趨勢追蹤與時間序列動能(Trend-Following / TSMOM)擇時:S&P 500 與 Nasdaq 的樣本外(OOS)證據
目錄10 節
研究範圍:Faber 10 個月 SMA、TSMOM(MOP 2012、HOP 2017)、移動平均(MA)規則與 data-snooping 檢驗、trend factor/技術指標、波動度管理(risk timing),以及 Nasdaq-100/Nasdaq Composite 的直接證據。預設先驗是「擇時無效」(Goyal & Welch 2008;Goyal, Welch & Zafirov 2024)。
本站說明:這是「VOO/QQQ 擇時方法實證排名」系列五篇之一(本篇:趨勢動能)。本文是站長研究筆記的全文照登,內容、數字、表格、引用與「查無/未能核實」段落都照原文刊出、未刪減、未改寫,只拿掉原稿開頭的目錄區塊;原始檔為
research_notes/VOO QQQ 擇時方法實證排名/trend_momentum.md,本篇原文未標研究日期,同系列其他筆記標示的研究日期為 2026-10-26。整個系列的預設先驗都是「擇時無效」(Goyal & Welch 2008;Goyal, Welch & Zafirov 2024)。文中標記照原文定義:【OOS】=論文本身做了真正的樣本外或事前(real-time)檢驗;【IS】=只有樣本內結果;【本次核實】=研究時已讀原文或取得一手摘要/表格;【未能核實】=沒有取得原文,數字或書目來自記憶或二手摘要。本文是研究紀錄,不是投資建議。
標記說明:
- 【OOS】:論文本身做了真正的樣本外或事前(real-time)檢驗
- 【IS】:只有樣本內結果
- 【本次核實】:本次已讀原文或取得一手摘要/表格
- 【未能核實】:本次沒有取得原文,數字或書目來自記憶或二手摘要,寫報告前要再查
1. 機制與時間尺度:趨勢訊號是在偵測行情狀態,還是在預測轉折?
Takeaway
所有主要文獻(包括支持方 AQR)都把趨勢追蹤描述成「先讓行情跌一段,再跟著站到對的一邊」的落後機制。報酬來自持續數月的漸進式空頭(平均約 15 個月),在急殺(1987)和 V 型反轉中會失效。這種機制不是在預測高點。
Cited Findings
- HOP 2017 說明趨勢追蹤在熊市表現好的原因:多數熊市是「花好幾個月逐步形成,而不是幾天內突然發生」,讓趨勢追蹤者在初跌之後建立空頭部位,賺取後續的下跌。【本次核實,原文 p.20–21 正文,Exhibit 6 前後】 — Hurst, Ooi & Pedersen 2017, JPM 44(1)
- 同一篇論文:1880–2016 年 60/40 組合 10 次最大回撤,從高點到谷底平均約 15 個月;策略「在發生得很快的熊市(例如 1987 年股災)可能表現不好,因為來不及建立部位」。【本次核實】 — HOP 2017
- 同一篇論文 Exhibit 5 的 "smile":趨勢追蹤在美股「極端上漲或極端下跌」的年份表現最好。【本次核實,文字敘述;Exhibit 本身是圖,沒有抽出數字】 — HOP 2017
- 同一篇論文 Exhibit 2:訊號落後一個月才交易時,績效「自然會變差,短期訊號尤其明顯」,顯示獲利集中在訊號產生後不久。【本次核實,文字敘述】 — HOP 2017
- 二手摘要:Zakamulin 用長期 S&P 資料發現,MA 規則產生大量假訊號,但多在熊市勝出。 — Zakamulin, SSRN 2677212 "A Comprehensive Look at the Empirical Performance of Moving Average Trading Strategies"
- Zakamulin & Giner(IRFA 2022):S&P Composite 有短期動能,可用 AR(p) 描述;他們的理論模型也顯示,趨勢策略的獲利性檢定統計檢定力很低,真實的小幅優勢很難從雜訊中分辨。 — Zakamulin & Giner 2022, UiA Brage
- Levine & Pedersen 2016(FAJ 72(4),"Which Trend Is Your Friend?")證明 TSMOM 和 MA crossover 等常見趨勢規則都可以寫成「過去報酬的加權和」,差別只在權重形狀。【未能核實,本次未取得原文;DOI 依記憶:10.2469/faj.v72.n4.3】 — Levine & Pedersen 2016, FAJ
