美股量化交易策略比較：10 套槓桿 ETF 擇時系統回測與三項驗證

多數量化交易文章只給一個策略、一條權益曲線。這篇把 10 套美股量化交易策略放進同一份資料、同一段 2016 年 5 月到 2026 年 10 月的回測區間、同一套執行模型與同一道 QQQ 趨勢關卡下比較，差別在於各自額外加上的條件，以及持有什麼。每個數字都來自 finlab 實際回測，每套策略都有可重現的程式。

結果是：10 套策略的年化報酬都高於買進持有那斯達克 100（QQQ 含息年化 20.7%），從 ETF 輪動保守版的 24.3% 到短期反轉的 51.9%；最大回撤也全部比 QQQ 的 -35.1% 淺。用同一個口徑計算月夏普（finlab 回測報表的算法，先扣 2% 無風險利率），QQQ 是 0.98，10 套策略都在它之上，但差距大小不一：盈餘驚喜 1.47 最高，突破／趨勢 1.04、ETF 輪動積極版 1.12 只小幅領先。這一輪另外對其中 8 套做了三項穩健性驗證，7 套全數通過；突破／趨勢在回測前半段沒有贏過 QQQ，判定未通過。

這 10 套策略都只在 QQQ 站上 200 日均線、且 126 日報酬為正時持有槓桿成長 ETF，其餘時間退到防禦資產；其中 6 套再於這道關卡之上加一個突破或因子廣度條件。這也是它們的回撤數字會擠在一起的原因。放在同一頁比較，比讀 10 篇各說各話的「我如何賺到 X%」更能看清楚，哪些差異來自各自的條件、哪些來自共用的引擎。如果你對量化交易的基本觀念還不熟，可以先讀量化交易完整指南。

十套美股量化策略的關鍵數字

每一列都是同一套槓桿 ETF 引擎，搭配不同的附加條件與持有標的。「訊號類型」區分下文說明的兩大類；年化報酬、月夏普與最大回撤涵蓋完整區間（2016-05-02 至 2026-10-26），樣本外欄是 2022 年以後的月夏普。

來源：finlab 回測，資料截至 2026-10-26；每套策略的回測腳本都可在各自的研究文章下載。

兩欄夏普都是月夏普，但口徑不同。完整區間欄採 finlab 回測報表的數值，會先扣掉每年 2% 的無風險利率；各篇策略研究的表格引用的則是不扣無風險利率的數值（例如動能在那裡是 1.46、這裡是 1.36），扣 2% 的數字只作為附註。2022 年以後的樣本外欄由權益曲線計算、不扣無風險利率，與各篇的樣本外表格一致。QQQ 與 SPY 都用所在欄位的同一口徑計算，請上下比較同一欄，不要跨欄比較。基準採含息還原價、同一段日期；槓桿 ETF 的價格序列本身已包含每日重設與內扣費用，2 倍、3 倍產品的波動耗損已經反映在結果裡。下方圖表沿用英文標籤，其中 09 Sector rotation 與 10 Regime timing 就是 ETF 輪動研究裡的保守版與積極版。

一套執行引擎，一道共用的 QQQ 關卡

這 10 套策略之所以算同一個家族，是因為執行層相同。每一套每個月只回答一個問題：「目前的市場狀態，適合持有槓桿成長部位嗎？」答案是肯定時，買進一到兩檔槓桿 ETF（3 倍的 TQQQ 或 TECL，2 倍的 QLD 或 SSO）；答案是否定時，換到一檔防禦 ETF，可能是公債、黃金或類現金基金。

ETF 擇時類策略在這兩種狀態之間乾淨切換。五套個股因子策略的回測則有部位重疊的情形：多數進場月份裡，防禦 ETF 約占 50%，TQQQ 與 TECL 各約 25%，所以典型的進場月份只有大約一半資金放在 3 倍產品上，動能與盈餘驚喜兩篇研究都用交易紀錄量過這件事。每月再平衡，每個部位都設觸價停損：七套用 8%，持有 QLD/SSO 的低波動與 ETF 輪動保守版用 6%，3 倍的積極版用 10%。

