在股市投資，大部分人都希望達到最大收益，但風險也伴隨著高回報。你可曾想過，有一個投資策略可以90%的機率比固定配置報酬更好嗎？更重要的是，這個策略直接應用了兩位諾貝爾經濟學獎得主的研究結果！在本篇文章中，我們將深入了解「生命週期投資法」，並且引用生動的薪水例子，讓大家更加易懂地掌握兩位諾貝爾獎得主的理論。

Paul Samuelson的生命周期假說（Life Cycle Hypothesis）告訴我們，人們會根據他們一生中的預期收入和消費需求做出消費和儲蓄決策。換言之，在工作期間，你會積累資金以應對退休後的生活支出；而退休後，你則會動用累積的儲蓄來資助你的消費。

Robert Merton的跨期資本資產定價模型（Intertemporal Capital Asset Pricing Model）則讓我們明白，在建立投資組合時，不僅要考慮資產的預期收益和風險，還要考慮這些資產與未來收入的相關性。例如，當你在工作時期，未來穩定的薪水可以被視為一種隱含的低風險資產，因此你的投資組合應該考慮到這一點。

現在，讓我們介紹本文主角：《諾貝爾經濟學獎得主的獲利公式：3階段分配法》。此書主張使用分散時間法來投資，擴展投資週期到幾十年，並運用“時間多樣化”的優點，實現時間上的風險分散。透過此策略，投資人可以在不同的市場環境中尋求更高的報酬同時降低風險。

什麼是3階段分配法?

3階段分配法夠幫助投資者根據自己的風險特質、未來現金流及投資期間制定合適的投資策略。現在，我們將一步步地介紹此方法，並且以生動的例子更好地說明其應用。

設定投資股市的總金額

在進行三階段投資法之前，投資者需要首先根據個人的風險承受能力確定自己在投資組合中股票與其他資產的比例。接下來，投資者需要計算未來的現金流（即薪水）並將其折現，以估算在未來投資股市的總金額。此步驟非常重要，因為它能幫助我們更好地規劃資產配置策略。

例如，小明根據自己的風險偏好，確定了股市占比目標。接著，他需要估算未來的薪水並將其折現。他可以透過預測未來的薪水增長與折現率來實現。通過這一步驟，小明可以確定他未來將投資股市的總金額，並且更好地規劃投資策略，確保在整個生命週期中，他的資產配置能夠達到理想的平衡。

實施三階段投資法

投資對於每個人而言都是一個非常重要的議題，尤其是當你打算跨足股市的時候，即使是有經驗的投資者也可能會感到困惑和不確定。這就是為什麼生命週期投資法是一種非常流行的投資策略之一，通過分段進行投資，以確保投資者可以獲得最大化的收益，而不會承擔過高的風險。以下就是詳細的三階段投資法：

1. 第一階段：通常指在你剛開始工作的前十年，這個時期你應該按照2:1的槓桿進行投資，這意味著你會將兩倍的資金進行投資，以追求更高的收益。在這個階段，你需要盡可能地增加你的資產，以便在未來的幾年中有足夠的財富以達到你的資產目標。
2. 第二階段：通常指在你工作後的十年到大約50歲之間的時間，這個階段你需要逐漸降低槓桿比例，使其大於1:1，但小於2:1。將這樣的過程計入你的投資計畫開始更重視你的投資風險，同時也要注意你的資產分散度是否足夠。這也是非常重要的一點，因為資產分散度過低往往會導致風險過高。因此，在這個階段，你需要逐漸降低你的槓桿水平，以降低你的風險水平。
3. 第三階段：通常指退休前的十年時間，這個階段你的投資組合應該完全去槓桿化，並包括公司和政府債券以及股票。進一步的，你應該保持良好的投資規劃，定期調整你的投資組合，以確保你的風險水平越低越好。

可以參考以下圖表中的深色線條，以便於更透徹的理解生命週期投資策略各個階段的變化。

讓我們來看一個簡單的例子吧。假設有個名叫小明的人，他今年25歲，每年的薪水是60萬，計劃一直工作到65歲退休。在他人生的40年中，總收入為2400萬。假設他每年預計能夠存下20%的薪水，而且他的投資組合將按照股債比例60/40來分配，因此他預計會在一生中投入480萬到股市中。

