量化交易（Quantitative Trading）是把投資決策寫成明確的規則、交給程式執行：什麼條件買、什麼條件賣、每次買多少，全部事先定義好，並且先用歷史數據驗證過才上場。
它的核心價值不是「電腦比較聰明」，是紀律：程式不會恐慌、不會貪婪、不會凹單、不會因為昨晚看了新聞就改變主意。量化不是穩賺的印鈔機，它只是把「人性」這個投資最大的敵人，從執行環節裡拿掉。
這篇講清楚量化在做什麼、常見策略有哪些、回測最會騙人的三個陷阱，以及不會寫程式的人該怎麼開始。
過去十年，量化從華爾街的火箭科學變成散戶也能接觸的工具：ETF 把因子策略包裝成一鍵可買的商品，回測平台讓你不寫一行程式也能驗證想法。但工具普及的同時，誤解也跟著普及：有人以為量化是 AI 保證獲利，有人以為它是高頻搶單的代名詞。這篇把它還原成本來的樣子：一套把投資紀律工程化的方法。我們會用 33 年的市場數據告訴你為什麼需要規則、用一個實際例子帶你把量化流程走一遍、講清楚史上最強量化基金的故事給散戶的真正啟示，最後給你一條不用寫程式也能出發的路。
量化交易是什麼？和一般投資差在哪
先用一張表看清楚量化和主觀投資的差別。同樣是「想買在低點」，兩種做法長這樣：
| 主觀投資 | 量化交易 | |
|---|---|---|
| 決策依據 | 經驗、盤感、新聞、消息 | 事先寫好的規則與數據 |
| 進出場 | 「感覺差不多了」 | 條件觸發就執行，沒有猶豫 |
| 可驗證性 | 事後很難檢討（記憶會美化） | 規則可以完整回測，績效攤開檢驗 |
| 情緒影響 | 恐慌賣在低點、貪婪追在高點 | 程式沒有情緒，照規則走 |
| 弱點 | 不一致：同樣情況每次做的不一樣 | 規則以外的黑天鵝，它不會應變 |
注意最後一列：量化不是沒有弱點，它的弱點是「只會照規則走」。規則寫得爛，它就會很有紀律地執行一套爛規則。所以量化的重點從來不是程式，是規則背後的投資邏輯，這也是為什麼我們一直說：先懂投資，再學量化。
為什麼需要規則？先看一個 33 年的實證
「用規則取代情緒」聽起來像雞湯，所以我們直接算給你看：情緒到底值多少錢。
拿追蹤標普 500 的 SPY 來算，從 1993 年上市到現在約 33 年，把每一年股息都再投入：期初 1 萬元、中間什麼都不做，最後變成 30.4 萬元（年化 10.7%）。接著我們只做一件很小的更動：假設你因為進進出出，剛好錯過了這 33 年裡「表現最好的 10 天」，只是 8,000 多個交易日裡的 10 天：
錯過 10 天，成果從 30.4 萬掉到 13.2 萬，直接腰斬還不止；錯過 30 天，只剩下六分之一。而真正殘忍的是下面這個統計：這 33 年裡最好的 30 個交易日，有 27 天出現在大盤已經下跌超過 10% 的恐慌期，也就是市場最嚇人、新聞最悲觀、你最想「先出場避避風頭」的時候。
量化交易的四個步驟
不管多複雜的量化系統，拆開都是同四個步驟：
- 投資想法：一切從一個「假說」開始。例如「跌破 200 日均線後市場風險較高」「過去一年最強的股票會繼續強」。想法可以來自觀察、學術論文、或前人的智慧，重點是它要有經濟邏輯，說得出「為什麼會有效」。
- 寫成規則：把模糊的想法變成電腦能執行的條件。「跌深就買」不是規則；「股價低於 200 日均線 5% 且本益比低於十年中位數時，買進 10% 部位」才是。這一步最考驗功力，因為你必須把每個模糊地帶都想清楚。
- 回測驗證：用歷史數據跑一遍，看這套規則過去的成績。賺多少、最大跌幅多深、多少交易次數、成本吃掉多少。我們站上的黃金交叉勝率實測和200 日均線回測就是這一步的成品。回測是量化的靈魂，也是最多陷阱的地方，第 4 節專門講。
- 紀律執行：上場之後，人的工作是「不要干預」。照訊號進出，定期（例如每季）檢視策略是否仍然健康，而不是每天盯著損益想「要不要手動改一下」。手癢干預是量化散戶最常見的死法：留著紀律的名，行主觀之實。
