【投資策略大揭秘】月線操作法 vs. 無腦持有：台積電10年回測結果令人驚訝！

前言：台股創新高，該停利下車還是繼續抱緊？

2025/10/26 中時新聞網

台積、台股創高怎停利？分析師傳授「法人愛用」2大心法

近期台股漲勢凌厲，指數一度逼近28000點大關，而這波驚人漲勢的最大功臣，無疑是我們的「護國神山」台積電。股價從低點一路飆升，許多投資人賺得盆滿缽滿的同時，心中也浮現一個大哉問：「現在是不是該獲利了結？又該如何操作？」

知名分析師提出了兩種實用的停利心法：「波段停利法」（觀察月均線）與「乖離率觀察法」，建議投資人當股價跌破月線，或乖離率過高時，就該考慮分批出場，鎖定獲利。

這些方法聽起來非常合理，是許多技術分析派的標準操作。但理論歸理論，我們不禁好奇：如果嚴格執行這些策略，績效真的會比較好嗎？

為了驗證這個問題，我們決定用「護國神山」台積電（2330.TW）過去10年的真實數據，來一場策略回測大對決！

策略對決：月線操作法 vs. 買入並持有 (Buy and Hold)

我們將分析師提到的「波段停利法」簡化成一個清晰的交易規則：

買入訊號：股價站上月線（20日均線）
賣出訊號：股價跌破月線（20日均線）

我們將這個策略與最樸實無華的「買入並持有」（Buy and Hold）策略進行比較，看看在不同時間維度下，誰的表現更勝一籌。

驚人的回測結果

第一戰：過去5年回測 (2020年～2025年)

在這個充滿戲劇性變化的5年裡，我們經歷了疫情、復甦、以及AI大爆發。

月線操作策略：總報酬率 +132.81%
買入並持有策略：總報酬率 +255.62%

結果：單純的「買入並持有」策略，報酬率幾乎是月線操作策略的兩倍！

第二戰：過去10年回測 (2015年～2025年)

將時間拉長到10年，更能看出長期趨勢的威力。

月線操作策略：總報酬率 +508.61%
買入並持有策略：總報酬率 +1293.54%

結果：差距再度拉開！「買入並持有」策略的報酬率，是月線操作策略的2.5倍以上。

為何「聰明」的操作反而輸給了「無腦」的持有？

回測結果非常清晰：對於台積電這樣的長期成長型績優股，任何試圖「高賣低買」的波段操作，績效都遠遠輸給了從頭抱到尾。

原因何在？

錯失主升段：月線策略雖然能幫助你避開一些短期回檔，但也很容易讓你過早賣出。在台積電這種「大牛股」的走勢中，許多次股價短暫跌破月線後，很快就迎來了更猛烈的主升段。一旦賣出，就很難在更高的價位買回來。
交易成本的隱形殺手：雖然我們的回測未計入交易成本與稅金，但在真實世界中，頻繁的買賣會不斷侵蝕你的獲利。
對優質資產的信心不足：追根究柢，頻繁操作反映了對持有資產的信心不足。對於台積電這種具備強大護城河與成長前景的公司，最大的風險或許不是「下跌」，而是「太早下車」。

結論：我們該從中學到什麼？

技術分析指標，如月線和乖離率，絕對是觀察市場情緒和管理風險的好工具。對於交易那些沒有長期成長趨勢、股性活潑的股票，它們或許能發揮不錯的效果。

然而，透過這次對台積電的回測，我們得到一個深刻的啟示：

面對真正優質的核心資產，最賺錢的策略，往往也是最簡單、最樸實無華的——「買入，然後忘記它」。

下次當你因為股價短期波動而感到焦慮，想打開App賣掉持股時，不妨想想這個回測結果。或許，對抗焦慮最好的方法，就是關掉手機，散散步，讓時間成為你最好的朋友。

免責聲明：本文內容僅為歷史數據回測與策略探討，不構成任何投資建議。過去的績效不保證未來的回報，投資前請謹慎評估自身風險。

附錄：Python 回測程式碼

import yfinance as yf
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

def backtest_ma_strategy(ticker, start_date='2020-01-01', end_date='2024-12-31', initial_capital=100000.0, ma_period=20):
    """
    Backtests a simple Moving Average (MA) crossover strategy.