使用三階段投資法，小明的投資策略如下：

1. 第一階段：在股市總資產達到480萬前，保持兩倍槓桿進行投資。
2. 第二階段：在股市總資產達到480萬後，保持股市部位不變，隨著本金增加逐漸降低槓桿，直到完全沒有槓桿為止。
3. 第三階段：在沒有槓桿的情況下，開始購買債券，直到達到股債配置比例60/40。

現實例子: 住房貸款

現在，讓我們看一個更貼近生活的例子——房屋貸款。當你買房子時，通常只需支付一小部分頭期款，然後通過貸款支付剩餘房價。這種情況下，你實際上使用了槓桿，通常是兩倍到四倍的金額，通過支付利息來購買房子。這也意味著你在負債的情況下進行了投資。這就是為什麼很多人在年老時發現，房子成為了他們最大的資產。這正好說明了生命週期投資法在現實生活中的應用。

回到小明的例子，他在三個階段中採取了不同的投資策略，以最大化他的投資回報。這種方法讓他在年輕時利用槓桿追求更高的收益，隨著年齡增長逐步降低風險，最後在退休前確保他的資產配置達到理想的股債比例。這樣的策略不僅提高了他的投資收益，還確保了資金的安全。

總之，生命週期投資法通過三個階段的投資策略，幫助投資者更好地平衡風險與收益。透過運用這種方法，投資者可以充分利用槓桿、分散風險並確保資產配置適應自己的需求和目標。無論你是剛開始投資還是已經積累了一定資產，都可以從生命週期投資法中受益。

書中回測分析

投資策略大比拼：生命週期投資法的卓越表現

在眾多投資方法中，生命週期投資法因其簡單易行、風險控制和回報表現出色，被眾多投資者所推崇。除了生命週期投資法外，還有固定比例投資策略和目標日期投資策略等方法，今天我們將深入探討這些策略方法，看看它們的優缺點和表現如何。

1. 固定比例投資策略：顧名思義，就是在整個投資期間保持固定的股票和債券比例。例如，一個投資者可能選擇在整個投資期間保持股票佔比為60%，債券佔比為40%。這種策略的好處在於簡單易行，易於操作，且適用範圍廣泛。但缺點也很明顯，它可能無法完全考慮到投資者的風險承受能力和未來收入變化，尤其是在市場變動劇烈的情況下，風險管理方面的表現可能不佳。
2. 目標日期投資策略：目標日期投資策略是根據投資者距離退休的時間，逐漸降低股票配置的比例。一般而言，當投資者接近退休時，股票佔比將逐漸下降，以降低投資風險。例如，當一個投資者退休時間為30年後，他可能會在股票和債券之間採取50/50的比例，但當退休時間剩餘10年時，他可能會把股票配置比例調整為20%。這種策略在目標日期基金中非常常見，適合那些希望自動調整資產配置的投資者，但同樣也存在管理費用高、基金選擇有限等問題。

回測方法與結果分析

書中有關生命週期投資策略的回測結果，讓人驚嘆其卓越的表現。該策略不僅在最低、平均、最高報酬上表現出色，還在10%、25%、75%和90%的百分位數上都表現優異，這意味著在不同市場環境下，它都能表現出色。但這個策略到底是真的那麼神奇呢？下面我們將進一步探討其真實性，親自動手進行回測，並分析回測結果。

在書中的回測過程中，選擇使用不同出生年份的投資者，以反映不同的市場環境。這些投資者都經歷了各自46年的投資生涯，並在回測時間範圍為1871年至1914年期間內參與股市。每位投資者的工作年限為44年，例如，第一位投資者的回測周期為1871年至1914年，第二位投資者的回測周期則是1872年至1915年，以此類推。

