S&P 500 納入與剔除回測：股票納入指數後會漲嗎？18 組參數全輸 QQQ

股票納入 S&P 500 後會漲嗎？2016 年 7 月到 2026 年 11 月，我們在股票出現在名單的隔天買進，持有 20、60 或 120 個交易日。18 組參數沒有一組贏含息的 QQQ。納入股持有 60 日、單檔上限 10% 的組合，年化 6.0%、夏普 0.47。剔除股的後半段更差。事件前後的路徑可以說明一部分：納入股在我們的名單日期之前 20 天，平均已經贏 QQQ 5.2 個百分點，120 天後大部分又吐回去。2022 年 11 月起快照每天都有，第 120 天的平均領先比名單日高，但中位數從 +6.69 掉到 -9.58 個百分點，規則夏普 0.48，QQQ 是 1.20。直接在公告當下交易可能是另一回事，本文沒有測。

大家會搜尋這個題目，是因為機制聽起來很有說服力：股票一納入，指數基金就必須買，股價應該會漲。這個測試能回答的是，變動出現在公開名單之後股票怎麼走，因為這是模型不用預知未來就能用的日期。

S&P 500 納入與剔除關鍵數字

區間是 2016-07-05 至 2026-11-06。剔除規則從 2016-11-08 開始，和同一段日期的 QQQ 比（QQQ 夏普 0.91）。兩條規則都不是滿倉：原設定下納入規則平均投入 45%，剔除規則 27%，因為同一時間的事件很少。

納入與剔除規則怎麼寫

• 納入。 上一次快照不在 S&P 500 名單、這次在，隔一個交易日買進，持有 20、60 或 120 個交易日。
• 剔除。 上一次快照在名單、這次不在，用同樣方式買進，持有天數相同。被剔除的股票常常已經跌很多，部分研究發現會反彈，所以規則是買進而非放空。
• 權重。 目前持股等權，單檔上限帳戶的 5%、10% 或 20%，其餘留現金。
• 排除。 代號變更、同公司重組，以及一週內就被改回的名單編輯，都不算真的納入或剔除，共刪掉 32 對。股票在名單日要有價格。205 次剔除裡，67 檔那時已經停止交易，10 檔在 FinLab 沒有價格資料，9 檔當天沒有價格，所以只有 119 次能交易；204 次納入有 201 次能交易。剔除規則的結果只涵蓋名單變動時還在交易的股票。

名單日期是維基百科 S&P 500 成分股頁面的快照顯示變動的那天，這是本研究最主要的限制。S&P 道瓊指數公司會提前公告變動，快照則在之後。特斯拉就是例子：S&P 在 2020 年 11 月 16 日公告納入，12 月 21 日生效，我們的資料顯示納入日是 12 月 28 日。依 FinLab 的資料說明，2022 年 11 月 8 日以前，快照間隔的中位數是 8 天，最長 36 天，所以日期常常晚於公告日，甚至晚於生效日。從那天起快照每天都有，但仍然是觀察日：變動可能晚一週以上才出現，維基百科提前編輯時也可能提早出現。2025 年 9 月就有三檔納入股提早兩週出現，隔天被改回，生效後才再次納入。下面兩段期間的結果都會列出。

S&P 500 納入前後的路徑

納入股在名單日期前 20 個交易日，贏 QQQ 5.23 個百分點。之後 60 天維持領先約 4.2 到 6.1 個百分點，120 天時回落到領先 1.88 個百分點。對 RSP 則是 120 天領先 7.13 個百分點，因為這十年 QQQ 本身就大幅領先等權指數；相對 QQQ 的領先在名單日後第 41 天達到 6.08 個百分點的高點，之後縮小。

剔除股在名單日期前 20 天比 QQQ 少 4.46 個百分點。相對 RSP 是少 3.72 個百分點，120 天時約持平（-0.04），對等權指數算有反彈，對 QQQ 沒有，最後落後 5.06 個百分點。

這裡只用前 20 天與後 120 天都有價格的事件，171 次納入和 110 次剔除，所以比可交易事件的 201 次與 119 次少。

數字是從名單日期前 20 天起算的百分點。每日快照這段，平均納入股相對 QQQ 在第 120 天的 +12.44 個百分點高於名單日的 +7.57，中間第 20 天曾回落到 +5.03。中位數從 +6.69 掉到 -9.58，領先 QQQ 的比例從 72% 降到 41%，平均值靠少數大贏家撐住。納入規則 2022-11-08 起夏普 0.48，QQQ 是 1.20；在那之前 0.48，QQQ 是 0.77。後段只有 54 次納入和 43 次剔除，當作觀察就好，不足以說明市場機制已經改變。

