效。
均線轉 SPY 只在 150 到 200 日、週或月檢查時有效。 這 4 組贏,250 日與季檢查全部輸。季檢查最差,因為季底才看一次,很容易錯過轉折,日夏普只有 0.82 到 0.84。
均線轉 BIL 的報酬明顯較低。 年化 16.9%,比 QQQ 少 2.4 個百分點。原值的前半段 0.88 輸給 QQQ 的 0.98,因為 2018 年底到 2020 年的反彈有一段留在 BIL。
組合版沒有比較好。 雙動能只有 1 組贏,加上 0.1% 成本後就輸 QQQ,扣 BIL 的夏普 0.77 也沒有贏 QQQ 的 0.78。三段均線 0 組贏。多加一層過濾讓換手變多,九年半從 10 次變成 13 次與 17 次。
每月檢查擋不住一個月內的急跌。 5 個規則的最大回撤都是 -28.6%,全部發生在 2020 年 2 到 3 月:跌得太快,月底才檢查,當時都還持有 QQQ。

優勢全部來自 2022 年
5 個規則領先 QQQ 最多的年度都是 2022 年。那一年 QQQ 跌 32.6%,均線轉 BIL 只跌 6.8%,雙動能跌 12.0%,相對強弱跌 17.9%。把 2022 年拿掉重算日夏普,QQQ 是 1.23,5 個規則從 0.96 到 1.18,全部落後。

這不代表切換規則沒有用處,它們確實在 2022 年降低了虧損。但這是一次事件帶來的結果,代價是其他年份落後,例如相對強弱 2023 年只賺 39.4%,QQQ 賺 54.9%,因為反彈初期還留在 SPY。九年半裡只換了 10 次,等於多數決定只被測試了幾次。固定持有 78% QQQ 加 22% SPY 的日夏普是 0.88,年化 18.4%,比原值低,但不需要任何判斷。
本站其他研究也有類似結論:槓桿 ETF 擇時研究測過 QQQ、SPY 黃金交叉,QQQ 波動度目標策略的優勢同樣集中在 2022 年;懶人投資組合回測則比較股債固定配置。
程式碼
相對強弱原值的核心寫法,用 us_fund_price:adj_close 的含息價格,每月檢查一次。
顯示程式碼
import finlab
import pandas as pd
from finlab import data
from finlab.backtest import sim
finlab.login() # finlab 會引導你登入
data.set_market("us")
data.truncate_end = "2026-10-30"
# 1. 含息價格,只留有交易的日子
prices = data.get("us_fund_price:adj_close")[["QQQ", "SPY"]].dropna()
# 2. 過去 12 個月(252 個交易日)報酬
momentum = prices / prices.shift(252) - 1
# 3. 持有報酬較高的那一支
qqq_leads = momentum["QQQ"] > momentum["SPY"]
position = pd.DataFrame({"QQQ": qqq_leads, "SPY": ~qqq_leads}).astype(float)
# 4. 每月底檢查,下一個收盤成交
report = sim(
position.loc["2017-04-28":],
resample="M",
trade_at_price="close",
market="us_fund",
upload=False,
)
# 5. 日夏普,不扣無風險利率
returns = report.creturn.pct_change().dropna()
print(round(returns.mean() / returns.std() * 252 ** 0.5, 2))資料截至 2026-10-30 時會印出 0.95,跟表格的原值相同。完整的 research.py 包含持有比較、45 組參數與所有對照。
回測方法與限制
| 項目 | 做法 |
|---|---|
| 期間 | 持有比較 2016-01-04 至 2026-10-30;切換規則 2017-04-28 至 2026-10-30。FinLab 的 ETF 價格從 2016 年開始,不含 2000 年網路泡沫與 2008 年金融海嘯 |
| 資料 | us_fund_price:adj_close 含息價格,去掉休市列。資料截至 2026-10-30,2026-11-01 重跑 |
| 費用率 | 取自 2026-11 查到的發行商文件:QQQ、SPY(0.0945%)、VOO、VTI |
| 成本 | finlab 美股預設手續費與稅都是 0,原值另跑每邊 0.1%。持有比較不計交易成本,已內含 ETF 費用率 |
| 滑價、容量 | 未估算,以每邊 0.1% 代替。四支 ETF 與 BIL 都是大型基金,一般個人資金量不受成交量限制 |
| 前視 | 訊號收盤算、下一收盤成交。集中度與產業是當日成分股與市值,產業分類用目前的公司資料 |
| 權重 | 每個規則同一時間 100% 持有一支,不用槓桿 |
| 週轉率 | 每月檢查時約每年換 1 到 2 次,5 個規則九年半共換 10 到 17 次 |
| 樣本內外 | 全段樣本內,沒有樣本外。前後兩段只檢查穩定度 |
| 稅 | 只有配息段落計入 30% 預扣;其他回測都未計稅 |
這份結果能說什麼
- 在 2016 到 2026 年,QQQ 的含息報酬高於 SPY、VOO、VTI,這段領先集中在 2020 與 2023 年。把它外推到未來,等於押大型科技股的超額報酬會繼續。
- VOO 與 SPY 追同一指數,這段期間 VOO 年化高 0.07 個百分點,接近費用率差。
- VTI 與 VOO 高度重疊,差別是中小型股的比重,這段期間 VOO 略勝。
- 5 個切換規則都沒有通過,主要原因是參數不穩定與優勢只來自 2022 年,所以我們沒有把它們做成每日更新的策略。
- 本文不涵蓋 2016 年以前的市場、個人稅務、選擇權或融資。
想看同指數的細部比較,QQQM vs QQQ拆解了費用率、追蹤差與流動性;要自己改參數,可以從回測入門開始,整體方法見程式交易總覽與美股量化策略總覽。
常見問題 FAQ
VOO 和 QQQ 哪個好?