Inferences
- 對 VOO/QQQ 單一指數來說,趨勢訊號實際上是落後的「目前在空頭狀態」偵測器。它的價值取決於未來的空頭是像 2000–02、2007–09 那樣慢慢跌,還是像 1987、2020 那樣急跌急漲。
- HOP 的正面證據主要來自分散在 67 個市場、可以做空、而且有波動度加權的期貨組合,不能直接移植成「S&P 500 多頭/現金切換」。
Gaps
- HOP 各 Exhibit 是圖片,沒有抽出表格數字,例如每個十年的 Sharpe 和 2010 年代的報酬。
2. 各方法的樣本期、OOS 期間,以及參數是否事前選定
Takeaway
真正獨立的 OOS 證據很少,大致有三類:(a) 往前延伸歷史(HOP 1880–1984、Zakamulin 1860 年起),這類可信度比較高,但不是「發表後」的真實表現;(b) 用 data-snooping 修正後再看後續期間(STW 1999、Bajgrowicz-Scaillet 2012),結果都是負面;(c) 嚴格的 real-time 檢驗(Zakamulin 2014 JAM、Cederburg et al. 2020),優勢很小或是負的。Faber(2007)的 10 個月是在樣本內選出來的,發表後至今(2007–2025)沒有找到任何獨立學術論文評估它的 OOS 表現。
Cited Findings
Faber 2007(10 個月 SMA)
- 刊在 Journal of Wealth Management(實務導向期刊,不屬於 JF/JFE/RFS 頂級期刊)9(4),2007。【書目依記憶:DOI 10.3905/jwm.2007.674809,未能核實頁碼】 — Faber 2007, JWM
- 論壇轉述的批評:10 個月是在同一份資料上回測出最好的參數,所以報告的結果帶有 data-mining bias,未來的期望績效應該會比報告的差(論壇轉述,不是同儕審查)。 — Mutual Fund Observer 討論串
- Zakamulin 用 1860–2009 年 S&P Composite 月資料估計,SMA 的最佳回看期平均為 10 個月(中位數 11 個月),這間接支持 10 個月不是孤例,但同時發現所有擇時規則的平均報酬都低於買進持有,只是風險明顯較低(二手摘要)。 — 搜尋摘要轉述,UiA Brage 碩論頁/CXO
- 2012 年 Ivy Portfolio 更新提到「長期 MA 策略表現掙扎、受到檢視」(實務文章)。 — Investing.com, Ivy Portfolio Update
- 找不到任何獨立學術研究評估 Faber 規則 2007–2025 發表後的 OOS 表現 → 證據不足/未能核實。
Moskowitz, Ooi & Pedersen 2012(JFE 104(2))
- 58 檔流動性高的期貨,約 1985–2009;12 個月回看、1 個月持有,並以波動度加權。【未能核實,本次未取得原文;DOI 依記憶 10.1016/j.jfineco.2011.11.003】 — MOP 2012
Hurst, Ooi & Pedersen 2017(JPM 44(1))
- 67 個市場(29 商品、11 股價指數、15 債券、12 貨幣對),1880-01 至 2016-12;訊號是 1、3、12 個月趨勢的等權組合,沿用 MOP 2012 與 Hurst et al. 2013 的方法(參數事前沿用既有文獻)。【本次核實】 — HOP 2017
- 作者明確主張:「前 10 個十年的資料相對於既有文獻是樣本外證據」,並在 Exhibit 4 另外報告 1880–1984(MOP 起始年 1985 之前)各市場的結果,「同樣非常一致」。【本次核實】 — HOP 2017
- 注意:作者是 AQR(有管理期貨產品的利益關係);1880–1984 屬於「往前延伸」的 OOS,不是發表後的 OOS。
Brock, Lakonishok & LeBaron 1992 → Sullivan, Timmermann & White 1999 → Bajgrowicz & Scaillet 2012
- BLL 1992(JF 47(5)):DJIA 1897–1986,26 條 MA/交易區間突破規則。【IS;書目依記憶】 — BLL 1992
