台股類股輪動 2 個設計的日夏普：資金流入前 2 類 0.33、前 3 類內強勢股 20 檔 0.57，同期 0050 含息 0.95、等權流動股 0.50

依本文重跑

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：

幫我設定 FinLab，用 stock_index_vol 的類股成交金額重跑台股類股輪動回測，和 0050 含息比較，請讀：https://finlab.finance/setup?relatedUrl=/blog/taiwan-sector-rotation-backtest

免安裝，開啟 FinLab Studio

台股類股輪動是把資金換到正在受到關注的類股，常見的判斷方式是看成交金額往哪裡集中。我們用 finlab 把這個說法做成規則：每月底比較上市 27 個類股的成交金額占比，近 20 日平均比近 120 日平均增加最多的 2 類，買進類內流動股、等權持有到下個月底。2009 年 7 月到 2026 年 10 月年化 5.1%、日夏普 0.33，同期 0050 含息年化 16.8%、日夏普 0.95，連等權買進全部流動股的 0.50 都輸。換到類內 120 日報酬最強的 20 檔，日夏普升到 0.57，高於等權流動股，仍輸 0050。兩個設計 18 組參數的日夏普與年化報酬都沒有一組贏。

選出來的多半是小類股。207 個月、每月選 2 類，最常被選中的是玻璃陶瓷 42 次、資訊服務 33 次、造紙 28 次，這些類股上市公司只有 5～11 家，被選中的類股平均只占 27 類成交金額的 2.4%。真正吸走資金的半導體，上市成交金額占比從 2009 年的 20% 升到 2026 年的 39%，卻只被選中 7 次。

資金流入排名跟下個月報酬也看不出關係。排名第 1、2 的類股，下個月平均比 27 類平均少 0.11%（t 值 -0.35），排名墊底的 7 類幾乎是 0。

關鍵數字

設計（原參數）	年化報酬	日夏普	最大回撤	前／後半段日夏普	9 組參數贏 0050	同期 0050 含息年化／日夏普	同期等權流動股年化／日夏普
資金流入前 2 類，類內流動股等權，月底換股	5.1%	0.33	-50.7%	0.00／0.60	0 組	16.8%／0.95	8.2%／0.50
資金流入前 3 類，類內 120 日報酬最高 20 檔，月底換股	12.3%	0.57	-50.9%	0.09／0.92	0 組	16.8%／0.95	8.2%／0.50

原參數是看結果前寫定的主要參數。兩個設計都從 2009-07-31 起算到 2026-10-30，對照組同一段期間。等權流動股是每月底買進全部 20 日均成交金額 2,000 萬以上的股票，含預設成本。前後半段在 2018 年 3 月切開，同期 0050 前後半段日夏普 0.70、1.15。

類股輪動是什麼，台股常見的三種做法

類股輪動相信資金不會同時流進所有產業，而是一段時間集中在某幾個類股。實作上大致有三種：

做法	看什麼	本文有沒有測
價格動能	過去一段時間漲最多的類股	本文沒有。台股學術因子回測測過，買最強 3 個產業，日夏普 0.58、年化 11.2%，9 組都輸 0050
景氣循環	景氣階段對應的類股，例如復甦期買金融、原物料	沒有
資金流向	成交金額往哪個類股集中	本文主題

這類研究的學術起點是 Moskowitz 與 Grinblatt（1999），他們發現個股動能有不小的部分來自產業動能。Hong、Torous 與 Valkanov（2007）則發現部分產業的報酬領先大盤。用成交量當訊號的依據比較間接：Gervais、Kaniel 與 Mingelgrin（2001）指出個股成交量異常放大後報酬偏高，他們看的是個股，本文把同樣的想法放到類股層級，是一個待驗證的外推。

美股的版本可以看美股類股輪動回測，那篇用成分股訊號挑 SPDR 類股 ETF，20 種都沒有穩定贏 QQQ。台股缺少同樣完整的類股 ETF，所以本文直接買類股裡的股票。

