美股均值回歸策略回測：買進三日落後的槓桿 ETF，
十年年化 51.9%

短期均值回歸押的是一件事：過去幾天表現落後的資產，接下來幾天到幾週會補回來。本文把這個想法放進美股最集中的一種寫法來測：只要 QQQ 處在多頭趨勢，就在兩檔 3 倍槓桿成長型 ETF（TQQQ 與 TECL）之間，持有最近 3 個交易日落後的那一檔；趨勢轉弱時，改持美國中期公債、黃金或短天期公債。

2016 年 5 月到 2026 年 10 月的回測，年化報酬 51.9%，1 美元成長到約 80 美元，同期含息 QQQ 約 7.2 倍，是同一個十策略家族裡報酬最高的一支。代價也很極端：年化波動 34%、最大回撤 -27.8%，任何時刻都只持有一檔。讀下去之前先記住一個發現：落後者對領先者的反轉優勢平均為正，但統計上很弱（t 值 1.25），報酬的主引擎是槓桿 ETF 的多空擇時，均值回歸只在上面加了一層。

這一版用 finlab 2.2.20 與截至 2026-10-26 的 FinLab 資料全部重跑。FinLab 在 10 月修正了美股還原價格，finlab 也調整了換股日觸發停損時的成本算法，歷史數字因此一起變動：本研究 2026 年 6 月發表的英文版年化為 67.4%，重跑後是 51.9%。策略通過本次新增的三項驗證（鄰近參數、回測前後兩段、每邊 0.1% 交易成本），弱點在回看 4 天的版本只小勝 QQQ。

關鍵數字：策略與 QQQ、SPY、TQQQ 對照

所有序列都是含息還原價，期間同為 2016-05-02 到 2026-10-26。表中所有夏普與索提諾都不扣無風險利率。

TQQQ 那一欄說明了整件事的意義：單純抱著 TQQQ，年化 40.6%，但中途經歷 -81.7% 的回撤。這種跌幅幾乎沒有人抱得住。策略做的事，是保留大部分槓桿複利，同時把最大損失壓到 -27.8%。它的波動仍比 QQQ 高出一半。finlab 回測報告扣除 2% 年化無風險利率後，策略月夏普為 1.24，以同一算法在家族十支策略中排中段：這支是家族的報酬冠軍，風險調整後的冠軍另有其人，十支策略的完整比較在美股量化策略總覽。

短期均值回歸是什麼？為什麼用 TQQQ 與 TECL

短期均值回歸（short-term reversal）是指最近幾天的輸家，在接下來幾天到幾週傾向跑贏最近幾天的贏家，方向與 12 個月動能相反。Jegadeesh（1990）在美股月報酬中記錄到顯著的反轉；Lehmann（1990）發現買進上週輸家、賣出上週贏家的組合能穩定賺到逆勢利潤。後來 Da、Liu & Schaumburg（2014）把這個效果拆開，發現其中很大一部分來自流動性提供：反轉利潤是承接暫時性買賣失衡的報酬，跟資訊慢慢反映進股價的機制關係較小。

這個流動性解釋正是本策略依賴的機制。TQQQ（Nasdaq-100 三倍）與 TECL（科技類股三倍）的成分高度重疊，一檔在 3 天內落後另一檔時，比較可能是短期資金流造成的價差，而非市場領導族群真的換手。規則買進落後者，預期價差收斂。

要先講清楚的一點：這是一支 ETF 擇時策略，底下沒有個股池，所以個股因子常用的十分位分組與 Rank IC 檢驗在這裡用不上。有個股池時的完整檢驗長什麼樣子，可以看美股動能策略。台股也有對應的個股版本：台股跌深反彈策略買過去 20 日跌最多的 30 檔，2007～2026 年年化 -7.5%，說明把反轉套用在個股上很容易失敗。本文的做法是把反轉限縮在兩檔高度相關的 ETF 之間，只拿它決定「這個月持有哪一檔」，訊號的證據也就要用別的方法取得，下一節會處理。

三層規則

完整邏輯分三層，每月調整一次，任何時刻只持有一檔：

執行層與家族其他策略相同：月底換股、單一持股，槓桿部位設 8% 盤中停損。濾網決定「要不要持有槓桿」，每支策略各自決定「持有哪一檔、何時換」。

反轉訊號到底有沒有貢獻？

沒有個股池可以排序，最乾淨的檢驗是在策略自己的決策點做事件研究：2016 年以來共 95 個多頭月底。每個月底分別看三件事：近 3 日落後者下個月的報酬、近 3 日領先者下個月的報酬、同月份 QQQ 的報酬。

