均值回歸策略完整解析
為什麼 LTCM 用這套虧 $4.6B
1998 年 9 月，全球頂級避險基金 Long-Term Capital Management（LTCM）在 4 個月內虧損 $4.6 billion USD， 差點拖垮整個美國金融體系。 LTCM 的核心策略？均值回歸。
有趣的是：LTCM 的兩位諾貝爾經濟學獎得主合夥人 （Robert Merton、Myron Scholes）的數學沒錯， 策略邏輯也沒錯。它們死在「市場可以非理性比你想像更久」。 本文講均值回歸的數學原理、四種真實實作、LTCM 教訓， 以及散戶該怎麼安全使用。
1. 什麼是均值回歸？背後的統計學
均值回歸（Mean Reversion）假設：價格會圍繞「長期均值」上下波動， 短期偏離後會回到均值。
數學上對應 Ornstein-Uhlenbeck 過程：
dX_t = θ(μ − X_t) dt + σ dW_t
θ = 回歸速度
μ = 長期均值
σ = 波動率
dW = 隨機項直覺：價格 X 偏離均值 μ 越遠，被拉回均值的「力」θ(μ−X) 越大。 這是物理學的彈簧模型。
不會回歸：單一股價、單一加密貨幣（長期可以歸零或漲 1000x）
有時候會：BTC/ETH 之類有「公允估值」可參考的，但週期很長
2. 實作 ①：RSI 反轉（最簡單）
已經在 RSI 完整教學 講過，核心邏輯：
//@version=5
strategy("RSI 均值回歸", overlay=true)
rsi = ta.rsi(close, 14)
// RSI < 30 = 偏離下限太遠，買回均值
if (ta.crossover(rsi, 30))
strategy.entry("Long", strategy.long)
// RSI > 70 = 偏離上限太遠，賣回均值
if (ta.crossunder(rsi, 70))
strategy.entry("Short", strategy.short)3. 實作 ②：Z-score 標準化
進階版：用 Z-score 量化「偏離均值有多遠」：
Z-score = (當前價格 − 過去 N 期均值) / 過去 N 期標準差
Z = 0 → 在均值上
Z = ±1 → 偏離 1 個標準差
Z = ±2 → 偏離 2 個標準差（95.4% 機率區間外）
Z = ±3 → 極端偏離（99.7% 區間外）//@version=5
strategy("Z-score 均值回歸", overlay=true)
length = input.int(50, "回歸週期")
zEntry = input.float(2.0, "進場 Z-score")
zExit = input.float(0.5, "出場 Z-score")
mean = ta.sma(close, length)
std = ta.stdev(close, length)
zscore = (close - mean) / std
// 偏離 2σ 進場
if (ta.crossunder(zscore, -zEntry))
strategy.entry("Long", strategy.long)
if (ta.crossover(zscore, zEntry))
strategy.entry("Short", strategy.short)
// 回到 ±0.5σ 出場
if (math.abs(zscore) < zExit)
strategy.close_all()
plot(zscore, "Z-score", color=color.blue)
hline(zEntry, "Upper", color=color.red)
hline(-zEntry, "Lower", color=color.green)
hline(0, "Mean", color=color.gray)4. 實作 ③：Bollinger Bands 反轉
Bollinger Bands 本質就是均值回歸視覺化。詳見 Bollinger Bands 教學。
關鍵差別：要配合 Squeeze 或 Walking the Bands 識別「目前是震盪還是趨勢」。
5. 實作 ④：配對交易（Pairs Trading）
這是均值回歸最強的應用 — 不賭單一資產， 賭兩個相關資產的「價差」會回到均值。
經典例子：可口可樂（KO）vs 百事可樂（PEP）。兩家飲料巨頭股價走勢高度相關。 如果 KO/PEP 比率突然偏離歷史均值，做空高的、做多低的，等比率回歸。
加密領域可以對應：BTC vs ETH 比率、BTC 現貨 vs BTC 永續。
//@version=5
strategy("BTC/ETH 配對交易", overlay=false)
btc = request.security("BINANCE:BTCUSDT", timeframe.period, close)
eth = request.security("BINANCE:ETHUSDT", timeframe.period, close)
ratio = btc / eth
length = input.int(50, "回歸週期")
zEntry = input.float(2.0, "進場 Z")
mean = ta.sma(ratio, length)
std = ta.stdev(ratio, length)
zscore = (ratio - mean) / std
// 比率太低 → BTC 相對便宜 / ETH 相對貴
// 做多 BTC、做空 ETH（需要兩個 strategy 跑）
if (ta.crossunder(zscore, -zEntry))
strategy.entry("LongRatio", strategy.long)
if (ta.crossover(zscore, zEntry))
strategy.entry("ShortRatio", strategy.short)
plot(zscore, "Z-score", color=color.purple)6. LTCM 1998 年崩盤 — 均值回歸的史詩級教訓
Long-Term Capital Management 1994 年成立於 Connecticut， 創辦人是傳奇債券交易員 John Meriwether， 合夥人含兩位諾貝爾經濟學獎得主： Robert Merton 跟 Myron Scholes（Black-Scholes 選擇權公式發明者）。
策略：固定收益相對價值（fixed-income relative-value） — 做空昂貴的債券、做多便宜的債券，等價差回歸。 理論上每筆獲利很小（賺幾個 basis point）， 所以他們用極高槓桿放大 — 高達 25:1。
1994-1997：神話年代
- 1995：年化 +43%
- 1996：年化 +41%
- 1997：年化 +17%
- AUM 從 $1.25B 飆到 $7.7B
1998：4 個月虧 $4.6B
1998 年 8 月俄羅斯政府債券違約，引發全球避險恐慌。 所有「便宜」的資產持續變更便宜，「貴」的繼續變更貴 — 均值回歸的反方向。
LTCM 的部位太大、槓桿太高，無法等市場回歸均值。 被迫平倉 → 部位太大平倉造成更大價差偏離 → 惡性循環。
最終美聯儲召集 14 家銀行緊急救援 $3.6B 接管 LTCM， 避免系統性崩潰。
7. 散戶安全使用均值回歸的 5 條規則
- 不要用槓桿。LTCM 25:1 槓桿是死因。散戶 ≤ 3x 即可
- 每筆部位限制 5%。即使全錯也只虧 5%
- 用 Z-score > 2 才進場。Z=1.5 進場勝率低， 等 2+ 偏離才有 edge
- 設絕對停損。Z=3.5 仍不反轉就停損出場 — 可能均值本身已經改變
- 只用於「真會回歸」的資產： 利率、波動率、配對股票。 單一加密幣別用均值回歸要極小心
8. 跟趨勢追蹤是什麼關係
兩者是對立的世界觀：
| 維度 | 均值回歸 | 趨勢追蹤 |
|---|---|---|
| 前提 | 價格會回到均值 | 趨勢會持續 |
| 勝率 | 高（60-70%） | 低（35-45%） |
| 賠率 | 小贏小贏 + 偶爾大虧 | 小虧小虧 + 偶爾大賺 |
| 適合市場 | 震盪盤 | 趨勢盤 |
| 代表 | LTCM、配對交易 | CTA、海龜 |
9. 三個關鍵 takeaway
- 均值回歸是「高勝率小賺、偶爾大虧」。 風控（部位 + 停損）比策略本身重要 10 倍
- LTCM 的教訓：策略對 ≠ 你能撐到回歸。 槓桿是死神，部位限額是救命符
- 配對交易是最安全的均值回歸版本。 Market-neutral，不押市場方向只押相對關係