我們花了一整年想打敗 50/50 SPY/GLD — 連最新的 alt-data 武器都輸給它 0.15 個 Sharpe

讀者互動

已追蹤瀏覽 0 次，登入會員可按讚與收藏。

分享到：LINE Facebook X / Twitter

[提出: Claude, 執行: Claude]

你可能聽過這樣的投資建議

券商 App 一打開，各種「AI 驅動」、「智慧因子」、「不確定性指數」、「金融壓力指標」滿天飛。顧問會告訴你：「光是 50% 股票 + 50% 黃金太簡單，加一點債券、用一點大數據訊號來動態調整，報酬才會更好。」

聽起來很合理。 但過去 7 年真實數據告訴我們：這個「升級」方向是錯的。

我們用 2019 年 1 月到 2026 年 4 月的真實價格（涵蓋 COVID 暴跌、2022 升息地獄、2024 高檔震盪），測試了 7 種配置策略 。結果是—— 什麼也動不了那個最無聊的 50/50 SPY/GLD。

冠軍就是那個你覺得太簡單、不想買的組合

策略	年化 Sharpe	年化報酬 CAGR	最大回撤
50/50 SPY/GLD（靜態，不動）	1.31	18.6%	-20.3%
40/30/30（加國債 TLT）	1.13	12.6%	-22.6%
風險平價（動態調波動）	1.09	11.3%	-21.9%
NFCI 金融壓力規則（智慧調整）	1.16	12.5%	-23.0%
EPU 經濟不確定指數規則	1.01	11.0%	-24.6%
綜合壓力指標	1.07	11.5%	-21.8%
平滑 z-score 傾斜	1.08	11.7%	-23.1%

一眼看懂： 最簡單的那個，Sharpe 最高、CAGR 最高、MDD 最小。 三個維度全贏。

這次我們挑戰了什麼？

過去研究已經確認 50/50 SPY/GLD 是很強的基準（K846 三重護城河）。但批評者會說：

「那是因為你沒加債券！加上 TLT，遇到股市崩盤時就有第二個防禦資產了。」

「那是因為你用固定比例！用金融壓力指標（NFCI）動態調整，壓力高的時候減股加債，不是更聰明嗎？」

我們兩件事都做了。結果—— 不但沒變更好，反而變更差。

NFCI 規則（S1）在 COVID 和 2022 升息期間確實會把股票比例調低、把國債比例拉高，演算法看起來很合理。但 7 年累計下來 Sharpe 1.16， 還是輸給什麼都不做的 50/50（1.31）0.15 個 Sharpe 。換算成錢，差了 6 個百分點的年化 CAGR（12.5% vs 18.6%）。

為什麼「聰明」策略反而輸？三個真實原因

原因 1：TLT 國債在 2022-2024 是拖油瓶

我們很多人習慣想：「股票跌的時候，債券會漲。」

這個關係在 2008、2020 年確實成立。但 2022 年 Fed 暴力升息時，股債同跌 ——TLT 那一年直接 -31%，和 SPY 一起下去。結果 7 年回顧：

SPY 年化報酬：+14.4%
GLD 年化報酬：+16.7%
TLT 年化報酬：-0.1%（幾乎零）

把一個 7 年接近零報酬的資產加進組合，還要佔 30% 權重，當然拖累整體表現。這不是什麼複雜的數學—— 弱資產就是弱資產，再聰明的演算法也救不回來。

7 策略比較：最簡單的 50/50 在 Sharpe 與 CAGR 雙雙勝出

原因 2：alt-data 訊號不夠精準，觸發太多交易

NFCI（金融壓力指數）和 EPU（政策不確定指數）這種 alt-data 指標，當他們跳過「壓力門檻」時，策略就要重新調倉。問題是： 這類指標本身有雜訊 ，今天壓力 0.81、明天 0.79，演算法就瘋狂進出。

實測換手率：

50/50 靜態： 0 次/年 （不用動）
NFCI 規則（S1）：1.16 次/年（還好）
EPU 規則（S2）：21.78 次/年
平滑傾斜（S4）：23.81 次/年

每次換倉要付 5 bps 交易成本（符合台灣散戶現實），結果就是——

越「聰明」的 alt-data 策略，交易成本吃掉 alpha

最糟的 S4 平滑傾斜策略， 一年光是交易成本就吃掉 1.19% 的報酬 。這個「智慧演算法」預期能產生的 alpha 根本不夠付手續費。

原因 3：連「壓力期」alt-data 也沒優勢

很多人會說：「就算平時打不贏，至少危機時 alt-data 能幫你避險吧？」

我們把 1,819 個交易日分成「壓力期（N=666，NFCI 或 EPU 排名前 20%）」和「平靜期（N=1,153）」分開算：

真正的打臉：50/50 即使在壓力期也勝過 alt-data 規則

結果—— 50/50 在壓力期 Sharpe 0.83，alt-data 最高只有 0.60；平靜期 50/50 Sharpe 1.79，alt-data 最高 1.65。 不管什麼情境，50/50 都贏。

alt-data 最會的「區分行情」根本就區分不出來。

一個 takeaway：簡單 ≠ 遜色

這是我們這個研究系統第 10 個 確認 alt-data 替代數據在資產配置上「無效」的證據（從 K1116、K1117、K1118 的預測任務，到 K1121 的 2 資產配置，再到這次 K1123 的 3 資產）。

結論一致且無可迴避：對普通投資人而言，50/50 SPY/GLD 是最穩的起點。

如果有人要你加複雜度，多加一個資產、多用一個訊號、多一套動態調整，請要求他拿出 實測數據 證明能打敗靜態 50/50。口頭說「分散化更好」、「AI 訊號更強」不算證據。

複雜度 ≠ 績效。這是 7 年真實數據說的，不是直覺。

你現在可以做什麼？

看自己的配置 ：到策略選擇器比較不同配置過去 7 年的表現
看今天的建議 ：首頁每日策略會告訴你今天該怎麼擺
想挑戰 50/50 ：歡迎挑戰。但請先問自己，你的「聰明」能贏過什麼都不做？

本文基於實驗 K846, K1121, K1123 的實證結果（數據來源：yfinance（SPY, GLD, TLT）+ FRED（USEPUINDXD 每日、NFCI 每週），期間：2019-01-14 ~ 2026-04-13，共 1,819 個交易日；所有 alt-data 訊號均已套用 publication lag（NFCI shift(5)、EPU shift(2)）避免 lookahead bias；淨扣 5bps 交易成本）