這張表可以讀出三件事，證據強度由高到低：

1. 多空濾網做了大部分的工作。 不論買哪一檔槓桿 ETF，多頭月份平均都有 3.5%～4.2%，QQQ 只有 1.49%。這就是在趨勢濾網篩過的月份持有 3 倍曝險，也是策略報酬的主要來源。
2. 選落後者多加了一層。 選落後者而非領先者，每月平均多 0.67 個百分點（4.18% 對 3.51%），換算成年化價差約 8.0%。落後者在 55.8% 的多頭月份跑贏領先者，下個月報酬為正的比例是 61.1%。
3. 這層加成在統計上很弱。 落後者減領先者價差的 t 值為 1.25，低於一般的顯著門檻。95 筆月資料、兩檔高度相關的基金，數據無法排除這層加成只是雜訊。支持它的理由有兩個：方向與上面的學術文獻一致；反正多頭時本來就要持有其中一檔，套用這條規則不增加任何成本。

把價差累積起來，侷限看得更清楚：

十年下來累積價差約 1.7 倍，但路徑比終點重要。2019 年底到 2021 年中，價差幾乎把早期累積的部分全數吐回，那段時間兩檔基金的強弱是延續而非反轉，落後者規則連續一年多吃虧。2023 年到 2026 年初則是大幅上下震盪、沒有明顯進展；最後的水準有很大一部分來自 2026 年春天的單一個月，價差從約 1.3 倍跳到約 1.75 倍。在那個月之前，累積價差大致停在 2019 年底的位置。實際交易這支策略，要預期反轉這一層會長時間沒有貢獻、甚至扣分，由多空濾網撐住成績。

報酬從哪裡來：多空狀態時間軸

反轉優勢弱，就代表多空濾網必須自己撐起報酬。時間軸顯示它確實做到了：

除了回測最初三個月（2016 年 5 到 7 月，策略依序持有 GLD、GLD、SHY），陰影標示的空頭期間正好對上單純持有槓桿 ETF 最慘的幾段：2018 年底到 2019 年初、2020 年 3 月疫情崩盤、2022 年大半年延續到 2023 年初、2025 年春天，以及 2026 年 3 到 4 月約三週。在較長的空頭裡，策略待在防守資產或現金：2022 全年策略虧 12.8%，同期 QQQ 虧 32.6%、單純持有 TQQQ 虧 79.1%。策略實際的持有分布如下：

合計 73.6% 的交易日持有 3 倍槓桿 ETF，22.5% 持有防守資產，其餘 3.9% 是停損出場後與多空切換之間的現金。年周轉率約 6.4 倍，回測期間共 107 筆交易，都是在少數幾檔高流動性 ETF 之間的月度切換，沒有日內交易。

資料與 Python 程式碼

整支策略只需要 FinLab 美股基金資料庫的 ETF 價格。us_fund_price:adj_close 是含息還原價，配息與基金內扣費用都已反映在每一條序列裡。下面是三層規則的好讀版，完整的部位組合、sim() 參數與三項驗證都在文末可下載的 strategy.py。

import finlab
from finlab import data
from finlab.backtest import sim
from finlab.dataframe import FinlabDataFrame
 
finlab.login()  # 需要資料時 finlab 會自動引導登入
data.set_market("us_fund")
 
close = data.get("us_fund_price:adj_close")[["QQQ", "TQQQ", "TECL", "IEF", "GLD", "SHY"]]
 
# 1. 多空濾網：QQQ 站上 200 日均線，且近 6 個月報酬為正
qqq_trend = close["QQQ"] > close["QQQ"].rolling(200, min_periods=100).mean()
qqq_momentum = close["QQQ"] / close["QQQ"].shift(126) - 1
risk_on = qqq_trend & (qqq_momentum > 0)
 
# 2. 反轉規則：用「負的 3 日報酬」替 TQQQ、TECL 打分，近期落後者分數最高
reversal_score = FinlabDataFrame(-close[["TQQQ", "TECL"]].pct_change(3))
 
# 3. 防守資產：IEF、GLD、SHY 中「3 個月減 1 個月」動能最強者
defensive = close[["IEF", "GLD", "SHY"]]
defensive_score = FinlabDataFrame(defensive.pct_change(63) - defensive.pct_change(21))
 
# 只持有一檔：多頭持有落後者，空頭持有最強的防守資產
# （部位組合的細節見可下載的 strategy.py）
report = sim(
    position,
    resample="M",
    position_limit=1,
    stop_loss=0.08,
    touched_exit=True,
    trade_at_price="close",
)

sim() 沒有傳入 fee_ratio 與 tax_ratio，因此採用 finlab 美股市場的預設值：手續費與交易稅都是零，對應美國零佣金券商的現況。後面的三項驗證會改成每邊收 0.1%，看結果會差多少。