    Args:
        ticker (str): The stock ticker symbol.
        start_date (str): The start date for the backtest.
        end_date (str): The end date for the backtest.
        initial_capital (float): The starting capital for the simulation.
        ma_period (int): The period for the moving average.
    """
    # 1. Download historical data and flatten columns
    data = yf.download(ticker, start=start_date, end=end_date)
    if data.empty:
        print(f"無法獲取 {ticker} 的歷史數據。")
        return
    # Drop the second level of the column index (e.g., '2330.TW')
    data.columns = data.columns.droplevel(1)

    # 2. Calculate the Moving Average and prepare data
    # Store the first close price for Buy and Hold calculation before dropping rows
    first_close_price = data['Close'].iloc[0]

    data['MA'] = data['Close'].rolling(window=ma_period).mean()

    # Remove rows with NaN values (at the beginning)
    data.dropna(inplace=True)
    data.reset_index(inplace=True)

    # 3. Generate Trading Signals
    data['Signal'] = 0
    data.loc[data['Close'] > data['MA'], 'Signal'] = 1
    data.loc[data['Close'] < data['MA'], 'Signal'] = -1

    # 'Position' determines the action: 2 for buy, -2 for sell
    data['Position'] = data['Signal'].diff()

    # 4. Simulate Trading and Calculate Portfolio Value
    portfolio = pd.DataFrame(index=data.index).fillna(0.0)
    portfolio['Holdings'] = 0.0
    portfolio['Cash'] = initial_capital
    portfolio['Total'] = initial_capital

    shares = 0

    for i in range(1, len(data)):
        portfolio.loc[data.index[i], 'Cash'] = portfolio.loc[data.index[i-1], 'Cash']
        portfolio.loc[data.index[i], 'Holdings'] = portfolio.loc[data.index[i-1], 'Holdings']

        if data.loc[data.index[i], 'Position'] == 2:
            shares_to_buy = portfolio.loc[data.index[i], 'Cash'] // data.loc[data.index[i], 'Close']
            if shares_to_buy > 0:
                cost = shares_to_buy * data.loc[data.index[i], 'Close']
                portfolio.loc[data.index[i], 'Cash'] -= cost
                shares += shares_to_buy
        
        elif data.loc[data.index[i], 'Position'] == -2:
            if shares > 0:
                proceeds = shares * data.loc[data.index[i], 'Close']
                portfolio.loc[data.index[i], 'Cash'] += proceeds
                shares = 0
        
        portfolio.loc[data.index[i], 'Holdings'] = shares * data.loc[data.index[i], 'Close']
        portfolio.loc[data.index[i], 'Total'] = portfolio.loc[data.index[i], 'Cash'] + portfolio.loc[data.index[i], 'Holdings']

    # 5. Calculate Performance Metrics
    final_value_strategy = portfolio['Total'].iloc[-1]
    total_return_strategy = (final_value_strategy / initial_capital - 1) * 100

    buy_hold_shares = initial_capital // first_close_price
    final_value_buy_hold = buy_hold_shares * data['Close'].iloc[-1] + (initial_capital % first_close_price)
    total_return_buy_hold = (final_value_buy_hold / initial_capital - 1) * 100

    # --- Print Results ---
    print(f"--- 月線策略回測結果 for {ticker} ({start_date} to {end_date}) ---")
    print(f"\n初始資金: ${initial_capital:,.2f}")
    print("-" * 40)
    
    print("\n--- 策略績效 ---")
    print(f"最終資產價值: ${final_value_strategy:,.2f}")
    print(f"總報酬率: {total_return_strategy:.2f}%")

    print("\n--- 買入並持有策略 (Buy and Hold) 績效 ---")
    print(f"最終資產價值: ${final_value_buy_hold:,.2f}")
    print(f"總報酬率: {total_return_buy_hold:.2f}%")
    print("-" * 40)

    if total_return_strategy > total_return_buy_hold:
        print("\n結論：在此期間，月線策略的表現優於買入並持有策略。\n")
    else:
        print("\n結論：在此期間，買入並持有策略的表現優於月線策略。\n")


if __name__ == "__main__":
    from datetime import datetime, timedelta

    # Get today's date
    end_date = datetime.now()
    
    # --- 5-Year Backtest ---
    print("Running 5-Year Backtest...")
    start_date_5y = end_date - timedelta(days=5*365)
    backtest_ma_strategy(
        ticker='2330.TW', 
        start_date=start_date_5y.strftime('%Y-%m-%d'), 
        end_date=end_date.strftime('%Y-%m-%d')
    )

    print("\n" + "#"*50 + "\n")

    # --- 10-Year Backtest ---
    print("Running 10-Year Backtest...")
    start_date_10y = end_date - timedelta(days=10*365)
    backtest_ma_strategy(
        ticker='2330.TW', 
        start_date=start_date_10y.strftime('%Y-%m-%d'), 
        end_date=end_date.strftime('%Y-%m-%d')
    )

查即時數據

本文的數字是撰稿當下的快照。想看今天的持股、資金流與配息，可到我另外架的 ETF 資料站 super168.work：

投資檢驗站

2025/10/25