這個問題大多由同一個測試回答。每一套的進場條件都包含同一道 QQQ 關卡：QQQ 站上 200 日均線，且 126 日報酬為正。四套 ETF 擇時策略（02、06、09、10）只用這道關卡，差別在持有什麼與停損多緊：短期反轉持有 TQQQ 與 TECL 中近 3 日跌得較多的一檔，低波動持有一檔 2 倍基金，ETF 輪動兩版分別持有 QLD 加 SSO，或 TQQQ 與 TECL 中較強的一檔。突破（07）多加一個條件：過去 5 個交易日內 QQQ 創 21 日新高。五套個股因子策略則在關卡之上再加一個廣度門檻，但這個門檻多常真正起作用並不清楚：動能研究發現，8% 的廣度門檻在這段期間從未讓策略出場，所有的進出都由 QQQ 關卡決定。在強勢市場裡，這道關卡對 10 套同時打開，它們常常持有同樣的槓桿 ETF。

這個設計反映在數據上。五套個股因子策略的最大回撤完全相同，都是 -21.1%，因為它們用同樣的停損、同樣的標的、同樣的半防禦配置：回撤是引擎的性質，和選用哪個因子無關。下面這段程式把共用的執行層寫出來，以策略 10 的 QQQ 趨勢開關當例子：

from finlab import data
from finlab.backtest import sim
 
# 個股資料負責產生廣度訊號，ETF 才是實際持有的部位
data.set_market("us")
stock_close = data.get("us_price:adj_close")   # 還原價：計算報酬與因子
raw_close = data.get("us_price:close")         # 未還原價：計算成交金額與 10 美元股價下限
volume = data.get("us_price:volume")           # 成交量沒有做分割調整
 
# 廣度類策略的流動性宇宙：60 日平均成交金額前 500 名
dollar_volume = (raw_close * volume).rolling(60, min_periods=20).mean()
universe = dollar_volume.is_largest(500) & (raw_close > 10)
 
data.set_market("us_fund")
etfs = data.get("us_fund_price:adj_close")[["QQQ", "TQQQ", "TECL", "QLD", "SSO", "IEF", "GLD", "SHY"]]
 
 
# 每套策略用不同因子產生自己的 risk_on（True / False）。
# 這個乾淨的開關是 ETF 擇時類策略的做法；
# 五套個股因子策略的回測在進場月份會同時持有防禦 ETF 與槓桿 ETF。
def execute(risk_on, risk_assets, n_hold=1, defensive=["IEF", "GLD", "SHY"]):
    # 進場：依「3 個月減 1 個月」動能挑最強的槓桿 ETF
    risk_score = etfs[risk_assets].pct_change(63) - etfs[risk_assets].pct_change(21)
    risky = (risk_score.rank(axis=1, ascending=False) <= n_hold).mul(risk_on, axis=0).astype(float)
    risky = risky.div(risky.sum(axis=1), axis=0).fillna(0)
 
    # 避險：用同一個分數挑一檔最強的防禦 ETF
    safe_score = etfs[defensive].pct_change(63) - etfs[defensive].pct_change(21)
    safe = (safe_score.rank(axis=1, ascending=False) <= 1).mul(~risk_on, axis=0).astype(float)
    return risky.join(safe)
 
 
# 範例：策略 10 的 QQQ 趨勢開關。其他 ETF 擇時策略換掉 risk_on、標的或停損即可
trend = etfs["QQQ"] > etfs["QQQ"].rolling(200, min_periods=100).mean()
momentum_6m = etfs["QQQ"] / etfs["QQQ"].shift(126) - 1
risk_on = trend & (momentum_6m > 0)
 
position = execute(risk_on, ["TQQQ", "TECL"], n_hold=1)
report = sim(position.loc["2016-01-01":], resample="M", stop_loss=0.10,
             touched_exit=True, trade_at_price="close")

兩類訊號：個股因子廣度與 ETF 擇時

這個家族可以乾淨地分成兩半，而分法決定了每套策略能做多少驗證。

個股因子廣度（策略 01、03、04、05、08）。 這五套先篩出美股流動性最好的 500 檔（依 60 日平均成交金額排名），再量一個因子有多「普遍」：有多少比例的股票是動能領先股、出現正向財報驚喜，或同時便宜又賺錢。參與的股票越多，代表市場的風險胃口越持久，這個廣度門檻疊加在共用的 QQQ 關卡之上。因為底下有真實的個股宇宙，這類策略可以先在個股層級驗證（十分位排序、Rank IC、多空價差），再談加不加槓桿。同一個動能因子在台股的長期表現，可以對照台股動能策略 18 年回測。

