追漲停真的能賺錢嗎？動能投資 18 年實測大公開
「股票漲了就追，跌了就跑」——這是很多散戶的直覺操作。 但如果把這個想法系統化，每個月固定買進漲最多的股票，長期下來會賺錢嗎？ 今天我們用 18 年的台股數據，來一場殘酷的真相大揭密。
前言：追強勢股的誘惑
你一定聽過這些說法：
- 「強者恆強，弱者恆弱」
- 「趨勢是你的朋友」
- 「會漲的股票還會繼續漲」
這些聽起來很有道理的投資格言，背後其實有學術根據——這就是「動能效應」（Momentum Effect）。
1993 年，兩位財務學教授 Jegadeesh 和 Titman 發表了一篇震驚金融學界的論文，他們發現：過去 3-12 個月表現好的股票，未來 3-12 個月會持續表現好。這個發現被稱為「動能效應」，後來成為金融學三大異象之一。
聽起來很美好對吧？買進飆股，坐等獲利。
但是，這個在美股有效的策略，套用到台股會怎樣？ 讓我們用數據說話。
切角一：動能策略到底是什麼？
學術定義
動能策略的核心概念很簡單：
- 找出過去一段時間漲最多的股票
- 買進這些「贏家」
- 定期換股，持續持有新的贏家
學術界最經典的做法叫做「12-1 動能策略」：
- 用過去 12 個月的報酬率來排名
- 但要排除最近 1 個月（因為短期可能有反轉）
- 買進動能最強的前 30 檔
生活化類比
想像你在追星：
- 你發現某個偶像最近一年人氣暴漲
- 但你不會看他這個月的數據（可能是曇花一現）
- 你會看他「扣掉這個月」的長期趨勢
或者想像滾雪球：
- 已經滾起來的雪球，會越滾越大
- 你只是順著它的方向，跟著走
動能策略就是這個邏輯：找到「已經在滾」的股票，期待它繼續滾下去。
AI Prompt 示範 #1：建立動能策略
你對 AI 說：
幫我建立一個動能投資策略，用過去 12 個月的股價報酬來排名選股， 但要避開最近 1 個月的漲幅（因為可能是短期反轉）。 選動能最強的前 30 檔股票，每月換股一次。
AI 回覆：
好的！我來幫你建立經典的「12-1 動能策略」。
策略邏輯：
- 計算每檔股票過去 12 個月的報酬率
- 扣掉最近 1 個月的報酬（避免短期反轉效應）
- 選出動能最強的前 30 檔
- 每月月底重新換股
回測結果（2008-2026）：
指標 數值 年化報酬率 10.04% 總報酬 444.79% 最大回撤 -60.12% Sharpe Ratio 0.43
看起來不錯？年化 10%，18 年翻了 4 倍多。
但先別急著開香檳，讓我們看看對照組。
切角二：台股實測結果——驚人的發現
18 年回測數據
我們把動能策略跟最簡單的「0050 買入持有」做比較：
| 指標 | 動能策略(12-1) | 0050 買入持有 | 誰贏？ |
|---|---|---|---|
| 年化報酬率 | 10.04% | 12.56% | 0050 |
| 總報酬 | 444.79% | 816.27% | 0050 |
| 最大回撤 | -60.12% | -55.75% | 0050 |
| Sharpe Ratio | 0.43 | 0.60 | 0050 |
| 月勝率 | 44.60% | 61.61% | 0050 |
你沒看錯——動能策略在所有指標上都輸給 0050 買入持有！
數字背後的故事
讓我們拆解這個結果：
-
年化報酬差 2.5%
- 聽起來不多？18 年複利下來，0050 多賺了 371%（816% - 445%）
- 如果投入 100 萬，差距是 371 萬
-
最大回撤更慘
- 動能策略曾虧損 60%，0050「只」虧 56%
- 而且動能策略的最大回撤期（2008-2013）長達 5 年才復原
-
Sharpe Ratio 差距明顯
- 0.43 vs 0.60
- 代表承擔相同風險時，0050 能拿到更多報酬
- 動能策略是「高風險低報酬」的組合
AI Prompt 示範 #2：回測績效分析
你對 AI 說：
幫我比較一下剛才建立的動能策略跟 0050 買入持有， 看看哪個績效比較好。 我想知道年化報酬率、最大回撤、Sharpe Ratio 這些指標。
AI 回覆：
比較結果：
============================================================ 策略績效比較：動能策略 vs 0050 買入持有 ============================================================ 指標 動能策略 0050 買入持有 ------------------------------------------------------------ 年化報酬率 10.04% 12.56% 總報酬 444.79% 816.27% 最大回撤 -60.12% -55.75% Sharpe Ratio (日) 0.43 0.60 勝率 44.60% 61.61% ============================================================ 動能策略相對 0050 的年化報酬差距: -2.52% >>> 動能策略跑輸 0050！結論： 動能策略在台股不如想像中有效， 單純持有 0050 反而是更好的選擇。
切角三：交易成本的殘酷真相
被忽略的隱藏成本
等等，前面的數據已經夠慘了，但還有更慘的——交易成本。
動能策略每個月要換股，這代表什麼？
台股交易成本：
- 手續費：0.1425%（買賣各一次 = 0.285%）
- 證交稅：0.3%（賣出時）
- 單次完整交易：約 0.585%
動能策略持有 30 檔，每月假設平均換 15 檔（50% 周轉率）：
