跌破季線、半年線就空手？31 支台股策略加大盤濾網，
3 支過關

大盤跌破均線就空手，能讓選股策略更好嗎？我們把這個做法疊在站上 31 支驗證過的台股選股策略上：加權報酬指數跌破半年線（120 日均線）再低 2% 就全部賣出，回到均線之上再買回。31 支裡 27 支最大回撤變淺，年化報酬 31 支全部變少，日夏普 17 支上升、14 支下降。條件在看結果前寫定，三項驗證都過、又贏過原策略的只有 3 支：極小型股 30 檔、核心衛星 60/40、營業利益率三因子。只看「跌破季線」（60 日均線）而且不留緩衝的版本最差，31 支只有 2 支贏原策略。

會不會變好，看的是原策略在大盤跌破均線那段時間還賺不賺。2007 年 10 月到 2026 年 11 月，加權報酬指數有 24.8% 的交易日處在濾網空手的狀態，那些日子平均年化仍有 +1.2%。原策略在這些日子日夏普低於 0.5 的 9 支，加濾網後全部變好；高於 0.9 的 8 支全部變差，其中營收創新高、營收動能這類策略在大盤弱的時候照樣賺錢，濾網讓它們錯過這段報酬。

大盤濾網實測關鍵數字

季線、半年線、年線是什麼

均線是過去 N 個交易日收盤價的平均。台股習慣把 60 日均線叫季線（一季大約 60 個交易日），120 日叫半年線，240 日叫年線。「大盤跌破季線」指加權指數收盤低於自己的 60 日均線，常被當成短中期轉弱的訊號；它跟個股停損不同，停損看的是手上每一檔股票的價格，大盤濾網只看指數，觸發時整個組合一起出場。

本文用的大盤是「發行量加權股價報酬指數」，它把配息加回指數，長期比一般看到的加權指數高。規則有兩條線：收盤低於 N 日均線再往下 b%（緩衝）才出場，收盤回到 N 日均線以上才進場，介於兩條線之間維持前一天的狀態。緩衝是為了避免指數在均線附近來回時一直進出。原參數是 120 日、緩衝 2%，鄰近參數是 60、120、240 日乘上 0、2%、4%，共 9 組。

原參數在這 19 年出場 31 次，平均一年 1.6 次。2008 年、2022 年這種長空頭，濾網大多躲掉；2020 年 3 月的急跌，等指數跌破均線時已經跌了一大段，隨後的 V 型反彈又要等指數站回均線才買回。這套做法參考 Faber（2007） 的 10 個月均線擇時：他用在美股與其他資產類別的指數上，回撤明顯變小，報酬接近買進持有。

測試設計：31 支驗證過的策略、兩種濾網

原策略： 站上 策略庫 裡所有台股選股策略，排除本身就是擇時的國安基金正 2，共 31 支。每支都用策略頁提供下載的 strategy.py 原封不動執行，期間起點跟策略頁相同，資料截到 2026-11-06。在策略頁統計的同一段期間內，重跑的年化與策略頁差不到 0.2 個百分點、日夏普差不到 0.01。下文的「原策略」就是這 31 支，圖表裡標為「底策略」。

怎麼疊： 原策略每次換股的權重延用到下次換股。濾網切換的那天，用原策略當天實際持有的股票與權重乘上曝險重新下單，其餘放現金；原策略本來的換股日、停損、單檔上限與成本都不變。曝險固定為 1 時，這套做法每天的淨值都跟原策略完全相同，我們拿這點檢查疊法沒有寫錯。

濾網 A，大盤均線： 上一節的規則。訊號用當天收盤算，sim() 在下一個交易日收盤成交。

濾網 B，波動度控管： 參考 Moreira 與 Muir（2017） 的波動度管理，以及 Barroso 與 Santa-Clara（2015） 用在動能策略的版本。每月最後一個交易日算原策略過去 L 天的實現波動 σ，下個月的曝險設成 min(1, 目標 ÷ σ)；目標是到那天為止 σ 的中位數乘上 m，只用到過去的資料。原參數 L 63 日、m 1.0，鄰近參數 L 21、63、126 日乘上 m 0.8、1.0、1.2。

