← 研究動態
研究2026/09/07 上午06:00

「錯過最好的十天」是真的,而它有一個沒人引用的孿生數字

SPY擇時最大回撤買進持有極端日

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

「錯過最好的十天」是真的,而它有一個沒人引用的孿生數字

投資圈最常被引用的統計之一是這樣:如果你在過去三十年錯過表現最好的十個交易日,你的報酬會少掉一大截。K1831 用 SPY 從 1993-02-02 到 2026-08-26 共 8449 個交易日重算了這件事,起始資金一萬美元,年化採 252 個交易日。

結論的第一半完全成立:買進持有的期末價值是 315,457.02 美元,錯過最好十天剩下 136,882.12,差距 178,574.90。年化報酬從 10.8428% 掉到 8.1167%。

但同一份計算還有第二半,而那一半幾乎不會出現在同一張投影片上。

三個情境放在一起

情境期末價值(美元)年化報酬最大回撤
買進持有315,457.0210.8428%−55.1894%
錯過最好 10 天136,882.128.1167%−70.9059%
避開最差 10 天756,390.3413.7720%−47.5159%
最好與最差各 10 天都不在場328,210.5310.9739%−55.3856%

第三列是第一半論述的鏡像:避開最差的十天,一萬美元會變成 756,390.34,年化 13.772%。這個數字比「錯過最好十天」的懲罰更大,方向相反。

第四列是關鍵。同時錯過最好的十天 和 最差的十天,期末價值 328,210.53,比買進持有的 315,457.02 還多一點。年化報酬 10.9739% 對 10.8428%,差距是  +0.1311 個百分點 。

擴大到二十天、三十天,同樣的形狀重複出現,而且「兩邊都不在場」與買進持有的距離還拉開了:

情境期末價值(美元)年化報酬最大回撤
錯過最好 20 天79,096.016.3625%−72.3950%
避開最差 20 天1,358,163.7915.7757%−44.3675%
兩邊各 20 天都不在場340,538.7411.0960%−47.4999%
錯過最好 30 天49,478.294.8846%−77.5846%
避開最差 30 天2,225,034.5617.4929%−44.3675%
兩邊各 30 天都不在場348,988.6111.1772%−54.9801%

三個「兩邊都不在場」的期末價值分別是 328,210.53、340,538.74、348,988.61,全部高於買進持有的 315,457.02,而且隨著移除的天數增加而遞增。移除的極端日越多,剩下的路徑越平滑,最大回撤在 20 天那一列甚至改善到 −47.4999%。

四個情境的年化報酬率與最大回撤,起始 10,000 美元:買進持有 10.8428%/−55.1894%,錯過最好十天 8.1167%/−70.9059%,避開最差十天 13.7720%/−47.5159%,兩邊都錯過 10.9739%/−55.3856%。虛線是買進持有。錯過最好十天不只拿走報酬,回撤還比買進持有深 15.7165 個百分點

為什麼兩邊會抵銷:它們在時間上黏在一起

最好的日子與最差的日子不是隨機散落在三十三年裡。

十個最好交易日到最近一個最差交易日的距離,以交易日計,排序後是 1、2、2、3、5、6、9、15、76、1274。中位數 5.5 個交易日。十個裡有五個距離某個最差日不到 5 個交易日, 七個不到 10 個交易日 ,八個不到 21 個交易日。

把最好十天與最差十天合起來的 20 個極端日,用「相鄰成員相距 10 個交易日以內就串成一叢」的規則分群,得到 7 個群。最大的三個群分別橫跨 2008-09-29 到 2008-10-28(6 天)、2008-11-13 到 2008-12-01(4 天)、2020-03-09 到 2020-04-06(6 天)—— 三個群裝了 16 天,佔 20 個極端日的八成 。

唯一的例外是 2025-04-09。它到最近一個最差日的距離是 1274 個交易日,是十個裡最孤立的一個,其餘九個的最大距離只有 76。

極端日出現在什麼環境

這些日子共用的不只是日曆位置,還有波動環境。

最好十天的前 21 日年化波動率中位數是 0.7732,是全樣本中位數 0.1334 的  5.7978 倍 。最差十天的對應數字是 0.5050,是全樣本中位數的 3.7868 倍。

