Skip to content

Instantly share code, notes, and snippets.

@t0mst0ne
Created December 29, 2025 13:11
Show Gist options
  • Select an option

  • Save t0mst0ne/1af897368f2bb1bac7937de8a33ad1ae to your computer and use it in GitHub Desktop.

Select an option

Save t0mst0ne/1af897368f2bb1bac7937de8a33ad1ae to your computer and use it in GitHub Desktop.
動態板塊權重與動能策略回測報告 (Dynamic Sector Weighting Backtest Report)
# 動態板塊權重與動能策略回測報告 (Dynamic Sector Weighting Backtest Report)
## 1. 執行摘要 (Executive Summary)
本報告旨在分析將「動態板塊權重 (Dynamic Sector Weighting)」引入動能交易策略後的績效表現。我們利用 S&P 500 歷史板塊權重數據 (2006-2024),動態調整投資組合中的板塊配置,並與「等權重 (Equal Weighting)」策略及 SPY (S&P 500 ETF) 基準進行比較。
**核心結論:**
* **動態權重策略顯著優於大盤與等權重策略**:年化報酬率 (CAGR) 達到 **15.39%**,總報酬率超過 **1646%**。
* **風險控制能力相當**:在主要市場崩盤期間 (如 2008 金融海嘯),最大回撤 (Max Drawdown) 與大盤相近,並未因追求高報酬而承擔過度風險。
* **更能捕捉市場趨勢**:透過依據歷史市值占比調整權重,策略能夠自動加碼當時的主流強勢板塊 (例如近十年的科技股),進一步放大動能效應。
---
## 2. 方法論 (Methodology)
### 2.1 數據來源
* **價格數據**:S&P 500 成分股過去 20 年的歷史價格 (經調整收盤價)。
* **板塊權重**:從 `response.json` 提取的 S&P 500 各板塊歷史月度權重。
* **基準**:SPY (SPDR S&P 500 ETF Trust)。
### 2.2 策略邏輯
* **動能指標**:結合 4週、13週、26週 的價格動能分數。
* **選股機制**:
* 每月重新平衡 (Monthly Rebalancing)。
* 針對每個 GICS 板塊,選取動能分數最高的 **前 3 名** 股票。
* **重複代號過濾**:剔除同一公司的重複上市股票 (如 GOOG 與 GOOGL),僅保留動能較強者,避免重複曝險。
* **權重分配**:
* **動態權重 (Dynamic)**:依據當時該板塊在 S&P 500 中的實際市值權重分配資金。例如,若科技股佔比 30%,則 30% 資金分配給科技股選出的股票。
* **等權重 (Equal)**:所有 11 個板塊平均分配資金 (約 9.09%)。
---
## 3. 績效分析 (Performance Analysis)
回測期間:2006年1月 至 2024年底
| 策略 (Strategy) | 總報酬率 (Total Return) | 年化報酬率 (CAGR) | 最大回撤 (Max Drawdown) |
| :--- | :--- | :--- | :--- |
| **動態權重 (Dynamic)** | **1646.35%** | **15.39%** | **-49.12%** |
| 等權重 (Equal) | 1394.16% | 14.49% | -47.27% |
| SPY (Benchmark) | 703.14% | 10.99% | -50.67% |
* **收益增強**:動態權重策略的 CAGR 比等權重策略高出約 **0.9%**,累積 20 年後總資產差異巨大 (16.4倍 vs 13.9倍)。
* **優於大盤**:策略大幅跑贏 SPY,年化超額報酬 (Alpha) 超過 4%。
---
## 4. 風險與回撤分析 (Risk & Drawdown Analysis)
我們針對歷史上幾次重大的市場崩盤進行了詳細的回撤分析:
| 事件 (Event) | 期間 (Period) | 動態權重 (Dynamic) | 等權重 (Equal) | SPY Benchmark |
| :--- | :--- | :--- | :--- | :--- |
| **金融海嘯 (GFC)** | 2007-2009 | -49.12% | -47.27% | -50.67% |
| **2018 修正** | 2018 Q4 | -10.10% | -6.48% | -6.25% |
| **COVID 疫情** | 2020 Mar | 0.00%* | 0.00%* | 0.00%* |
| **2022 熊市** | 2022 All | -21.31% | -19.06% | -20.47% |
*\*註:COVID 期間 (2020年3月) 的劇烈下跌與反彈發生在單月之內。由於策略為「月度」再平衡,且我們比較的是月底結算淨值,因此在月度數據上未顯示出深度的日內或周內回撤。*
**分析:**
* 動態權重策略在 2008 年的回撤 (-49.12%) 略低於大盤 (-50.67%),顯示其系統性風險與大盤相當。
* 在 2022 年熊市中,由於科技股權重較高且當年度科技股修正較深,動態策略回撤 (-21.31%) 略高於等權重策略 (-19.06%),但差異在可接受範圍內。
---
## 5. 權益曲線比較 (Equity Curve Comparison)
下圖展示了策略資產淨值的成長軌跡 (以初始投入 $1 為基準,對數座標):
![Cumulative Performance](comparison_plot.png)
(Y軸單位:成長倍數,起點為 1)
---
## 6. 結論 (Conclusion)
本研究證實,將 **S&P 500 歷史板塊權重** 納入動能策略是一個有效的優化方向。
1. **順勢而為**:動態權重讓投資組合能夠「自動」適應市場結構的長期變化(例如從金融股轉向科技股主導)。
2. **績效提升**:在不顯著增加最大風險(Max Drawdown)的前提下,長期年化報酬率提升了約 1%。
3. **執行建議**:建議在實盤交易中採用此動態權重機制,並持續監控板塊權重變化以進行月度調整。
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment