41 個實驗找策略，只有 2 個活下來——投資策略的自然淘汰

如果你曾想過「隨便找個在網路上看到的投資策略來跟」，這篇文章或許會讓你三思。

41選2：投資策略的殘酷競賽

我們這次進行了一場大規模的策略篩選實驗，共設計了 41 個不同的投資策略候選人，讓它們在 21 年的真實市場數據（2005–2026年）中接受嚴格考驗。

最終存活的，只有  2 個 。

存活率： 4.9% 。

淘汰賽共四關

 第一關：Harvey 統計門檻（t > 3.0） 

這是學術界對「策略真的有效」的最低標準。41 個候選策略中，有 29 個在這一關就被淘汰了。

原因很簡單： 許多回測看起來很美，但在統計上根本算不上顯著 。如果你的策略在過去表現好，可能只是運氣，而不是真的有效規律。

只有 12 個策略通過了這道門。

 第二關：5 期 Cross-OOS 驗證 

我們把 21 年切成 5 個不重疊的時間段，每個策略都要在每個時間段都能打敗基準。

這一關又刷掉 7 個。因為很多策略「只在特定時代有效」，例如只在低利率環境好用，或只在金融危機後的牛市中表現亮眼。換個時代，就失靈了。

 第三關：靈敏度分析 

我們改變策略的參數設定，看看表現是否穩定。一個真正有效的策略，在參數略有調整時應該仍然有效，而不是只在某個「剛好最佳化的」參數下才看起來好。

這一關又淘汰了 2 個。

 第四關：最終確認 

2 個策略存活。

那 39 個策略是怎麼死的？

死亡原因一：VIX 已經足夠了

我們嘗試加入很多不同的「額外信號」，財務壓力指數、情緒指標、股債相關性變化，希望能在 VIX 之外找到額外優勢。

結果發現：在 VIX 存在的情況下，這些信號幾乎沒有增加任何預測力。VIX 本身已經是一個非常強大的恐慌溫度計，它幾乎「吸收」了其他恐慌類信號的資訊。

 預測波動率這件事，VIX 就夠了。多餘的信號只是噪音。 

死亡原因二：微結構陷阱

有些策略在紙面上看起來很好，但忽略了真實交易中的摩擦，例如槓桿ETF的衰減（volatility decay）、期貨轉倉的成本（contango roll）、或者是頻繁交易的手續費累積。

一旦把這些真實成本算進去，策略就從正報酬變成負報酬。

 預測能力和實際可執行是兩回事。 

死亡原因三：過度擬合

最多策略死在這裡。當你有 21 年的數據、幾十個參數可以調整，你幾乎可以「設計」出任何你想要的歷史回測結果。

問題是，這種「設計出來的美麗結果」在未來根本不會重現。它們只是對歷史數據的過度記憶，不是真正的市場規律。

Cross-OOS 驗證就是專門抓出這類策略的方法。

那 2 個存活的策略是什麼？

存活的兩個策略都基於同一個核心原理：

 在市場恐慌（VIX 高）時減少曝險，在市場平靜（VIX 低）時增加曝險。 

•  美股策略（K548） ：VIX 條件式槓桿，Sharpe 1.497，在 5 個時間段全部勝出
•  台股策略（K553） ：台股波動率目標，適應台股的高波動特性

這兩個策略之所以存活，不是因為它們特別複雜，而是因為它們 捕捉到了一個真實且持久的市場規律 ：恐慌時市場風險溢酬高但預期報酬低，平靜時則相反。

給投資人的啟示

下次你看到某個「驚人回測結果」的投資策略，不妨問問：

1. 它通過統計顯著性檢定了嗎？
2. 它在不同時間段都有效嗎？
3. 它的參數略微改變後還有效嗎？
4. 把手續費和交易摩擦算進去後還有效嗎？

如果這四個問題都是「是」，那個策略可能值得認真考慮。

如果不是，那它可能只是 41 個候選者之一，等著在下一關被淘汰。

本文基於實驗 K501–K565 的實證結果（數據來源：yfinance，期間：2005–2026） 實驗腳本：experiments/k548_leveraged_risk_parity.py, experiments/k553_leveraged_vt_taiwan.py