過關條件（開跑前寫在案件裡，之後沒改）：

1. 三項驗證：9 組參數至少 7 組的日夏普贏同期 0050 含息；原參數把期間對半切，前後兩段都贏；用 sim() 預設的手續費與證交稅。
2. 比原策略好：9 組至少 7 組的日夏普高於同期、同成本的原策略，原參數前後兩段也都高於原策略。夏普比率不受固定比例縮放影響，所以贏原策略也代表贏「平均持股比例相同、一直持有」的版本。
3. 是不同的策略：原參數的週報酬跟原策略、跟每支已上線策略的相關都要低於 0.95。

第 2 項才是這篇真正要回答的問題。31 支原策略本來就是驗證過、贏 0050 的策略，加了濾網贏 0050 不難，難的是比原策略好。

結果一：回撤幾乎都變淺，年化全部變少

大盤均線濾網平均讓策略有 20% 的時間空手。最直接的效果是回撤：31 支裡 27 支最大回撤變淺，中位數淺 6.1 個百分點；代價是年化報酬 31 支全部變少，中位數少 4.3 個百分點。風險調整後的日夏普就有升有降，17 支上升、14 支下降，中位數幾乎是 0。

上升最多的是極小型股 30 檔（+0.23）、金控高殖利率前 5 名（+0.20）、核心衛星 60/40（+0.18）、營業利益率三因子（+0.18）；下降最多的是營收連續成長創新高（-0.26）、營收篩選創新高（-0.25）、月營收驚喜（-0.15）。

結果二：空手期間還在賺的策略，加濾網就變差

為什麼同一個濾網，有的策略變好、有的變差？我們把每支原策略的日報酬拆成兩組：濾網空手的那些日子，和在場的日子。濾網只會改變前一組，所以原策略在空手日子裡表現越差，濾網的幫助越大。首圖就是這個關係：橫軸是原策略在空手日子的日夏普，縱軸是加濾網後的日夏普變化，31 支的相關係數是 -0.88。

• 空手日子日夏普低於 0.5 的 9 支，加濾網後全部變好。 例如營業利益率三因子，空手日子年化只有 1.0%、日夏普 0.05，在場日子年化 24.0%、日夏普 1.74。避開那 19% 的日子，等於丟掉一段只有波動、沒有報酬的時間。
• 空手日子日夏普高於 0.9 的 8 支，加濾網後全部變差。 營收連續成長創新高在空手日子年化 47.7%、日夏普 1.91，比在場日子的 1.47 還高。這類策略挑的是營收剛創新高、股價也強的公司，大盤轉弱時它們常常照樣漲，濾網讓它們在最好的時候空手，年化從 46.2% 掉到 33.2%。
• 原本就有大盤濾網的策略，再加一層沒有差別。 營收動能低波三因子本身已經用大盤 120 日線決定要不要持股，空手日子日夏普只有 0.05，再疊一層濾網，日夏普只多 0.008。

大盤本身也一樣。加權報酬指數在空手日子年化 +1.2%、年化波動 26.2%，在場日子年化 +17.1%、波動 16.4%。跌破半年線之後平均還是小漲，只是波動大很多，所以均線濾網的效果主要來自少承受那段波動，躲掉下跌只是一部分。

過關的 3 支：極小型股、核心衛星、營業利益率三因子

三項驗證都過、9 組參數多數贏原策略、前後兩段也都贏原策略的有 3 支。原策略都是每月換股、持股 20 到 30 檔、偏低波動或小型股，空手日子的日夏普在 0.05 到 0.47 之間。

前後兩段的日夏普（加濾網／原策略／0050 含息）：極小型股 2.67／2.53／0.89 與 2.40／2.11／1.13，核心衛星 1.14／1.06／0.78 與 1.73／1.48／1.36，營業利益率三因子 1.15／1.05／0.71 與 1.78／1.55／1.34。三支的週報酬跟原策略的相關在 0.84 到 0.86 之間，跟已上線策略的最高相關是 0.79 到 0.87（都是跟自己的原策略頁），彼此之間是 0.27 到 0.67。