回測結果與互動式報告

文首的權益曲線是完整對照（對數座標）：策略的 1 美元成長到約 80 美元，單純持有 TQQQ 約 35 美元，QQQ 約 7.2 美元，SPY 約 4.4 美元。下面是 finlab 互動式回測報告，回撤、月報酬與每筆交易都可以自己點開檢查：

回撤圖值得單獨看，因為它是「擇時持有槓桿」優於「一直抱著槓桿」最有力的證據：

2022 年單純持有 TQQQ 從高點跌了 81.7%，QQQ 跌 35.1%，策略整段回測最深的回撤則是 -27.8%。這次最大回撤並非出現在空頭市場。2025 年 12 月 10 日到 2026 年 4 月 29 日，策略虧了 27.8%，同一段期間 QQQ 反而上漲 5.7%，期間內最深只回檔 12.0%。損失來自策略自身的機制：TECL 兩次觸發 8% 停損（12 月中與 2 月初），3 月底換股時濾網剛好處於空頭，4 月整個月持有黃金，錯過 QQQ 的反彈。策略到 2026 年 5 月 26 日才回到前高。-27.8% 依然很痛，要漲 38% 才能回本，但有紀律的投資人還有機會撐過去；-81.7% 的回撤通常以認賠出場收場。

樣本外檢驗：2022 年至今

參數（200 日趨勢、126 日動能、3 日回看、8% 停損）是用 2016～2021 年資料決定，2022 年之後完全不動，這段期間包含一次完整空頭。

樣本外明顯比研究期弱：年化從 63.3% 降到 39.6%，月夏普從 1.62 降到 1.04。它在同一段期間仍贏 QQQ，報酬 39.6% 對 13.3%，月夏普 1.04 對 0.82，主要靠濾網讓策略在 2022 年大半時間待在防守資產。規則碰到沒看過的資料後夏普掉三分之一，是回測策略很常見的結局；預期未來表現時，樣本外這一列比研究期可靠。

三項驗證：鄰近參數、前後兩段、交易成本

這一節的「贏 QQQ」定義為：在完全相同的日期區間內，策略的日夏普比率（日報酬平均除以標準差，以 √252 年化，不扣無風險利率）高於含息買進持有 QQQ。

鄰近參數。 兩個設定各往前後移動一格：落後者的回看天數（2、3、4 個交易日，本文用 3）與多空濾網的 QQQ 趨勢均線長度（150、200、250 日，本文用 200）。9 組組合全部贏 QQQ 的 0.95，但差距不平均：回看 2 日與 3 日的六組落在 1.28～1.38，回看 4 日的三組只有 0.96～1.02，僅略高於 QQQ。回看拉長到 4 日的影響，遠大於均線長度差 50 天，這與前面「反轉層是整個系統最脆弱的部分」的發現一致。想了解為什麼要做這種檢查，可以參考回測過擬合機率。

前後兩段。 把回測依交易日數切成兩半，各自與 QQQ 比較：

兩段都贏 QQQ。後半段的絕對水準較低，與上一節的樣本外結果一致。

交易成本。 finlab 美股預設的手續費與交易稅都是零，所以預設回測完全沒有交易成本。改成每筆買進、賣出各收 0.1%，當作買賣價差與滑價的替代估計，年化報酬為 49.7%，日夏普 1.34，QQQ 為 0.95。每年約 10 筆交易、標的都是高流動性 ETF，這個成本水準大約吃掉 2 個百分點的年化報酬，贏 QQQ 的結論不變。

結論：三項驗證全數通過。 鄰近 9 組參數、前後兩段、加計成本的版本都贏 QQQ，最弱的角落是回看 4 日。完成安裝後，可以用下面這行指令自己重跑：

python strategy.py --validate

回測方法與限制

以家族使用的風險調整門檻（比率至少 1.5）來看，並沿用全文一致的算法（不扣無風險利率）：全期月夏普 1.30、樣本外月夏普 1.04，都低於 1.5。策略只靠同一算法下的索提諾過關，全期 4.00、樣本外 4.25，加上研究期月夏普 1.62。索提諾遠高於夏普是「濾網控管槓桿」的典型特徵：剩下的波動大多是多頭月份的上漲波動。回測報告裡每個指標的意思與常見陷阱，可以對照回測平台指南。

