等股市大跌才進場,報酬反而近乎腰斬!35年回測+0050走勢揭抄底代價
等股市大跌才進場,報酬反而近乎腰斬!35年回測+0050走勢揭抄底代價

許多投資人看到股市上漲時,總想著「再等等,跌下來再買」,但你知道嗎?如果我們把時間拉長到35年、攤開歷史數據一看,會得到一個很「反直覺」的結論:專門等股市大跌才進場的人,長期報酬往往不到「一開始就買進並持有」的一半,甚至常常買在更貴的價位。

本文重點

股市崩盤是什麼?回檔、修正、熊市怎麼看?

在討論該不該等股市低點之前,我們先把名詞定義清楚,市場下跌依幅度分成三個等級:

下跌類型 從近期高點下跌 出現頻率(以S&P 500為例,1980年起計算)
回檔(Pullback) 5%~10% 幾乎年年發生(93% 的年份都曾出現 5% 以上下跌)
修正(Correction) 10%~20% 約每兩年一次(48% 的年份曾出現 10% 以上下跌)
熊市/股災(Bear market) 20% 以上 約每 6~7 年一次

換句話說,「跌」是股市的日常,不是異常。根據Fidelity統計,1980年以來S&P 500幾乎每年盤中都會出現至少一次5%以上的下跌,平均每年最大跌幅約14%;但即便如此,這段期間的平均「年度」報酬仍有13.3%,顯示短期下跌頻繁發生,並未改變美股長期上行的結果。

相較之下,熊市出現的頻率低得多。統計1945年以來的15次熊市,平均跌幅約32%、約花14個月才落底,回到原本高點需1.5年。而且,你很難預判哪一次的「跌」會演變成真正的崩盤。

等股市修正後才進場,報酬率一定更高?

這是整篇的核心問題,我們用一組跨越35年的實測數據來回答。

英國私人銀行Coutts回測了S&P 500在1990至2024年的兩種策略,一種是每年年初進場,另一種是當年跌10%才進場。

策略 平均年度報酬率
每年年初就進場(買進並持有) 12.1%
每年都手握現金、等當年跌 10% 才進場 6.6%

等待策略的平均年度報酬6.6%,約為年初就進場(12.1%)的55%,幾近腰斬。

關鍵原因是:這35年裡,只有大約一半的年份真的出現過10%以上的修正。也就是說,等待策略有將近一半的時間,資金只能閒置在現金裡,完全沒參與到市場約 80% 年份都在上漲的行情。你以為在「等打折」,實際上是在「錯過正價時的漲幅」。

2023年第四季,S&P 500指數一度跌超過10%,但即使跌完,指數仍高於年初的水位。換句話說,「等到跌10%才買」的人,買進的價格反而比年初就進場的人更貴。

抄底注意,兩個容易被忽略的陷阱

陷阱一:市場8成年份在漲,你等的期間它先漲一波

前面的數字已經點出:股市長期是上漲的,約80%的年份收紅。當你抱著現金等一個「跌10%」的訊號,市場很可能在訊號出現前,就先漲了15%、20%。

等它終於從高點回落,那個「便宜的低點」,可能還是比你當初空手觀望時的價格更高。

陷阱二:最猛的反彈日,緊挨著最慘的下跌日

另外,摩通 (J.P. Morgan)資產管理以過去20年S&P 500資料(截至2025年2月28日):用1萬美元(約新台幣32萬元)的假設投資組合試算,若因為在等崩盤而錯過其中表現最好的交易日,其年化報酬率如下:

操作方式 年化報酬率
全程持有、從不進出 10.60%
錯過表現最好的 10 天 6.37%
錯過表現最好的 20 天 3.69%
錯過表現最好的 30 天 1.53%

只要錯過20年間表現最好的10天,年化報酬就從10.6%縮水到6.37%、只剩約六成。值得注意的是:過去20年,表現最好的10天當中,有7天就發生在表現最差的10天前後15個交易日之內。

這正是「等崩盤」策略的死穴。市場最恐慌、跌最凶的那幾天,往往也是最強反彈就要發生的時候。想等崩盤抄底的人,通常會在最黑暗的時刻被嚇到不敢進場,於是完美地錯過了緊接而來的暴力反彈。

