「最佳10天」論點只說了一半

「最佳10天」論點只說了一半

每隔幾年，市場修正來臨時，被動投資社群就會搬出一個統計數字：如果你在過去三十餘年間錯過了標普500最好的10個交易日，年化報酬率將從約10%驟降至約4%。其言外之意十分明確：始終保持投資，因為那些關鍵的日子無法預測，錯過的代價極為慘重。

這個統計數字是準確的。但它不完整。同樣的算術邏輯也可以反向運用，而反向情形對認真思考風險管理的人來說要有趣得多。

本文呈現Quant Decoded對這一對稱論點的獨家分析——研究在回避最差日的同時錯過最佳日會產生什麼結果，並探討三種有研究支撐的戰術性方法，用以減少最差日集中區間的曝險。

經典統計數字及其鏡像

下表展示了1993年至2025年（含五次明顯空頭市場和多個波動率階段的32年間）標普500總報酬在五種情境下的結果。

來源：Quant Decoded Research（原創分析，1993-2025年）。股息再投資總報酬指數。

核心結果令人矚目：回避最差10天使最終資產相較買入持有增加逾三倍，$10,000增長至$698,000，而非$198,000。回避最差20天則達到$1,840,000。

最後一行包含關鍵洞察。同時回避最佳10天和最差10天時，年化報酬率幾乎不變，從10.4%微升至10.8%。最佳日和最差日在報酬貢獻上大體相互抵消。這意味著買入持有論據與其反論在算術上是對稱的，但這些極端日的分布在位置上卻絕非對稱。

而位置決定一切。

極端日集中的原因

被動投資論據假定你無法預測最佳日何時出現，因此必須保持完全投資以捕捉這些日子。然而，一旦審視極端日的實際分布，這一假設便不攻自破。

1993年至2025年的標普500資料顯示：

• 最差的10個單日中有7天發生在指數已位於200日移動平均線以下之時
• 最佳的10個單日中有8天同樣發生在指數位於200日移動平均線以下之時

這種集中並非偶然。它反映了有充分文獻記錄的波動率持續性特徵。

Engle (1982)提出ARCH模型，證明金融市場的波動率在時間上具有集聚性：無論正負，大幅波動之後往往跟隨大幅波動。這項研究為Engle贏得了2003年諾貝爾獎，並為理解極端日為何不隨機分散於全年奠定了統計基礎。

資料印證了這一點：1993年以來最差20日的平均VIX為42.3，而其他所有交易日的平均VIX為16.1。最差日群集並不均勻分布於各種市場狀態，而是壓倒性地集中於高波動率環境，即空頭市場以及隨之而來的劇烈空頭市場反彈之中。

這解釋了最佳10天中有8天也發生在200日均線以下的明顯悖論。它們是空頭市場特有的劇烈上行反轉日：超賣狀態、空頭回補和政策公告疊加，在單日內產生巨大漲幅。這些日子與最差日處於同一高VIX、價格低於200日均線的環境之中。回避這一狀態會同時降低對兩者的曝險，但空頭市場中極端波動的分布是負偏的：下跌日比上漲日更頻繁、也更極端。

狀態訊號無法在空頭市場內部完美區分最佳日和最差日。但它確實能在最差日群集最可能延伸的窗口期內降低平均曝險。這就是該方法的實用價值所在。

三種戰術性方法

下表彙總了三種有研究支撐的方法，用以降低最差日群集的曝險。所有估算均透過1993-2025年標普500總報酬資料取得。

1993-2025年買入持有的最大回撤為-51%，發生於網路泡沫破裂和2008-2009年金融危機期間。三種方法均大幅降低了這一回撤。

方法一：200日移動均線

最簡單的狀態訊號是指數當前是否位於200日均線之上或之下。當指數收盤價跌破200日均線時，降低或清空股票曝險；當收盤價在均線之上時，持有完整股票倉位。

該方法的學術基礎由Faber (2007)確立。他將10個月均線應用於1900-2006年標普500月度資料，發現：擇時規則將最大回撤從51%壓縮至26%，夏普比率從0.27提升至0.37，而年化報酬率僅下降30個基點——從10.0%降至9.7%。值得注意的是，Faber使用的資料早於均線策略廣為人知之前，降低了樣本內過度優化的風險。

Clare、Seaton、Smith與Thomas (2017)將這一分析擴展至多個國家的股票、債券和大宗商品。他們的發現是：均線擇時規則產生的風險調整改善是一致的，不能歸因於美國股票資料挖掘。這一規律在各市場和資產類別中均成立。

Quant Decoded的分析中，將200日均線規則應用於1993-2025年的標普500，最大回撤從-51%降至-18%，夏普比率相比買入持有提升0.08。代價是：每年平均4-6次倉位變化，以及在2010-2021年的持續低波動率多頭市場中因多次誤觸清倉訊號而出現的落後表現。

方法二：波動率目標化

與二值進出訊號不同，波動率目標化根據近期已實現波動率持續調整股票曝險。當已實現波動率較高時，降低股票權重；當已實現波動率較低時，維持完整或略高權重。目標是維持恆定的年化波動率水準，本分析中設定為10%。

