跌深反彈真的能賺錢嗎？用 AI 回測揭開抄底策略的殘酷真相

「跌深會反彈」是最流行的進場直覺，但台股 2007～2026 的回測說：純粹買跌最多的股票，年化報酬是 負 7.5%、最大回撤 -87%。更殘酷的是：連看起來翻正到年化 30.9% 的優化版本，攤開在同一個視窗下公平比較，也輸給 0050。這篇文章給你完整數據，以及兩個讓回測「看起來會賺」的常見陷阱。

圖 1：純抄底策略 vs 0050 含息（2007～2026，對數座標）。買跌最多的股票，年化 -7.5%。

前言：你也有過這種衝動嗎？

每次股票大跌，你是不是也想撿便宜？

「跌這麼多了，應該會反彈吧？」

這個想法非常普遍。在 PTT 股票版上，「抄底」永遠是熱門話題，有人說「跌深就是買點」，也有人警告「100 個抄底的人，99 個都是接到滿手血」。

到底誰說的對？我們用台股 2007～2026 年的資料實際回測：

純粹「買跌最多的股票」，年化報酬是 -7.5%。

買便宜還虧錢。我們接著逐步加上各種篩選條件，看能不能把它救回來；結果連看起來成功翻正的版本，都藏著更值得學的陷阱。這篇文章會用數據回答三件事：

1. 為什麼「跌深反彈」會虧錢？
2. 加上篩選條件之後能改善多少？
3. 為什麼很多「優化後翻正」的抄底回測，其實是統計幻覺？

一、什麼是「均值回歸」？彈簧理論

在解釋數據之前，先聊聊「跌深反彈」背後的學術理論：均值回歸（Mean Reversion）。

均值回歸：當資產價格偏離長期平均值太多時，會有回歸均值的傾向。簡單說，就是「漲太多會跌、跌太多會漲」。

想像股價就像彈簧：你把它壓下去（股價大跌），壓得越深，理論上彈回來的力道越大。這就是很多人相信「跌深反彈」的原因。

這個想法在學術上被稱為「短期反轉因子」（Short-term Reversal），最早由 Jegadeesh（1990）系統性研究：在美股市場上，過去 1 個月表現最差的股票，在接下來 1 個月往往表現較佳。

聽起來很棒，但問題來了：這個策略在台股有效嗎？

二、抄底策略實測：「跌深反彈」的殘酷真相

2.1 策略設計

我們設計了一個最簡單的「跌深反彈」策略：

邏輯很簡單：找出最近跌最慘的股票，期待它們反彈。

2.2 回測結果

你沒看錯：純粹買跌最多的股票，不只沒賺，還虧了 7.5%/年！

而且最大回撤高達 87%，意味著你的本金可能會縮水到只剩 13%。

2.3 為什麼會虧錢？

PTT 鄉民說得好：「跌深不一定反彈，可能是跌到破產。」

跌深的股票有兩種：

1. 錯殺股：因為市場恐慌被錯殺，基本面沒問題 → 會反彈
2. 真爛股：基本面惡化、營運出問題 → 繼續跌

問題是，純粹看跌幅無法區分這兩種股票。如果你買到的是「真爛股」，那不是抄底，是接刀。

三、加上三道防線：能少虧，但翻不了正

3.1 逐步加上防線的真實結果

既然純跌深策略會虧錢，那加入篩選條件可以改善多少？Blitz 等人（2023）的研究指出，現代的短期反轉策略必須搭配其他訊號使用才有效。我們在同一套策略上逐步加防線：

三道防線能把年化虧損從 -7.5% 收斂到 -1.3%、回撤從 -87% 收斂到 -61%，但依然是虧的。基本面篩選只能幫你「少接一點刀」，沒辦法把接刀變成賺錢。第四節會示範一個看起來成功翻正的版本，以及它藏著的兩個陷阱。