Harris 與 Gurel（1986）發現納入指數的股價效果很大但短暫，和指數基金買盤造成價格壓力、之後回落一致。Shleifer（1986）則認為同樣的買盤壓力顯示股票的需求曲線向下傾斜。Chen、Noronha 與 Singal（2004）發現納入與剔除不對稱：納入的漲幅持續，剔除的跌幅會反彈。Greenwood 與 Sammon（2022）量到納入效果從 1980 年代的 3.4%、1990 年代的 7.6%，降到過去十年的 0.8%，剔除效果在 2010 到 2020 年只有 -0.6%。我們的日期比他們的晚，數字不能直接比較。本文的樣本裡，領先 QQQ 的納入股比例從名單日的 60%，降到第 120 天的 40%。

成交日之後的報酬

這張圖從成交日（訊號隔天）開始算，回答的是規則實際面對的問題。

• 納入。 相對 QQQ 的平均報酬，20 日 -0.71、60 日 -1.09、120 日 -0.85、240 日 -9.98 個百分點。中位數落後更多：-1.15、-3.22、-7.03、-14.69 個百分點。120 天時只有 36.4% 的納入股領先 QQQ。
• 剔除。 平均 20 日 -1.24、60 日 -0.76、120 日 +0.45、240 日 -5.90 個百分點；中位數 -2.22、-3.96、-4.92、-14.38 個百分點。平均值同樣被少數大幅反彈拉高。

兩條規則的平均都高於中位數，平均報酬多半來自少數贏家，大多數股票都輸給 QQQ。

為什麼每組參數都沒過

18 組全部低於 QQQ 的 0.91 到 0.93。持有天數短的最差：持有 20 日，納入 0.21 到 0.23，剔除 0.10 到 0.11。從 20 日拉長到 60 日，兩條規則都變好；拉到 120 日，納入沒有差別（0.44 到 0.46，60 日是 0.47 到 0.51），剔除則升到 0.66，仍比 QQQ 的 0.91 少 0.25。

單檔上限的影響比看起來小。納入規則平均只持有 1.5 到 8.9 檔，上限提高主要改變的是投入比例。持有 60 日時，上限 5% 到 20%，夏普只從 0.47 變成 0.51，平均投入比例卻從 23% 升到 80%。成本影響也小，因為交易少：每邊 0.1% 下夏普從 0.47 變成 0.44。

驗證條件和其他公司行動規則相同，在看到結果前固定，全部沒過：

1. 9 組參數至少 7 組贏 QQQ。
2. 前後兩段都贏。納入 0.57 和 0.39，QQQ 是 1.27 和 0.60；剔除 0.79 和 0.20，QQQ 是 1.26 和 0.57。
3. 每邊 0.1% 也贏。納入 0.44，剔除 0.50。
4. 扣 BIL 後也贏。兩者都是 0.32，QQQ 是 0.83 和 0.80。
5. 拿掉最好的年份也贏。2022 年納入領先 QQQ 33.7 個百分點，剔除領先 32.9 個百分點；拿掉這一年，納入 0.50、剔除 0.56，QQQ 是 1.26 和 1.25。

事件也太少，分散不了風險。整段測試裡，一年能交易的只有約 20 次納入和 12 次剔除，如下圖。

和其他研究對照

指數效果討論的是資金流，站上其他 S&P 500 個股研究討論的是價格訊號。黃金交叉回測和 52 週新高選股回測都在 S&P 500 成分股上測試，同樣沒有贏 QQQ。其他公司行動見六種事件訊號的總覽，台股的版本見台股公司行動事件回測。

程式碼

這段是納入規則原設定，為了容易讀，保留了所有名單變動，所以會把 FISV 變 FI 這樣的代號變更當成納入。用到 2026-11-06 的資料，它印出的日夏普是 0.41、年化報酬 5.2%。research.py 排除代號變更與同公司重組，夏普是 0.47，這個清理對結果有明顯影響，自己測的時候也值得做。

import finlab
import numpy as np
import pandas as pd
from finlab import data
from finlab.backtest import sim
 
finlab.login()
data.set_market("us")
data.truncate_end = "2026-11-06"
 
close = data.get("us_price:adj_close")
days = close.index
 
# 每個快照日的成分股名單
members = data.get("us_index_constituents:sp500").fillna(False).astype(bool)
members = members.loc[:, members.columns.isin(close.columns)]
 
