K597 壓力測試完全報告——你的策略禁得起股災嗎？
讀者互動
登入會員可按讚與收藏。
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。
你的策略，撐得過股災嗎？，五大情境壓力測試全紀錄
「這個策略回測很漂亮」和「這個策略股災時不會讓我崩潰」是兩回事。
K597 實驗對平台上所有主要策略進行了系統性壓力測試，選取歷史上五個最具代表性的極端情境，逐一驗證： 每個策略在真正的市場考驗面前，究竟表現如何？
五大壓力情境
| 情境 | 期間 | 特徵 |
|---|---|---|
| GFC 金融海嘯 | 2008/09–2009/03 | VIX 飆到 80，SPY 最大跌幅 -55% |
| Volmageddon | 2018/01–2018/03 | VIX 瞬間從 11 跳到 37，閃崩 |
| 震盪 2018Q4 | 2018/10–2018/12 | 急漲急跌，最考驗頻繁換手策略 |
| 2022 慢熊 | 2022/01–2022/10 | VIX 持續高位 25-35，緩慢下跌 |
| COVID 崩跌+反彈 | 2020/02–2020/06 | 5 週崩 34%，13 週完全反彈 |
最重要的發現：哪些策略在股災時真的有保護作用？
明星表現 ：
Piecewise Conservative：4/5 情境勝過 Buy & Hold
這是整個壓力測試裡的最大驚喜。Piecewise Conservative（分段保守）策略：
- GFC ：回撤 0% （VIX>20 直接清空倉位，完全不參與下跌）
- COVID 崩跌 ：最大回撤只有 -0.4% （相比 Buy & Hold 的 -20.3%）
- 2022 慢熊 ：回撤 -0.9% （相比 Buy & Hold 的 -18%）
- 唯一缺點 ：COVID V型反彈時，因為倉位輕，漲幅也有限
Adaptive Tier：3/5 情境勝出，但有一個意外
Adaptive Tier 在 GFC 同樣回撤 0%（自動空倉），2022 慢熊也表現優異（+2.76% 對比 Buy & Hold 的 -9.13%）。但在 COVID V型反彈中，由於太快出場，反而落後 Buy & Hold。
最大警告：Fear DCA 在股災中反而加碼
Fear DCA（恐懼定投）在 GFC 期間損失高達 -41.83% ——比 Buy & Hold 的 -27.21% 還慘 。原因是它的邏輯是「越跌越買」，在 GFC 級別的長達 6 個月的持續下跌中，持續加碼等於持續加大損失。
策略壓力測試總評
| 策略 | 幫助 | 傷害 | 判決 |
|---|---|---|---|
| Piecewise Conservative | 4/5 情境 | 1/5 | ✅ 通過 |
| Adaptive Tier | 3/5 情境 | 2/5 | ✅ 通過 |
| VIX 條件槓桿 | 2/5 情境 | 3/5 | ⚠️ 謹慎 |
| Fear DCA | 2/5 情境 | 3/5 | ⚠️ 謹慎 |
| 12/VIX | 1/5 情境 | 4/5 | ❌ 不通過 |
三個股災中的最壞單日
看看最壞的那天（2020/03/16，SPY 當天跌 -10.9%）各策略的表現：
| 策略 | 當日損失 |
|---|---|
| Buy & Hold | -10.94% |
| Fear DCA | -9.85% |
| 12/VIX | -2.27% |
| VIX 條件槓桿 | -1.25% |
| Adaptive Tier | 0.00% |
| Piecewise Conservative | 0.00% |
當 VIX 在 2020 年 3 月跳到 82.7，Adaptive Tier 和 Piecewise Conservative 已完全空倉。那天市場崩跌，它們的帳戶紋絲不動。
給一般投資人的結論
壓力測試告訴我們一個核心事實： 不同策略在不同市場環境下的保護能力天差地別 。
如果你最怕的是股災跌 30-50%：Piecewise Conservative 是你的第一選擇。規則簡單，執行成本低，而且在歷史上四次重大股災中三次完全空倉避險。
如果你願意接受稍微複雜一點的系統（需要融資帳戶）：Adaptive Tier 提供更全面的保護，而且全週期表現最好。
如果你打算用「越跌越買」的邏輯：Fear DCA 需要極強的心理素質，因為在真正的股災中，它反而是風險最大的策略之一。
本文基於實驗 K597（壓力測試）的實證結果
數據來源：yfinance（SPY、GLD、^VIX），期間：2005–2026，共 5,342 個交易日
實驗腳本：experiments/k597_stress_test.py
結果數據：experiments/k597/k597_stress_test_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