- STW 1999(JF 54(5): 1647–1691):把 BLL 的規則空間擴大,套用 White Reality Check,使用約 100 年 DJIA 日資料;書評轉述指出,BLL 規則在其後 10 年(1987–1996)的 DJIA 上,最佳規則平均報酬 8.63%/年(未扣成本),統計上不顯著。另有文獻轉述,STW 與 White(2000)在 DJIA、S&P 500 指數與 S&P 500 期貨上都找不到顯著獲利的規則。【二手轉述,未能核實表號】 — STW 1999, LSE Research Online;FMG DP303 工作論文
- Bajgrowicz & Scaillet 2012(JFE 106(3): 473–491,DOI 10.1016/j.jfineco.2012.06.001):DJIA 日資料 1897–2011,用 FDR 控制 data snooping;持續性檢定顯示投資人事前永遠無法挑出未來表現最好的規則;即使在樣本內,很低的交易成本就足以完全抵銷績效。【本次核實摘要】 — IDEAS/RePEc;CFA Digest
Glabadanidis 2015 → Zakamulin 2018 反駁
- 更正:Glabadanidis "Market Timing with Moving Averages" 刊在 International Review of Finance 15(3)(2015),不是 Review of Finance。【本次核實期刊名】 — Zakamulin 2018 反駁文頁面
- Zakamulin 2018(IRF 18(2): 317–327,DOI 10.1111/irfi.12132):Glabadanidis 「好到不像真的」的績效來自一個月的前視偏誤(look-ahead bias);修正後,MA 策略「最多只比買進持有略好一點,統計上無法區分」。資料:Ken French 30 個價值加權投資組合,1960-01 至 2011-12,單邊轉換成本 0.5%,並附 R 程式可重現。【本次核實摘要】 — IDEAS;CXO 摘要
Zakamulin 2014(JAM 15(4),DOI 10.1057/jam.2014.25):"The real-life performance of market timing with moving average and time-series momentum rules"
- 只做多的 MA 與動能規則,S&P Composite、DJIA,以及長期與中期美國公債,1926–2012;用滾動式 real-time OOS 選參數,並以 bootstrap 處理 data snooping;有計入交易成本,沒有計入稅。【二手摘要】 — IDEAS;CXO 摘要
Huang, Li, Wang & Zhou 2020(JFE 135(3): 774–794,DOI 10.1016/j.jfineco.2019.08.004)"Time series momentum: Is it there?"
- 對個別資產做「過去 12 個月報酬預測下 1 個月報酬」的迴歸,樣本內與樣本外的預測力都很弱;pooled regression 的大 t 值在 bootstrap 臨界值下不可靠;TSMOM 策略雖然賺錢,但和不需要任何可預測性的「歷史平均」策略(TSH)表現差不多。【本次核實摘要;表號與 OOS R² 數值未能核實】 — IDEAS/RePEc;WashU 頁面
Kim, Tse & Wald 2016(JFM 30: 103–124)
- 用類似資料重做 MOP,發現結果主要來自波動度加權,而不是動能本身;TSMOM 的 alpha 從波動度加權時的 1.27%/月降到不加權時的 0.41%/月,比橫斷面動能的 0.95% 還低;個別合約多半贏不了買進持有(加權版 55 檔中 31 檔贏,不加權版 29 檔)。摘要寫的樣本是 1985–2009;有二手摘要寫 1985–2013,並稱 2009–2013 優勢消失(兩種說法有出入)。【二手摘要,未能核實表號】 — bepress 作者頁;Alpha Architect 摘要
Goyal & Jegadeesh 2018(RFS 31(5))"Cross-Sectional and Time-Series Tests of Return Predictability: What Is the Difference?"