要注意兩點。第一，3 支加了濾網年化都變少，核心衛星與營業利益率三因子的年化也低於 0050 含息，贏的是日夏普與回撤：核心衛星的最大回撤從 -26.5% 變成 -17.5%，大約是 0050 的一半。第二，極小型股 30 檔的原策略沒有流動性門檻，這些股票成交量很小，資金一大就買不到回測的價格，加了濾網一年平均多進出 1.4 次，實際報酬會比回測低。

3 支都放上策略頁每天更新，程式跟本文下載的同一份：極小型股＋大盤半年線濾網、核心衛星＋大盤半年線濾網、營業利益率三因子＋大盤半年線濾網。策略頁從第一次買進那天起算，核心衛星濾網版因為 2018 年 2 月一開始就在空手，策略頁從 2018-02-21 起算，0050 含息同期年化 22.5%。

差一點的 4 支：前半段沒贏原策略

另外 4 支在 9 組參數裡有 7 到 8 組贏原策略，卡在「前後兩段都要贏原策略」：

• 高股息四因子：日夏普 1.24 → 1.39，回撤 -27.6% → -15.1%，但前半段 0.90 低於原策略的 0.98。
• 四因子複合：日夏普 1.44 → 1.59，前半段 1.40 低於原策略的 1.50。
• 金控高殖利率前 5 名：日夏普 1.00 → 1.20，前半段 0.61 同時輸原策略 0.69 與 0050 含息 0.63。
• 品質動能低波：前半段 0.706 輸原策略的 0.936，也略輸 0050 含息的 0.712。

這 4 支的日夏普改善都來自後半段（後半段比原策略高 0.31 到 0.46），前半段都比原策略差，所以照事先寫定的條件不算過關。

均線天數與緩衝：跌破季線就出場最差

左圖是大盤均線濾網 9 組參數下，31 支裡有幾支日夏普高於原策略。季線（60 日）不留緩衝只有 2 支；同樣是季線，留 2% 緩衝就有 22 支。兩者的進出次數差很多：2007 到 2026 年，季線不留緩衝出場 125 次，平均一年 6.6 次，指數在季線附近來回就會跟著賣出、買回；留 2% 緩衝降到 41 次。半年線不留緩衝 78 次、留 2% 是 31 次，年線分別是 52 次與 20 次。每一趟都要付手續費與證交稅，也可能賣在短線低點、買在短線高點。如果要用「跌破季線」當訊號，至少要留一點緩衝，或改看半年線。

波動度控管：回撤變淺，但跟原策略幾乎是同一支

波動度控管讓 31 支的最大回撤全部變淺（中位數淺 4.7 個百分點），平均在場 86%。問題是它幾乎只在原策略本來就很穩的時候滿倉、波動變大時減碼一部分，週報酬跟原策略的相關全部在 0.95 以上（0.951 到 0.985），等於同一支策略少持有一些。日夏普只有 5 支上升，中位數 -0.055。

表現最好的是營收連續成長創新高：日夏普 1.55 → 1.66，最大回撤 -39.3% → -23.1%，9 組有 7 組贏原策略，但前半段 1.880 略低於原策略的 1.883，相關 0.97，沒有過關。右圖也顯示，回看 21 日的版本贏原策略的比較多（19 支），回看 63 日以上就剩 7 支以下；波動度控管在這批台股策略上看不出穩定的好處。Cederburg 等人（2020） 用美股 103 個股票策略測試也發現，波動度管理在樣本外多半沒有比原策略好，跟這裡的結果一致。