如上圖所示，無論在最低、平均或最高的結果上，以及10%、25%、75%、90%的百分位數，生命週期投資策略的表現都優於其他兩種投資策略。特別是在最低報酬方面，生命週期投資策略的表現比其他兩種投資策略更加穩健，更具保值性。這些結果證明了生命週期投資法確實可以幫助投資者在不同市場環境下實現穩健的收益。

但值得注意的是，回測結果僅代表過去的表現，並不能保證未來績效。另外，投資者在使用生命週期投資策略時，還需要根據自己的投資目標、風險承受能力和收入變化等因素進行調整。因此，投資者需要對自己的情況進行全面評估，並謹慎使用投資策略。

程式回測實戰：探索策略效果

接下來我們將進一步探討其真實性，親自動手進行回測，並分析回測結果。相關的程式碼會放在Colab上供大家使用，若有任何疑問，歡迎在Discord Server提問。

Lifecycle Investing 模擬器

首先我們建立了Lifecycle Investing模擬器，能夠幫助使用者了解槓桿在不同市場表現下的變化，並且顯示相應的投資組合價值。每次執行模擬器，都會隨機生成三種股債走勢及相應的生命週期投資槓桿比例變化，並且透過多次嘗試，讓讀者對生命週期投資有更深入的理解，並認識到市場表現對槓桿幅度和持續時間的重要影響。

例如，在第一次模擬中，由於市場前期表現不佳，投資者難以達到設定的股票投資總金額，直到退休前夕才成功去槓桿。而在第二次模擬中，市場前期表現出色，投資者在經歷20年後降低槓桿，並加入債券，提前實現理想的股債配置。

模擬器的多次嘗試能讓讀者對生命週期投資有更深入的理解，並認識到市場表現對槓桿幅度和持續時間的重要影響。

評估未來資產的折現價值：建立個人財富藍圖

我們將探討如何評估未來資產的折現價值，並將其應用於不同的投資策略。首先，讓我們從確定如何計算終身財富的折現價值開始。在這個過程中，我們需要考慮許多因素，例如當前年齡、退休年齡、年薪以及儲蓄比例等等，因為這些因素都會因使用者而有所不同。

為了讓這個過程更加貼近一般人的未來薪資狀況，我們從中華民國統計資訊網爬取了CPI年增率資料作為通膨數據，並使用行政院主計處薪資平台收錄的101-110年薪資平均以及年齡不同（職位升等）帶來的薪資成長幅度。這些數據幫助我們更好地了解未來通膨率、經濟環境對薪資的影響，以及不同年齡（與職位晉升）帶來的薪資增長幅度。當然，實際情況仍會因個人因素而有所不同。

在計算出未來薪資狀況後，我們將所有年份的儲蓄相加，乘以在股市投資的比例，來得到最終的股市總部位。

探索100種潛在的股票/債券市場走勢：評估不同投資策略的表現

想要做好投資，必須先瞭解市場走勢。而為了讓讀者更清楚了解三種不同的投資策略，我們使用蒙地卡羅模擬(Monte Carlo)，計算100種可能的未來市場走勢，並且評估不同投資策略在這些市場環境下的表現。

在這個模擬中，我們使用過去的TLT和SPY歷史數據，計算出市場波動性和回報率，並從中模擬出100種可能的市場走勢。透過這些數據，我們可以對三種不同投資策略的表現做更進一步的分析，並且提供更多決策上的參考。

以下是這100種可能市場走勢的分布圖：

進行三種投資策略的回測分析

經過一百次模擬，我們比較了三種不同的投資方案在不同市場環境下的表現。其中，生命投資的總報酬率在25、50、75百分位數和最大值的表現都遠超過了其他兩種方案，實踐槓桿投資的確能夠有效提高收益率！

下面我們來看一下三種方案的最大回撤（Maximum Drawdown，MDD）表現。因為生命投資在前期運用了槓桿等方式進行投資，所以其MDD相較於其他兩種方案要高出不少，並沒有很好地規避風險。但是，通過對損失數字的深入分析，我們發現這種差距其實並不明顯。原因是，在前期使用槓桿時，投資總金額相對地並不會造成太大的虧損。因此，如果以長期投資的角度來看，這樣高的MDD其實沒有我們想象中的那麼可怕。