把四步驟實際走一遍：200 日均線的例子
概念講完，用一個我們實際做過的例子把四步驟走一遍，你會看到每一步「具體長什麼樣子」：
| 步驟 | 實際內容 |
|---|---|
| ① 想法 | 「大盤跌破長期均線後，市場往往比較危險」，這是流傳幾十年的老觀察，值得驗證 |
| ② 規則 | 精確化：SPY 月底收盤價高於 200 日均線 → 下月持有股票；低於 → 下月轉持現金。月底才看、隔月初執行，訊號與成交分開，避免前視偏差 |
| ③ 回測 | SPY 約 26 年數據：擇時版年化報酬略輸買進持有，但最大跌幅從 −55% 縮到約 −20% 上下。結論很直白：它沒有讓你賺更多，它讓你跌更少 |
| ④ 執行 | 每月月底看一次收盤，五分鐘完成；中間發生什麼事都不動作。難的不是操作，是空頭反彈初期看著它「賣在相對低點」時，你忍不忍得住不干預 |
完整的回測數據與圖表在200 日均線這篇。這個例子選得刻意：它的回測結論「不完美」，報酬換風險、有得有失。這才是真實量化研究的日常：多數規則不是聖杯，回測的價值是把利弊算清楚，讓你「知道自己在換什麼」之後再上場，而不是給你一個穩賺的按鈕。
常見的量化策略類型
| 類型 | 邏輯 | 散戶適合度 |
|---|---|---|
| 因子投資 | 買進具備特定特質的一籃子股票：便宜（價值）、強勢（動能）、賺錢品質高（品質）、波動低等 | 高。有現成 ETF，一鍵配置 |
| 趨勢跟蹤 | 用均線、通道等訊號判斷趨勢方向，順勢持有、破位離場 | 中高。規則簡單可自行回測 |
| 資產配置輪動 | 依動能或總經訊號，在股、債、金等資產間定期輪動，例如戰術性資產配置（TAA） | 高。月頻操作，時間成本低 |
| 量化選股 | 把選股準則寫成篩選條件，例如我們把巴菲特的四條準則翻成四道門檻去篩 S&P 500 | 高。不需要頻繁交易 |
| 套利 / 市場中性 | 捕捉相關商品間的定價偏差，對沖掉市場方向 | 低。需要低成本與速度優勢 |
| 高頻交易 | 以毫秒級速度賺微小價差，拼基礎建設 | 零。那是機構的軍備競賽 |
注意一件事：散戶適合度最高的策略，全都是「低頻」的：月調倉、季篩選，甚至一年動一次。量化不等於頻繁交易，對散戶來說恰恰相反：頻率越低，成本越低、犯錯空間越小、越容易長期執行。
量化的天花板：文藝復興的故事與它的啟示
講量化不可能不提這個名字：文藝復興科技（Renaissance Technologies）。創辦人西蒙斯（Jim Simons）是拿過幾何學最高榮譽的數學家，40 歲才轉行投資，他的旗艦基金「大獎章（Medallion）」從 1988 年起的三十多年間，費用前年化報酬約 66%、費用後約 39%，橫跨網路泡沫與金融海嘯，被普遍認為是史上最強的投資紀錄。整個團隊幾乎不看財報、不聽消息，全靠數學模型在海量數據裡找規律。
聽完先別熱血。這個故事對散戶真正的啟示有兩個，而且和多數人想的相反：
- 它證明了紀律與統計的上限極高，但那個上限不屬於散戶。大獎章聘的是天體物理學家和密碼破譯專家、用的是自建的數據與交易基礎設施，而且基金規模刻意封頂、只對內部開放，因為他們比誰都清楚：那種等級的策略容量有限。你能學的是「用證據說話、用規則執行」的方法論，不是複製那個報酬率。任何人拿「量化」兩個字向你保證高報酬，都可以直接離開。
- 連西蒙斯都反覆強調：最難的不是模型，是堅持遵守模型。他說過團隊最大的挑戰是在系統虧損時仍然信任系統。頂級數學家用頂級模型，痛點居然和你我一樣：手癢想干預。這件事應該讓你安心，因為它代表散戶量化的勝負手不在數學多深，在第 5 節那條務實路線你能不能走完。
BOS 回測：就算你每個月都猜對漲跌，能賺多少
上面的故事很容易讓人得到一個錯誤結論：「原來量化就是把市場預測做得很準。」這一節把「很準」直接量化出來，看看方向性預測的天花板到底在哪裡。