ETF 擇時（策略 02、06、07、09、10）。 這五套看的是 ETF 本身的走勢。進出場判斷就是 QQQ 關卡本身（07 再加上新高突破），規則的其餘部分決定持有什麼，例如兩檔 3 倍基金之間的短期落後者，或 2 倍那斯達克 100 與 2 倍標普 500 基金之間的相對強弱。沒有個股宇宙可以排序，所以無法做橫截面驗證，證據來自時間序列回測，以及市場狀態規則背後的經濟邏輯。它們通常更集中（常常只持有一檔），結果也更分散：文首散佈圖裡，ETF 擇時類的年化報酬從 24.3% 拉到 51.9%，個股因子類則集中在 27.2% 到 32.0%。

風險調整後報酬：哪一類因子最穩

每套策略都用了槓桿，單看年化報酬，等於獎勵在多頭裡承擔最多風險的人，夏普比率是比較乾淨的比較方式。下圖是完整區間的月夏普，與上表相同，都先扣 2% 無風險利率，QQQ 也用同一方式計算。

在這個口徑下，10 套都高於 QQQ 的 0.98，但距離不同。突破／趨勢（1.04）與 ETF 輪動積極版（1.12）只小幅領先；改用不扣無風險利率的算法，結論相同，突破是 1.11、QQQ 是 1.09。個股因子類落在 1.27 到 1.47，前三名是盈餘驚喜（1.47）、自由現金流（1.42）與價值＋品質（1.37）。這個排名不能歸功於基本面：完全不用財報資料的動能是 1.36，與價值＋品質幾乎相同；而且這五套在進場月份都有約一半資金放在防禦 ETF，波動因此被壓低。較高的夏普有多少來自因子、多少來自這個半防禦配置，在這組回測裡無法分開。ETF 擇時類較低，介於 1.04 到 1.24。

較高的年化報酬沒有換來較高的夏普。短期反轉與積極版賺到全家族最高的兩個報酬（51.9% 與 41.0%），年化波動也是全家族最高（34.1% 與 36.2%），回撤則是最深的三個裡的兩個，所以夏普只有中等（1.24）到偏低（1.12）。

最大回撤：共用停損在數據上現形

有兩點很明顯。第一，即使持有 2 倍、3 倍產品，10 套策略的最大回撤都比買進持有 QQQ 的 -35.1% 淺，市場狀態開關在弱勢市場確實發揮作用。第二，五套個股因子策略的回撤底部完全一樣，都是 -21.1%。這是同樣的 8% 停損、同樣的槓桿 ETF、同樣的半防禦配置所產生的同一個最壞情況，屬於引擎的性質，不能算在任何一個因子頭上。

訊號切換較快的 ETF 擇時策略回撤較深：短期反轉 -27.8%、突破／趨勢 -27.9%，積極版 -32.4% 最接近 QQQ，它只持有一檔 3 倍基金，停損也最寬（10%）。保守版持有兩檔 2 倍基金、停損 6%，回撤是全家族最淺的 -19.3%，年化報酬也最低（24.3%），報酬與回撤的取捨在這一組數字上最清楚。想看美股在真正恐慌時的歷史走勢，可以參考 VIX 恐慌指數抄底美股回測。

樣本外表現：2022 年以後還撐得住嗎

每套策略都用 2016 到 2021 年的資料設定參數，2022 年以後完全不再調整，這段沒看過的資料包含 2022 年的空頭。

更新後的數據在這一段比 6 月版保守。10 套裡有 9 套在 2021 年後的年化報酬低於研究期，只有品質成長上升（26.4% 到 28.1%）。ETF 擇時類掉得最多：短期反轉從 63.3% 降到 39.6%，積極版從 49.1% 降到 31.2%，保守版從 32.6% 降到 14.8%，樣本外月夏普只剩 0.95。

有兩個事實能幫你用正確的比例看這些數字。第一，QQQ 自己在 2022 年以後也只有年化 13.3%、月夏普 0.82（不扣無風險利率，與策略的樣本外夏普同口徑），10 套策略兩項都在它之上。第二，個股因子類的風險調整後報酬守住了：樣本外月夏普 1.50 到 1.53，ETF 擇時類則是 0.95 到 1.16。

