量化美股入門:做量化交易之前,先把「市場狀態」量化
很多人搜尋「量化美股」「量化交易 美股」,想找的是一套能自動下單、穩定賺錢的策略。這篇不賣那個。它講的是量化交易最常被跳過的上游:先用規則與公開數據,把現在的美股處在什麼狀態算出來,而且算法要能事後被驗證對錯。本站(QuantLabs 量化美股)就是照這個思路做的,下面用它的實際設計當例子,說明一套美股量化研究框架長什麼樣子、每一層會在哪裡出錯。
本文是方法論與教育內容,不是投資建議,也不是交易訊號。文中的門檻與權重都是本站實際使用的設定,可在方法論頁與各指標說明頁查到。
量化是什麼,不是什麼
「量化」的核心只有三件事:規則寫死、數據可查、結果可驗證。同一組輸入永遠得到同一個輸出,不靠當天的感覺;每個輸入都能指出來源與日期;每個判斷事後都能拿真實走勢去對答案。
量化交易通常分成兩層:
| 層次 | 回答的問題 | 典型做法 |
|---|---|---|
| 市場狀態(regime) | 現在是擴張、轉折、衰退,還是尾部風險?該放多少風險? | 信用利差、波動率結構、估值、流動性等總體指標 |
| 策略與執行 | 在這個狀態下買什麼、何時進出、部位多大? | 因子模型、動能、均值回歸、下單演算法 |
多數入門教材直接跳到第二層,回測一條均線交叉策略,卻沒問「這條策略在信用利差爆開的年份還成立嗎」。本站只做第一層,而且刻意不做自動交易。
一套美股量化框架的四層
1. 資料層:只用能指出來源的數據。本站每天抓 FRED(聯準會經濟資料庫)、Yahoo Finance、CBOE、CNN 恐懼與貪婪指數、SEC 申報等公開來源,共 105 個指標。每個數字都經過合理範圍檢查:解析錯誤的值(例如 CAPE 41.7 被抓成 4.17)寧可留白,也不寫進去。
2. 指標層:把原始數據變成有意義的量。例如:
- HY OAS(高收益債信用利差):企業借錢的代價,信用壓力最直接的溫度計。
- VIX 期限結構(VIX ÷ VIX3M):短期恐慌比長期預期還高時(大於 1),代表市場正在付錢買近期保護。
- ECY(超額 CAPE 收益率):1/CAPE 減去實質利率,衡量股票相對債券的估值,比單看 CAPE 多考慮了利率。
- Fed 淨流動性:聯準會資產負債表減去財政部帳戶(TGA)與逆回購(RRP),近似「市場上可用的錢」。
3. 打分層:把很多指標濃縮成可比較的分數。本站的 Market Score(0–100)由六個面向加權:流動性 25%、估值 20%、動能 20%、總經 15%、信用 10%、波動 10%。缺資料的面向不當 0 分,而是把權重重新分配給有資料的面向,因為 0 分代表「很差」,把缺值當 0 分會系統性扭曲結果。
4. 規則層:分數之外,還要有不可協商的硬規則。本站的 Kill-Switch 由程式判定,不交給 AI 決定:
| 條件 | 門檻 |
|---|---|
| HY OAS | 高於 600 bps |
| HY OAS 單週擴大 | 超過 100 bps |
| VVIX(VIX 的波動率) | 高於 140 |
| 薩姆規則 ≥ 0.5 且 HY OAS 高於 400 bps | 兩者同時成立 |
任一條件成立,就直接判定為「尾部風險」,分數再高也不看。
判斷的優先順序比分數重要
很多量化儀表板把所有指標平均起來,得出一個分數。問題是指標之間不平等:信用利差爆開時,估值便不便宜幾乎不重要。本站整合三個面向時有固定順序:
- 信用先決定基調(HY OAS 低於 400 bps 是擴張的前提)。
- 情緒最多只能把判斷調整一級(VIX 衝到 30 但信用平靜,最多判「轉折」,不會直接跳到「衰退」)。
- 估值不影響當週的狀態判斷,只影響長期預期報酬。
對應的參考配置:
| 狀態 | 股票 | 短債 | 長債 |
|---|---|---|---|
| 擴張 Expansion | 70% | 20% | 10% |
| 轉折 Transition | 50% | 30% | 20% |