- 重點(依記憶):TSMOM 相對 XSMOM 的優勢,主要來自 TSMOM 隱含的「時變淨多頭部位」(基本上是承擔市場風險溢酬),控制之後兩者沒有差異。【未能核實,本次未取得原文;DOI 依記憶 10.1093/rfs/hhx131】 — Goyal & Jegadeesh 2018
Han, Yang & Zhou 2013(JFQA 48(5))/Han, Zhou & Zhu 2016(JFE 122(2))/Neely, Rapach, Tu & Zhou 2014(MS 60(7))
- HYZ 2013:把 MA 擇時套用在波動度十分位投資組合上,高波動組合的 MA 超額報酬比較大;HZZ 2016 的 trend factor 是橫斷面選股因子,不是指數擇時。NRTZ 2014:技術指標(MA、動能、成交量)對股權溢酬有 OOS 預測力,在衰退期互補總經變數(組合預測部分由其他研究者負責)。【全部未能核實數字,本次未取得原文;DOI 依記憶:HYZ 10.1017/S0022109013000586、HZZ 10.1016/j.jfineco.2016.01.029、NRTZ 10.1287/mnsc.2013.1838】 — HYZ 2013;HZZ 2016;NRTZ 2014
Moreira & Muir 2017(JF 72(4))→ Cederburg, O'Doherty, Wang & Yan 2020(JFE 138: 95–117,DOI 10.1016/j.jfineco.2020.04.015)
- 見第 3 節數字。【本次核實原文】 — COWY 2020 PDF
Lempérière et al. 2014 "Two Centuries of Trend Following"
- 依記憶:用兩百年資料(含股價指數)說明趨勢效應長期存在,t 值很高。【未能核實,本次未取得原文;arXiv 1404.3274】 — arXiv 1404.3274
Inferences
- 依可信度排序:「有修正 data snooping 或 real-time 選參數」的研究(STW、BS、Zakamulin 2014/2018、COWY)結論一致偏負面或中性;結論正面的研究(Faber、Glabadanidis、HOP)分別有參數樣本內選定、前視偏誤,或屬於多資產期貨(不是單一指數)等問題。
- 10 個月或 12 個月其實可以視為「事前慣例」:12 個月來自 Jegadeesh-Titman 與 MOP 的文獻慣例,10 個月則與 Zakamulin 估計的長期最佳值吻合。但慣例本身是由早期回測形塑出來的,並不是完全獨立。
Gaps
- Faber 規則 2007–2025 發表後的學術 OOS 評估:證據不足。
- Huang et al. 2020 的具體 OOS R²、表號:未能核實。
- Goyal & Jegadeesh 2018、NRTZ 2014、Han 系列、Levine-Pedersen、Lempérière 的數字:本次都未讀原文。
3. 量化績效:OOS R²、CER、Sharpe、最大回撤、命中率
Takeaway
有可靠來源的 OOS 數字顯示:單一美股指數的 MA/TSMOM 擇時在扣除成本後,Sharpe 改善約 7–12%(Zakamulin),報酬通常低於買進持有,主要好處是降低波動和回撤;「賣出期間」約 80% 輸給 T-bill(命中率低)。波動度管理的市場組合在 OOS 中 Sharpe 0.42 對 0.46、CER 1.56% 對 1.75%,反而比較差(COWY 2020)。
Cited Findings
- Zakamulin 2014(JAM)real-time OOS:只做多的 MA/動能擇時在 S&P Composite 與 DJIA 上,扣成本後的 Sharpe 只改善 7–12%(二手摘要,2013-11 工作論文版)。【未能核實表號】 — CXO 摘要
- 同一研究的命中率:平均約 80% 的「賣出」期間,T-bill 報酬高於股票,也就是說訊號叫你離場時,多半是錯的;超額績效集中在相對短暫的幾段時期。【二手(Swedroe),作者提醒需核對原文】 — ETF.com, Swedroe: Beware Lure Of Market Timing