綜合以上分析，我們可以得出這樣一個結論：雖然一開始使用槓桿可能會帶來更多風險，但在長期投資目標的規劃下，這樣的投資方式卻能為您創造更高的利益。當然，投資風險隨時存在，選擇適合自己的投資方案才是最重要的。

此外，我們還對各投資策略進行了更多分析，包括：

• total_return：總回報率
• cagr：年化複合回報率
• max_drawdown：最大回撤
• max_drawdown_amount：最大回撤金額
• daily_sharpe：日夏普比率
• daily_vol：日波動率
• best_day：最佳單日回報
• worst_day：最差單日回報
• best_year：最佳年度回報
• worst_year：最差年度回報

這些分析結果都放在以下圖表中供大家仔細研究參考，以便在選擇投資策略時能夠充分了解各種策略在不同市場環境下的表現。

用 10、50、90 百分位數比較策略績效表現

透過對一百次模擬的分析，我們可以比較三種投資策略在10、50和90百分位數上的表現，以瞭解它們在不同情況下的優劣。值得一提的是，生命週期投資策略在所有百分位數上都呈現出色的表現，尤其是在退休時，其總報酬遠高於另外兩種策略。即使在最不利的情況下，生命週期投資策略仍能小幅戰勝其他兩種策略。換句話說，生命週期投資策略贏過另外兩種策略的機會至少超過90%。

最壞情況下的績效分析

接下來，我們來分析三種策略在最差情況下的表現。在100次模擬中，固定策略和目標日期策略的最差表現指數分別為第83次模擬，而生命週期策略的最差表現指數則為第62次模擬。

具體地研究當固定策略和目標日期策略表現最差時，生命週期策略的表現情況，以及當生命週期策略表現最差時，固定策略和目標日期策略的表現情況，以凸顯策略之間的績效差距。

當固定比例策略和目標日期策略表現最糟的第83次模擬

當市場前期大漲、中期下跌、後期盤整，而債券市場長期盤整時，對於固定持有債券的固定比例投資策略和逐漸增持債券的目標日期策略來說，這是非常不利的。但在這樣的情況下，生命週期投資策略卻在股票市場前期勇敢地採用槓桿投資，成功獲得大量利潤。即使後期債券市場表現不佳，生命週期投資策略仍然遙遙領先另外兩種策略，成為最佳的投資策略。

以下是固定比例策略和目標日期策略表現在最糟狀況下的表現圖：

當生命投資策略表現最糟的第62次模擬

生命週期投資策略在市場前期和中期漲幅不高，後期債券市場下跌時表現最糟。然而，即使在這樣的最壞情況下，生命週期投資策略的績效與固定比例策略和目標日期策略相比沒有太大差距。這意味著生命週期投資策略在最壞的情況下仍具有相對穩定的績效。

以下是生命週期投資策略在最糟狀況下的表現圖：

總結而言，在固定比例策略和目標日期策略表現最糟狀況下，生命週期投資策略表現極佳。相反地，在生命週期投資策略最糟狀況下，其績效與另外兩種策略相差無幾。這說明了生命週期投資策略具有較高的上限和較低的下限，並且是一種相對穩健的投資策略。

應對連續大漲/大跌市場的策略探討

近期市場波動劇烈，對於投資者而言，應對連續大漲大跌的情況是一個必須面對的問題。在此，我們來探討一種應對方法：生命週期投資法。相信透過以下的介紹，您會對此策略有更深入的了解，也能在未來的投資中更理性地應對市場波動。

在一般的投資策略中，當股價下跌時，投資者的資產往往也會相對下跌。但是生命週期投資策略中，每10%的再平衡機制確保了投資組合在下跌時不會按照兩倍的比例下跌。例如，當股價從100跌至47.8時，生命週期投資策略的價值仍有26.2。這機制就像是變相的止損，在極端行情下降低畢業離場的風險。

此外，在極端樂觀的市場環境下，兩倍槓桿所獲得的回報遠高於直覺所預期。例如，在連續10日漲停的情況下，股價從100上升至259.4，而兩倍槓桿的價值達到了619.2，增幅達到121%。生命週期投資法的兩倍槓桿策略能在極端情況下提高投資回報，也是其一個優勢所在。