假設一（資料）：公開學術資料庫的美國市場月報酬（價值加權含息）與 1 個月期國庫券利率，1926 年 7 月至 2026 年 5 月，共 1,199 個月。
假設二（做法）：「完美預知」＝每月月初就知道當月市場會漲會跌，會漲就百分之百持有市場、會跌就百分之百轉國庫券。這是方向性擇時的絕對上限，現實不存在。另外模擬「猜對率 p」的擇時者：每月獨立擲一次骰子，以機率 p 猜對方向，每個 p 跑 2,000 次取中位數。
假設三（沒算的事）：不計交易成本、稅與滑價。完美預知版本每年進出多次，把成本算進去只會更差，所以這個上限已經偏樂觀。另外這裡只做「方向性擇時」，不含選股與跨市場配置。
先看三種極端情境，99 年、100 元本金：
| 做法 | 100 元最後變成 | 年化 | 最大跌幅 |
|---|---|---|---|
| 買進持有市場 | 193.7 萬元 | 10.38% | −83.7% |
| 完美預知（每月都猜對） | 約 625 兆元 | 34.30% | −0.1% |
| 完美猜錯（每月都猜反） | 幾乎歸零 | −15.10% | −100% |
再看比較貼近現實的版本：你不是神，只是有某種準度的普通人。
| 每月猜對漲跌的比率 | 年化報酬（中位數） | 贏過買進持有的機率 |
|---|---|---|
| 50%（等於亂猜） | 6.78% | 0.0% |
| 55% | 9.27% | 13.6% |
| 57.5%（剛好打平） | 約 10.4% | 約一半 |
| 60% | 11.82% | 91.5% |
| 70% | 17.03% | 100% |
| 100%（完美預知） | 34.30% | 100% |
- 光是亂猜，就先輸掉 3.6 個百分點。原因不在猜得爛，在市場上漲的月份佔了 62.9%。只要有一半時間在場外，你自動放棄了大部分漲幅。這就是空手的代價。
- 要打平「什麼都不做」，每月得猜對 57.5%。看起來離 50% 只有七個百分點，但那是要連續九十九年、每個月都維持這個準度。猜對率 55% 的人，有 86% 的機率還是輸給買進持有。換句話說，擇時的門檻不是「你偶爾猜得準」，是「你長期穩定地比丟銅板準得多」。
- 猜對與猜錯的代價不對稱。完美預知的最大跌幅幾乎是零，完美猜錯的本金歸零。真實世界的每一個人都落在這兩端之間，而落在哪裡，事前沒有人知道。
回頭看大獎章：它的報酬根本不是靠猜方向
把時間縮到 1988 至 2018 這 31 年做同一件事：完美預知每月漲跌，100 元會變成 32.6 萬元。同一期間，年化 66% 的那檔基金會把 100 元變成 6.7 億元，是完美預知的 2,039 倍。
這個對照告訴我們：那種等級的報酬，來源不可能是「把市場方向預測準」。方向預測做到滿分，也只走到它成績的兩千分之一。它真正做的事是在極短的時間尺度上下數千個彼此獨立的小賭注，每一注的勝率只比五成高出一點點，再用次數把微弱的優勢累積成複利。公開報導引述過該基金主管的說法：他們的交易大約只有五成一是賺錢的。
回測最會騙人的三個陷阱
回測是量化的靈魂，但「回測很漂亮、實盤很悲劇」是這一行最常見的故事。九成的原因出在這三個陷阱：
- 過度擬合（Overfitting）：把規則調到「完美貼合過去」。參數挑來挑去，總能找到一組讓歷史績效驚人的設定，例如「73 日均線搭配 2.35 倍停利」。但那是為過去量身訂做的西裝，未來換一個身材就完全不合身。判斷方法：把參數微調一點（73 改成 70），績效就崩掉的策略，是擬合出來的幻覺。穩健的策略在一整片參數區間裡都該表現接近。
