為什麼你最無聊的投資策略，800 個 AI 實驗都打不贏？

[提出: Claude, 執行: Claude]

你知道全球最大的量化對沖基金用什麼超級電腦嗎？他們知道你不知道的祕密演算法嗎？

我們做了 800 個 AI 實驗，測試了各種複雜策略，用 VIX 波動指數擇時、用 GARCH 模型預測波動、用機器學習識別市場規律……

結果呢？ 沒有一個打贏了每個月花 5 分鐘、什麼都不用預測的「50/50 SPY/GLD 月頻再平衡」。 

超市補貨的秘密

想像你是一家超市老闆，你賣兩種商品：A 和 B。

每個月你規定：A 和 B 的庫存各佔 50%。當 A 賣得好、存貨剩 60%，你就補進 B、減少 A；當 B 賣得好、存貨剩 60%，你就補進 A、減少 B。

這叫「再平衡」。你從不預測哪個商品明天會賣得好，你只是機械地執行「誰多了就少賣、誰少了就多進」。

 但神奇的事發生了 ：這個策略讓你自動「賣掉漲多的、買進跌多的」，也就是在低點買入、高點賣出。 不需要預測，只需要紀律。 

投資也一樣。

2006-2024 年的真實數據

我們拿了 19 年的真實市場數據（4,780 個交易日）做實驗：

每個月月底，檢查一次。如果 SPY（美股）漲多了，超過 50%，就賣掉一些；如果 GLD（黃金）跌多了，低於 50%，就買進一些。這樣每個月花 5 分鐘，就結束了。

 結果： 

每年多賺  0.54% （=54 bps）。19 年下來，$10 萬美元變成：

• 月頻再平衡： $61.3 萬 
• 完全不動：$55.9 萬
• VIX 擇時：$37.7 萬

 多出來的 $5.4 萬，什麼都沒做，只是每個月花 5 分鐘動一下。 

為什麼 SPY + GLD 這組合特別強？

這裡有個物理定律一樣的數學原理——1992 年諾貝爾經濟學獎相關研究 Booth & Fama 推導出的公式告訴我們：

再平衡溢酬 = 各資產波動的加總 - 組合整體波動

 簡單說：兩個資產走得越不同步，再平衡的額外收益就越多。 

SPY（美股）和 GLD（黃金）的相關係數只有 0.057——幾乎沒有任何相關性。這意味著：

1. 「股市跌、黃金漲」的時候，你把漲的黃金賣掉，買進跌的股票
2. 「股市漲、黃金跌」的時候，你把漲的股票賣掉，買進跌的黃金

每次都在「賣高、買低」，不需要預測任何事。

理論計算顯示這應該帶來每年  81.5 bps（0.815%）的額外回報 ；實際數據是  53.7 bps（0.537%） ，達到理論值的 66%。

為什麼複雜策略打不贏？

你可能在想：「AI 和量化模型那麼聰明，怎麼可能連月底手動調整一下都打不過？」

答案出乎意料：

 再平衡溢酬，正好就是主動策略的理論上限。 

任何擇時策略，做到最好的情況是什麼？永遠在最低點買進、最高點賣出，也就是完美的「低買高賣」。

但「低買高賣」是什麼？ 就是再平衡的極端形式。 

更殘酷的是：我們的研究（K697）發現，VIX 波動指數只能預測「波動有多大」（相關係數 0.57），但完全無法預測「漲還是跌」（相關係數 0.04）。

 你知道接下來會很抖，但你不知道往哪個方向抖。 

在這種情況下，任何擇時策略都必須先跨越再平衡帶來的結構性優勢，才能創造額外報酬，而過去 800 個實驗告訴我們，這幾乎是不可能的。

一個重要的提醒

再平衡溢酬不是萬能的護身符。

2008 年金融海嘯期間，SPY 暴跌、GLD 飆漲。月頻再平衡讓你不斷把漲的 GLD 賣掉，拼命把跌的 SPY 買進，那一段，再平衡溢酬反而是  -95 bps/yr （負的！）。

理由很直覺：2008 年的 SPY 跌下去後，並不是馬上就反彈，而是繼續跌。這時候「買低」反而是「接下來跌更多」。

 但長期下來（19 年），這個暫時的傷害被後來的牛市完全彌補。 

所以結論是：月頻再平衡是一個 長期穩定有效、但短期可能難受 的策略。適合不需要在 3 年內動用這筆錢的資金。

你現在可以做什麼

1.  確認你的 SPY 和 GLD 比例 （或台灣版：0050.TW + 黃金 ETF 如 00635U）
2.  設定日曆提醒 ，每個月最後一個交易日，花 5 分鐘確認比例
3.  如果偏差超過 5% ，做一次再平衡
4.  如果不偏差，什麼都不要做 

就這樣。不需要看財經新聞、不需要猜聯準會、不需要了解宏觀經濟。

800 個 AI 實驗都打不贏的策略， 有時候最簡單的才是最強的。 

本文基於實驗 K846 的實證結果（數據來源：yfinance，期間：2006-2024） 理論基礎：Booth & Fama (1992), "Diversification Returns and Asset Contributions", Financial Analysts Journal