- Zakamulin 1860 年起的長期版本:單邊成本 0.25% 下,MA 規則的 Sharpe 高於買進持有,但平均報酬較低。【二手摘要】 — CXO
- Zakamulin 2018(IRF):修正前視偏誤後,MA 策略與買進持有「統計上無法區分」。【本次核實摘要】 — IDEAS
- COWY 2020 Table 1(p.99),市場因子 MKT,1926-08 至 2016-12(這是 Moreira-Muir 式的樣本內直接比較):原始 MKT 的 Sharpe 0.42,波動度管理版 0.51,差 0.09,Jobson-Korkie p = 0.30(不顯著)。【本次核實原文】 — COWY 2020
- COWY 2020 Table 2 與 p.101 正文:103 個策略中只有 53 個的 Sharpe 差為正,二項檢定 p = 0.84,無法拒絕「表現相同」;在「有波動群聚、沒有風險報酬關係」的虛無假設下,預期應該有 66 個為正,bootstrap p = 0.01。【本次核實原文】 — COWY 2020
- COWY 2020 Table 5 Panel A(p.107–108 正文)【OOS】:real-time 組合策略對 MKT 的 Sharpe 0.42 對 0.46(原始市場),CER 1.56% 對 1.75%/年,波動度管理反而比較差;原因是 MKT 的樣本內優勢集中在大蕭條前後,即樣本早期。9 個因子中,MKT、SMB、HML、CMA 的 OOS 差值為負。摘要的結論是:合理的 OOS 版本「普遍」得到比原始組合更低的 CER 和 Sharpe,原因是 spanning regression 的結構不穩定。【本次核實原文】 — COWY 2020
- HOP 2017:每個市場的平均 Sharpe 約 0.4(Exhibit 3,未扣費用與成本);在 60/40 十次最大回撤中,有 8 次是正報酬(Exhibit 6);把 20% 資金配置到 TSMOM,可以降低最大回撤、降低波動並提高報酬(Exhibit 7)。【本次核實正文】 — HOP 2017
- HOP 扣除 2/20 費用後的全期 Sharpe:ETF.com(Swedroe)寫 0.76;CXO 寫 2%+20% 費用後各十年平均約 0.4。兩者衝突,可能是全期與各十年平均的口徑不同。【未能核實,Exhibit 1 是圖】 — ETF.com Swedroe;CXO
- 實務研究(非頂級期刊):S&P 500 1988-07 至 2011-06,買進持有年化 9.5%、Sharpe 0.31;最佳日 MA 規則 Sharpe 0.54(轉換成本 0.2%)。【IS,最佳規則是事後挑選】 — CXO 摘要
- Journal of Investment Strategies:1950-01 至 2019-04,買進持有的報酬顯著高於 TSMOM,但 TSMOM 波動較低、Sharpe 較好。 — Risk.net 摘要
Inferences
- 對單一美股指數,趨勢擇時合理的 OOS 期望是:報酬略低於買進持有,Sharpe 小幅改善(絕對值約 0.05 以內,換算成相對幅度約 10% 左右),最大回撤明顯縮小。這是風險輪廓的改變,不是 alpha。
- 波動度管理(risk timing)在單一市場指數上的 OOS 證據是負面的(COWY),不能把它當成趨勢擇時的穩健替代品。
Gaps
- 單一指數 TSMOM 的 OOS R²(Huang et al. 2020 應有個別資產數字):未能核實。
- Faber 規則各期間的最大回撤和命中率:沒有獨立學術數字。
4. 失敗期間:反覆假訊號、底部落後、長多頭落後
Takeaway
文獻明確指出的失敗型態有三種:快速崩跌(1987)、急跌後 V 型反轉(底部落後、追高回補),以及長期多頭中因為假訊號而持續落後。至於 2011、2015–16、2018、2020、2022 等個別年度的學術逐年拆解,本次沒有找到一手來源。
Cited Findings