圖上還有一個要留意的地方：動能、品質成長、價值＋品質、自由現金流四套的樣本外年化報酬（28.1%）與夏普（1.50）完全相同，盈餘驚喜也很接近（29.2%、1.53）。這是共用執行層又一次浮現：在持續的多頭裡，不同的廣度因子都判定「可以進場」，於是持有同樣的槓桿 ETF，樣本外報酬自然收斂。正面解讀是優勢不依賴你挑哪個因子；保守解讀是這幾套策略彼此的分散效果遠比名稱看起來小，同時跑好幾套並不等於分散風險。

三項驗證：鄰近參數、前後兩段、交易成本

每篇策略研究這次都加上三項穩健性驗證。這裡的「贏 QQQ」是指日夏普（日報酬平均除以標準差，乘以 √252 年化，不扣無風險利率）高於同一段日期含息買進持有 QQQ。鄰近參數驗證把兩個主要參數（通常是訊號門檻或回看天數，加上 QQQ 趨勢均線長度）各往前後移動一格，9 個組合至少要有 7 個贏 QQQ。前後兩段驗證以交易日把回測從 2021-07-08 切成兩半，兩段都必須各自贏 QQQ（QQQ 的日夏普前半段 1.20、後半段 0.71）。交易成本驗證在每筆買進與賣出各扣 0.1%，代表價差與滑價，因為 finlab 美股市場預設的手續費與稅都是零。三項全過才算通過。

驗證過的 8 套裡有 7 套三項全過。每一套在每邊扣 0.1% 成本後都還贏 QQQ，年化報酬約少 1.0 到 2.2 個百分點；鄰近參數也都至少有 7 組贏 QQQ，只是積極版剛好卡在門檻，兩個沒贏的組合都用最短的 3 個月動能回看期。突破／趨勢沒有通過前後兩段驗證：前半段（2016-05-02 至 2021-07-08）日夏普 1.16，低於 QQQ 的 1.20，全期的領先來自後半段（1.11 對 0.71），也就是 QQQ 自己表現疲弱的那幾年。對讀者來說，這代表突破策略還沒證明它能在強勁多頭裡贏過單純持有 QQQ；它照實標為未通過，參數也沒有為了過關而修改。品質成長與價值＋品質沒有單獨驗證，因為美股品質價值策略那篇是用自由現金流版本跑這三項驗證。每篇研究都附完整的參數格點、前後兩段與成本結果，用該篇可下載的腳本執行 python strategy.py --validate 就能重現。

和 6 月版相比改了什麼

這組十策略比較在 2026 年 6 月首次發布（英文版），當時涵蓋 2016 年 6 月到 2026 年 6 月。這次所有數字都改用截至 2026-10-26 的 FinLab 資料、以 finlab 2.2.20 重跑，歷史數字也跟著變動，不只是多了四個月：

• 價格修正。 FinLab 在 2026 年 10 月修正美股價格：10 月 10 日把漏掉的股息補進還原價，並修正分割與分拆的調整。finlab 2.2.20 也改變了「停損剛好發生在再平衡日」時的成本計算方式。
• 流動性宇宙修正（策略 01、03、04、05、08）。 FinLab 美股的成交量沒有做分割調整，還原收盤價卻有。分割資料修正後，「還原價乘以成交量」會把反向分割前的成交金額放大到分割比例那麼多倍，導致一些極小型、做過反向分割的股票擠進成交金額前 500 名，也通過 10 美元的股價門檻。五套個股因子策略現在改用未還原收盤價計算成交金額與股價門檻，報酬仍用還原價。

整體影響是每一套的年化報酬都比 6 月版低，降幅從 2.8 個百分點（低波動）到 15.5 個百分點（短期反轉），完整區間的月夏普也全部下降。這個家族當初建立時，每套策略都要在完整區間做到年化報酬 30% 以上、月夏普 1.1 以上。用新數據重跑，有五套已經達不到：動能（29.9%）、品質成長（27.2%）、低波動（29.3%）、突破／趨勢（29.8%，月夏普 1.04）與 ETF 輪動保守版（24.3%）。這些數字照原樣呈現，沒有為了回到門檻之上而調整任何參數。