生命週期投資法的優勢

綜合以上分析，我們可以得出以下幾點生命週期投資法的優勢：

1. 多數情況下，生命週期投資的績效優於固定配置和目標日期策略。
2. 即使在最糟狀況下，生命週期投資法的績效也與其他策略相差無幾，顯示其具有相對穩定的績效。
3. 生命週期投資法的每10%再平衡機制可以在極端行情下降低風險，保護投資者免受巨大損失。
4. 兩倍槓桿在極端樂觀行情下能帶來顯著的超額回報。

因此，生命週期投資法在整體風險收益比上具有優勢，特別適合長期投資者。相對於其他投資策略，在多數情況下，生命週期投資法的績效更優秀。此外，即使在市場極端狀況下，生命週期投資法的績效也與其他策略相差無幾，表現出相對穩定的投資特性。這樣的優勢可讓投資者在長期投資過程中更加穩健。

當然，投資者在實際操作時還需考慮自身風險承受能力和投資目標來調整槓桿比例和資產配置。透過多次嘗試模擬器可以幫助投資者更好地了解生命週期投資法的運作原理及其在不同市場情況下的表現。希望透過以上的探討，您能更全面地了解生命週期投資法的優勢，並且能在未來的投資中更加理性地應對市場波動。

注意事項 & 警語

想要在投資市場上掌握更大的機會，槓桿投資是一個值得一試的投資方式。在開始使用槓桿投資之前，投資者應了解這種工具的風險和應對方法，才能更好地掌握投資方向。

如何開槓桿？

要開始使用槓桿投資，投資者可以選擇期貨、長期內價選擇權或槓桿ETF等槓桿工具。但是，在選擇槓桿工具時，應考慮斷頭風險、利率成本和重新調整比例難易度等因素。槓桿投資需要投資者付出更高的風險和成本，所以投資者應該仔細評估自己的風險承受能力和經驗，選擇適合自己的投資方式。

而在使用槓桿投資時，投資者應特別注意利息和斷頭風險等因素。如果不慎操作，可能會導致投資者失去全部本金。因此，投資者在使用槓桿投資前應詳細研究和了解各種風險因素，並在根據自身的投資經驗和風險承受能力進行衡量後再進行投資。

缺點

生命週期投資法也有一些潛在缺點，如下所示：

• 緊急資金：遇到現實生活中的風險時，可能無法立即提取資金。
• 自我投資：年輕時可能需要更多資金投資自己，例如教育、創業等。
• 心理承受能力：投資者是否能承受槓桿投資帶來的波動，並對指數投資策略保持信心。

不適合的投資者

以下類型的投資者可能不適合使用生命週期投資法：

• 投資金額過小：對於資金有限的投資者，槓桿投資風險較高。
• 欠卡債：償還高利率債務應優先於投資。
• 無緊急預備金或預先支出的費用：如未儲存足夠的緊急資金或預先支付孩子學費等費用。
• 薪水與市場行情直接掛鉤：如果收入與市場波動密切相關，則使用槓桿投資可能增加風險。
• 賠錢後寢食難安：無法承受投資虧損壓力的投資者不適合槓桿投資。

在考慮使用生命週期投資法時，投資者應充分了解自身的風險承受能力和投資目標，並在審慎評估各種風險因素後作出決策。這種投資策略可能不適合所有人，但對於那些有長期投資視角和足夠的資金支持的投資者來說，它可能是一個有效的資產配置工具。在實施生命週期投資法之前，請務必做好充分的研究和規劃，確保該策略符合您的需求和期望。

總結

生命週期投資法是一個非常有趣的投資策略，透過將風險從生命後期移至前期，讓投資者可以更有效地管理風險和獲得報酬。這種投資策略並非是為了降低波動度，而是因為年輕時有現金流，通常對於風險有更大的容忍程度。此外，前期對於股票的槓桿，越早曝險於股市，獲得風險溢酬的機率較大。這意味著在某短時間周期內一次性投入，不一定能享受到長期平均的風險溢酬。

