Table of Contents
尤金·法瑪（Eugene Fama）與肯尼斯·弗倫奇（Kenneth French）是現代資產定價理論的重要學者。法瑪長期任教於芝加哥大學布斯商學院，並以提出「效率市場假說」（Efficient Market Hypothesis）聞名，2013 年因此獲得諾貝爾經濟學獎；弗倫奇則任教於達特茅斯學院（Dartmouth College），專注於資產定價研究。兩人在1990年代共同提出Fama-French 三因子模型，在市場因子之外加入「規模」與「價值」因子，大幅提升股票報酬差異的解釋力，也促成因子投資與 Smart Beta 策略的興起。本文參考《因子投資：聰明錢操盤者的交易決策理論》一書所整理的文獻和研究結果，取用三因子模型中的「價值因子」以及「規模因子」，再結合「動量因子」作為選股標準。旨在將此經典因子理論轉為具體的量化條件，並驗證其在台灣上市股票市場中的長期表現與風險，評估選股流程是否能穩定產生風險調整後報酬，提供投資者可參考的策略框架。
本研究採用專為台股開發的 TQuant Lab 回測系統，透過與 TEJ API 深度整合，大幅提升因子運算與數據整併效率：
TQuant Lab 回測系統提供標準化且具高度重現性的實驗平台，助您精確模擬真實交易邏輯。
本研究的所有數據均取自 TEJ 台灣經濟新報資料庫，透過標準化處理確保跨年度數據的一致性。
整體而言，本策略在風險偏好（Risk-on）與中小型股輪動階段表現相對突出。當市場資金願意承擔較高風險、評價擴張集中在中小型股與高動能族群時，三因子交集（小市值 + 高 B/M + 高動能）通常能同時受惠於基本面重評價與籌碼推動，報酬彈性明顯優於大盤。
相對地，在空頭或流動性收縮階段（Risk-off），策略表現會轉弱，原因是持股結構偏向中小型與高動能股票，對資金退潮更敏感；一旦市場進入去槓桿、估值壓縮或風格切換（由中小型轉向大型權值防禦），淨值波動與回撤會快速放大。就台股結構而言，電子權值股在指數中權重高，若策略與權值股走勢脫鉤，也容易出現「指數相對抗跌、策略顯著回撤」的階段性落差。
若以市場情境拆解：多頭趨勢中策略偏進攻，盤整期易受交易成本侵蝕，空頭期則暴露防禦不足問題；高波動環境下，因子報酬容易受雜訊影響，低波動環境下，選股穩定性通常較佳。這些現象與本次回測中「報酬略勝大盤但風險顯著偏高」的結論一致。
| 指標項目 | 三因子投資策略 | 台灣加權指數 (Benchmark) |
|---|---|---|
| 年化報酬率 (Annual return) | 14.273% | 13.887% |
| 累計報酬率 (Cumulative returns) | 314.809% | 300.08% |
| Annual volatility | 18.762% | 15.678% |
| 夏普比率 (Sharpe Ratio) | 0.81 | 0.91 |
| 最大回撤 (Max Drawdown) | -39.631% | -28.553% |
| Alpha | 0.06 | 0.00 |
| Beta | 0.67 | 1.00 |
圖 1 : 策略累計報酬率圖（Equity Curve）
說明：策略在 2014–2024 年累計報酬為 314.809%，最終報酬略優於大盤，但路徑波動較大。
圖 2：最大回撤圖（Drawdown）
整體而言，本策略在風險偏好（Risk-on）與中小型股輪動階段表現相對突出。當市場資金願意承擔較高風險、評價擴張集中在中小型股與高動能族群時，三因子交集（小市值 + 高 B/M + 高動能）通常能同時受惠於基本面重評價與籌碼推動，報酬彈性明顯優於大盤。
相對地，在空頭或流動性收縮階段（Risk-off），策略表現會轉弱，原因是持股結構偏向中小型與高動能股票，對資金退潮更敏感；一旦市場進入去槓桿、估值壓縮或風格切換（由中小型轉向大型權值防禦），淨值波動與回撤會快速放大。就台股結構而言，電子權值股在指數中權重高，若策略與權值股走勢脫鉤，也容易出現「指數相對抗跌、策略顯著回撤」的階段性落差。
第一，策略屬 Long-only，缺乏反向保護機制，當系統性風險上升時無法有效對沖，導致最大回撤偏高。第二，再平衡採年度頻率雖可控制過度交易，但因進出場集中於特定時點，可能承受單日跳空與流動性缺口風險。第三，交易成本與滑價對中小型股策略影響更大，實務成交條件不佳時，回測績效與真實績效可能出現落差。
此外，因子本身存在失效風險。價值因子可能在高成長敘事主導時長期落後；動量因子在風格急轉或事件衝擊後容易反轉；規模因子在資金偏好大型權值時可能失去優勢。若三因子同時面臨不利市場狀態，策略可能進入較長的績效低迷期。
本文撰文： 楊孟儒 國立台北科技大學資訊財金所／張仁瑋 國立台灣大學商學研究所
尤金．法瑪（Eugene Fama）的經典因子理論強調以系統化方法解釋報酬來源，並透過長期資料驗證因子是否具備穩定性。然而，要在台股數千檔標的中，持續計算「帳面市值比（B/M）」、「市值規模（Size）」與「動能報酬（Momentum）」等指標，並完成排序、分組與年度再平衡，仍需仰賴高效率的量化工具與可重現的回測流程。
量化回測最忌諱使用「未來資料」。TEJ 量化資料庫 的核心優勢在於完善的 Point-in-Time (PIT) 當時點數據架構。這代表資料庫紀錄的是數據「當時」發布的正確數值與時間點，而非事後修正後的數字。透過 PIT 數據，您能確保回測時使用的是當時市場真正能取得的資訊，徹底排除「前瞻偏差（Look-ahead Bias）」，讓回測績效具備極高的實戰參考價值。
TQuant Lab 是專為量化交易者設計的專業開發環境，整合了從數據調取、策略研發至績效評估的全流程優勢：
數據的品質與工具的效率，決定了量化模型的生命力。不論您是想複製大師經典策略，或是開發獨門的因子模型，TEJ 與 TQuant Lab 都是您在資本市場中最堅實的數據後盾。
本文內容僅供研究與學術探討之用，不構成任何投資建議。