用 AI 重現這十套回測

想自己跑這些策略、改參數或換標的，最快的路徑是讓 AI 助理幫你裝好 FinLab，再請它重跑任何一套並比較結果。

槓桿 ETF 的風險

這個家族的每一套策略都會持有槓桿 ETF，所以共享同樣的核心風險：

• 每日重設與路徑依賴。 3 倍槓桿 ETF 每天重新設定槓桿，盤整震盪的市場即使指數最後回到原點，淨值也會被侵蝕。這也是這些策略都不會無條件長抱槓桿的原因。
• 跳空會穿過停損。 回測裡 6% 到 10% 的停損以觸價成交計算，實盤遇到大幅跳空開盤，成交價可能更差，這屬於滑價風險。
• 月度切換擋不住崩盤。 月中的急跌在觸發停損或下次再平衡之前，都是以完整槓桿承受。
• 集中度。 只持有一到三檔 ETF，代表單一部位與單一主題（美國大型成長股）的風險。報酬較高的 ETF 擇時策略最集中。

如果這些風險你無法接受，各篇研究也報告了每個因子在個股層級、不加槓桿時的表現。以動能為例，最高十分位每年平均比最低十分位多賺 22.1%（多空價差，未扣成本）。不過這些十分位組合都不是本頁測試的策略，上面的回撤數字也不適用於它們。

回測方法與限制

整個家族共用以下假設：

這組研究的發布門檻是風險調整後比率至少 1.5。以 finlab 完整區間月夏普（扣 2% 無風險利率）來看，這次沒有任何一套達到，最高是盈餘驚喜的 1.47；不扣無風險利率時，盈餘驚喜（1.57）與自由現金流（1.52）達到。2022 年以後（同樣不扣）五套個股因子策略在 1.50 到 1.53，五套 ETF 擇時策略在 0.95 到 1.16，沒有達到。較低的數字照實列出，不另作包裝。

優勢從哪裡來：每個訊號的學術依據

每個訊號背後都有文獻記錄的市場異常，並非擬合出來的曲線。橫斷面動能由 Jegadeesh & Titman（1993） 確立，Carhart（1997） 把它納入標準的因子模型。盈餘驚喜策略的依據是財報公布後的價格漂移（PEAD），由 Bernard & Thomas（1989） 記錄。品質與自由現金流策略對應 Novy-Marx（2013） 的毛利率溢酬，低波動策略對應 Frazzini & Pedersen（2014） 正式化的低貝他效應。動能與價值在各個市場同時存在的更廣泛證據，見 Asness, Moskowitz & Pedersen（2013）。本頁做的事，是把這些異常放進同一套有紀律的槓桿 ETF 市場狀態開關，再用同一份資料、同一段區間、同一個基準逐一衡量。

各策略的完整研究

每篇研究都附完整驗證、三項穩健性檢查、可下載程式碼與互動式回測報告：

• 美股動能策略回測：第一篇完整研究，包含十分位排序、Rank IC、把廣度當市場狀態開關，以及槓桿 ETF 執行層的細節。
• 盈餘驚喜策略與 PEAD 回測：19,933 次財報事件的研究，說明單一個股的 PEAD 為何在大型流動股裡所剩無幾，以及驚喜廣度為何仍可當市場狀態訊號。
• 美股價值投資策略：品質、價值、自由現金流：三種基本面篩選做十分位與 Rank IC 檢驗，挑個股的能力很弱，當廣度開關卻很有用，三者在樣本外收斂成同一筆交易。
• 美股低波動策略回測：以 QQQ 市場狀態過濾、持有一檔 2 倍槓桿 ETF。單純持有 QLD 的年化報酬反而較高（33.3% 對 29.3%），市場狀態過濾換到的是風險：最大回撤從 -64% 降到 -22%，關鍵在避開高波動的月份。
• ETF 輪動策略：同一個 QQQ 多空訊號、兩種槓桿預算（保守 2 倍、積極 3 倍），說明這個訊號過濾的是波動、對報酬沒有預測力，以及這對槓桿 ETF 的複利存活有什麼意義。
• 短期均值回歸策略：全家族年化報酬最高（51.9%），在市場狀態開關之內，於 TQQQ 與 TECL 之間買進近 3 日落後的一檔；事件研究顯示反轉傾向存在但統計上偏弱（t 值 1.25），大部分功勞來自市場狀態引擎。
• 突破趨勢策略：QQQ 創 21 日新高、搭配 200 日趨勢過濾。事件研究中，有趨勢過濾的新高在三個月後延續的比例是 80%；但它的月夏普是全家族最低（1.04，略高於 QQQ 的 0.98），也是唯一沒通過前後兩段驗證的策略。

