從「K 線」到「Markowitz 效率前緣」,60+ 詞條按難度分層,每個都有中英並列、一句話總結、實際案例
買一張台積電 (2330) 股票,你就成為台積電的「股東」 — 雖然只是 0.0000003% 那種微小比例。公司賺錢時你可以分到「股利」(配息);公司被別人併購時你會被買回(現金或換股);公司倒閉時你的錢通常拿不回來(因為股東是最後拿錢的順位)。
台灣股市最小交易單位是 1 張 = 1000 股 (整股),也有「零股 」(零股 = 不到 1 張的小單位)可以交易。
台灣的大盤指數叫「TAIEX 」(Taiwan Stock Exchange Capitalization Weighted Stock Index),中文叫「發行量加權股價指數 」 — 把所有上市股票按市值加權平均,反映整體市場的漲跌。
美國對應的有 S&P 500、Dow Jones、Nasdaq;日本有日經 225;中國有上證綜指。
為什麼重要: 任何主動策略最終都要拿來跟大盤比 — 「打敗大盤 」(beat the market)是專業基金經理人的考核標準。SPIVA 報告每年指出,85% 的主動經理人輸給大盤。
台灣 1989 年起設「漲跌停板」制度,股價單日漲跌不能超過 ±10%(2015 年前是 ±7%)。觸及上限叫「漲停 」(limit up),下限叫「跌停 」(limit down)。鎖死狀態下,你掛買賣單也排不到。
用意: 避免恐慌性殺盤或瘋狂追價,給市場「冷靜時間」。但也有副作用 — 真的有大利空時,連跌好幾根「跌停板」才能跌到合理價,期間散戶根本逃不掉。
K 線起源於日本江戶時代米市,由本間宗久發明,後來廣泛用於現代金融。一根 K 線包含四個價格:
台灣慣例「紅 K 」= 收 > 開(上漲);「黑 K / 綠 K 」= 收 < 開(下跌)。注意:美國習慣相反,綠色是漲、紅色是跌,看美股時別搞混。
時間單位可調:1 分 K、5 分 K、15 分 K、60 分 K(時 K)、日 K、週 K、月 K、年 K。
常見週期:
用法: 股價站上 MA60 視為「多頭」,跌破 MA60 視為「空頭」。MA5 上穿 MA20 = 黃金交叉 (買進訊號);MA5 下穿 MA20 = 死亡交叉 (賣出訊號)。
注意: 均線是「落後指標 」 — 漲完才上穿、跌完才下穿,所以單純用均線很容易追高殺低。要搭配其他濾網。
俗話:「量先價行 」、「有量才有價 」。漲價沒量 = 假突破;跌價沒量 = 沒人想賣,可能反彈。爆量上漲 = 主力進場;爆量下跌 = 主力出貨。
K 線下方的綠紅色直方圖就是成交量。紅色 = 當日收漲,綠色 = 當日收跌。
當你看股價時,會看到兩個價格:
如果某筆交易用「賣價」成交 → 表示有人「主動買 」追價,叫「外盤 」(因為從外側成交);用「買價」成交 → 有人「主動賣 」殺價,叫「內盤 」。
外盤多 = 買方強勢;內盤多 = 賣方強勢。 即時看盤頁面通常顯示「外 53% / 內 47%」這種比例。
0050(元大台灣 50) 是台灣最知名 ETF — 把台灣市值最大的 50 檔股票按權重打包(台積電佔 ~50%、鴻海 ~5%、聯發科 ~5% 等)。買 1 張 0050 = 同時擁有 50 檔成分股各一點點。
為什麼 ETF 重要: 諾貝爾經濟學獎得主 Eugene Fama 與 Bill Sharpe 證明,長期而言85% 主動經理人輸給對應的指數 ETF。因此「被動投資派」主張:散戶最好的策略就是定期定額買 0050。
常見台股 ETF:0050(台灣 50)、0056(高股息)、00878(國泰永續高股息)、006208(富邦台 50)。
公司賺錢後,董事會會決定要不要把利潤分給股東(也可能保留盈餘繼續投資)。配發方式有兩種:
除權息日當天股價會「蒸發 」掉發出去的價值 — 例如 2330 配 $5,除息當天股價開盤會自動少 $5(因為這 $5 變成現金匯到你戶頭了,實質沒虧)。