3.2 三道防線

這三道防線的邏輯是：只在「好公司」中找跌深的，而不是盲目撿便宜。就像買二手車，你不會只因為便宜就買，你會先驗車、看里程數、檢查有沒有泡水。

3.3 為什麼只靠基本面篩選不夠？

回到彈簧的比喻：

• 好彈簧（好公司）：壓下去會彈回來
• 壞彈簧（爛公司）：壓下去直接斷掉

估值與財務防線能挑掉最明顯的壞彈簧，但它們都是「靜態」條件：不知道彈簧現在還在被壓、還是已經開始回彈，也不知道公司的營運是正在惡化、還是正在爆發。把這兩個資訊加進來之後，會得到一個表面上翻正的版本，這正是第四節要拆解的案例。

四、看似翻正的優化版：一個更重要的教訓

4.1 追加條件

在符合條件的股票中取 60 日跌幅最大的 10 檔，每季換股。核心程式碼如下（完整可執行版見文末下載）：

from finlab import data
from finlab.backtest import sim
 
close = data.get("price:收盤價")
roe = data.get("fundamental_features:ROE稅後")
rev_yoy = data.get("monthly_revenue:去年同月增減(%)")
 
# 價格條件:極端跌深 + 開始反彈
ret60 = close / close.shift(60) - 1
ret5 = close / close.shift(5) - 1
crashed = ret60 < -0.30
turning_up = ret5 > 0
 
# 基本面條件:營收爆發 + 基本品質
revenue_burst = rev_yoy > 50
quality = roe > 5
 
# 取 60 日跌幅最大的 10 檔,每季換股
condition = crashed & turning_up & revenue_burst & quality
position = ret60[condition].is_smallest(10)
 
report = sim(position, resample="Q", name="極端反轉+營收爆發")
report.display()

4.2 表面數字很漂亮，但只要多問一句

跑完回測，報表印出：年化報酬 30.9%、日夏普 0.96、最大回撤 -45.0%。對照全視窗 0050 的 14.5%，看起來翻正而且大勝。2026 年 1 月本文的初版，就是這樣呈現這個策略的。

但這次刷新重跑時，我們多問了一句：這個策略實際上從什麼時候開始交易？

答案是 2020-03-31，疫情崩盤的谷底。ROE 資料自 2013 年第一季才開始，而「重挫 30%＋反彈＋營收年增 50%＋ROE>5」四個條件同時成立的股票極少（條件成立時平均只有 1.7 檔），在每季換股的設定下，2020 年 3 月之前沒有任何一個換股日湊得出持股。所以這個「19 年策略」，實際只跑了從疫情底部起算的 6.3 年。

把 0050 放到同一個視窗（2020-03-31～2026-07-23）再比一次：

圖 2：同視窗公平對決（2020-03 起，對數座標）。優化版年化 30.9%，仍輸 0050 同視窗的 34.5%。

三項指標全輸。從疫情低點起算的 6.3 年是台股罕見的大多頭，隨便一個做多策略都會有漂亮的絕對數字；30.9% 放在那個視窗裡，只是一個跑輸大盤的成績。

4.3 兩個讓回測「看起來會賺」的陷阱

這個結果比「找到聖杯」更有教學價值，因為它示範了兩個最常見的回測陷阱：

「營收爆發＋品質閘」的選股直覺本身未必是錯的，但在這組參數下，它稀疏到只剩個股賭注，而它「翻正」的表象完全來自視窗錯位。很多策略文的驚人報酬，就是這兩個陷阱的產物。

