TQuant Lab

在許多動能策略投資人的經驗中，都會遇到類似情境，依照過去報酬率排序買進強勢股，回測表現亮眼，但實際操作卻常出現追高波動後回檔的結果。例如，一檔股票短期上漲 30%，卻因劇烈波動而快速回吐；相對地，另一檔僅上漲 10%，但走勢穩定且延續性更高。傳統動能策略往往偏好前者，卻忽略了風險差異，導致績效不穩定甚至回撤放大。

在許多動能策略投資人的經驗中，都會遇到類似情境，依照過去報酬率排序買進強勢股，回測表現亮眼，但實際操作卻常出現追高波動後回檔的結果。例如，一檔股票短期上漲 30%，卻因劇烈波動而快速回吐；相對地，另一檔僅上漲 10%，但走勢穩定且延續性更高。傳統動能策略往往偏好前者，卻忽略了風險差異，導致績效不穩定甚至回撤放大。

動能效應（Momentum Effect）自 Jegadeesh 與 Titman 於 1993 年提出以來，一直是量化交易的重要基礎。MAD 策略的核心指標 MRAT，主要衡量價格相對於市場平均成本的偏離程度；當短期均線明顯高於長期均線，且在橫截面排序中位居前段，代表市場多頭共識正在形成。 本文將此理論轉化為可執行的台股策略，透過每月底定期換倉，並加入純 OHLC Price Action 過濾條件，降低高 MRAT 但趨勢轉弱的誤判。策略目標是在捕捉動能 Alpha 的同時，排除趨勢衰竭雜訊，追求更穩定的超額報酬。

尤金·法瑪（Eugene Fama）與肯尼斯·弗倫奇（Kenneth French）提出的「三因子模型」，透過規模因子與價值因子，突破了傳統資產定價的局限，法瑪更因此榮獲 2013 年諾貝爾經濟學獎。這套模型不僅提升了市場報酬的解釋力，更奠定了現代因子投資（Factor Investing）的基礎。 本文參考經典文獻，提取三因子模型中的價值與規模因子，並結合動量因子建構量化選股模型。我們旨在將此經典理論具現化為交易條件，實測其在台灣上市市場的長期表現，評估該框架能否穩定產生優異的風險調整後報酬。

2012年，三位金融學術界最具影響力的量化研究學者托比．莫斯考維茨、姚華歐與拉瑟．佩德森，共同發表的經典論文《時間序列動能》（Time Series Momentum），在學界引發震撼，更深刻重塑了期貨管理基金（Commodity Trading Advisor,CTA）與避險基金的交易邏輯，成為趨勢追蹤策略的理論基石。

大衛．卓曼（David Dreman）是華爾街最著名的「逆向投資（Contrarian Investing）」大師之一，也是卓曼價值管理公司的創辦人。卓曼的核心哲學建立在「均值回歸」與「投資人心理偏差」之上。策略專注於挑選那些被市場冷落、本益比（P/E）與股價淨值比（P/B）低於市場平均，但同時具備高殖利率保護的「價值股」。 本文透過 TQuant Lab 將大衛．卓曼的逆向投資法轉化為可執行、可回測的量化條件，並以台股市場作為實證對象，檢驗其長期績效與風險表現。

在上篇分析中，我們已確認新聞事件能對股價產生可辨識的市場反應。然而，新聞所揭露的資訊內容本質上差異極大，從產業發展、財務與會計訊息，到經營層異動或重大危機事件，其風險意涵與市場解讀本就不盡相同。若僅從事件強度觀察，仍不足以完整說明不同新聞對股價影響的差異來源。 因此，本篇進一步將新聞事件依其性質拆解為五大類（A、I、M、F、R），從事件類別的角度出發，檢視市場是否會對不同類型的新聞展現出系統性差異的反應模式，並辨識哪些新聞類型更可能成為影響股價的重要資訊來源。

新聞往往更早揭露企業經營變化、潛在風險或產業風向，在實務上被視為「最先出現、卻最難判讀」的資訊來源。投資人該如何判斷新聞是否真的具有投資訊號。 TCRI 看門狗（WD）將原本高度非結構化的新聞事件，依對企業信用風險的影響程度，轉換為一致且可比較的事件強度分數可作為量化數據依據。本研究進一步採用事件研究法，以實證方式檢視新聞事件在不同強度下對股價的影響，並進一步釐清新聞在投資決策中實際扮演的角色。

柏頓．墨基爾於經典著作《漫步華爾街》提出的「隨機漫步理論」，確立了低成本指數化投資的地位。然而，針對追求超額報酬的投資者，他也提出了一套兼顧磐石理論（內在價值）與空中樓閣理論（群眾心理）的生存指南，主張尋找「成長潛力被市場低估」的標的。 本研究利用 TEJ 量化資料庫與 TQuant Lab 回測系統，將這套美股大師法則在地化，對接至現代台股市場。我們將透過高品質數據驗證，探討這套結合基本面與理性預期的策略，在當前市場波動中是否具備創造穩定超額報酬的實戰價值，並展示數據驅動決策在風險控管上的優勢。