填權息: 如果除息後股價回到原本水平,叫「填息」 = 你既拿了現金又沒虧價差,是真實獲利。
公式: PE = 股價 ÷ 每股盈餘(EPS)。例如某公司股價 $100、EPS = $5,PE = 20 倍 — 等於「用 20 年的盈餘買回你的本金 」。
判讀: 一般而言 PE < 15 算便宜、15-25 合理、> 30 偏貴。但要看產業 — 成長股(像 AI、生技)PE 60-100 都正常;傳產(電力、銀行)PE 8-15 才合理。比較同產業才有意義。
注意: 過去 PE(用過去四季 EPS 算)穩定但落後;預估 PE(用分析師預估算)前瞻但可能高估。虧錢公司的 PE 是負的或無意義。
公式: EPS = 稅後淨利 ÷ 流通股數。例如公司全年賺 $100 億、流通 10 億股 → EPS = $10。
台灣公司每季公布財報(分別在 5/15、8/14、11/14、隔年 3/31 之前)。近四季 EPS 加總(trailing twelve months EPS,TTM EPS)是評估公司獲利能力最常用的指標。
EPS 成長率 比絕對值更重要 — 例如 EPS 從 $5 漲到 $10(+100% YoY 年增率)的股票,通常股價會大漲。反之 EPS 衰退的股票會被市場拋售。
台灣法規規定上市公司必須每月 10 號前公告上月營收。這是全球少有的制度 — 美國、日本都是季度才有營收。這個密集且及時的資料是台股量化的優勢。
MoM(Month-over-Month 月增率) = 本月 vs 上月;YoY(Year-over-Year 年增率) = 本月 vs 去年同期。一般看 YoY 比 MoM 重要,因為消除了季節性(例如 1 月農曆年通常營收低,但跟去年 1 月比才有意義)。
月營收 YoY 連續成長(例如連 3-6 個月正成長)是強勢趨勢訊號,常是大行情起漲點。
三大法人指:
買賣超 = 當日買進金額 - 賣出金額。正值 = 買超(看多)、負值 = 賣超(看空)。
實戰用法: 外資連續買超的個股通常會漲;外資連續賣超的個股通常會跌。投信動向次之。自營商可忽略。
「籌碼 」一詞源自賭場(chip = 賭場代幣)。在股市裡,籌碼 = 股權所有權。籌碼集中在大戶 → 股價穩定上漲;籌碼分散在散戶 → 股價容易暴跌(散戶恐慌時容易踩踏)。
常見籌碼指標:
RSI 由 J. Welles Wilder 在 1978 年提出。常用週期 14 天 (RSI(14))。
判讀:
注意: 強勢上漲股可以連續 RSI > 70 一兩個月;弱勢下跌股可以連續 RSI < 30 持續暴跌。單看 RSI 容易被洗下車。 要配合趨勢用 — 上升趨勢中 RSI 回到 50 可加碼。
MACD 由 Gerald Appel 在 1979 年發明。三條線:
訊號:
MACD 是落後指標 — 交叉時通常已經漲了一波,適合「確認趨勢 」而非「抓底 」。震盪市裡 MACD 訊號常被反覆打耳光。
KD 由 George Lane 在 1950 年代發明。K 值 是 RSV(Raw Stochastic Value)的平滑值;D 值 是 K 的進一步平滑。
判讀:
KD 對短期變化反應快,常用於「波段抓買賣點 」。但對長線投資人來說太敏感,適合 1-5 天的短線操作。
由 John Bollinger 在 1980 年代發明。三條線:
根據統計學常態分布,95% 的時間股價會在上下軌之間。
用法:
牛市(Bull Market): 大盤從低點漲 20% 以上,並持續向上創新高。投資人樂觀、籌碼集中、外資買超、IPO 熱絡。台灣 2020-2024 算典型牛市。
熊市(Bear Market): 大盤從高點跌 20% 以上,並持續向下創新低。投資人悲觀、籌碼分散、外資賣超、IPO 冷清。台灣 2022 升息熊市跌了 ~27%。