換句話說,兩組日子都是在波動率遠高於平常的環境裡發生的,而且最好的日子所處的環境 比最差的日子更極端 。一個投資人如果有能力在事前避開最差的十天,他必須在同一段時間裡持續離場,而最好的十天就在那段時間裡。

連年份都重疊

把範圍放寬到前三十名,重疊出現在更粗的顆粒上。

最好的三十天分佈在 12 個年份,最差的三十天分佈在 9 個年份,而這 9 個年份 全部 同時出現在兩張清單上:1997、1998、2000、2001、2008、2009、2011、2020、2025。

最差三十天有  100%  落在這 9 個共同年份裡,最好三十天有  80%  落在同樣這 9 年。2008 年一年就裝了 12 個最差日與 7 個最好日;2020 年是 6 個最差日與 6 個最好日。

所以「哪一年會出現最好的日子」與「哪一年會出現最差的日子」在這個樣本裡幾乎是同一個問題。一個以年為單位進出場的投資人,避開 2008 與 2020 的同時,也就避開了那兩年的 13 個最好日。

最好三十天與最差三十天各自的年份分佈:最好三十天散在 12 個年份、最差三十天散在 9 個年份,而那 9 個年份全部同時出現在兩張清單上(標「共同」者)。2008 年收 7 個最好日與 12 個最差日,2020 年是 6 比 6

回撤那一欄也值得單獨看

錯過最好十天的組合,最大回撤是 −70.9059%,買進持有是 −55.1894%,相差  15.7165 個百分點 。錯過最好的日子不僅拿走報酬,還讓回撤更深,因為那些日子正是把回撤從谷底拉回來的日子。

避開最差十天的組合,最大回撤是 −47.5159%,比買進持有淺 7.7 個百分點左右。兩邊都不在場的組合是 −55.3856%,與買進持有的 −55.1894% 幾乎相同。

這份結果推翻的是什麼、沒推翻的是什麼

 沒有推翻的 :「錯過最好十天會嚴重傷害報酬」這句話本身是對的,數字就在上面第二列。

 推翻的是它常見的用法 :把這個統計當成「擇時必然有害」的證明。這份計算顯示,這個統計的懲罰有一個規模相當、方向相反的孿生,而且兩者在時間上高度重疊,所以任何實際會同時錯過兩邊的擇時行為,在這個樣本裡的結果與買進持有相差 0.1311 個百分點,那個差距的方向甚至是正的。

 同樣沒有被證明的是「擇時有用」 。「避開最差十天」與「同時錯過兩邊」都是事後才知道哪些日子是哪些日子的會計練習,不是任何人可以事前執行的策略。這份計算沒有測試任何一個真實可執行的擇時規則,也沒有給出任何進出場訊號。它衡量的是 這個修辭本身的對稱性 ,不是擇時的可行性。

要從這裡推進到「擇時是否可行」,需要的是完全不同的實驗:一個事前可計算的訊號、一段樣本外期間、以及與買進持有的正式檢定。這份結果不提供其中任何一項。

範圍限制

單一標的(SPY)、單一樣本(1993-02-02 起至 2026-08-26)、單一資料來源(yfinance 日線,auto_adjust=True,經分割與股利調整的收盤價)。沒有交易成本、沒有稅、沒有滑價;情境的建構方式是把指定日期的報酬直接從序列中移除。極端日的定義是全樣本排序後的前十/二十/三十名,這本身用到了全樣本資訊。

沒有跨市場、跨期間的重複驗證。台股、歐股或不同的三十年窗口是否呈現同樣的鄰近結構,這份實驗沒有回答。


 資料與程式 :experiments/k1831/k1831.py(sha256 a5f9c86ae186040f8c…)、experiments/k1831/k1831_results.json。

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
VIX 越高、衝擊越被「吸收」?比例式衝擊倍數的分母陷阱與門檻效應
VIX 已經很高時,再來一次 VIX 大跳,SPY 的反應會不會變小?常見的量法是「衝擊倍數」(shock amplification ratio,SAR):衝擊日的 |r| 除以平日的 |r|。這個倍數確實隨前一日 VIX 升高而下降,於是很容易讀成「高波動環境會吸收衝擊」。本文檢驗這個讀法在三個地方站不站得住:分母、門檻,以及外生衝擊。 資料是 SPY 與 VIX 日資料,2006-01-05…
→
📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→