資料顯示 2016 到 2026 年 QQQ 報酬較高,年化 19.4% 對 14.9%,但 2022 年多跌約 14 個百分點,波動也高 4.5 個百分點。VOO 持有 500 家公司、含金融與能源,QQQ 排除金融且科技比重高。兩者差在要不要多承擔科技股集中的風險。
QQQ 和 SPY 同時買有意義嗎?
兩者日報酬相關 0.931,Nasdaq-100 有 85 家公司也在 S&P 500。同時持有會提高最大幾家公司的比重,分散效果有限。固定 78% QQQ、22% SPY 的日夏普是 0.88,跟單獨持有 QQQ 差不多。
VOO 和 SPY 差在哪?
追同一指數,費用率 0.03% 對約 0.09%。持有 5 年的窗口裡 VOO 贏 99.6%,中位數多約 0.5 個百分點。SPY 的成交量與選擇權市場比較大,短線交易者可能更在意這點,本文沒有測試。
VTI 和 VOO 要選哪一個?
相關 0.9956。VTI 多持有中小型股,但 S&P 500 已佔全美股市值約 84%。2016 到 2026 年 VOO 年化 14.9%、VTI 14.4%,差距來自這段期間大型股領先。
QQQ 跌破 200 日均線要換成現金嗎?
這份回測裡,每月檢查的原值日夏普 0.93 比 QQQ 高,但年化少 2.4 個百分點,9 組參數只有 3 組贏,而且優勢來自 2022 年。拿掉 2022 年,日夏普 1.03 低於 QQQ 的 1.23。它確實降低了那次回撤,但不是穩定的超額報酬。
為什麼不用更長的歷史?
FinLab 的 ETF 價格從 2016 年開始。QQQ 於 1999 年上市,2000 到 2002 年的網路泡沫對這個比較很重要,本文沒有這段資料,所以勝率都不應該解讀為長期定律。
可以自己重跑嗎?
可以。透過 AI 輔助安裝流程裝好 FinLab,下載 research.py 直接執行;或到 FinLab Studio 用對話修改條件。
延伸閱讀
- 美股 ETF 輪動策略:用單一訊號切換風險資產與防守資產的設計。
- 掩護性買權與七巨頭回測:另外 9 種持有方式對 QQQ。
- 美股類股輪動回測:輪動類股 ETF 的 20 個設計。
- 美股因子投資總覽:價值、品質、動能在美股的研究。
- 前視偏差:回測時最常見的資料陷阱。
下載資源
| 檔案 | 內容 |
|---|---|
| research.py | 完整研究:持有比較、滾動窗口、集中度與產業、5 個規則 45 組參數與所有對照 |
| data.csv | 四支 ETF 與 5 個規則原始參數的每日含息淨值,以及 QQQ 減 SPY 的 3 年滾動差距 |
| metrics.json | 本文引用的全部統計 |
**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。**本文所有回測均為全段樣本內結果;前後兩段只是穩定度檢查,未經樣本外驗證。文中提到的 ETF 只用來說明研究結果,不是買賣建議。
最後更新:2026-11|回測區間:2016-01~2026-10|基準:QQQ 含息|作者:FinLab 量化研究團隊(經量化研究員審閱)
FinLab AI
想建立自己的策略?
用自然語言描述你的選股想法,AI 自動驗證、回測、給你答案
免費開始