為什麼是「牛 / 熊」? 牛角是「往上挑」(像股價漲);熊掌是「往下拍」(像股價跌)。源自華爾街傳統。
實戰意義: 大部分趨勢策略在多頭表現好、在空頭虧錢。識別當前 regime 是策略勝負關鍵。 加「大盤 MA60 之上才買」濾網可大幅改善空頭表現。
散戶的不利處境:
但散戶有 1 個優勢: 靈活性 — 不用每季公布績效、不用追逐熱門股應付客戶、可以等真正好機會出現再下手。
Peter Lynch 名言:「散戶最大的優勢是不用對任何人交代,可以等待『絕佳投資機會』降臨」。
回測是量化交易的基石 — 在投真錢之前,先用過去 5-10 年資料驗證策略是否有效。輸出包括:總報酬、年化報酬(CAGR)、最大回撤(MDD)、夏普比率(Sharpe)、勝率、交易筆數等。
正確回測必須包含:
警告: 漂亮的回測 ≠ 未來會賺。必須搭配 OOS Walk-forward 驗證 才能避免過擬合。
由 1990 年諾貝爾經濟學獎得主 William Sharpe 在 1966 年提出。
公式: Sharpe = (策略年化報酬 - 無風險利率) ÷ 策略年化波動率
判讀:
注意: Sharpe 把上漲波動和下跌波動都當「風險」,但其實上漲波動是好事。改良版 Sortino Ratio 只算下跌波動。
MDD 是真實風險的最佳指標 — 比 Sharpe 更直觀。MDD = -50% 表示「曾經有時候你 100 萬會跌到 50 萬」。
判讀:
心理現實: 大部分人在 MDD -30% 時就會崩潰賣出。回測 MDD -50% 的策略 = 實戰活不過。 設計策略時要把 MDD 控制在自己心理可承受範圍內。
公式: CAGR = (期末 ÷ 期初)^(1 ÷ 年數) - 1
為什麼用 CAGR 而非「總報酬」? 因為時長不同無法比較。例如 A 策略 5 年 +50%、B 策略 10 年 +80%,看起來 B 賺得多,但其實 A 的 CAGR ~8.4%、B 只有 ~6.1%。A 策略效率更好。
業界水準:
沒有人能持續打敗 Simons。 散戶量化追求 CAGR 20-30% 就算非常成功。
常見誤解: 大家以為勝率 80% 一定比 50% 好。錯。
重點是「勝率 × 平均賺多少 」 — 勝率 30% 但每次贏 10 倍、輸 1 倍,期望值還是正的(類似創投投資哲學)。勝率 90% 但贏 1%、輸 10%,平均下來會虧錢。
策略個性對照:
勝率 < 30% 多半是有問題策略(whipsaw 災難),除非你真的能抓到大型趨勢。
公式: PF = 所有獲利交易總和 ÷ |所有虧損交易總和|
判讀:
陷阱: 交易筆數 < 30 的策略 PF 容易虛高 — 一筆異常大賺把整個 PF 拉高。要看「樣本量足夠的 PF」才有意義。
由 Michael Jensen 在 1968 年提出。公式(簡化版): α = 策略 CAGR - β × 大盤 CAGR
意義: 如果你的策略 CAGR +25%、大盤 CAGR +15%、策略 β = 1.0(完全跟大盤連動)→ α = 25% - 1.0 × 15% = +10%。這 10% 是「純粹靠策略賺的 」,跟運氣無關。
業界水準: 散戶量化能持續做出 α > 5% 算很成功。Buffett 一生 α 約 +10%。
陷阱: 短期 α 可能是運氣;至少要 5-10 年才算「持續性 α」。所以才需要 OOS 驗證。
判讀:
低 β 標的對 portfolio 有「分散效益」 — 當其他標的同步跌時,它可能還在漲,降低整體 MDD。但代價是平時也少賺。
起源: Ed Thorp 1960 年代用機率學打敗賭場 21 點,後來把同樣的數學方法用到華爾街。1980 年代 Jim Simons(數學家)創辦 Renaissance Technologies,把量化推到極致。
核心理念:
vs 主觀交易: 主觀派(像 Buffett)靠企業基本面 + 直覺;量化派(像 Simons)靠資料 + 統計模型。兩派都有大師,但量化派的優勢是可複製、可規模化、可消除情緒。
動量是學術界 5 個被廣泛驗證的市場異常之一(Eugene Fama 都不否認)。Jegadeesh & Titman 1993 經典論文證實「過去 6-12 個月強勢股」在未來 3-12 個月平均跑贏。
實作方式:
注意: 動量在「轉折點」會大爆死 — 2020 疫情、2022 升息熊市時,動量策略快速重挫 20-30%。需要趨勢確認 + 大盤濾網。
均值回歸假設股價長期會回到「均線」、「歷史平均 PE」、「合理估值」。短期偏離越遠,反向修正力道越強。
常見實作:
均值回歸 vs 動量: 是兩種對立的市場哲學。多數市場 70% 時間在震盪 → 均值回歸有效;30% 時間在趨勢 → 動量有效。 高手會用 ADX 等指標判斷當前 regime 切換策略。
動量交易的進化版。代表人物:Richard Dennis(海龜交易法)、Bill Dunn、John W. Henry(後來買波士頓紅襪隊)。
核心法則:
典型勝率 25-35%,但賺賠比 5-10 倍。 平均 7-8 次虧損 + 2-3 次大賺 = 整體賺錢。需要極強紀律 — 大部分人受不了連虧 7 次。
分散投資的數學基礎由 Harry Markowitz 在 1952 年的論文奠定(獲 1990 諾貝爾經濟學獎)。核心發現: 兩個 σ = 10% 的資產組合起來,因為相關性 < 1,組合波動率會小於 10%。這是「免費的午餐」(free lunch in finance)。
關鍵變數: 不是個別標的的報酬,而是標的之間的相關性 。同產業股票相關性 0.7-0.9(分散效益差);跨產業 0.3-0.5(分散效益佳);股票 vs 黃金 vs 債券 可達 -0.2 ~ 0.2(分散效益最強)。
全球資產配置範例(Ray Dalio All Weather): 30% 股票 + 55% 長短期債券 + 15% 黃金/原物料。
經典範例: 你持有 2330 1000 張(看好長期),但擔心短期回檔 → 賣出對應金額的台指期(看空)。如果 2330 跌 5%、台指期也跌 5%,你的台指期賺的剛好補回 2330 的虧損。淨值不變。
對沖工具:
注意: 對沖有成本(權利金、價差、滑點)。如果市場一直多頭,對沖的部位每次都虧錢,反而拖累整體報酬。對沖是保險,保險本來就有費用。
台股交易成本明細:
累積影響: 一年交易 50 次的策略,光手續費就吃掉 ~10% 報酬。高頻策略必須勝率 + 報酬都很高才能 cover 成本。
實戰建議: 主動策略每年交易筆數應控制在 20-50 次。散戶月交易 > 10 次的,95% 長期虧錢(就因為手續費 + 滑點)。
常見台股槓桿工具:
爆倉風險: 2 倍槓桿時,股票跌 50% 你就歸零。3 倍槓桿時,跌 33% 就歸零。95% 用槓桿的散戶最後爆倉(包括很多自稱「神」的網紅)。
Warren Buffett 名言: "If you're smart, you don't need leverage. If you're not smart, leverage will kill you."(夠聰明就不需要槓桿,不夠聰明槓桿會殺死你)
傳統固定停損 — 買 $100 設停損 $93(-7%),不論漲多少都用 $93 出場。問題:股價漲到 $150 後拉回 $93,你會把 +50% 利潤吐光。
移動停損 — 設「拉回 8% 出場」。股價漲到 $150 → 停損自動拉到 $138;漲到 $200 → 停損拉到 $184;直到回檔 8% 觸發。結果:鎖住絕大部分獲利。
缺點: 短期震盪會早早出場。需要設合理的回檔幅度(技術上常見 8-15%,看波動率調整)。
類比:考生只背考古題、不學原理,真考試遇到新題型就掛掉。量化策略過擬合是 90% 新手會踩的雷。