用 finlab 重現

以下是過關的極小型股版本。build_base_report() 是原策略，跟極小型股策略頁同一份；market_exposure() 算大盤濾網，build_report() 把兩者疊在一起。

import pandas as pd
from finlab import data
from finlab.backtest import sim
 
MA_DAYS = 120   # 半年線
BUFFER = 0.02   # 跌破均線再低 2% 才出場
 
 
def build_base_report():
    """原策略：每月底取市值最小的 30 檔，等權持有。"""
    market_cap = data.get("etl:market_value")
    position = market_cap.is_smallest(30)
    return sim(position, resample="M", upload=False)
 
 
def market_exposure():
    """1 是照原策略持有，0 是空手；介於兩條線之間維持前一天的狀態。"""
    index = data.get("benchmark_return:發行量加權股價報酬指數")["發行量加權股價報酬指數"].dropna()
    average = index.rolling(MA_DAYS).mean()
    state = pd.Series(float("nan"), index=index.index)
    state[index >= average] = 1.0
    state[index < average * (1 - BUFFER)] = 0.0
    return state.ffill().fillna(1.0)
 
 
def build_report():
    base = build_base_report()
 
    # 原策略每次換股的權重，換股日遇到休市時用之前最後一個交易日
    days = data.get("price:收盤價").index
    days = days[days <= base.creturn.index[-1]]
    weights = base.position[base.position.index < days[-1] + pd.offsets.BDay()]
    weights.index = days[days.searchsorted(weights.index, side="right") - 1]
    weights = weights[~weights.index.duplicated(keep="last")]
    days = days[days >= weights.index[0]]
 
    # 權重延用到下次換股，乘上大盤濾網的曝險
    exposure = market_exposure().reindex(days, method="ffill").fillna(1.0)
    switches = exposure.index[exposure.ne(exposure.shift())][1:]
    position = weights.reindex(days, method="ffill").fillna(0.0).mul(exposure, axis=0)
    return sim(position, resample=weights.index.union(switches), upload=False)
 
 
report = build_report()

resample 傳的是「原策略換股日」加上「濾網切換日」，所以只有這兩種日子會下單。要套在自己的策略上，把 build_base_report() 換成自己的 sim() 就好。完整版會輸出淨值與統計，在下方下載。

回測方法與限制

• 交易成本：sim() 台股預設手續費 0.1425%、賣出證交稅 0.3%。濾網每次出場都是整個組合賣出、回場再全部買回，這兩次的成本都有扣。
• 滑價與容量：沒有另外假設滑價，也沒有估算容量。極小型股 30 檔沒有流動性門檻，實際成交會比回測差。
• 股票池、排除類別與權重：每支照原策略自己的設定，本文沒有另外改。
• 前視偏差：濾網用的是當天收盤的報酬指數與均線，下一個交易日收盤才成交；波動度控管只用每月底以前的報酬。原策略的財報、月營收對齊方式照各自策略頁。
• 進出次數：大盤均線濾網原參數 2007 到 2026 年出場 31 次；極小型股的期間（2013 年起）出場 19 次。
• 樣本內外：全部是 2007 到 2026 年的樣本內回測，用前後兩段與鄰近參數檢查穩定度，沒有另外留樣本外資料。31 支原策略本身也是在這段資料上驗證過才上線的。
• 只測兩種濾網：大盤指標還有很多種。外資期貨未平倉、PMI 等 13 個訊號在台股 13 個大盤訊號回測用在 0050 上測過，融資維持率在 0050 融資維持率擇時，這篇沒有重測。

這個結果能怎麼用

如果你在意的是回撤，大盤均線濾網確實有用：31 支裡 27 支回撤變淺，平均約 20% 的時間空手。如果你在意的是報酬，它幾乎一定讓年化變少。日夏普會不會變好，先看原策略在大盤弱的時候還賺不賺：把自己的策略回測拆成「指數在半年線下」與「在半年線上」兩段，下面那段夏普偏低（本文的門檻大約是 0.5），濾網才可能有幫助；營收創新高、價格動能這類在弱勢時照樣強的策略，加了反而變差。

用均線做個股選股是另一個問題：那篇測的是個股自己的均線，本文測的是大盤的均線。四種大盤指標（ADLs、VIX、融資維持率、多空頭排列家數）當濾網擇時 0050 的結果，在大盤濾網指標實測這篇補上了三項驗證，扣成本後四種都沒贏 0050。