怎麼量「資金流入哪個類股」

stock_index_vol 有證交所每天公布的類指數成交金額，2009 年起。本文的計算分三步：

算占比：每個類股的成交金額 ÷ 27 類合計。
算變化：占比近 S 日平均 ÷ 近 120 日平均，大於 1 代表最近的占比比半年平均高。
排序：每月底取比值最高的 K 類。

用比值的原因是類股規模差很多，只看占比的話，213 個月裡有 187 個月是半導體第一。下圖是 2026 年占比最高的四類，半導體從 2019 年起拉開距離，電子零組件 2018 年與 2026 年各衝高一次，電腦及週邊設備 2023 年跳升，光電則從 2009 年約 15% 降到 2023 年不到 4%。

上市類股成交金額占比逐年變化：半導體 2009 年 20% 到 2026 年 39%，電子零組件、電腦及週邊設備、光電在 4% 到 23% 之間起伏

27 類排除了兩個合計類（電子、化學生技）、2023 年才新增的 4 類（綠能環保、數位雲端、運動休閒、居家生活）與其他類，觀光事業與觀光餐旅接成同一類。

回測方法

項目	本文的做法
類股成分	`company_basic_info` 目前的產業類別，上市公司，已下市公司不在內，有輕微生存者偏誤，對結果偏有利
股票池	上市 4 碼普通股，20 日均成交金額 2,000 萬以上
排除	沒有排除金融股、KY 股與全額交割股
換股	每月最後一個交易日收盤決定，`sim()` 隔日收盤成交，詳見前視偏差
權重	等權，沒有單檔上限；平均持股 27.02 檔與 19.29 檔
周轉率	約每年 244.9 次與 179.3 次買進，詳見周轉率
交易成本	`sim()` 預設：手續費 0.1425%（買賣各一次，未打折）、證交稅 0.3%（賣出）
滑價	未另外假設，以收盤價成交
樣本內外	全段 in-sample，未另留樣本外；參數在看結果前寫定，之後沒有改

短窗 S 取 10、20、40 日，第二個參數在類股等權版是類股數 1、2、3，在類內強勢股版是持股 10、20、30 檔，各 9 組。至少 7 組的日夏普要高於同期 0050 含息，前後半段各自要贏，要扣預設成本，三項都過才算成立，日夏普的算法見夏普比率怎麼算。

回測結果：18 組都輸 0050

換 9 組參數的熱力圖：資金流入類股等權日夏普 0.23 到 0.55，類內強勢股 0.50 到 0.60，同期 0050 含息 0.95

資金流入類股等權： 9 組 0.23～0.55。原參數前半段 0.00，後半段 0.60，兩段都輸 0050。不扣成本 0.57，還是低於 0050。短窗拉長、類股數放寬都比較好，最好的是 40 日、3 類的 0.55，方向是持股越分散越接近大盤。
資金流入類股內強勢股： 9 組 0.50～0.60，很穩定，8 組高於等權流動股的 0.50，原參數年化 12.3%、最大回撤 -50.9%。後半段 0.92 比前半段 0.09 好很多，同期 0050 也從 0.70 升到 1.15。

類內強勢股比類股等權好，差別在多了個股動能。本文沒有另外跑全市場 120 日動能當對照，所以無法區分這是動能本身的貢獻，還是類股篩選的貢獻。全市場動能的回測可以看動能策略。

資金流入選到了什麼

選到的多半是小類股

下圖是 207 個月裡每一類被選中的次數。玻璃陶瓷 5 家、造紙 7 家、資訊服務 11 家；半導體 96 家，成交金額占 27 類的兩到四成。比值的基期越小越容易拉高，這可能是小類股常被選中的原因，本文沒有另外驗證。

207 個月裡各類股被資金流入規則選中的次數：玻璃陶瓷 42 次最多，資訊服務 33 次、造紙 28 次，半導體只有 7 次

被選中的類股平均只占 27 類成交金額的 2.4%，規則追到的金額其實不大。

排名跟下個月報酬沒有單調關係

把每月的 27 類依資金流入分成五段，看下個月的報酬：

資金流入排名	平均每月超額報酬	t 值
第 1–2 名	-0.11%	-0.35
第 3–7 名	0.20%	1.29
第 8–13 名	0.12%	1.03
第 14–20 名	-0.21%	-1.95
第 21–27 名	-0.01%	-0.08