常見症狀:
怎麼避免:
經典案例: 二戰時美軍想加強轟炸機機身的裝甲,統計返航飛機的彈孔分佈,結果發現大部分彈孔在機翼和機身 。直覺反應:加強這些部位。
Abraham Wald 反向思考:彈孔少的地方(駕駛艙、引擎)才是真正致命處 — 因為被打中那裡的飛機根本沒回來,當然彈孔少。應該加強「沒彈孔」的地方。
在投資的應用:
最典型錯誤: 用 2024-Q1 的 EPS 資料回測 2024-04-15 的買進訊號。看似合理,但 Q1 EPS 實際上要 5 月 15 號才公布 → 你回測時「偷看了還沒發生的事 」。
台灣常見資料公布日:
好的回測引擎(任何成熟的量化平台)會嚴格依「公告日 」而非「資料所屬期間 」來餵資料。用未來函數的回測結果一律虛高,實戰會大幅縮水。
症狀:
根因: 多數技術指標(均線、MACD、KD)在趨勢市 有效,在震盪市 失靈。當你在震盪市硬用趨勢指標 → 連續假突破。
解法:
心理學經典發現 — 1972 年 Baruch Fischhoff 實驗證明,知道結果的人會嚴重高估自己「事前預測能力」。
投資場景常見:
解藥: 寫交易日記 — 每次決策前寫下「為什麼買 / 為什麼賣 / 預期會如何」,事後對照。多數人會發現自己預測能力很差,進而學會謙卑。
常見大盤濾網:
效果:
為什麼有效? 因為 80% 個股表現跟大盤同步 — 在熊市裡再強的個股也會被拖下水。先看天再選股是基本紀律。
公式: 前 15 大買超分點(券商分點)總和 - 前 15 大賣超分點總和。
判讀:
實戰應用: 籌碼集中度 + 外資買超 + 投信買超 三者同向 = 強勢訊號。如果還搭配創新高 / 突破關鍵均線 → 強買進訊號。
OOS = Out-of-Sample(樣本外)。和「In-Sample 樣本內 」相對。
問題: 全期回測會把策略「不知不覺對歷史調到最佳 」,導致績效虛高。Walk-forward 強迫策略在「沒看過的資料」上重新驗證。
計算: decay (衰退百分比) = (train_sharpe - oos_sharpe) ÷ train_sharpe × 100%
5 級判定:
為什麼最關鍵? 因為:
判讀量表(基於 8 檔股票實測建立):
真 Alpha (True Alpha): 策略找到的市場規律,在不同 regime(多頭 / 空頭 / 震盪)下都能持續產生超額報酬。罕見且珍貴。
假 Alpha (Regime-Aided Alpha): 策略本身沒效果,只是剛好碰到該方向的市場狀態。業界 70% 的「明牌」都是這種。
怎麼區分? 用 OOS Walk-forward 切訓練/驗證期,看訓練期 Sharpe。
名稱由來: Monte Carlo 是摩納哥的賭場名 — 因為「隨機抽樣」就像賭場輪盤。1940 年代由 Stanislaw Ulam 提出,用於曼哈頓計畫(原子彈研究)。
在量化的應用:
意義: 告訴你「這個 Sharpe 1.96 有多少是技術、多少是運氣 」。如果 95% 信賴區間下緣 > 1.0,代表策略真的有效。
由 Bradley Efron 在 1979 年發明。核心想法: 我們無法重複實驗,但可以「從現有資料隨機抽 N 個(可重複)當作新樣本 」,重複 1000 次就有 1000 個假設「平行宇宙」的結果。
vs Monte Carlo:
Bootstrap 在量化用於: 計算策略 Sharpe / CAGR 的真實信賴區間(不假設常態分布)。
標準:
在量化的應用: 對策略每月報酬做 t-test ,計算「策略月報酬 vs 0」的 p-value。如果 p < 0.05 → 策略真的有 alpha ,不是運氣。
陷阱: 用得太頻繁會「p-hacking 」(逼樣本給你 p < 0.05 的故事)。學術界已知問題,真正可靠要 p < 0.001 或多次獨立驗證。
