Photo by Brands&People on Unsplash
Table of Contents
接續上一篇《因子研究系列－透過外資集中度追蹤聰明錢足跡 ？》已系統性證實 外資主力進出（conc_qfii ）在大型股具備穩健且可累積的預測力。本章將此發現轉化為可執行的交易策略，並以事件驅動回測扣除交易成本並考量交易限制，評估其相對標竿指數的績效。
基於因子特性，我們將其轉化為可執行的交易策略，計入摩擦成本、流動性過濾與槓桿限制，並確保資料為point-in-time架構，杜絕「偷看答案」的前視偏誤 。詳細的回測參數設定如下：
本文設計兩種策略，其基本選股流程完全相同，唯一的差別在於「排名分數的建構方法」。本次策略選股流程為：因子產業中性化→ 市值前30%大型股 → 挑選前 50 名成分股 →採市值加權配置。其中產業集中化（個股因子值減去當日同產業均值），目的是去除產業集中偏誤，若不進行產業中性化，集中度排序會押注在外資券商通路佔比結構性偏高的少數產業（如半導體）；中性化分散了投組的產業曝險，在大型股市值加權下反而提升風險調整後報酬
券商通路分歧度是衡量三個通路—外資（F）、民營券商（P）、公股行庫（G）—當日淨買方向的離散程度。每通路先計買賣超比例 = 該通路當日買賣超金額 ÷ 該股當日總成交值；三通路各自 winsorize(1%/99%) 後取橫斷面 z 分數，分歧度即三者之橫斷面標準差：
若分歧度高，代表三通路當日各走各的（例如外資買、民營券商賣、公股行庫按兵不動）—此時即便集中度很高，其方向訊號是相互拉扯、被稀釋的；分歧度低，則代表三通路淨買方向趨於一致（同買或同賣），集中度所反映的資金動向有跨通路共識背書、訊號更乾淨。
策略二選股分數定義為：z(conc_qfii) – 0.5 x z(Disagree)。公式中的減號使分歧度愈高則分數愈低，因此本策略讓集中度相近的股票中，優先挑選低分歧（跨通路共識）者，避開內外資強烈對作的標的。
表五：因子策略定義
| 策略 | 類型 | 選股分數 |
| 策略一（純集中度） | 單因子 | z(conc_qfii) |
| 策略二（集中度＋分歧度融合） | 雙因子融合 | z(conc_qfii) − 0.5 × z(Disagree) |
說明：兩策略選股流程相同，僅選股分數不同；Disagree＝券商通路分歧度（見上式）；z(·) 為產業中性化後之橫斷面 z 分數）
我們設定的判定門檻為：全樣本 Sharpe > 1.256、OOS（樣本外）Sharpe > 1.668 且年化 Alpha > 0（即必須全面擊敗標竿指數）。下表為回測績效結果
表六：conc_qfii 大型股前 50 名市值加權季頻回測績效（扣交易成本）
| 績效指標 | 策略一（純集中度） | 策略二（集中度＋分歧度融合） | 標竿指數（IR0078） |
| 年化報酬率 (Annual return) | 27.65% | 30.12% | 25.77% |
| 累積報酬率 (Cumulative) | 260.67% | 298.82% | 233.51% |
| 年化波動度 (Annual vol) | 21.59% | 21.33% | 19.83% |
| 夏普比率 (Sharpe) | 1.239 | 1.342 | 1.256 |
| Sortino 比率 | 1.868 | 2.022 | 1.799 |
| 最大回撤 (Max drawdown) | −31.03% | −26.51% | −28.60% |
| 年化 Alpha (Annual alpha) | +1.71% | +3.88% | — |
| Beta | 1.006 | 0.996 | — |
| 樣本外夏普比率 (OOS Sharpe) | 1.969 | 2.000 | 1.668 |
| 日均週轉率 (Turnover) | 0.74% | 0.95% | — |
（說明：標竿指數為寶島報酬指數 IR0078；資料期間 2020/12–2026/05；OOS 切點 2024-09-30）
圖三：conc_qfii 大型股前 50 名市值加權兩種策略與標竿指數（IR0078）之累積報酬率折線圖
以下分析兩策略績效結果：
策略一（純集中度）的績效分析
策略一在三項判定門檻達成二個：樣本外OOS 風險調整大幅勝出（sharpe=1.969，高於門檻 1.668）、且年化 Alpha 為正（+1.7%）；絕對報酬亦勝過大盤（年化 27.65% ，標竿指數 25.77%）。
策略二（集中度＋分歧度融合）的優化效果。
策略二是在策略一的選股分數上疊加券商通路分歧度，偏好「外資集中且三通路方向共識」的股票。策略二的績效結果是三項門檻一舉全數達標：全樣本 Sharpe 達 1.342、超過標竿指標的 1.256，年化 Alpha 增至 +3.88%（超過策略一一倍），最大回撤從-31.03%收斂至 −26.5%。策略二的優化效果在樣本內與樣本外皆穩健，展現了結合跨通路攻共識的增強威力。
綜合而言，本章回測與因子分析完全呼應：策略須建立在大型股與市值加權之上，在計入交易成本與交易限制後，仍能優於標竿指數。
本研究透過探討「外資主力買賣集中度（conc_qfii）」因子，完整拆解外資這條台股「聰明錢」的知情交易足跡，並得出以下兩大核心結論：
conc_qfii 因子在不同市值規模下表現完全相反。若使用傳統的全市場等權重十分位法，會因小型股的反向雜訊而誤判因子無效；採用 rank-IC 並聚焦在「大型股、市值加權」的切面上，因子的高選股勝率與方向穩定性才會真正顯現。
雖然純集中度策略（策略一）已能提供優於大盤的樣本外表現，但若進一步融入「券商通路分歧度」（策略二），篩選出跨通路共識度高的個股，便能在計入各項真實市場摩擦與交易成本後，創造 30.12% 的年化報酬率與 1.342 的夏普比率，成為在實務上極具配置價值的台股大型股增強策略。
外資主力買賣集中度（conc_qfii）只是豐富因子研究中的一塊拼圖。TEJ 因子資料庫以高品質、高度一致性的台灣上市櫃歷史數據為基石，全面建構涵蓋情緒因子、籌碼因子、動能因子、價值因子、品質因子與成長因子等多維度的完整量化架構。
無論您是希望驗證特定市場假說，還是正在開發創新的多因子選股模型，TEJ 均提供計算邏輯完全透明、無前視偏誤（Point-in-Time）且能直接導入量化回測系統的專業資料解決方案，協助您在變幻莫測的市場環境中，精準捕捉值得信賴的獲利訊號！
➡️ 立即了解 TEJ Factor Library 因子資料庫，開啟您的量化投資新頁！