該方法的理論基礎來自Moreira和Muir (2017)，發表於《金融學報》。他們證明，根據前一月已實現方差反比例調整曝險的波動率管理型投資組合，在市場、價值、動量和獲利能力因子上均能提升夏普比率。其機制是Engle所確認的GARCH效應：已實現方差具有高度持續性。在高波動率期間降低曝險，在機械上減少了最差日群集完全消退之前的風險暴露。

Quant Decoded的分析中，將10%波動率目標應用於1993-2025年標普500，三種方法中夏普比率改善最大（+0.12），最大回撤從-51%降至-19%。需要隨已實現波動率變化持續調整倉位，實踐中大約每日調整一次，實施複雜度高於200日均線訊號。

主要成本：波動率目標化不僅在高波動率下跌期間降低曝險，也在高波動率回升期間降低曝險。2020年11月，疫苗試驗公告推動市場大漲時，前幾個月的動盪導致已實現波動率仍處高位。波動率目標化策略彼時維持偏低的股票曝險，錯失了相當一部分漲幅。

方法三：VIX狀態過濾器

第三種方法以VIX指數作為狀態訊號。當前一週VIX收盤價超過25時，將股票曝險降低50%；當低於25時，維持完整股票倉位。25這一門檻約為1993年以來VIX觀測值的第82百分位數，歷史上約佔18%的交易日。

Quant Decoded的分析發現，1993年以來標普500最差30個單日中，有72%發生在前一週VIX收盤價超過25的期間。因此，VIX狀態過濾器雖不如波動率目標化精確，但更直接地針對最差日群集這一現象進行校準。在比較分析中，該方法將最大回撤從-51%降至-22%，夏普比率提升0.05。

主要侷限：VIX對突發性衝擊而言在某種意義上是落後的。約28%的最差日發生在前期VIX低於25之時，即危機在市場尚未完全反映恐慌情緒前就已爆發時的真實意外衝擊。例如，2022年最差單日中，最大幅度的下跌發生前VIX已大幅攀升，因此訊號會觸發；但對於2020年2月下旬COVID拋售最初的幾天，VIX與市場下跌幾乎同步從平靜水準驟升，訊號則不會提前觸發。

誠實的成本

若不明確考量每種方法所付出的代價，對戰術性配置方法的循證分析便不完整。

三種策略在2010-2021年的累積報酬均落後於買入持有。這是樣本期內持續時間最長的低波動率多頭市場：11年間估值擴張，央行持續寬鬆，已實現波動率除短暫插曲外長期受抑。在這種環境下，任何降低股票曝險的方式——無論是均線交叉、高已實現波動率還是高VIX——都會產生拖累而無對應收益。200日均線策略在2011年、2015-2016年和2018年初的橫盤期間每年產生3-4次誤觸訊號。

200日均線方法在非退休帳戶中還有稅務考量。每次清倉均構成應稅事件，將浮動盈利轉化為已實現收益。在高效的買入持有框架下，同樣的收益可在數十年內免稅複利增長。稅務摩擦對擁有應稅帳戶的高資產淨值投資者而言可能相當可觀。

波動率目標化還有額外的行為成本。在高波動率期結束後的急速上漲行情中——恰恰是被動投資者慶幸自己堅持的那一刻——波動率目標化投資者持有的股票倉位是偏低的。2020年11月疫苗行情即為典型案例：彼時以50%股票曝險入場的10%波動率目標策略，只能捕獲約一半的漲幅。該策略事前在風險上機械地正確，但在強勁反彈期間事後可能看起來明顯失誤。

VIX過濾器的雜訊也帶來類似問題。在波動但最終看漲的市場狀態中，VIX的機率更高在25以上長期維持：2009年初、2020年年中以及2022年的部分時段，都出現了VIX > 25長期維持、市場最終大幅上漲的情形。在這些上漲期間維持半倉，只能獲取部分上行收益。

實用結論

1993-2025年的證據對最差日曝險和這些戰術方法提出了若干概率性結論。

主要在稅收優惠退休帳戶持有股票且能接受每年3-5次倉位變化的投資者，在高波動率市場狀態下，採用200日均線規則往往比買入持有獲得更好的風險調整結果的機率更高。Faber的證據將這一發現追溯至1900年，降低了對1993年後樣本過擬合的顧慮。

具有短期風險承受約束的投資者——擁有回撤關聯資本要求的機構或臨近退休的個人——往往發現波動率目標化是最實用的方法，因為連續的倉位調整能防止對財務計畫破壞力最大的突發大幅回撤。Moreira和Muir的證據表明這一改善跨越多個因子持續存在，降低了這不過是美國股票資料挖掘產物的顧慮。

擁有數十年投資期限且有能力承受40-50%回撤的長期被動投資者，往往發現這些方法的運營和稅務成本超過風險調整收益，尤其是在代價最為顯著而收益缺失的2010-2021年等低波動率時期。

本分析核心的對稱論點，並非傳統意義上的積極市場擇時論據。它是對「最佳10天」這一敘事框架缺少其鏡像的不完整性所提出的論據，也是對極端日集中於可識別狀態這一已記錄實證現象（而非預測）的呈現。是否據此採取行動，涉及必須與潛在收益一並明確考量的成本。