# 上一次快照不在名單、這一次在，就算納入
change = members.astype(int).diff().loc["2016-07-01":"2026-11-06"]
additions = change == 1
 
# 快照日對到下一個交易日，用那天收盤算訊號，再隔一天成交
rows = np.searchsorted(days.values, additions.index.values)
events = pd.DataFrame(False, index=days, columns=additions.columns)
for row, stocks in zip(rows, additions.values):
    if row < len(days):
        events.iloc[row] = events.iloc[row].values | stocks
 
# 每檔納入股持有 60 個交易日，單檔上限 10%
position = (events & pd.DataFrame(close[additions.columns].notna()).reindex(index=days).fillna(False))
position = position.astype(float).rolling(60, min_periods=1).max() > 0
position = position.loc["2016-07-01":"2026-11-06"]
position = position.loc[:, position.any()]
 
report = sim(position, resample=None, position_limit=0.10, upload=False)
returns = report.creturn.pct_change().dropna()
print("日夏普：", round(returns.mean() / returns.std() * 252 ** 0.5, 2))
print("年化報酬：", round(report.creturn.iloc[-1] ** (252 / len(report.creturn)) - 1, 3))

不想自己寫也可以。照 AI 輔助安裝流程裝好 FinLab skill，或直接到 FinLab Studio 用白話請 AI 重跑，例如「S&P 500 納入股從公告日起持有 5 天」或「只買 60 日跌超過 20% 的剔除股」。

回測方法

這個結果能說明什麼

這條規則測的是你拿公開名單能做什麼。在那個日期，買進納入股或剔除股並持有，18 組參數都沒有贏 QQQ，也沒有一組達到 RSP 的 0.72。本文沒有測公告當下買進。5.2 個百分點的事前漲幅，有一部分可能發生在實際公告之後、一部分在之前，這些日期分不開。上面 Greenwood 與 Sammon 圍繞公告日量到的數字，遠小於這段事前漲幅。

剔除股在名單變動時已經比 QQQ 少約 4.5 個百分點，之後 120 天也沒有把差距補回來。

其他研究可以看配息調升與拆股的回測、除息捕捉策略回測、QQQ、SPY、VOO、VTI 比較和美股量化交易策略比較。剛接觸規則化投資，可以先看量化交易入門。

常見問題

股票納入 S&P 500 後會漲嗎？

很多在納入前就漲了。這個樣本裡，納入股在名單日期前 20 天贏 QQQ 5.23 個百分點，名單日後 120 天領先 1.88 個百分點。名單變動隔天買進、持有 60 日，夏普 0.47，QQQ 是 0.93。2022 年 11 月之後，平均納入股到第 120 天比名單日高，但中位數落後 QQQ。

被 S&P 500 剔除的股票會怎麼樣？

名單日期前 20 天比 QQQ 少約 4.5 個百分點，之後也沒有追上，120 天時落後 5.06 個百分點。相對等權的 RSP，120 天時約持平。

S&P 500 的指數效果消失了嗎？

學術證據顯示比以前小很多。Greenwood 與 Sammon（2022）估計過去十年納入的平均報酬是 0.8%，1990 年代是 7.6%。本文的日期較晚也較不精確，又只涵蓋 2016 到 2026 年，無法驗證這個下降。

S&P 500 多久換一次股票？

測試裡約 10 年可交易的有 201 次納入和 119 次剔除，一年約 20 次納入、12 次剔除。原始名單的變動更多，但代號變更和名單日沒有價格的股票都排除了。

為什麼程式印出 0.41，文章寫 0.47？

文章的程式為了容易讀，保留所有名單變動，包含 FISV 變 FI 這類代號變更。research.py 刪掉 32 對這樣的變動，所以是 0.47。

這代表指數基金不重要嗎？

不代表。指數持股的規模是另一個問題。這個測試只量名單公開之後買進能賺多少，結果沒有比持有 QQQ 好。

可以自己重跑嗎？

可以。透過 AI 輔助安裝流程裝好 FinLab skill，下載下面的 research.py，執行 python research.py。

延伸閱讀

• 美股公司行動事件回測：六種事件訊號，同一套驗證。
• 除息捕捉策略回測：31,843 次除息日的價差與成本。
• 黃金交叉回測：S&P 500 個股 50/200 均線交叉。

下載資源

投資警語：本文僅供教學參考，不構成投資建議，也不推薦任何個股。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，前後兩段未經樣本外驗證。

最後更新：2026-11｜回測區間：2016-07～2026-11｜資料截至 2026-11-06，重跑日 2026-11-09｜基準：QQQ 含息｜作者：FinLab 量化研究團隊（經量化研究員審閱）