一根均線打敗量化模型？台積電法說會那天，退休老師的對帳單說明了什麼

台積電法說會當天，竹科某量化團隊的螢幕上跳動著數十檔個股的即時訊號，工程師們盯著動能因子與籌碼面的多模型融合輸出。同一天，高雄一位退休老師打開自己的對帳單——0050定期定額，加上一條200日均線的進出場規則，多年下來的報酬曲線平穩向上。這是一個假設情境的對照，但它指向一個量化圈不願多談的問題:當模型複雜度超過市場雜訊能支撐的程度時，簡單紀律反而勝出。

關鍵1:簡單策略的數學優勢 0050定期定額本身就是一個均值回歸機制——跌得越深，買到的單位數越多，成本自動下移。疊加一條200日均線作為風險開關（指數在均線之上續抱、跌破則減碼），本質上是一個參數極少的動能濾網。參數少，代表能被「過度擬合」的空間也少。以公開資料的量級來看，台股加權指數長期年化報酬約在6%至9%區間，而多數主動策略在扣除交易成本與滑價後，能穩定擊敗這個數字者並不多。定期定額加均線，剛好卡在「抓得住大趨勢、又不必預測短期雜訊」的甜蜜點。

關鍵2:竹科模型的真正敵人是自己 用Backtrader或QuantConnect Lean回測過台股的工程師都知道兩個陷阱。其一是Look-ahead bias——法說會公布後的資訊，悄悄混進了法說會前的決策訊號，回測績效因此虛胖。其二是Overfitting——對同一段歷史資料反覆調整參數，直到曲線完美，實盤卻迅速失效。模型越複雜，這兩個陷阱的藏身處就越多。反觀一根均線，回測與實盤的落差小到幾乎可以忽略，因為它沒有祕密可言。

關鍵3:紀律本身就是一套演算法 退休老師的優勢不在數學，在執行。量化模型每天面對的是參數要不要重訓、訊號互相矛盾的焦慮；定期定額者面對的只有一個問題——扣款日到了，扣就對了。行為金融研究普遍指向同一結論:散戶的主要虧損來自追高殺低，而任何能強制去除擇時焦慮的機制，長期都有效。耐心，在這個意義下確實是一種未被編碼進模型裡的alpha。

那麼，工程師該放棄量化嗎？倒也未必。真正值得問的問題是:如果一套只剩一個參數的策略，就能打贏你調了一百個參數的模型，你輸掉的，究竟是技術，還是對市場雜訊的敬畏？