- 快速熊市(例如 1987)中,策略可能來不及建立部位。 — HOP 2017
- TSMOM 自身的壓力期,往往伴隨「多個市場同時急速反轉」或缺乏明確趨勢;歷史上最大回撤達約 25%(Exhibit 8,gross of fee、net of cost)。【本次核實正文】 — HOP 2017
- 約 80% 的賣出期間輸給 T-bill,代表大量假訊號,超額報酬集中在少數短期間。 — ETF.com
- 2022 年的一篇論文發現,過去 10 年間趨勢策略無法勝過被動買進持有(二手摘要,作者與期刊未能核實)。 — CXO 搜尋摘要
- Kim-Tse-Wald 的二手摘要稱,TSMOM 在 2009–2013 優勢消失。【未能核實】 — Alpha Architect
- 實務評論:10 個月規則在被洗出場的期間「把很多錢留在桌上」。 — Commonwealth IMO blog
Inferences
- 2010–2021 年美股的長多頭,加上多次急跌急漲(2011-08、2015-08/2016-01、2018-Q4、2020-03),正是月頻 MA 規則最不利的環境。這是由機制推論的結果,本次沒有找到學術逐年數字。
- 2022 年是緩跌型空頭,理論上對趨勢有利。
Gaps
- 2011、2015–16、2018、2020、2022 各年 S&P 500/Nasdaq 10 個月 SMA 的學術逐年績效:證據不足/未能核實,需要自己用免費資料回測。
5. 交易成本與稅負後是否勝過買進持有
Takeaway
計入交易成本後,單一指數的 MA 擇時頂多 Sharpe 小幅改善,報酬低於買進持有;Bajgrowicz-Scaillet 發現低成本就足以抵銷 DJIA 技術規則的績效。沒有找到任何同儕審查研究把資本利得稅(短期資本利得)納入趨勢擇時對 S&P 500 或 Nasdaq 的比較。對應稅帳戶的投資人,這是重大且未被量化的劣勢。
Cited Findings
- Bajgrowicz & Scaillet 2012:低交易成本就能完全抵銷績效(日頻規則,DJIA 1897–2011)。 — IDEAS
- Zakamulin 2014:計入交易成本,不含稅;扣成本後 Sharpe 改善 7–12%。 — ETF.com;CXO
- Zakamulin 2018:單邊轉換成本 0.5% 下,與買進持有統計上無法區分。 — CXO
- 搜尋 "after-tax moving average timing S&P 500" 沒有找到任何把稅納入的研究,所有結果都是稅前。 — CXO 相關頁面(皆為稅前)
Inferences
- 月頻 10 個月 SMA 一年通常只換手幾次,ETF 的交易成本很低;真正的成本是稅。每次賣出都可能實現利得,持有不到一年就適用短期資本利得稅率。在應稅帳戶中,原本就很小的 Sharpe 優勢很可能被抵銷。這是推論,沒有文獻數字。
- 在退休帳戶或免稅帳戶中,稅的問題消失,只剩成本與追蹤落差。
Gaps
- 趨勢擇時稅後績效的學術研究:證據不足。
6. 能預測轉折,還是只能降低回撤?
Takeaway
明確結論:沒有證據顯示趨勢或 TSMOM 訊號能預測市場轉折(高點或低點)。 現有證據只支持「在持續性空頭中縮小回撤和降低波動」,而且代價是假訊號、底部落後,以及長期報酬較低。
Cited Findings
- 支持方自己的機制說明,就是「初跌之後」才建立空頭、在急跌中失效(落後機制)。 — HOP 2017
- 對下個月報酬的預測力,個別資產的 IS 與 OOS 都很弱;TSMOM 的獲利可以被不需要可預測性的歷史平均策略複製。 — Huang et al. 2020
- 賣出訊號約 80% 是錯的(以 T-bill 是否勝過股票衡量)。 — ETF.com
- 規則風險較低,但平均報酬低於買進持有(Zakamulin 1860–2009)。 — CXO
- Kim-Tse-Wald:MOP 的優勢主要來自波動度加權(風險管理),而不是動能預測。 — bepress
Inferences