| 衰退 Recession | 30% | 30% | 40% |
| 尾部風險 Tail-Risk | 20% | 60% | 20% |
這張表是框架的一部分,不是給個人的配置建議;每個人的年齡、現金流與風險承受度都不同。
怎麼知道這套量化方法有沒有用
量化與憑感覺的差別,在於能被證明是錯的。本站有兩個驗證機制:
預測力(IC)回測。對每個指標,計算它與 S&P 500、Nasdaq 100、費城半導體未來 4、13、26 週報酬的 Spearman 等級相關(Information Coefficient)。結果放在預測力研究頁。這裡有三個容易被忽略的陷阱:
- 重疊窗口:每天都算一次「未來 13 週報酬」,相鄰兩天的窗口幾乎重疊。1,000 天的資料並沒有 1,000 個獨立樣本,有效樣本大約是天數除以持有期,所以本站在有效樣本不到 20 時只顯示方向。
- 方向是在樣本內選的:先看 IC 正負再算「命中率」,命中率會結構性偏高。純雜訊在小樣本下也能做到約 57%。
- 事後修正的數據:CPI、M2、薩姆規則等總經數據會被修正,回填時拿到的是今天看到的修正值,而不是當時市場看到的數字。這會讓這類指標的回測看起來比實際好。
訊號實績。每天的狀態判斷都寫進紀錄,之後用真實的 S&P 500 走勢回填 4 週與 13 週報酬,按狀態分組統計,結果放在實績頁。樣本不夠多之前,只能當方向參考。
量化交易美股常見的五個陷阱
- 前視偏誤(look-ahead bias):回測用到了當時還不存在的資料,例如用今天修正過的 CPI 去回測去年的決策。
- 過度配適:調參數直到歷史績效漂亮。參數越多、樣本越少,越可能只是擬合雜訊。
- 把單一訊號當成抓底工具:VIX 飆升、廣度極端這類訊號常在低點附近出現,但多段式熊市裡可能早到好幾個月。延伸閱讀:〈訊號組合能框住底部,但點不中最低點〉。
- 忽略交易成本與稅:對非美國居民來說,美國註冊 ETF 的股息預扣稅與遺產稅風險會吃掉不少報酬。本站的 ETF 稅務頁比較了 VOO/QQQM 與愛爾蘭註冊 UCITS(CSPX/CNDX)的長期淨值差異。
- 只看價格,不看信用:股價下跌不等於危機。信用利差沒有同步擴大的下跌,歷史上多半是修正;兩者一起惡化,才是需要降低風險的訊號。
從哪裡開始
- 想看今天的量化結果:今日總覽,裡面有 Market Score、六個面向的子分,以及紅、黃面向的原因。
- 想理解每個指標:指標說明索引,105 個指標各有「是什麼、怎麼看、怎麼用、什麼時候會失效」。
- 想看回顧與驗證:預測力研究與實績。
- 想看歷史上每一天的判斷:每日決策封存。
量化研究的價值不在於預測下一根 K 線,而在於讓判斷有規則、有紀錄、能被檢驗。先把市場狀態量化,再談策略,才不會在錯的環境裡跑一個對的策略。
常見問題
什麼是量化美股?
量化美股是用寫死的規則、可查的公開數據與可驗證的結果來研究美股,同一組輸入永遠得到同一個輸出。本站只做量化交易的上游:先把美股現在處在擴張、轉折、衰退還是尾部風險算出來,再談策略。
量化交易美股一定要寫程式嗎?
本文說明的是框架而不是程式碼:重點是規則寫死、數據能指出來源與日期、判斷事後能被驗證。本站只做市場狀態這一層,而且刻意不做自動交易。
Market Score 怎麼算?
Market Score(0–100)由六個面向加權:流動性 25%、估值 20%、動能 20%、總經 15%、信用 10%、波動 10%。缺資料的面向不當 0 分,而是把權重重新分配給有資料的面向。Kill-Switch 任一條件成立時,直接判定為尾部風險,分數再高也不看。
回測的常見陷阱有哪些?
本文列出三個 IC 回測陷阱:重疊窗口讓有效樣本遠少於天數、在樣本內選方向會讓命中率結構性偏高、事後修正的總經數據會讓回測看起來比實際好。另外還有前視偏誤、過度配適、忽略交易成本與稅等常見問題。
信用、情緒、估值哪個優先?
信用先決定基調,HY OAS 低於 400 bps 是擴張的前提;情緒最多只能把判斷調整一級;估值不影響當週的狀態判斷,只影響長期預期報酬。