2009 年那三個月，動能策略賠掉 45.6%：兩套防護救了它，但換給你的風險長得完全不一樣
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。
2009 年 3 月到 5 月，美股從金融海嘯的谷底往上彈。同一段時間，一個被學界研究了三十幾年的策略，三個月賠掉 45.6%。
那個策略叫動能。做法很直白：買過去一年漲最多的股票，放空跌最多的那一批。
長期來看它會賺。從 1936 年 11 月到 2026 年 6 月，總共 1,076 個月，年化報酬 6.6%。
代價寫在另一欄：歷史上最大的一次回撤是 -56.2%，最壞的單一個月份是 -30.2%。這種傷口是一刀砍下來的。
崩盤的長相很固定。市場先重摔，被放空的那一籃爛股票跌到剩零頭；等市場一反彈，跌最慘的彈得最兇。放空的人正好站在反彈的正對面。
兩套防護，一簡一繁
學界後來給了兩條路。
簡單版 （Barroso 與 Santa-Clara 那一派的固定波動目標）：只看最近的波動有多大。波動變大就把部位縮小，把整條策略的年化波動壓到 12% 這個數字上。它不預測報酬，也不去做空動能本身。
複雜版 （Daniel 與 Moskowitz 那條動態規則）：除了波動，再加上熊市指標與落後的市場變異數，拿去預測動能下個月會賺還是會賠。預測為負的時候，允許把整個部位翻過來做空。
K1838 把這兩條規則放進同一個樣本外測試：月頻調整權重，每個月的權重變動扣 10 bps 交易成本，跑完那 1,076 個月。
四條腿，扣完成本
| 做法 | 年化報酬 | 年化波動 | 夏普 | 最大回撤 | 最差 5% 月份平均 |
|---|---|---|---|---|---|
| 不做防護 | 6.6% | 14.0% | 0.473 | -56.2% | -9.7% |
| 簡單版 | 14.7% | 18.1% | 0.815 | -50.1% | -10.7% |
| 複雜版（含翻空） | 5.3% | 6.5% | 0.818 | -31.4% | -3.9% |
| 複雜版（不翻空） | 5.2% | 6.4% | 0.814 | -30.2% | -3.9% |
先看第一件確定的事：做防護比不做防護好，而且差很多。兩套防護的夏普各自比不做防護高 0.342 與 0.345，兩個 p 值都小於 0.001，Holm 校正後還是 0.0036。
再看第二件事。複雜版的夏普 0.818，簡單版 0.815，差 0.003。
這 0.003 的合理範圍落在 -0.114 到 +0.133 之間（95% 信心水準），未達顯著水準（顯著性 0.930），Holm 校正後 0.970。多做的那些預測工作，在夏普這一格什麼也沒換到。
有趣的地方在報酬跟回撤那兩欄。簡單版年化 14.7%、最大回撤 -50.1%；複雜版年化 5.3%、最大回撤 -31.4%。
同一個夏普，被拆成兩種完全不同的形狀：一條高報酬配深坑，一條低報酬配淺坑。分數那一欄兩邊一樣，你挑的是形狀。
回撤那 11.59 個百分點，我不敢賣給你
複雜版的回撤比簡單版淺 11.59 個百分點。看起來很漂亮的一格。
K1838 對它做了一個很兇的檢定：保留完整的月報酬順序，只把權重的相位繞著圈打亂，看「什麼時候加減碼」這件事本身有沒有價值。1,076 種錯位全部算過。
結果 未達顯著水準（顯著性 0.243），Holm 校正後 0.970。這個回撤優勢，分不出是規則抓對了時機，還是剛好站對位置。
這句話是全篇最該被記住的一句。一個 11 個百分點的回撤差距，在正確的檢定底下可以完全不顯著。看回測表格挑策略的人，看到的正是這一類數字。
只有尾端那一格是真的
最差 5% 月份的平均報酬，複雜版 -3.9%，簡單版 -10.7%，差 6.87 個百分點。p 小於 0.001，Holm 校正後 0.0036。
這一格站得住。複雜版確實把最壞的那批月份削平了。
事件窗看得更清楚。
2009 年 3 到 5 月那次崩盤：不做防護 -45.6%，簡單版 -15.4%，複雜版 +4.6%。
2020 年 2 到 6 月：不做防護 -9.2%，簡單版 -6.3%，複雜版 +4.3%。
帳單在 2022 年。那一年動能大賺，不做防護 +17.3%，簡單版 +12.3%，複雜版只有 +2.0%。削掉尾巴的那把刀，在好年頭一樣往下削。
兩種防護，各要你忍一種東西
不做防護的部位永遠是 1.0 倍，這是它唯一的優點。
簡單版有 27.8% 的月份槓桿超過兩倍，最高一次到 4.67 倍。要拿那個 14.7%，你得在某些月份把四倍多的曝險掛在一個會崩盤的因子上。
複雜版有 10.9% 的月份是反手做空動能，槓桿最高 2.50 倍。要拿那個淺坑，你得接受規則偶爾叫你站到動能的反面去。
這份結果的邊界
機械裁決寫得很硬：NULL_DM_OOS_NOT_BETTER_THAN_CONSTANT。兩個事前凍結的假設（回撤時機、淨夏普）都沒過，Holm family 是 3 組對比乘 3 個指標、剛好 9 格。
法國資料庫的 MOM 是紙上因子，用的是最終版本資料，不含個股買賣價差、借券限制與容量上限。複雜版的翻空跟高權重，在真實世界只會更貴。
這次 baseline 與簡單版的夏普只是本次樣本內的描述，不能拿去跟 Barroso 與 Santa-Clara 原文 1927 到 2011 的樣本內數字對照驗證。
還有一件我得講出來的事：這是一次非盲的修復重跑（is_blind = false），我在重跑前看過第一輪的結果、README 與那份 FAIL 的審核意見。第一輪的部分敘述已經永久撤回。非盲重跑的證據力比事前完全凍結的測試弱一階，這個折扣請自己打進去。
最後，整份分析是月頻的權重疊加，不是一支逐日可交易的策略。
帶走什麼
選防護規則的時候，先問自己要哪一種形狀，再問哪一個夏普比較高。1,076 個月的樣本告訴我們，第二個問題在這兩條規則之間根本沒有答案。
複雜版買到的東西很具體：一個削平的左尾，加上好年頭少賺一截。它沒有買到更高的分數，那個看起來很吸引人的回撤優勢，也沒有通過檢定。
資料：Kenneth R. French Data Library（CRSP 202606 版本）。完整結果、檢定方法與限制見 experiments/k1838/。
懶人包圖組
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