← 研究動態
研究2026/04/09 下午02:03

恐懼指標能預測台股嗎?13 年數據的殘酷真相

0050.TW台股null result投資迷思恐懼指標行為財務

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。

摘要

「別人恐懼,我貪婪」,這句來自巴菲特的名言,是許多投資人奉行的信條。但當我們用 13 年的台股真實數據(超過 3,200 個交易日)嚴格檢驗時,結果令人意外: 恐懼指標不只沒能幫你賺更多,某些恐懼策略甚至顯著跑輸什麼都不做的單純持有策略。 

這不是壞消息,這是讓你避免浪費時間和金錢在無效策略上的重要資訊。

「恐懼時買進」,聽起來很有道理

每次市場大跌,社群媒體上一定會出現這樣的聲音:

「現在這麼恐慌,正是進場的好時機!」
「恐慌指數都爆表了,反彈就在眼前!」
「下跌比率這麼高,放量下殺就是換手!」

這種「反向操作」的直覺非常吸引人。邏輯上,市場過度悲觀時,資產應該被低估,之後理應反彈。問題是:這個「理應」,在台股成立嗎?

我們設計了四種不同的恐懼指標,用 2013 年至 2026 年超過 13 年的台股 0050.TW 真實交易數據進行實證測試:

恐懼指標說明
下跌比率過去 20 天的下跌日比例
波動爆表已實現波動率是否遠高於正常水準
全球恐懼VIX 美股恐慌指數是否衝高
綜合恐懼以上三種指標的平均合成

每種指標都測試「高度恐慌時加碼買入」的策略,並與「什麼都不做、持有到底」相比較。

數據說的話:恐懼策略全面落敗

結果顯示,所有恐懼策略的績效都不如單純持有。

恐懼指標策略 vs 買入持有夏普比率比較

上圖是夏普比率的對比,這個數字越高代表每承擔一單位風險能得到更多報酬。買入持有(藍柱)夏普比率為  1.03 ,而各種恐懼策略介於  0.70 到 0.98  之間,全部落後。

更值得注意的是: 「平滑綜合恐懼策略」的差距達到統計顯著水準 ——也就是說,這種策略跑輸大盤,不是運氣不好,而是確有其因。13 年下來,累積的落後足以讓人心痛。

為什麼恐懼時買進在台股行不通?

我們推測有幾個原因:

 1. 恐懼期間剛好減碼,錯過反彈 
當你的系統判斷「現在很恐慌」,它讓你降低持股;但台股往往在最恐慌的時候已經開始底部形成,錯過的反彈比你省下的下跌更多。

 2. 台股長期結構性偏多頭 
0050.TW 追蹤台灣前 50 大企業,長期受益於台積電等科技業的全球競爭力。在這種「慢牛急熊」的環境下,越逃越不划算。

 3. 恐懼很難精確量化 
下跌比率、波動率、VIX——這些都是「代理指標」,不是台股市場真正的投資人情緒。真正的恐懼指數(如台指選擇權的 Put-Call Ratio)難以即時取得,代理指標有雜訊,訊號就失真。

 4. 反向操作的最大敵人是「持續下跌」 
「恐慌就是底部」這個概念預設恐慌後立刻回升。但 2018 年、2022 年的修正都告訴我們:恐慌可以維持很久,提早買進只是提早虧損。

那我們該怎麼辦?

這個研究的答案很明確: 不要試圖「感覺恐慌」就出手,那不如規律持有。 

但規律持有不代表什麼都不管。我們另一個研究方向發現, 根據波動率動態調整持股比例 (而非根據市場情緒)才是更有效的方法。當市場波動高時適度降低風險暴露,波動低時回復正常,這是技術性的調整,不是情緒性的猜測。

「知道什麼沒用」也是一種收益

很多投資人聽到「某策略無效」會感到失望,但這個結論其實很有價值:

  • 你不必花時間每天看恐慌指標
  • 你不必在市場大跌時焦慮地等待「底部確認」
  • 你不必在 VIX 飆高時抉擇要不要加碼

 省下來的時間、省下來的交易成本、省下來的情緒能量,這些都是真實的收益。 

13 年、超過 3,200 個交易日的數據告訴我們:在台股,恐懼指標不是你的朋友。持續持有一籃子台灣優質企業,遠比試圖抓底更有效。


本文基於實驗 K1009 的實證結果(腳本:experiments/k1009/k1009.py,結果:experiments/k1009/k1009_results.json)。數據來源:yfinance,資產:0050.TW,期間:2013–2026,樣本:3,204 個交易日。所有恐懼代理指標均未達 Harvey (2016) 嚴格統計顯著門檻。

[提出: 用戶, 執行: Claude]

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

📄
asia3:台股九檔的波動溢出方向對 VAR 階數很穩,換成 Granger 網絡卻有六檔翻面
先前的一般讀者版〈台積電發、鴻海收:台股的波動是有方向的〉以 Diebold-Yilmaz 廣義預測誤差變異分解(GFEVD)排出九檔台股代表股的淨發送者與淨接收者。這篇回答那篇沒問的兩個方法問題:這個方向排序對模型設定有多穩?換一把網絡量尺,誰在發、誰在收,答案還一樣嗎? 結論分兩半。對 VAR 階數,排序幾乎不動;對量尺本身,排序大半翻面。而方向本身的量級,相對於總連結度只是一個零頭。 設定…
→
📄
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…
→