TW Stocker v9.0 — AI 量化交易系統(雙策略架構)
中期動量 + 板塊輪動的雙策略系統。v8.5 個股動量穩健底倉 + Sector Rotation v2 板塊資金流追蹤。
美股前提(SPY/VIX/SOX)→ 板塊資金流選擇 → 板塊內選股。經 11 段歷史危機壓測 + 00981A 對標驗證。
📊 線上報表 :https://voidful.github.io/tw_stocker/stock_report.html
📈 Paper Trading :https://voidful.github.io/tw_stocker/paper_trading.html
v8.5 Momentum
Sector Rotation v2 (NEW)
邏輯
個股 cross-sectional ranking
先選板塊 → 板塊內排名
Regime
台股 0050 vs MA60
🌍 美股 SPY + VIX + SOX
選股因子
Mom(20d)×3 + Trend(60MA)×1
板塊 flow(10/15/20d) + 板塊內動量
角色
穩健底倉(低 MDD)
積極追蹤(高報酬)
年化 (7y)
~25%
+36.4%
Sharpe (7y)
1.04
1.34
Sector Rotation v2 — 板塊輪動策略 (v1.2 beat-00981A)
Layer 1: 美股 Macro Regime(前提門檻)
SPY trend + VIX level → 整體曝險 (0.0 ~ 1.0)
SPY + SOX 雙空 → 幾乎停止 (0.1)
VIX > 28 → 完全停止 (0.0)
Layer 2: 板塊資金流(主體選擇)
7 大板塊的 10/15/20d 平均報酬加權排名
取前 3 板塊,板塊均報酬 < -3% → 不進場
Layer 3: 板塊內選股
momentum(20d) × 2 + trend(close > MA60) × 1
每板塊 Top-3,合計 6~9 檔
出場: ATR TP/SL 4.0/3.0 + 20 天持倉上限
成本: 買 0.143% + 賣 0.443% + 滑價 10bps
條件
曝險
說明
SPY↑ + VIX < 22
100%
全面多頭
SPY↑ + VIX 22~25
70%
輕微恐慌
SPY↓ + VIX < 25
40%
溫和空頭
SPY↓ + VIX 25~28 + SPY > MA20
50%
復甦允許
SPY↓ + VIX 25~28
20%
中等恐慌
SPY + SOX 雙空
10%
最危險
VIX > 28
0%
完全停止
條件
效果
SOX > MA60
全面開放
SOX < MA60, mom > -3%
所有板塊半倉 (不只科技)
SOX < MA60, mom < -3%
科技禁止 + 其他半倉
期間
SR v2 Sharpe
v8.5 Sharpe
0050
SR MDD
VIX 均
💥 金融海嘯 '08-'09
-1.81
-0.78
0.95
-40%
35
💥 海嘯復甦 '09-'10
0.26
1.28
2.16
-15%
28
🦠 疫情前 '19Q4
1.26
0.95
1.50
-7%
14
🦠 疫情爆發 '20H1
-0.73
-0.52
-0.34
-14%
35
🦠 疫後牛市 '20-'21
2.02
2.75
2.67
-27%
24
⚔️ 烏俄戰爭 '22H1
-2.53
-2.22
-2.21
-25%
27
📉 升息衝擊 '22
-1.55
-1.79
-2.02
-28%
26
🤖 AI 行情 '23-'24
2.37
2.58
2.55
-15%
16
🏛️ 關稅前 '26Q1
1.25
2.38
-3.50
-12%
26
🏛️ 關稅衝擊 '26
5.12
4.02
1.22
-12%
23
📊 近期 '26
5.12
4.02
2.12
-12%
21
00981A 對標(共存期 2025-05 至今)
期間
SR v2
00981A
差距
🏛️ 關稅前
+52.5%
-1.0%
✅ +54%
🏛️ 關稅衝擊
+195.8%
+21.4%
✅ +174%
📊 近期
+195.8%
+35.0%
✅ +161%
指標
v1.0
v1.2
改善
升息衝擊 MDD
-44.8%
-27.8%
✅ +17.0%
烏俄戰爭 MDD
-31.7%
-25.0%
✅ +6.7%
關稅衝擊 Sharpe
4.83
5.12
✅ +6%
海嘯復甦 Sharpe
-0.08
+0.26
✅ 翻正
近期 vs 00981A
+152.9%
+160.9%
✅ 差距擴大
指標
值
說明
Sharpe
2.47
四波 32 組消融驗證最佳配置
年化報酬
+62.5%
包含交易成本 + 滑價
MDD
-14.2%
Breadth Regime 精準捕捉中小型股市況
Calmar
4.40
年化報酬/MDD
Profit Factor
1.74
總獲利/總虧損
每日訊號:
1. Universe = 過去 20 日平均成交額 Top-60
2. 綜合評分 = rank_momentum(20d) × 3 + rank_trend(60MA) × 1
3. 進場: score ≥ 2.0 AND close > 60MA AND 大盤 regime ≥ 40%
4. 跳空 > 1.5×ATR 的進場日跳過
5. Top-7 選股(相關性 > 0.8 的替換為不相關候選)
出場 (gap-aware): ATR TP 4.0 / SL 3.0 + 20 天持倉
成本: 買 0.1425% + 賣 0.4425% + 滑價 10bps
pip install -r requirements.txt
# ── v8.5 Momentum ──
python ai_report.py --show-inst
# ── Sector Rotation v2 ──
python sector_rotation_report.py # 預設 1200 天
python sector_rotation_report.py --start-date 2019-01-01 # 7 年回測
python sector_rotation_report.py --compare # vs 0050
# ── 深度危機壓測 (11 段) ──
python deep_crisis_test.py
# ── 驗證工具 ──
python walk_forward.py # OOS 穩定性
python monte_carlo.py --runs 2000 --block-size 5 # Block Bootstrap
python crisis_test.py # 基礎危機壓測
# ── Paper Trading ──
python paper_trade.py signals --enrich
python paper_trade.py hardstop
tw_stocker/
├── ai_report.py # v8.5 主程式 + CLI + HTML 報表
├── sector_rotation_report.py # 🆕 板塊輪動 v2 回測 + 報告
├── deep_crisis_test.py # 🆕 11 段歷史危機壓測 + 00981A
├── crisis_test.py # 基礎危機壓力測試
├── walk_forward.py # Anchored OOS 穩定性驗證 (v2)
├── monte_carlo.py # Equity-Curve Block Bootstrap (v3)
├── sweep.py # 季度參數校準 + Telegram 警報
├── paper_trade.py # Paper Trading v8 + 月報
├── strategy/
│ ├── ai_strategy.py # 因子工程 (Mom×3 + Trend×1)
│ ├── event_backtest.py # v8.5 事件驅動回測引擎
│ ├── us_market.py # 🆕 美股信號 (SPY/VIX/SOX)
│ ├── sector_rotation_backtest.py # 🆕 板塊輪動回測引擎
│ ├── sector_flow.py # 板塊資金流分析
│ ├── institutional_flow.py # 三大法人籌碼因子
│ ├── news_sentiment.py # 新聞情緒因子
│ ├── risk_metrics.py # 風險指標計算
│ └── benchmark.py # Benchmark (0050 / EW)
├── artifacts/ # 每日 CSV + 月報
├── .github/workflows/
│ └── update_ai_report.yml # 每日自動執行
└── stock_report.html # 完整交易報表
⚠️ Monte Carlo (monte_carlo.py) 對每日組合報酬率做 equity-curve block bootstrap,
保留了多檔同持、regime 縮放、gap sizing 等組合效應。但 bootstrap 仍假設日報酬的
時序結構可以被隨機重排——在極端 regime 轉換時這不成立。結果應視為
分布估計的參考 ,不能直接當作實盤安全邊際。
OOS 穩定性 (walk_forward.py) 是固定參數的分段 OOS 測試(非 nested walk-forward)。
歷史危機壓測 (deep_crisis_test.py) 在 11 段歷史危機做完整回測,
含金融海嘯、COVID、烏俄戰爭、升息、關稅衝擊,同時比較 v8.5 / SR v2 / 0050 / 00981A。
本系統由 AI 量化模型自動產出,僅供學術研究與技術交流之用,不構成任何投資建議。歷史回測績效不代表未來實際報酬,投資有風險,決策請自行負責。