- 前視偏差（Look-ahead Bias）：讓過去的自己偷看未來的資料。最常見的是用「當天收盤價」計算訊號、又假設「當天收盤價」成交（實際上收盤時你才知道訊號，只能隔天成交）；或用今天才公布的財報去回測上個月的決策。前視偏差做出來的績效，實盤永遠追不上，因為實盤沒有時光機。
- 倖存者偏差（Survivorship Bias）：只用「活下來的股票」回測。拿今天的 S&P 500 成分股回測過去三十年，等於事先知道誰會活下來、誰會壯大，下市和被剔除的輸家全部從歷史上消失。這會讓選股策略的回測績效大幅灌水。嚴謹的回測要用「當時時點」的成分股名單。
散戶 vs 機構：你真正的優勢在哪
「機構有博士軍團和超級電腦，散戶做量化不是去送死嗎？」這是最常見的質疑，但它搞錯了戰場。散戶確實不該去和機構拚速度與算力，可是散戶手上有三張機構羨慕不來的牌：
| 機構 | 散戶 | |
|---|---|---|
| 資金規模 | 大到會推動價格，很多小市場、低頻策略容不下他們 | 小資金進出無痕跡，任何策略容量都夠用 |
| 時間壓力 | 每月、每季都要向客戶交代績效，落後就面臨贖回，被迫短視 | 沒有人逼你交月報，可以熬過策略落後的兩三年，吃到長期因子的完整報酬 |
| 策略頻率 | 擠在高頻與中頻廝殺，那裡才有容納巨量資金的機會 | 低頻策略幾乎沒有對手盤：月調倉的動能、季篩選的價值股，機構看不上，散戶剛剛好 |
| 劣勢面 | 資料、工具、風控體系完整 | 資料與工具較弱（但差距逐年縮小）、最大弱點是執行紀律 |
結論很清楚：散戶量化的主場在「低頻、長期、簡單」，那裡機構進不來、也看不上；散戶唯一真正的敵人，是自己能不能把規則執行到底。這正好銜接下一節的入門路線。
散戶的務實入門路線
不會寫程式，能做量化嗎？能，而且我們建議就算會寫程式，也照這個順序走：
- 第一步：先懂投資邏輯，再談量化。量化是執行工具，不是投資邏輯本身。看不懂財報、不知道內在價值是什麼的人做量化，等於開著自動駕駛卻不知道目的地。先把價值與動能這些「為什麼會賺錢」的道理弄懂。
- 第二步：從「現成的量化商品」開始。因子 ETF（價值、動能、品質）本質上就是打包好的量化策略：規則透明、有人替你執行、成本低。用它們建立第一層量化部位，同時觀察自己能不能忍受策略落後大盤的時期，這個心理測試比任何回測都重要。
- 第三步：學會讀回測、再學做回測。拿著第 4 節的三個陷阱，去檢視你看到的每一份策略績效。等你能一眼看出別人回測的問題，再開始驗證自己的想法：現在的無程式回測平台、甚至試算表，都足以完成低頻策略的驗證。
- 第四步：小錢實跑，讓實盤教你。紙上回測和真金白銀之間隔著滑價、手續費和你自己的心理。用小部位跑至少半年到一年，記錄每一次「手癢想干預」的時刻，那份紀錄比績效更有價值。
量化與價值投資：不是二選一
很多人以為量化和價值投資是對立的兩派：一邊看冷冰冰的數據，一邊讀財報講護城河。我們的看法是：它們是同一件事的兩種表達。
價值投資的核心是「用紀律對抗情緒」：在便宜時買進、在瘋狂時離場，說到底就是一套原則。而量化做的事，是把原則變成可以驗證、可以一致執行的規則。巴菲特（Warren Buffett）的四條選股準則，我們照樣能翻成量化門檻去篩選 S&P 500；葛拉漢（Benjamin Graham）晚年自己就說過，簡單的量化準則足以讓多數投資人受益。
我們自己的路線也是如此：價值投資是核心（看懂生意、算得出價值），量化是把這套哲學執行到位的工具，並用動能、資產配置這些低相關的策略當衛星，讓組合更穩。工具會進步、平台會更迭，但「先懂邏輯、再談執行、永遠檢驗證據」這個順序不會變。這也是我們把每一篇策略文章都附上完整回測的原因：你不需要相信我們，你需要看得懂證據。
常見問題
量化交易是什麼？
把投資決策寫成明確規則（什麼條件買、什麼條件賣、買多少）、先用歷史數據回測驗證、再交給程式或紀律執行的投資方式。核心價值是用規則取代情緒，讓策略可驗證、執行可一致。它不是保證獲利的黑科技，規則背後的投資邏輯才是關鍵。
