迷思實驗室｜跌破均線隔天更容易崩盤？8.96% 這個數字唬了所有人

打開任何一個看盤軟體，10 日均線都是預設就畫在那裡的那條線。價格貼著它走的時候沒人在意，一旦跌破，留言區就開始出現同一句話：離均線越遠，越要小心。

這句話的完整版本通常長這樣。股價偏離均線太多，代表市場情緒失控，接下來波動會放大，甚至直接崩一根。它聽起來合理，而且看盤軟體上真的常常應驗。

我們把它拿去驗了一次。20 檔美股 ETF 與大型股，從 2010 年 1 月到 2026 年 7 月 10 日，每檔 3,957 個交易日，合計 79,140 個資產日。做法很直白：每天算出收盤價離 10 日均線多遠，用這個距離去猜隔天的波動，以及隔天出現「左尾大跌」的機率。

第一份證據：確實嚇人

先看沒做任何修飾的原始數字。把所有日子按照「離均線的位置」由低到高排成五等分，最低那一等分就是跌破均線最深的日子。

左尾大跌的定義是當天報酬跌破自己歷史上最差的 5%，門檻只用當天為止看得到的資料算，不偷看未來。

跌得最深的那 20% 日子，隔天再吃一根大跌的機率接近平常的 1.8 倍。放成圖，紅色那根柱子高得很有說服力。

如果研究到這裡就收工，標題大概會寫成「數據證實：跌破均線後隔天崩盤機率翻倍」。這種文章網路上有很多。

問題出在對照組

麻煩的地方在於，「離均線多遠」根本不是一個獨立的新資訊。

10 日均線就是過去 10 天收盤價的平均。收盤價比它低很多，只有一個可能：這 10 天在跌。把數學攤開看，均線距離幾乎就是過去 10 天報酬的加權總和，越近的日子權重越大。

於是那個 8.96% 有一個更無聊的解釋。跌破均線最深的日子，是最近剛跌過的日子。而市場最近剛跌過的時候，波動本來就已經高了，隔天再跌一根大的，機率本來就會高。這叫槓桿效應和波動叢聚，是課本第一章的東西，跟均線一點關係都沒有。

所以該問的問題只有一個：在你已經知道最近怎麼漲怎麼跌的情況下，均線距離還能多告訴你什麼？把問題改成這樣問，答案會完全變樣。

我們給它一個公平的對照組

要回答第二個問題，對照組必須先把過去的報酬吃乾淨。

我們設了三層對照。最寬鬆的一層只用波動本身的歷史（昨天、上週、上個月的波動）當基準，這是天真的做法。中間一層再加進前一天的報酬和過去 10 天的累積報酬。最嚴格的一層做了一件關鍵的事：把過去 10 天的報酬 一天一天分開 全部放進對照組。

第三層是整個實驗的骨幹。均線距離既然是那 10 天報酬的一種加權方式，那麼一個已經包含這 10 天全部報酬的對照組，就能自動複製出任何一種加權方式，當然也包括均線距離自己那一種。均線距離如果還能在這個對照組之上多解釋一點東西，那一點東西就不可能是舊報酬的重新包裝。

結果是一路崩塌。

看上面那張表：基準越公平，均線距離的功勞縮水得越厲害，一路掉到剩下一小截。蒸發掉的那一大半從來就不是均線的貢獻，是槓桿效應被記錯了帳。

剩下的 0.29 個百分點還在，統計上也偵測得到，數字紮實。但它只有基準模型自身解釋力的 0.54%。用生活化的比例講，你原本就能解釋的部分是 100，均線距離幫你多解釋 0.54。

那個 8.96% 呢？歸零了

左尾的結果更乾脆。

把同樣的控制加上去之後，均線距離對「隔天會不會大跌」的額外預測力是 未達顯著水準（顯著性 0.62）。這個數字的意思是，觀察到的差異完全可以用隨機波動解釋，沒有任何證據支持均線距離帶來新訊息。額外解釋力只有 0.023 個百分點，四捨五入就是零。

那個 8.96% 不是均線距離告訴你的。是「最近剛跌過」告訴你的。均線只是把這件你早就知道的事，用一條線重畫了一遍。

唯一站得住的發現，跟通說相反

有意思的是，通過公平基準之後，並不是什麼都沒剩。剩下一個東西，而且很穩： 不對稱 。

我們把均線距離拆成兩半分開估。價格在均線之上的那一半，和價格在均線之下的那一半，斜率完全不同。

跌破那一側的斜率，大小是衝高那一側的 2.7 倍，方向還相反；而且 20 檔資產全數成立，在最嚴格的對照組下依然存在。

這剛好把通俗說法拆掉。技術分析講的是「離均線遠就危險」，講的是距離，不分方向。如果那是對的，把距離取絕對值畫出來應該是一個對稱的 U 型：往上偏很多、往下偏很多，兩邊都該危險。

原始資料裡的確有一個 U 型。但那個 U 型是被左半邊單獨撐起來的。有訊號的只有跌破那一邊，衝高離開均線那一邊的斜率不只小得多，方向還是「離越遠、波動越低」。

離均線多遠不重要。在均線的哪一邊，才是那個真的帶著資訊的變數。而且就算把方向搞對了，訊號依然小到不足以下單。

所以能拿去交易嗎？不行

這篇文章的結論必須說得很窄，不然就會被誤讀。

均線距離對次日波動確實帶有可偵測的額外資訊，統計檢定上很硬。但幅度是基準模型的 0.54%，扣掉交易成本什麼都不剩。我們另外測了「未來 5 天的下行風險」，在真正的樣本外測試裡，把均線距離加進模型之後，預測誤差反而變大了。訊號存在，不代表估完參數之後你會預測得更準。

能寫進論文，不能拿去下單。這兩件事的距離，比大多數技術指標教學願意承認的還要遠。

這個實驗真正該被記住的一句話

比結論更值錢的是方法。

任何一個用過去報酬拼出來的技術指標，都必須跟「已經包含那些過去報酬的對照組」比，而不是跟一個假裝不知道最近漲跌的對照組比。乖離率、動能、RSI、各種均線變形，全部適用這條規則。

不這麼做的話，你測到的永遠是槓桿效應，只是換了一個名字掛在你自己的指標上。而那個 1.90 個百分點的假功勞，會讓一個什麼都沒發現的研究，看起來像是發現了什麼。

數據與復現

樣本為 20 檔美股 ETF 與大型股（SPY、QQQ、IWM、DIA、EEM、EFA、TLT、GLD、八檔產業 ETF、AAPL、MSFT、JPM、XOM），資料來自 yfinance 日 OHLC，期間 2010-01-01 至 2026-07-10。每檔 3,957 個有效交易日，合計 79,140 個資產日。

波動用 Parkinson 區間估計。所有預測變數皆往前推一天，標準化與左尾門檻只用當期為止看得到的歷史資料計算，不使用全樣本統計量。

完整程式碼、結果檔與圖表：experiments/k1681/（隨機種子 1681，可原樣重跑）。

懶人包