常見問題

大盤跌破季線是什麼意思？

加權指數收盤低於自己的 60 日均線，代表最近一季的平均成本被跌破，常被當成短中期轉弱的訊號。本文 2007 到 2026 年的資料裡，指數跌破半年線再低 2% 以後，平均仍有年化 +1.2% 的報酬，波動卻從 16.4% 升到 26.2%；跌破均線之後通常是波動變大，不一定繼續跌。

季線、半年線、年線哪個比較好用？

對這 31 支策略，季線（60 日）不留緩衝最差，只有 2 支贏原策略，19 年出場 125 次；季線留 2% 緩衝有 22 支、半年線留 2% 有 17 支、半年線留 4% 有 21 支，年線在 7 到 12 支之間。差別主要來自進出次數，均線越短、緩衝越小，來回越頻繁。

大盤跌破季線要把股票賣掉嗎？

要看你的策略。原策略在大盤弱勢時日夏普低於 0.5 的 9 支，加濾網後全部變好；高於 0.9 的 8 支全部變差。賣掉一定會少賺一部分報酬（31 支年化中位數少 4.3 個百分點），換來的是回撤變淺。

大盤濾網和停損有什麼不同？

停損看每一檔股票自己的跌幅，觸發時只賣那一檔；大盤濾網只看指數，觸發時整個組合一起出場。站上的ATR 移動停損實測測的是個股停損，加在月營收動能上沒有幫助。本文 31 支裡有 6 支原策略本身就帶停損，大盤濾網跟停損同時存在、各自運作。

波動度控管是什麼？為什麼沒有用？

波動度控管是在策略最近波動變大時減碼、波動變小時加回，讓組合的波動維持穩定。它讓 31 支回撤全部變淺，但週報酬跟原策略的相關都在 0.95 以上，等於同一支策略持股少一點，日夏普只有 5 支上升。美股 QQQ 單獨做波動度目標的結果在QQQ 波動度目標策略。

為什麼營收動能策略加大盤濾網會變差？

營收創新高、營收動能這類策略挑的是基本面正在變好、股價也強的公司，大盤跌破均線時它們常常照樣上漲。營收連續成長創新高在大盤濾網空手的日子年化 47.7%、日夏普 1.91，比在場的日子還好，加濾網後年化從 46.2% 降到 33.2%。

過關的 3 支能拿來用嗎？

它們每天在策略頁更新，程式可以帶到 FinLab Studio 重跑。要知道的是三支加濾網後年化都比原策略少，其中兩支的年化也低於 0050 含息，換到的是較淺的回撤；極小型股的回測沒有考慮成交量限制，資金大的話實際報酬會明顯低於回測。

可以自己重跑嗎？

可以。下方的 research.py 會下載 31 支原策略的程式、疊上兩種濾網跑完全部參數；3 支過關策略各有獨立的 strategy.py。安裝 finlab 後執行即可，finlab 需要資料時會自動引導登入。

延伸閱讀

• 極小型股＋大盤半年線濾網的策略頁：本文過關的策略之一，淨值每天更新。
• 小型股效應：極小型股 30 檔原策略的研究。
• 台股四萬點選股攻略 與 AI Agent 量化交易工具比較：核心衛星 60/40 與營業利益率三因子原策略的出處。
• 台股 13 個大盤訊號回測：大盤訊號直接擇時 0050 的結果。
• 0050 融資維持率擇時：用融資維持率當進出場訊號。
• 台股選股方法完整指南：選股策略的整體框架。
• 量化交易是什麼：從選股、擇時到風控的入門總覽。
• 美股 200 日均線大盤濾網：同一套方法用在兩支美股策略上的結果。

下載資源

風險提示

本文所有策略與回測結果僅供教學與研究用途，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，小型股的實際成交價格可能與回測差距很大。投資一定有風險，請依自身風險承受能力審慎評估。

最後更新：2026-11｜回測區間：2007-10 ～ 2026-11｜作者：FinLab 量化研究團隊（經量化研究員審閱）