然而，我們必須指出，本次回測並沒有考慮到再平衡的手續費、槓桿的借貸成本、心理壓力等因素。槓桿會放大許多風險，因此我們並不推薦此投資方法。在實際應用生命週期投資法時，讀者需要自行判斷並謹慎思考。為了確保透明度，我們提供了所有回測代碼供讀者自行檢查。

這種投資策略的潛在效益是，讓投資者能夠更好地管理風險和獲得報酬。透過將風險從生命後期移至前期，投資者可以在年輕時承擔更多的風險，並且在投資組合的整個生命週期內享受到更高的報酬。此外，生命週期投資法還可以幫助投資者在不同的生命週期階段中調整投資策略，以滿足其不同的需求和風險承受能力。

最後，我們要提醒讀者，在實施生命週期投資法之前，務必要做好充分的研究和規劃，確保該策略符合您的需求和期望。只有在充分了解潛在風險和報酬之後，您才能做出明智的投資決策。因此，在使用生命週期投資法之前，建議讀者掌握基本的投資知識和技能，包括風險管理、投資組合配置、選擇投資工具等方面的知識，以便更好地應對市場的變化和風險。

相關資源連結

除此之外，我們還提供了此篇文章的對應Colab連結和相關資源連結，以便讀者能夠更深入地了解生命週期投資法。同時，我們也歡迎讀者到我們的Blog逛逛，以獲取更多關於投資的知識和技能。

美國投資冠軍的著名著作《超級績效》你看過了嗎？其中到底有甚麼選股奧秘，要如何獲得超額報酬，我們一起來一探究竟。

這位投資冠軍是什麼人物

作者馬克．米奈爾維尼是1997年美國投資大賽的最終冠軍，那一年比賽較特別的是，有別於以往開始適用了新規定，也就是參賽者可以任意交易股票、選擇權、期貨或各種組合，所以聽起來，若沒有跟著運用槓桿，像作者這樣的純粹股票交易者勢必會在投資競賽中處於劣勢。不過，最後他在比賽中透過股票交易獲得的全年總報酬是155%，幾乎是第二名的兩倍。

大家也許會開始好奇他的背景，是不是金融相關領域出身、是不是早年就受到高人指點、或是天生擁有卓越交易天分等，但事實上，他只是個15歲就高中輟學的平凡小散戶，而在那個年代，他所擁有的工具、技術、資源肯定還比現在現在看到這篇文章的你還少，最初他自己開始交易時也只有幾千塊錢(美金)的資本，跟多數人一樣，也都會犯投資新手會犯的錯誤，也是經過多年的研究磨練，才找到如此創造超級績效的方法。

而作者寫這本書的宗旨正是要告訴大家如何發展出這方面的專業技巧，Finlab這次想選用這主題，也是想向大家分享散戶起家卻如此成功的案例與法門，並邀請使用者們繼續跟我們一起從中學習。

如果你是完全的投資新手、想開始學投資但不知道從哪裡下手的人、想嘗試做量化選股但不知道有什麼工具的人、或是有一定市場經驗但總是賺不到錢的人，那麼非常推薦你繼續看下去。

本文除了重點介紹書中精華，也將嘗試把書中選股邏輯程式化，首先驗證看看是否能單純用程式於美股複製出超級績效策略，並且帶大家一起將這套簡短程式應用於台股。我們究竟能不能也在台股中創造出同樣的超級績效策略呢？

論投資心態

在成功能夠發生在現實世界之前，首先必須發生在心靈上。

大家點進來這篇文章，也許會想急著問，所以到底要買什麼股票、還是有什麼特殊秘訣才能賺錢？或是其實也已經對超級績效不陌生，知道要找技術成長線型、知道VCP，但想重新看看還有什麼專業知識點是自己漏掉的。不過我認為，超級績效選股法大解密的重點不會是在選股法，而是在作者建立起這套超級績效過程的心態效仿。

