了解點解要做量化交易：Alpha vs Benchmark、Buy and Hold 嘅問題、半自動 vs 全自動模式，以及評估策略表現嘅主要指標
為何要進行量化交易？
如果你現在買入一隻股票，持有一年後發現下跌了 30%，你會如何想？
「為何當初選了它？」「為何不早點離場？」「如果買了 SPY 就不會虧損這麼多……」
這些問題，是每位主動投資者都會面對的困擾。而量化交易（Quantitative Trading / Algo Trade），正是為了解決這些問題而誕生。
首先，甚麼是量化交易？
簡單來說，量化交易就是利用數據和規則來作出投資決策，而不是依靠感覺、新聞或「聽人說」。
傳統投資者會看新聞、看圖表、跟隨消息入市。但量化交易者會：
- 用歷史數據測試策略是否有效
- 用統計指標篩選高機會股票
- 用預設規則決定何時買入、何時賣出、買入多少
這就像駕駛：傳統投資者靠「感覺」駕駛，量化投資者則有導航系統，事前已經規劃好路線。
主動投資與被動投資的分別
在投資世界中，基本上有兩條路：
| 被動投資（Buy and Hold） | 主動投資（Algo Trade） | |
|---|---|---|
| 做法 | 買入指數 ETF（如 SPY、QQQ），長期持有 | 用策略主動選股、擇時進出 |
| 目標 | 賺取市場平均回報（Beta） | 賺取超越市場的回報（Alpha） |
| 選股難度 | 不用選股，買入指數即可 | 需要策略篩選和判斷 |
| 時間投入 | 極低 | 每日 1-2 小時（Swing Trade） |
| 最大風險 | 系統性風險（全市場下跌） | 策略失效、選股錯誤 |
Buy and Hold 有何問題？
很多人都說「買入指數長期持有就好，何須這麼多工夫？」
確實，如果你甘心就這樣買入 SPY 或 QQQ，長期年化回報約 8-10%，你已經跑贏許多人。這是一個完全合理的選擇。
但問題是：大多數散戶都不甘心。
他們會覺得：
- 「我會看圖，為何不能自己選股？」
- 「Tesla 升了這麼多，如果我早點買入就發達了」
- 「我想跑贏市場，不想只賺平均回報」
一旦你有這些想法，你就已經不再是純粹的被動投資者。你會開始自己選股——而這正是 Buy and Hold 最大的陷阱：
選股困難，而且你有機會選到表現欠佳的股份。
舉個實例：2021 年 ARKK（ARK Innovation ETF）一年上升了 23%，但 2022 年就下跌了 67%。如果你自己選了 Cathie Wood 的重倉股（如 Teladoc、Zoom），你會輸得更慘。
再看個更簡單的例子：2021 年至 2024 年，如果你買入了：
- SPY：+45%（年化約 13%）
- TSLA：+25%（但期間波幅極大，最多跌過 -70%）
- BABA：-65%（幾乎腰斬再腰斬）
買入指數不用思考，但自己選股，你隨時選中 BABA。
💡 核心問題
除非你真的甘心就這樣買入指數 ETF（SPX、QQQ），不想賺取 Alpha、不想跑贏市場，這樣你確實不需要做交易。
但如果你有意繼續看下去——這篇文章就是為你而寫。因為你內心已經不甘心只賺取平均回報。
小測驗
以下哪個描述最準確？
「我重倉一隻爆升股，一注獨贏不是更好嗎？」
你可能會想：「我不需要分散，只要重倉買中一隻爆升股就贏定了！」
例如 2026 年 1 月 2 日至 5 月 14 日，以下幾隻股票出現了大幅上升：
| 股票 | 1月2日收市價 | 5月中最高 | 期間最大升幅 |
|---|---|---|---|
| SNDK | $275 | $1,562 | +468% |
| AAOI | $40 | $223 | +463% |
| AXTI | $17 | $126 | +651% |
| ABVX | $95 | $145 | +53%（2025年已升 +1,503%） |
如果你在 1 月初重倉全倉買入 SNDK，投入 $100,000，到 5 月就變成 $502,400（+402%）。一注獨贏，看似完美。
但問題是：你如何能夠事先選出這隻爆升股？
在 2026 年 1 月 2 日，美股有超過 6,700 隻股票可以選擇。SNDK 只是其中一隻。你憑甚麼認為自己會選中它？
分散買入，才有機會買中
現實中，多數人買中爆升股，都是因為分散買入多隻股票。例如：
- 一次買入 20 隻，希望其中一隻是爆升股
- 每隻投入本金的 1/20
但分散之後，即使你買中一隻爆升股，回報其實大打折扣。讓我們計算一下：
📊 實際計算：HK$100,000 分散 20 隻
假設你用 HK$100,000 分散買入 20 隻股票，每隻 HK$5,000。
- 情境 A：你買中 SNDK（+402%）
SNDK 那份：HK$5,000 → HK$25,120（利潤 HK$20,120）
其他 19 隻打和：HK$95,000