資金流入排名五段的下月超額報酬：第 1 到 2 名 -0.11%、第 3 到 7 名 0.20%、第 14 到 20 名 -0.21%，沒有單調關係

超額報酬是類內流動股等權報酬減 27 類平均，不扣成本。第 3 到 7 名略正、第 14 到 20 名略負，t 值都沒有超過 2。最常被規則選中的第 1、2 名是負的。以月為單位看，「資金正在流入」不是有用的預測。

0050 跟資金長期流入同一邊

半導體的占比一路升高，0050 又以台積電為最大權重，買進持有就站在資金長期流入的那一邊。

用 finlab 看最新的資金流入排名

      
        顯示程式碼
        
      from finlab import data
 
amount = data.get("stock_index_vol:成交金額")
amount.columns = [c.strip() for c in amount.columns]
 
skip = ("上市電子類指數", "上市化學生技醫療類指數")
sectors = [c for c in amount.columns if c.endswith("類指數") and c not in skip]
 
share = amount[sectors].div(amount[sectors].sum(axis=1), axis=0)
inflow = share.rolling(20).mean() / share.rolling(120).mean()
print(inflow.iloc[-1].sort_values(ascending=False).head(5))

這段是簡化版，沒有排除其他類與 2023 年新增的 4 類，也沒有把觀光兩個欄位接起來。本文用的 27 類與兩個設計的完整回測都在文末的 research.py，約 30 秒跑完。

回測限制

只有上市： 類指數成交金額只有上市，上櫃的資金流向沒有算進去。
類股成分用現況： 公司換過產業類別、已下市公司都沒有還原，對回測偏有利，結果仍輸 0050。
月頻： 本文只測每月換一次，更短週期的輪動沒有測，周轉與成本會更高。
容量與滑價： 小類股流動性差，實際衝擊取決於資金規模與成交量，本文未估算容量。

常見問題

類股輪動是什麼？

資金在不同產業之間移動，投資人跟著換到正在受關注的類股。實作上看價格動能、景氣階段或成交金額流向。

台股類股輪動有用嗎？

在本文的設定下，用成交金額占比每月換到資金流入最多的類股，2009 年以來年化 5.1%、日夏普 0.33，輸給 0050 含息的 16.8%、0.95。其他做法沒有在本文測試。

怎麼看資金流向哪個類股？

用每個類股的成交金額除以 27 類合計得到占比，比較近期與半年平均。finlab 的 stock_index_vol:成交金額 有上市各類指數的成交金額，文中有範例程式。

資金流入的類股下個月會漲嗎？

本文的資料看不出來。資金流入排名前 2 的類股，下個月平均比 27 類平均少 0.11%，t 值 -0.35。

類股輪動要看哪些指標？

常見的有類股報酬、成交金額占比與景氣階段。本文測成交金額占比，價格動能的結果在台股學術因子回測。

半導體占成交金額多少？

本文 27 類合計裡，2026 年到 10 月底平均 39%，2009 年是 20%。

參考文獻

Moskowitz, T. J., & Grinblatt, M.（1999）. Do industries explain momentum? Journal of Finance, 54(4), 1249–1290。個股動能有不小部分來自產業動能。
Hong, H., Torous, W., & Valkanov, R.（2007）. Do industries lead stock markets? Journal of Financial Economics, 83(2), 367–396。部分產業的報酬領先大盤。
Gervais, S., Kaniel, R., & Mingelgrin, D. H.（2001）. The high-volume return premium. Journal of Finance, 56(3), 877–919。個股成交量異常放大後報酬偏高。

下載資源

檔案	說明
research.py	完整研究程式：2 個設計 18 組參數、前後兩段、不扣成本，以及類股占比、被選中次數與排名下月報酬
data.csv	2 個設計原參數的每日淨值，以及 0050 含息與等權流動股
metrics.json	全部回測與描述統計的原始輸出，含重跑日與 finlab 版本

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。

最後更新：2026-11｜回測區間：2009-07 ~ 2026-10（資料快照 2026-10-30，重跑日 2026-11-01）｜作者：FinLab 量化研究團隊（經量化研究員審閱）