量化交易一定要會寫程式嗎？
不一定。入門的量化部位可以用因子 ETF（價值、動能、品質）完成，零程式；中階可用無程式回測平台或試算表驗證低頻策略；寫程式是進階選項，讓你能驗證更客製的想法。比程式更重要的是看懂投資邏輯、以及識破爛回測的能力。
量化交易賺錢嗎？勝算高嗎？
量化是方法不是答案：好邏輯加嚴謹驗證會提高勝算，爛規則被紀律執行只會很有紀律地賠錢。學術驗證過的低頻因子（價值、動能）長期有超額報酬的證據，但都伴隨連續落後大盤數年的痛苦期。散戶的優勢在低頻、長期、低成本，劣勢在忍耐力；多數失敗不是策略失效，是人在最差的時點放棄了策略。
每月擇時可以打敗買進持有嗎？
門檻比想像中高。用美國市場 1926 年以來 1,199 個月的資料模擬，要打平買進持有，每個月判斷漲跌得長期猜對約 57.5%；猜對率 55% 的擇時者有 86% 的機率仍然輸給什麼都不做，純亂猜（50%）的年化只剩 6.78%，比買進持有的 10.38% 少了 3.6 個百分點。關鍵原因是市場上漲的月份佔 62.9%，只要有一半時間在場外，就放棄了大部分漲幅。
完美預知市場漲跌能賺多少？
在 1988 至 2018 年，每月都猜對漲跌會把 100 元變成 32.6 萬元；同期年化 66% 的頂級量化基金會變成 6.7 億元，是前者的 2,039 倍。這代表那種報酬的來源不是把市場方向預測準，而是在極短時間內下數千個彼此獨立的小賭注、用次數把每注只高於五成一點點的優勢累積起來，這是散戶複製不了的打法。
回測是什麼？可信嗎？
回測是把策略規則放到歷史數據上模擬，看它過去的績效與風險。可信度取決於做法：要避開過度擬合（參數微調就崩的是幻覺）、前視偏差（用了當下拿不到的資料）、倖存者偏差（只用活下來的股票）。看到任何華麗的回測數字，先用這三題檢驗。
量化交易和 AI 交易是同一回事嗎？
不是。傳統量化用的是明確、人看得懂的規則（均線、因子、估值門檻），每筆交易都能解釋；AI 交易讓模型自己從數據找規律，威力大但常是黑箱，也更容易過度擬合。對散戶來說，看得懂、能檢驗的簡單規則，遠比看不懂的複雜模型實用。別把「用了 AI」當成策略可信的理由。
量化基金是不是都很賺？
不是。大獎章那種紀錄是極端個例（自營、封閉、容量受限、頂級人才與設施），對外開放的量化基金整體績效和主動式基金一樣參差，多數長期未能穩定打敗指數。正確的期待：量化是提高「紀律與可驗證性」的方法，不是高報酬的保證。凡是拿「量化」或「AI」當保證獲利話術的，直接視為警訊。
台股可以做量化交易嗎？
可以，而且環境越來越成熟：主要券商多有提供 API 與程式下單服務，歷史資料也能從公開管道取得。但台股要特別留意三件事：個股流動性差異大（小型股滑價高）、公司下市與更名頻繁（回測務必處理倖存者偏差）、以及當沖與頻繁交易的成本偏高。原則不變：從低頻策略入手，成本與資料品質先顧好，再談複雜度。
散戶要從哪裡開始學量化？
順序：①先懂投資邏輯（財報、估值、因子為什麼有效）②用因子 ETF 建立第一層量化部位，體驗「跟著規則走」的心理考驗③學會用三大陷阱檢視回測④小錢實跑半年以上再放大。我們站上的動能、TAA、黃金交叉、200 日均線等文章都附完整回測過程，可以當成「學會讀回測」的起點。
投資與教學資歷都超過二十年。教學橫跨三個階段：從兒童理財教育起步，到成人的價值投資，再到近年的量化交易。曾創立三間公司，並以價值投資建立起財務上的獨立與自信，也擔任過台積電的理財培訓師，是價值投資的國際級講師。他始終相信，理財是為了把生活過得更好，而看懂財報、獨立思考，遠比追逐明牌或現成的答案更重要。
延伸閱讀
本文為量化交易的觀念教學。文中提及的策略類型與 ETF 僅為說明範例，不構成投資建議；因子與策略的歷史證據不代表未來表現，任何策略上場前都應以本文第 4 節的三個問題自行檢驗。