- 在「擇時無效」的先驗下,趨勢追蹤最站得住的定位是尾端風險與回撤管理工具,不是報酬預測工具。若排名標準是「提高長期報酬」,它應該排在後段;若標準是「降低最大回撤/改善 Sharpe」,它是少數在 OOS 仍有小幅正面證據的方法,但幅度小,而且受到 data-snooping 批評(STW、BS)。
Gaps
- 沒有研究以「轉折點命中率」(例如提前 N 個月預警高點)為指標,對趨勢訊號做 OOS 評估。
7. QQQ/Nasdaq 適用性
Takeaway
沒有找到任何同儕審查論文直接以 Nasdaq-100/QQQ/Nasdaq Composite 做趨勢擇時的 OOS 檢驗。 Glabadanidis 2015 用的是 Ken French 投資組合,不是 Nasdaq;Zakamulin 系列主要用 S&P Composite 與 DJIA;Zakamulin & Giner 2022 也只用 S&P Composite。QQQ 的適用性只能推論。
Cited Findings
- Zakamulin & Giner 2022 只研究 S&P Composite,不含 Nasdaq。 — UiA Brage
- Zakamulin 2014 用 S&P Composite、DJIA 與美國公債。 — CXO
- Glabadanidis 2015/Zakamulin 2018 用 Ken French 30 個投資組合(規模、B/M、動能分組),1960–2011。 — CXO
- 搜尋 Nasdaq 10 個月 MA 的學術 OOS 研究:只找到 Nasdaq 官方的 NDXMAX30 回撤研究,屬於指數商品文件,不是學術研究。 — Nasdaq NDXMAX30 Drawdown Study
- Han, Yang & Zhou 2013:MA 擇時在高波動投資組合上超額報酬較大。【未能核實數字】 — HYZ 2013
- Zakamulin 有一個互動 OOS 測試工具,可以自選指數做 OOS 回測(工具,不是論文)。 — UiA Shiny OOS test
Inferences
- 可能較有利:Nasdaq 的大空頭(2000–2002、2008、2022)都是持續數月以上的緩跌,符合趨勢機制;高波動資產上 MA 規則的超額報酬可能較大(HYZ 2013 的方向)。
- 可能較不利:波動高,意味著 MA 附近的穿越更頻繁、假訊號更多;V 型反轉(2020)時,Nasdaq 回升得更快,落後的代價更大;Nasdaq 長期報酬高,待在現金的機會成本也更大。
- Nasdaq-100 指數 1985 年才開始(QQQ 1999 年上市),獨立的大空頭樣本基本上只有 2000–02、2008、2022 三次,統計檢定力極低(呼應 Zakamulin & Giner 的低檢定力結論)。任何 QQQ 回測的優勢都可能主要來自 2000–02 這一次事件。
Gaps
- Nasdaq 直接的 OOS 學術證據:證據不足。Clare et al.(例如 Clare, Seaton, Smith & Thomas 的趨勢研究)本次未取得,無法確認是否涵蓋 Nasdaq。
8. 免費資料來源
Takeaway
S&P 500 有 1871 年起的月資料(Shiller)和 1926 年起的市場因子(Ken French);Nasdaq Composite 有 1971 年起的資料(FRED/Yahoo);Nasdaq-100 從 1985 年起。以下起始年份是一般已知資訊,本次沒有逐一點開確認。
Cited Findings
- Zakamulin 的 OOS 工具和他的研究使用 S&P Composite 長期資料(1860 年起)。 — UiA Shiny;CXO
- COWY 2020 使用 Ken French 資料庫的 MKT 因子(1926-08 起)。 — COWY 2020;Ken French Data Library
- 其他候選來源(本次未逐一核實起始日):
- FRED NASDAQCOM(Nasdaq Composite 日資料,約 1971-02 起):FRED NASDAQCOM
- FRED NASDAQ100(約 1986 起):FRED NASDAQ100
- FRED SP500(因授權限制,通常只有近 10 年):FRED SP500