總資產：HK$120,120（回報 +20.1%） - 情境 B：你買中 AAOI（+413%）
AAOI 那份：HK$5,000 → HK$30,675（利潤 HK$25,675）
其他 19 隻打和：HK$95,000
總資產：HK$125,675（回報 +25.7%） - 情境 C：分散 20 隻但沒有買中爆升股，平均跌 10%
總資產：HK$90,000（回報 -10.0%）
對比：同期 SPY 只升 +9.5%，你買中爆升股的回報（+20%）看似跑贏，但你承擔了極大的個股風險。而且以上是「最好情況」——更多時候你會落入情境 C。
關鍵不是「買中一次」，而是「持續提高命中率」
我們做過一個模擬：隨機挑選 20 隻股票持有 2026 YTD，結果平均回報只有 +0.6%，遠遠跑輸 SPY 的 +9.5%。原因很簡單——大部分股票的表現其實很普通，甚至是下跌。
量化策略的價值，就是用數據和規則去提高選股質素，增加找到爆升股的機會。
不是靠感覺、不是靠運氣，而是用系統化的方法：
- 篩選出成交量大、趨勢明確的股票
- 根據技術指標判斷入場時機
- 用歷史回測驗證策略有效性
- 設定止蝕止賺，控制每筆交易的風險
同一個 HK$100,000，用隨機選股你可能只得 +0.6%，但用量化策略篩選，你找到爆升股的命中率可以由 5% 提升到 15-20%，整體回報自然提升。
小測驗
如果你用 HK$100,000 分散買入 20 隻股票，其中一隻升了 +400%，其他打和，總回報大約是多少？
量化策略：半自動與全自動
量化交易不一定等於「機械人自動落單」。在 Algo Lab，我們提供兩種模式：
半自動模式（VIP Lv.1 / Lv.2）
這是我們的核心服務：
- 每日盤前，App 會發出交易訊號（買入 / 賣出 / 觀察）
- 你根據訊號，自行制定交易計劃：決定買入多少、設定多少止蝕
- 然後自行到券商落單（如 TD Ameritrade、IBKR、Firstrade）
半自動的好處：
- 你保留最終決策權
- 可以根據自己資金和風險偏好調整倉位
- 學習交易邏輯，慢慢培養自己的盤感
適合： 想學習、想控制、每日有 1-2 小時跟進的投資者
全自動模式（SUPER VIP）
如果你已經對策略有信心，想完全放手：
- 我們提供 MT5（MetaTrader 5）機械人
- 機械人會根據訊號自動落單、自動止蝕止賺、自動管理倉位
- 你只需要監控帳戶表現，幾乎不用理會日常操作
全自動的好處：
- 完全不用盯盤
- 排除情緒干擾（機械人不會恐懼、不會貪婪）
- 24 小時執行，不會錯過訊號
適合： 沒有時間、想被動收入、對策略充滿信心的投資者
💡 選擇建議
即使將來你使用全自動機械人，我們都強烈建議你先由半自動開始。了解策略如何運作、如何發出訊號，才會對機械人有信心。沒有信任的自動化，只會令你在回撤期驚慌到手動停機——而通常這個時候，正是反彈之前。
小測驗
Algo Lab 的 VIP Lv.1 / Lv.2 提供甚麼服務？
Alpha、Benchmark 與 Buy and Hold
在繼續之前，你需要認識幾個核心概念：
| 指標 | 意思 | 例子 |
|---|---|---|
| Alpha（超額回報） | 你的策略跑贏市場的部分 | SPY 升 10%，你升 18%，Alpha = +8% |
| Benchmark（基準） | 用來比較的市場指數 | SPY（標普 500）、QQQ（納斯達克 100） |
| Beta（市場回報） | 市場平均回報 | SPY 今年升 9.5%，Beta = +9.5% |
📊 實例比較（2026 年 YTD）
- SPY（Buy and Hold）：+9.5% ✅ 穩定、不用思考
- 隨機選 20 隻（散戶模擬）：+0.6% ❌ 多數跑輸
- 重倉一隻爆升股 SNDK：+402% ✅ 但你如何保證選中？
- 有系統的量化策略：目標穩定跑贏 SPY，賺取 Alpha
重點不是「量化一定贏」，而是「有系統地執行策略，才有機會長期賺取 Alpha」。
本課重點回顧
- 量化交易 = 用數據和規則做投資決定，不靠感覺
- 被動投資（買指數）vs 主動投資（賺取 Alpha）。除非你甘心買指數，否則你需要系統化策略
- Buy and Hold 最大陷阱：選股難，有機會選中長期下跌的股份
- 「一注獨贏」的幻想：即使你買中 +402% 的 SNDK，分散 20 隻後總回報只有 +20%
- 量化策略的價值：提高選股命中率，用系統化方法找出爆升股
- Algo Lab 半自動（VIP）= 每日訊號，自行落單；全自動（SUPER VIP）= MT5 機械人自動執行
下一篇預告
了解完「為何要做量化交易」之後，下一篇我們會教你如何看懂量化交易的核心指標——Return%、Max Drawdown、Sharpe Ratio 等，讓你有能力判斷一個策略「做得好」還是「做得差」。