python

追高強勢股總是讓您心驚膽跳，擔心遇到快速回檔嗎？ 本研究引入 Volatility Adjusted Momentum核心指標，將比較標準從「誰漲最多」轉變為「誰在低風險下仍能持續創造報酬」。 經 TQuant Lab 實證， VAM 策略能精準區分穩健趨勢與高波動雜訊， 年化報酬率高達43.84% ，夏普比率達1.40 ，顯著優於大盤表現！帶您在波動的市場中，利用波動率標準化捕捉真正具備延續性的 Alpha 來源！

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。

 當市場充斥雜訊時，你是否能看透獲利的底層邏輯？ 本文實證諾貝爾獎大師尤金·法瑪的經典策略，透過「價值、規模、動能」三維度交叉篩選。經 TQuant Lab 實證， 這套策略在台股表現優異，十年累積報酬率達 314.81%！帶你利用科學因子避開情緒陷阱，精準掌握中長期超額報酬！

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。

本研究對台灣市場的放空情緒因子（SIR）進行實證檢驗，證實其為一項有效的負向預測指標。然而，本研究發現 SIR 因子的有效性並非普遍的，而是與市值規模高度相關：在中大型股中，它是一個強勁的負向預測指標；但在小型股中，效果卻因潛在的軋空風險而完全反轉。此異質性效果的相互抵銷，是導致因子全市場排序能力（IC）偏低的主因。

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。

本策略基於追蹤市場中所謂「聰明錢」的流向，即三大法人（外資、投信、自營商）的動向。策略假設，當三大法人對市場未來方向有一致且強烈的看法時，跟隨其方向進行交易的勝率較高。

近年來，隨著資料科學與計算能力的快速發展，越來越多投資人與資產管理機構開始採用機器學習模型來輔助投資決策。儘管傳統的因子投資方法在長期表現上具備穩定性與可解釋性，但為了更有效捕捉市場中的非線性結構與因子間的交互作用，結合機器學習的多因子模型已逐漸成為學術與實務研究的重要方向。