- Shiller S&P Composite 月資料(1871 起,含股利):Shiller Data
- Yahoo Finance(^GSPC、^IXIC、^NDX、SPY、QQQ):Yahoo ^IXIC
- Stooq(^SPX、^NDQ、^NDX,可下載 CSV):Stooq
Inferences
- 回測 Nasdaq 時要用含息總報酬;價格指數會低估買進持有,因為 Nasdaq 股利雖然低,但不是零。現金端可以用 Ken French 的 RF 或 FRED TB3MS。
- 為了避免前視偏誤(Zakamulin 2018 抓到的問題),必須用月底收盤產生訊號,並從下個月才開始套用報酬。
Gaps
- 各資料源確切的起始日與是否含息:未逐一核實。
延伸閱讀
本系列其他四篇:
- 估值型擇時訊號(S&P 500/美國大型股;Nasdaq 盡量涵蓋)的樣本外(OOS)實證
- 部位/情緒(Positioning/Sentiment)與風險定價(Option-implied)擇時訊號:樣本外證據
- 預測組合與機器學習擇時:美國股權溢酬的樣本外與複製證據
- 轉折點預測、Nasdaq-100/QQQ 特殊性與散戶實作現實
本站相關頁面:
- VOO 報酬與技術面、QQQ 報酬與技術面、CSPX、CNDX
- 自選比較:VOO 與 QQQ 一年報酬
- 量化美股入門:做量化交易之前,先把「市場狀態」量化
- RSI 超賣黃金交叉買到偏低,卻很少買到最低:QQQ/VOO 全歷史回測
- 訊號組合能框住底部,但點不中最低點
- 槓桿 ETF 報酬收斂與市場支撐假說檢驗報告
常見問題
10 個月均線(Faber)擇時在發表後還有效嗎?
Faber(2007)的 10 個月是在樣本內選出來的;本次找不到任何獨立學術研究評估它 2007–2025 年發表後的 OOS 表現,屬證據不足/未能核實。Zakamulin 用 1860–2009 年資料估計,SMA 的最佳回看期平均為 10 個月,但同時發現所有擇時規則的平均報酬都低於買進持有,只是風險明顯較低(二手摘要)。
趨勢追蹤能預測市場的高點或低點嗎?
筆記的明確結論是:沒有證據顯示趨勢或 TSMOM 訊號能預測市場轉折。它是「先讓行情跌一段,再跟著站到對的一邊」的落後機制,報酬來自持續數月的漸進式空頭(60/40 十次最大回撤從高點到谷底平均約 15 個月),在 1987 這類急殺中可能來不及建立部位。
均線擇時扣掉交易成本後能贏過買進持有嗎?
Zakamulin(2014)的 real-time OOS 顯示,只做多的 MA/動能擇時扣成本後 Sharpe 只改善 7–12%,報酬通常低於買進持有;平均約 80% 的「賣出」期間 T-bill 報酬高於股票。Bajgrowicz & Scaillet(2012)發現很低的交易成本就足以抵銷 DJIA 技術規則的績效。好處主要是降低波動和回撤,不是 alpha。
波動度管理(volatility targeting)在樣本外有用嗎?
Cederburg 等(2020)的結果偏負面:103 個策略中只有 53 個的 Sharpe 差為正,二項檢定 p = 0.84;real-time 組合策略對市場因子的 Sharpe 是 0.42 對 0.46(原始市場),CER 1.56% 對 1.75%/年,波動度管理反而比較差。
QQQ/Nasdaq-100 可以用趨勢擇時嗎?
沒有找到任何同儕審查論文直接以 Nasdaq-100/QQQ/Nasdaq Composite 做趨勢擇時的 OOS 檢驗,只能推論。Nasdaq-100 指數 1985 年才開始(QQQ 1999 年上市),獨立的大空頭樣本基本上只有 2000–02、2008、2022 三次,統計檢定力極低,任何 QQQ 回測的優勢都可能主要來自 2000–02 這一次事件。
趨勢擇時需要考慮稅嗎?
本次沒有找到任何把資本利得稅納入趨勢擇時比較的同儕審查研究,所有結果都是稅前。筆記的推論是:月頻 10 個月 SMA 的 ETF 交易成本很低,真正的成本是稅——每次賣出都可能實現利得,持有不到一年就適用短期資本利得稅率;在退休帳戶或免稅帳戶中這個問題消失。