圖 3：同視窗回撤對照。優化版最深 -45.0%，比 0050 同視窗的 -34.0% 更深：報酬較低、回撤反而較深。

想自己重跑或改條件，可以先用 FinLab Skill 把資料與回測環境裝好：

五、完整績效對照：六個變體一次看

圖 4：2007～2026 全視窗五個變體的年化報酬對照，綠虛線為 0050 含息（14.5%）。全部落後大盤。

把視窗對齊之後的結論很乾脆：六個變體，沒有任何一個在公平比較下贏過 0050。「跌深反彈」這個直覺，從最陽春到最複雜的實作，全部跑輸買進持有大盤。

六、風險提醒：為什麼不建議投入真金白銀

6.1 這個策略家族的根本問題

6.2 這篇文章的正確用法

6.3 更好的替代方案

如果你想用「便宜買進」的概念投資，有更穩健的方法：

這些方法的共同點是：用時間換取價值，不需要預測短期反彈。

七、三個重點總結

重點 1：跌深反彈的直覺，直接照做會虧錢

純粹買跌最多的股票，19 年回測年化虧損 7.5%、最大回撤 -87%。「跌多會漲」不能當進場理由。

重點 2：基本面防線能少虧，不能翻正

流動性、估值、財務三道防線把年化從 -7.5% 收斂到 -1.3%，回撤從 -87% 收斂到 -61%，但仍然是負的。

重點 3：「優化後翻正」多半是回測幻覺

看似年化 30.9% 的優化版，實際只從 2020 年 3 月（疫情底部）起有交易、平均持股 1.7 檔；把 0050 對齊到同一視窗，它三項指標全輸。拿到漂亮回測時，先檢查兩件事：實際起始日有沒有跟基準對齊、平均持股有幾檔。

回測方法與限制

• 交易成本：sim() 內建手續費 0.1425% 與賣出證交稅 0.3%，全數內扣；未另外假設滑價。
• 股票池與流動性：全上市櫃；反轉家族要求 20 日均成交額大於市場中位數；觸底反彈家族未另設流動性門檻，重挫股流動性通常偏低，實單衝擊會高於回測。
• 前視偏差：月營收與 ROE 使用 finlab 資料的公告可得時點對齊。
• 權重與換股：等權配置；反轉家族每月換股、單檔上限 10%；觸底反彈家族每季換股、約 10 檔。
• 基準口徑：0050 含息以還原股價（etl:adj_close）買進持有計算，區間 2007-01-01～2026-07-23，年化 14.5%、最大回撤 -55.8%。
• 視窗差異：ROE 資料自 2013 年第一季起；「極端反轉＋營收爆發（ROE>5）」因條件稀疏，首筆實際交易為 2020-03-31，其績效視窗為 2020-03-31～2026-07-23，文中已附同視窗 0050 對照（34.5%）。
• 樣本內外：全段 in-sample，未做樣本外切分；優化版訊號稀疏（平均持股 1.7 檔），絕對數字請保守看待。
• 周轉率與容量：月換股 30 檔的反轉家族周轉率極高；策略容量未估算。

實作作業

想親自驗證這個策略嗎？試試這個 Prompt：

幫我找出過去 20 日跌幅最大的股票， 但要符合以下條件：

1. 流動性在市場前 50%
2. 本益比 0-25
3. 股價淨值比 0-4
4. ROE > 5%

用表格列出前 10 名的代號、跌幅、PE、PB、ROE。

把你的結果截圖分享到社群，看看大家找到的股票有沒有不一樣！

延伸閱讀

• 動能策略：追漲停真的能賺錢嗎？：與抄底相反的「追強勢股」策略與它的改良路徑
• 創新高策略：年化 48% 的動能選股系統：用營收篩選配合價格動能，更穩健的進場方式
• 營收陷阱分析：每 3 檔就有 1 檔地雷：學會辨別真正的營收成長股
• 用大盤濾網把策略最大回撤從 -60% 降到 -30%：抄底之外，先學會避開系統性大跌
• 分散風險不是越多越好：弱策略混進組合會拖垮整體，疊加前先單獨驗證每條腿
• 台股選股方法完整指南

參考資料

投資警語：本文僅供教學參考，不構成投資建議。投資有風險，過去績效不代表未來表現。讀者應自行評估風險承受度，並在做出投資決策前諮詢專業顧問。

最後更新：2026-07｜回測區間：2007-01-01～2026-07-23｜作者：FinLab 量化研究團隊（經量化研究員審閱）

VIP 區域提供 AI 抄底選股實戰：兩個可直接貼上的 Prompt（跌深清單查詢、加上基本面三道防線的篩選清單，含 2026-01-16 實際執行結果示範）、Prompt 修改技巧，以及本文全部回測的重現素材：優化版互動回測報告（可親眼驗證 2020-03-31 的實際起始日與 1～2 檔持股）、重現程式碼 strategy.py（含陷阱說明）、六變體績效 data_strategy_comparison.csv 與逐日淨值 data_reversal_vs_0050.csv 下載。