0050股價拆解,把時間軸拉長才看得到趨勢

把視角拉回台股,也能看到類似的長短期反差。以台灣持有人數最多的元大台灣50(0050)為例,帶你了解長線的趨勢。

截至2026年7月30日,0050收盤價93.5元。如果你只盯著短線,畫面相當嚇人:近1個月下跌13.3%、近10個交易日跌12.1%,帳面一片綠。這種時候最容易冒出「先跑,等更低點再撿」的念頭。但只要把時間軸往外拉,同一檔0050的樣貌完全不同(表1):

觀察期間(市價漲跌幅、不含配息,截至 2026/7/30 收盤) 0050漲跌幅
近1個月 −13.3%
近3個月 +3.3%
近半年 +26.8%
今年以來(1/2 起) +42.5%
近1年(2025/7/31 起) +83.3%

若把尺度再拉長,改用「含息總報酬」(把配息一併計入)來看,0050的長期成績更清楚(表2):

觀察期間(含息總報酬,理柏資訊、截至2025/12/31) 0050報酬
近2年 +103.19%
近3年 +161.44%
成立以來(2003年掛牌、逾22年) +1,348.93%(換算年化約 12.6%)

表1為市價漲跌、不含配息、截至2026/7/30;表2為含息總報酬、計入配息、截至2025/12/31,兩者基準與截止日不同,故分開呈現。

上述數據可以看出,若把觀察期間拉長,0050過去長期報酬明顯高於近期短線表現。0050掛牌逾20年,中間歷經2008年金融海嘯、2020年疫情股災、2022年升息熊市與2024年8月的單日崩跌,但長期趨勢一路向上、屢創新高,顯示崩盤是過程,不是終點。

這正是長期持有勝過短線進出的關鍵——與其在恐慌時殺出、猜哪裡是低點,不如待在場上,讓時間站在你這邊。

註:0050於2025年6月完成「一拆四」分割,因此不能直接以目前股價與分割前價格比較,否則會誤判長期漲跌。觀察0050長期走勢,應使用經分割、配息調整後的還原價格或含息總報酬。

另外,要靠「等崩盤」賺贏買進持有,你得同時猜對兩件事:一、大跌真的會來,二、每次都精準買在最低點。Coutts分析:你抱現金等得越久、市場漲得越多,之後就需要一場「更深的崩盤」,這套等待策略才可能划算。然而,這其實連專業的操盤手都很難預測。

傳奇基金經理人、富達麥哲倫基金前操盤手彼得‧林區(Peter Lynch)有句被反覆引用的名言:

「投資人為了應對修正、或試圖預測修正而損失的錢,遠比修正本身造成的損失還要多。」(Far more money has been lost by investors preparing for corrections, or trying to anticipate corrections, than has been lost in corrections themselves.)

Coutts 投資長團隊的結論也一致:與其把心力花在猜測崩盤時點,不如專注在「基於基本面的長期投資」,用紀律、分散與耐心取代擇時。

歷史經驗給投資人的3個啟示

這篇文章不是說崩盤時進場是錯的——在低點買進本身沒有錯,錯的是為了等一個未必會來、也未必更便宜的低點,而讓資金長期空手。

對一般投資人,數據給出的啟示其實很樸素:

  1. 別為了等崩盤而空手枯等。 以1990~2024年的S&P 500為例,約8成年份收紅,長期空手等待的機會成本,往往高於省下的那點跌幅。
  2. 建立投資紀律。 無法一次投入、或擔心短期波動的人,分批持續投入就不必猜底部,能自動在高低點都買到,把「該不該進場」的焦慮交給紀律。
  3. 真的遇到崩盤,重點是別在最恐慌時離場。 因為最強的反彈,往往就藏在最黑暗那幾天的隔壁。

延伸閱讀:
台股大怒神,斷頭警報解除了嗎?融資維持率跌破130%會怎樣?
2026光通訊概念股有哪些?15檔台股、CPO供應鏈與最新進度一次看

資料來源:Coutts, "Should you buy the dip?"Fidelity, "Market corrections"J.P. Morgan Asset Management, Guide to Retirement元大台灣50(0050)

本文初稿為AI編撰,整理・編輯/林育萱

關鍵字: #台股
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