槓桿 ETF 的風險

年化 52% 這種數字應該讓你提高警覺，這支策略的風險很具體：

• 每日重新平衡與路徑相依。 3 倍槓桿 ETF 每天重設曝險，盤整市場即使指數最後收平，淨值也會被侵蝕。單純持有 TQQQ 的 -81.7% 回撤，就是沒有管理的 3 倍曝險走過一次空頭的樣子。
• 永遠只有一檔。 這是家族中最集中的策略：近四分之三的交易日都押在單一 3 倍基金、單一主題（美國大型成長與科技股），組合內部沒有任何分散。
• 落後者可能繼續落後。 規則是逢弱買進兩檔中較弱的一檔。科技股帶頭的急跌中，短期落後者可能持續落後而不反彈，這是此訊號已知的弱點，也是它最差幾段期間的成因。
• 跳空會穿過停損。 回測中 8% 停損是觸價出場，遇到大幅跳空就會成交在更差的價位：最近一次停損是 2026 年 10 月的 TQQQ，出場時虧 9.9%。實盤成交可能更差。
• 不必等到崩盤也會受傷。 整段回測最大的回撤發生在 QQQ 上漲的期間，停損與短暫的空頭訊號讓策略在錯誤時點離開槓桿部位。
• 反轉優勢本身尚未達統計顯著。 t 值 1.25，代表未來這層加成可能完全沒有貢獻；預期報酬應以多空濾網為主，反轉層當作可能的額外收穫。

如果這種風險太激進，同一套多空框架有比較溫和的版本，例如改用 2 倍槓桿、以波動度控管風險的美股低波動策略。另一種思路是讓槓桿倍數隨回撤動態調整，見槓桿策略實測。

適合誰、不適合誰

適合的人：想從槓桿 ETF 框架中取得最大的規則化複利、完全理解 3 倍商品的運作，而且能在 34% 波動與 -27.8% 回撤中，持續抱著單一集中部位、不手動推翻規則。

不適合的人：需要資金穩定、需要組合內分散，或無法接受連續幾個月表現不佳的投資人。光是反轉這一層，就可能連續一年以上落後。

常見問題

美股均值回歸策略是什麼？

均值回歸策略買進過去幾天表現落後的資產，預期它接下來會補漲。Jegadeesh（1990）與 Lehmann（1990）都在美股中記錄到短期反轉。本文的版本把它用在兩檔槓桿成長型 ETF 之間，並加上 QQQ 趨勢濾網。

為什麼用 TQQQ 和 TECL，不直接買個股？

兩檔都是高流動性的 3 倍基金，成分高度重疊，3 天內出現的價差較可能是暫時的資金流失衡，對應 Da、Liu & Schaumburg（2014）的流動性提供機制。個股的短期反轉混雜了公司消息與基本面變化，台股個股版的跌深反彈長期回測就是虧損。多頭時本來就要持有其中一檔，選落後者不增加成本。

年化 51.9% 主要來自均值回歸訊號嗎？

不是主要來源。事件研究顯示，大部分報酬來自在趨勢濾網篩過的多頭月份持有 3 倍槓桿；落後者規則平均每月多 0.67 個百分點，t 值只有 1.25。

這個策略跟直接持有 QQQ 相比，風險高多少？

年化波動 34.1%，QQQ 是 22.0%；最大回撤 -27.8%，QQQ 是 -35.1%。日常起伏更大，但最壞的一次跌幅較淺，原因是空頭時會退到防守資產。

加上交易成本、換一組參數，結果還站得住嗎？

在本文的回測中可以。每邊收 0.1% 時年化 49.7%、日夏普 1.34，QQQ 為 0.95；回看天數與趨勢均線的 9 組鄰近設定也全部贏 QQQ，只是回看 4 日的版本只小勝。

多久交易一次？

每月底換股，年周轉約 6.4 倍，整段回測 107 筆交易。

可以自己重跑、修改這支策略嗎？

可以。用 AI 輔助安裝流程把 FinLab 裝好，請 AI 依本文規則重建或修改；也可以下載文末的 strategy.py 執行。只需要美股基金資料（us_fund_price），一般 FinLab 帳號即可取得。

下載與重現

• strategy.py：完整策略程式碼，安裝完成後即可執行；python strategy.py --validate 會重跑三項驗證。
• data.csv：策略、QQQ、SPY 與單純持有 TQQQ 的每日權益曲線。

下一步可以做的實驗：把回看天數拉到驗證網格之外（5 日或 10 日），或把落後者規則換成領先者規則，觀察價差怎麼變。

延伸閱讀

• 美股量化策略總覽：十支策略同資料比較
• 美股 ETF 輪動策略：同樣由 QQQ 多空訊號驅動的槓桿 ETF 輪動
• 美股突破趨勢策略：順勢的另一端，和本文的逆勢規則對照
• VIX 恐慌指數抄底美股回測：從恐慌事件看美股反彈
• 美股回測教學：finlab 美股回測的完整工作流
• 程式交易完整指南：把規則寫成可自動執行的程式
• 量化交易入門指南：量化研究的基本框架

**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。**槓桿 ETF 另有波動耗損與虧損放大的風險，文中所有績效均為歷史回測，不保證未來報酬。

最後更新：2026-10｜回測區間：2016-05 ～ 2026-10（資料截至 2026-10-26）｜基準：含息 QQQ｜作者：FinLab 量化研究團隊（經量化研究員審閱）