- 每檔交易成本：0.585%
- 每月換 15 檔佔組合比重：15/30 = 50%
- 每月組合層級成本：0.585% × 50% = 0.293%
- 每年交易成本：0.293% × 12 ≈ 3.5%
相比之下，0050 買入持有：
- 買一次、持有 18 年、最後賣一次
- 總交易成本：0.585% x 2 = 1.17%
扣成本後的真實績效
| 項目 | 動能(無成本) | 動能(含成本) | 0050(含成本) |
|---|---|---|---|
| 年化報酬率 | 12.54% | 10.04% | 12.56% |
| 成本侵蝕 | - | 2.50% | 幾乎為零 |
| Sharpe Ratio | 0.52 | 0.43 | 0.60 |
交易成本吃掉了近 20% 的報酬！
無成本時，動能策略年化報酬 12.54%，其實跟 0050 差不多。 但加上交易成本，馬上被打回原形。
AI Prompt 示範 #3：計算交易成本影響
你對 AI 說：
動能策略需要每個月換股，交易成本會很高吧？ 幫我算一下，加上手續費和證交稅之後，績效會變多少？ 我想知道交易成本到底吃掉多少報酬。
AI 回覆：
問得好！這是很多人忽略的重要問題。
分析結果：
====================================================================== 交易成本對績效的影響分析 ====================================================================== 指標 動能(無成本) 動能(含成本) 0050(含成本) ---------------------------------------------------------------------- 年化報酬率 12.54% 10.04% 12.56% 總報酬 709.89% 444.79% 816.27% Sharpe Ratio (日) 0.52 0.43 0.60 ====================================================================== 交易成本侵蝕的年化報酬: 2.50% 交易成本侵蝕比例: 19.9%（近兩成報酬消失！） ======================================================================結論： 頻繁交易的策略，光是交易成本就會吃掉將近 20% 的報酬。 這還不包含你花在研究、換股的時間成本。
為什麼動能策略在台股失效？
綜合以上分析，可能的原因包括：
-
市場效率提升
- 動能效應在學術界被發現後，越來越多人使用
- 當大家都追強勢股，超額報酬就被套利消失了
-
台股特性
- 台股散戶比例高，短期波動大
- 動能股可能只是被炒作，而非真正的趨勢
-
交易成本
- 台股的證交稅 0.3% 遠高於美股
- 高頻交易策略在台股更不划算
-
樣本偏誤
- 我們的回測期間包含 2008 金融海嘯、2020 疫情
- 在這些極端時期，動能策略的回撤特別慘
切角四：優化動能策略——從 10% 到 32%
既然動能策略的概念有道理，問題在執行，那我們能不能修正執行方式？
我嘗試了以下優化方向：
優化嘗試一：減少換股頻率（季度換股）
假設： 每月換股太頻繁，交易成本太高，改為季度換股。
結果：年化報酬從 10% 提升到約 18%。有進步，但還是輸給 0050。
優化嘗試二：加入品質因子（ROE > 10%）
假設： 純動能容易選到垃圾股，加入 ROE 篩選品質。
6 個月動能 + ROE > 10% + 季度換股
結果：年化報酬 23.89%。明顯進步，但還有提升空間。
優化嘗試三：加入營收成長（YoY > 0）
假設： 營收成長代表基本面好轉，應該跟動能一起看。
6 個月動能 + ROE > 10% + 營收 YoY > 0 + 季度換股
結果：年化報酬 25.12%。又進步了！
優化嘗試四：複合動能確認（關鍵突破）
假設： 只看 6 個月動能可能抓到假突破，如果 3 個月和 6 個月動能都為正，代表趨勢更穩固。
複合動能（3M > 0 AND 6M > 0）+ ROE > 10% + 營收 YoY > 0 + 季度換股
AI Prompt 示範 #4：優化後的動能策略
你對 AI 說：
幫我建立一個優化版的動能策略：
- 複合動能：3 個月和 6 個月動能都必須為正
- 品質篩選：ROE > 10%
- 成長篩選：營收 YoY > 0
- 季度換股減少交易成本
- 選動能最強的 10 檔
AI 回覆：
優化版動能策略回測結果（2008-2026）：
指標 優化動能策略 原始動能策略 0050 年化報酬率 32.27% 10.04% 12.56% 最大回撤 -48.96% -60.12% -55.75% Sharpe Ratio 0.92 0.43 0.60 關鍵改進：
- 複合動能確認：過濾假突破
- 品質 + 成長篩選：避免垃圾股
- 季度換股：降低交易成本
優化結果分析
從 10.04% → 32.27%，提升了 3 倍以上！關鍵差異：
| 改進項目 | 說明 |
|---|---|
| 複合動能 | 短期（3M）和中期（6M）趨勢一致，過濾假突破 |
| ROE > 10% | 確保公司有基本獲利能力 |
| 營收成長 | 確保基本面正在改善 |
| 季度換股 | 減少 75% 的交易成本 |
| 集中持股 | 10 檔比 30 檔更集中火力 |
這個策略證明：動能本身沒問題，問題在於如何正確使用它。