學習
5 分鐘搞懂
量化投資。
它到底是什麼、誰可以做、有哪些迷思要忘掉。白話文。
量化投資、究竟是什麼？
20 年前、棒球球探挑選手的方法很老派 — 用眼睛看。揮棒乾不乾淨、跑得快不快、看起來像不像明星。
然後 Oakland A's 開始用「上壘率」挑選手 — 那年代沒人在乎的數字。他們薪資只有對手 1/3、結果打進季後賽。
之後體育界全面擁抱數據。NBA 教練清楚 Curry 在左角三分 47%、Klay 在側翼三分 42%。沒人還相信「直覺」打得贏「數據」了。
但大部分散戶還活在 Moneyball 之前的時代。看明牌、看新聞、靠感覺。
量化投資、就是把體育 20 年前做的事、套到股票上。
假設你看到一檔股票今天漲 10%、想知道明天會不會繼續漲。
傳統做法：看新聞、查誰在買、問朋友、瞇眼看 K 線、用感覺決定。
量化做法：把它變成規則 — 「每天找漲 10%+ 的股票、明天開盤買、收盤賣」。把這條規則套用在 13 年台股資料、2,100+ 檔個股全部跑。看年化報酬、看最大回撤、看勝率、看多頭跟空頭市場表現如何。
跑完測試、你會看到明確答案。下次看到股票漲 10%、不用再猜 — 你已經大概知道追進去會怎樣。
量化的真正價值 — 3 件事
- 把情緒擋在門外。規則寫好之後、股票跌不會慌、漲也不會追。
- 經驗能累積、不會白做。每次回測都給你具體數字、判斷建立在數據上、不是運氣。
- 策略不會褪色。你去年寫的規則今年照樣能跑。靠「感覺」的經驗、會隨時間退化。
讓一般投資人也能用純數據找市場規律 — 這就是 Alpha Builders 在做的事。
量化只有機構能做嗎？
量化有兩種完全不同的型態、只有一種對你開放。
第一種是高頻交易（HFT） — 新聞上常看到的那種。毫秒等級、有時甚至微秒。利潤來自速度。
要做這個你需要：
- 伺服器直接擺在交易所旁邊（co-location）。光在光纖裡跑的速度也有上限、HFT 公司每天為了那幾微秒在比快。
- 低階程式碼。Python 太慢、他們用 C++、效能最吃緊的部分跑在 FPGA 上。
- 幾十億美金的資本。每筆交易賺極少、靠成千上萬筆堆疊出來。
- 工程師、數學家、物理博士的整支團隊。Citadel Securities、Jane Street、Virtu、Two Sigma、Renaissance — 這些你應該聽過。
這種量化、是機構的遊戲。散戶碰不到。
第二種完全跟速度無關。你寫一條挑股票的規則 — 例如「每個月、找本益比最低的 30 檔台股、買進、下個月再選一次」— 然後照做。
這種已經被學術研究三十年。1992 年 Eugene Fama（後來的諾貝爾經濟學獎得主）跟 Kenneth French 在芝加哥大學提出三因子模型、用市值、淨值股價比、市場風險解釋大部分股票報酬。從那之後、學者陸續發現更多因子：動能、品質、低波動等等。
你今天能做的事、就是學者跟基金經理人做了幾十年的事 — 挑一兩個因子、寫規則、定期換股。
這種量化、散戶完全做得到。不用微秒系統、不用幾十億資本、不用物理博士。你只需要兩樣東西：清楚的規則、加上歷史資料來測試。
3 個要忘掉的迷思
如果你之前聽過量化、大概也聽過這些。它們都是錯的。
迷思 1：量化用 AI 預測未來股價。
最常聽到、也最該講清楚的一個。
量化不是預測未來。它是從過去資料找規律。這個差別很重要。
「過去 10 年、每個月本益比最低的 30 檔股票、平均年化贏大盤 2-3%。」— 這是歷史統計。
「明天台積電會收 600 元。」— 這是預測。
真正的量化策略做前者、不做後者。學術金融有個概念叫效率市場假說：所有公開資訊都已經反映在股價上、所以沒人能靠公開資訊持續準確預測短期走勢。市場不是完美效率（不然量化就沒空間）、但已經有效率到「預測明天收盤價」這件事基本是徒勞。
那 AI 在這裡到底做什麼？AI 是整理資料的助手、不是看見未來的水晶球。它做：
- 特徵工程 — 從幾千個原始變數（價、量、財報、新聞文字）挖出跟報酬有關的訊號。
- 模型解釋 — SHAP 等工具揭示模型實際依賴哪些特徵。
- 自然語言處理 — 把法說會、新聞、社群情緒轉成可量化訊號。
- 無聊的雜事 — 資料清理、回測、產報告。繁瑣的部分被自動化。
迷思 2：要會寫程式才能做。
寫程式只是「把規則寫下來」的一種方法。如果你的規則很簡單 — 「買本益比最低的 30 檔台股、月換股」— Excel 做得到。紙跟筆也做得到。
規則複雜一點、現在有 no-code 平台跟 SaaS 工具讓你用白話描述、或拖曳介面。Alpha Builders 就是其中一個 — 跟 AI 說「我想要一個每個月挑本益比最低 30 檔的策略」、30-60 秒後你拿到一份涵蓋 13 年的完整回測。
量化的核心是「把規則寫清楚」、不是「寫程式」。這兩件事長期被混為一談、是因為很長一段時間、唯一能跑回測的方法就是寫 Python。現在不是了。
迷思 3：量化保證賺錢。
跟你說這句話的人、不是騙子就是不懂。
量化不會讓你變成選股之神。它真正做的是兩件事。
第一、它逼你把策略寫明確。大部分「投資想法」用聊的聽起來都很棒、但你試著寫成電腦能執行的規則時就會崩塌。這是最便宜的第一道過濾 — 大部分「明牌」在你試著把它變成可執行規則的瞬間就解體。
第二、它讓你看清風險長什麼樣。具體是：
- 年化報酬 — 平均一年賺多少。
- 最大回撤（MDD） — 歷史樣本內最慘的高峰到谷底損失。
- Sharpe 比率 — 每承擔一單位風險換多少報酬。
- 勝率跟盈虧比。
這些指標裡、最大回撤比年化報酬重要。年化報酬告訴你「平均」可能賺多少；最大回撤告訴你能不能「撐過」最壞的年份。
一個年化 20% 但 MDD -60% 的策略、聽起來很棒、直到你活過那次 -60%。大部分人會在反彈前認賠殺出、永遠看不到上漲那段。
量化的價值不是保證、是把「我覺得這個會賺」變成「我知道風險有多大、有具體數字」。
讀完了？該動手試一個了。
從策略範例選一個、或直接開個對話描述你想試的。