適合誰、不適合誰

這組比較適合想用規則化、偏成長風格的方式參與美股，了解槓桿 ETF，並能承受 20% 以上回撤來換取較高複利的投資人。它不適合需要資本穩定、無法每月執行再平衡，或對任何時候持有 2 倍、3 倍產品感到不安的人。

如果你想先從基本的美股回測流程學起，美股回測教學用股價淨值比示範了完整工作流，也用數據說明台股的選股模板為什麼不能原封不動搬到美股。

常見問題

美股量化交易策略有哪些類型？

本頁的 10 套都用同一道 QQQ 趨勢關卡決定是否持有槓桿 ETF，再分成兩類。個股因子廣度類（動能、盈餘驚喜、品質成長、價值＋品質、自由現金流）在關卡之上加一個全市場廣度門檻；ETF 擇時類（短期反轉、低波動、突破與 ETF 輪動保守、積極兩版）只看 ETF 自身的走勢，其中只有突破多加一個條件。兩類都用同一套槓桿 ETF 執行引擎，每月再平衡，停損設在 6% 到 10%。

美股量化策略真的能打敗 QQQ 嗎？

在這組回測的完整區間裡，10 套的年化報酬都高於 QQQ 的 20.7%，最大回撤都比 QQQ 的 -35.1% 淺，同口徑的月夏普也都高於 QQQ 的 0.98，但突破／趨勢只領先一點（1.04）。更嚴格的穩健性驗證還會看前後兩段，驗證過的 8 套中 7 套通過，突破／趨勢因前半段輸給 QQQ 而未通過。這些都是歷史回測，不代表未來會重演。

TQQQ 這類槓桿 ETF 可以長期持有嗎？

單純長抱的歷史回撤非常大：同一段期間單純持有 QLD（2 倍）最大回撤約 -64%，單純持有 TQQQ（3 倍）約 -82%。槓桿 ETF 每日重設，盤整市場會產生波動耗損，這也是這 10 套策略都只在市場狀態有利時才持有槓桿、其餘時間換到防禦資產的原因。

回測沒算手續費，實際交易會差多少？

預設回測不計手續費、稅與滑價。每筆買賣各扣 0.1% 之後，驗證過的每一套日夏普仍高於 QQQ，年化報酬約少 1.0 到 2.2 個百分點。槓桿 ETF 的買賣價差，以及跳空穿過停損的成交，仍可能讓實盤結果比這兩組數字都差。

10 套策略哪一套最好？

沒有單一最好。盈餘驚喜的完整區間月夏普最高（1.47）且三項驗證全過；短期反轉年化報酬最高（51.9%），回撤 -27.8%；ETF 輪動保守版回撤最淺（-19.3%），年化報酬也最低（24.3%）。哪一套適合你，取決於你能承受多深的回撤。

在台灣可以用 finlab 做美股回測嗎？需要哪些資料？

可以。data.set_market("us") 切到美股後，語法和台股相同。個股因子策略需要 us_price:*（還原價算報酬，未還原價與成交量算流動性篩選）與 us_fund_price:*（ETF），ETF 擇時策略只需要 us_fund_price:*。環境可以用 AI 輔助安裝流程設定，再請 AI 助理幫你重跑任何一套。

美股量化和台股量化有什麼不同？

資料取得與回測工作流相同，因子效果卻不一定能移植。上面提到的美股回測教學就是反例：股價淨值比在台股有排序力，搬到美股就失效。另一個差異在執行：本頁的美股策略多半用槓桿 ETF 表達市場判斷，台股的程式交易則常直接持有選出的個股。任何跨市場移植，都應該重跑十分位、IC 與分段檢驗後再上場。

**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，請依自身風險承受度評估任何策略。

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