Harry Markowitz 1952 年論文「Portfolio Selection」奠定。1990 年諾貝爾經濟學獎。
核心發現:
實作公式: 用拉格朗日乘數法 + 共變異數矩陣求最佳權重。Python 有現成 PyPortfolioOpt 套件可用。
限制: MPT 假設「過去相關性 = 未來相關性」,這在黑天鵝事件時崩潰(「相關性都變 1」)。實務上仍是業界基石。
圖形: X 軸風險(波動率)、Y 軸報酬。每個點 = 一種權重組合。效率前緣 = 在每個風險水平下,報酬最高的組合連線。
找你的位置:
由 John Kelly 在 1956 年的論文提出(原本用於電報線雜訊問題,後來被 Ed Thorp 用於賭場)。
公式: f* = (bp - q) ÷ b, 其中 p 是勝率、q = 1-p、b 是賠率。
例: 勝率 55%、賠 2 賠 1(賺 2 元、虧 1 元)→ f* = (2 × 0.55 - 0.45) / 2 = 0.325 → 每次下注本金 32.5%。
長期最大化複利,但波動非常大。 多數人用「半 Kelly」(16% in 上例)在報酬和波動間取平衡。
Ed Thorp 用 Kelly 在賭場連續贏錢,被禁止入場。後來把方法搬到華爾街,1979-2007 年管理對沖基金 CAGR 19%、最大回撤僅 -1%(誇張的低波動)。
由 Frank Sortino 在 1980 年代提出。公式: Sortino = (策略年化報酬 - 無風險利率) ÷ 下行波動率(只算負報酬部分的標準差)
vs Sharpe:
典型差距: Sortino 通常比 Sharpe 高 30-60%。如果你的 Sharpe = 1.5,Sortino 可能 2.0-2.4。
由 Terry W. Young 在 1991 年發明,以他主管 California Managed Account Reports 命名。
判讀:
vs Sharpe: Calmar 看的是「最壞情況 」(MDD)而非「平均波動 」,對「怕一次大虧 」的投資人更有意義。
公式: IR = (策略 CAGR - benchmark CAGR) ÷ (策略報酬 - benchmark 報酬)的標準差
類似 Sharpe,但 benchmark 不是無風險利率而是大盤指數 (如 0050 / S&P 500)。
判讀:
學術重要性: 共同基金評選必看 IR。長期 IR > 0.5 才能證明「不是僥倖 」。
由 William Sharpe、John Lintner 等人在 1960 年代提出。Sharpe 因此獲 1990 諾貝爾獎。
公式: E(R) = Rf + β × (Rm - Rf)
預期報酬 = 無風險利率 + β × 市場風險溢酬
意義: 任何資產的「應有報酬」由它的 β 決定 — β 越高、應得報酬越高。如果實際報酬 > 應得報酬 → 就是 Alpha (超額)。
限制: 假設「風險只有市場系統性風險 」太簡化,實際還有規模、價值、動量、品質等多因子。後來被 Fama-French 三因子、五因子模型取代。
由 Eugene Fama(2013 諾貝爾獎)與 Kenneth French 在 1993 年發表。革命性發現: 股票超額報酬不只跟大盤連動,還跟以下兩個變數有關:
後來 Fama-French 又加 RMW(獲利能力)、CMA(投資保守度)變成五因子模型。這些因子的回測力量遠超 CAPM。
實戰意義: 散戶可以靠「長期持有小型價值股 」打敗大盤(不需要選股技術)。這就是 ETF 智能 beta 的理論基礎。
典型 regime:
實戰: 策略對 regime 高度敏感。經典籌碼策略在多頭表現好、震盪市常被打耳光。解法是加「大盤 MA60 之上才進場 」濾網。進階做法是用 HMM(Hidden Markov Model)機器學習識別 regime,自動切換策略。