投資理論看來看去就是這些，很多可用來賺錢的資訊、資源、技術也是公開的、大家都可取得的，但能實際做得到的人有多少呢，差別還是在我們自身的心態與思考模式上，畢竟我們也知道思維方式影響行為，行為影響習慣，習慣決定性格，性格決定命運，也就是關乎我們到底會不會賺到錢。

作者在書中一開始就花了一定篇幅講述投資心態，這邊也為大家整理也許已經聽到爛的精神雞湯，但希望能為大家再次建立更為健全的交易心態。

如果你自認為累積了很多交易知識，卻也一直尚未實際獲利，那也不妨回頭檢視自己在交易心態上是否有調整空間。

自我認識 / 自我管理

首先要投資自己—有準備，才有機會

多數人都曾經對於交易產生過興趣，但很少有人會真正許下承諾。「產生興趣」與「許下承諾」之間的差別，在於堅持的意志力。當你對於某件事許下真正的承諾，除了成功之外，將別無其他選擇。

股票市場的賺錢機會可能會突然出現。如果想要有效掌握這些機會，你就必須要有所準備，隨時讓自己能夠付諸行動。

揮灑你的熱情

以我個人來說，當我決定忘卻金錢，而把注意力完全集中在如何讓自己成為頂尖交易者時，那就成為了我獲致成功的關鍵；至於錢財，他們自然會來找你。

最好的開始時機

只擁有知識、夢想和熱情是不夠的；如何實際發揮這一切，才是決定勝負的關鍵。即使不能成為富豪，熱情追求本身也起碼能夠讓你覺得快樂。從事自己喜歡的工作，投入自己所擁有的一切，這就是人生獲致成功的最佳機會。這種機會就開始於今天，最佳時機就是當下。

除非你實際採取行動，否則不會有任何成果。你如果要等待最佳時機，或等到所有的條件具備，你很可能永遠都不會開始。動手做些不完美的事情，往往勝過完美地無所作為。

你想要的是什麼-判斷正確？還是賺錢？

股票市場隨時會冒出機會或危機。交易者必須採取迅速而果斷行動，才能及時掌握機會，或排除危機。認賠一筆重大的失敗交易，最能考驗投資人的勇氣。我要的是裡子，不是面子。我要賺錢，沒必要強行維護自尊。

交易是一門事業

大多數投資人只是把交易當成一種嗜好，因為他們另有全職的工作。可是，你如果把交易當作事業經營，他就會提供經營事業的報酬。如果你只是把交易當作嗜好，那麼他也就只會像個嗜好來報答你，但嗜好是不會提供報酬的，它反而只會讓你付出代價。

在1980年代，作者剛開始從事交易時，沒有所謂的即時報價、沒有價格走勢圖，也沒有任何研究工具，甚至當時他也沒有網路可以使用、沒有線上交易，每天只能查閱報紙所刊載的收盤價，透過手工方式繪製股價走勢圖。但是，他依然每個禮拜投入七、八十個鐘頭學習，日以繼夜研究股價走勢與企業財報。

如果我們對於做交易一樣有如此堅定的意志力，搭配在現代唾手可得的各種技術資源，相信賺錢獲利只是個確定會發生的已知結果。

對於揮灑熱情、把注意力集中於手頭事項這個部分，我也非常認同。各個領域的成功人士，不論是像諾貝爾獎得主、企業家、歌手、演員、或是我們自身曾經取得任何印象深刻的突破時，幾乎都不會是因為我們一心想著要取得某個固定成就，而是單純投入於其中，在不知不覺間那長久的累積都會有它的回報。當專注在生活中每個當下，做有所熱情的事，豐盛自然會到來。

風險管理 / 永遠備妥計畫

風險來自於你不知道自己在幹嘛。 – 華倫巴菲特

如果想要避免發生重大虧損，唯一辦法就是在小損失累積為大虧損之前斷然認賠。

投機者如果想賺大錢，避免發生重大虧損是不二法門。我們不能控制股價漲跌，但通常可以控制虧損程度。

投機活動是預期某些即將發生的事態，然後等待事實證明所預期的事態是否發生。你備妥一份計畫，然後開始執行。交易完成之後，你評估結果，作出必要的修正，然後準備新的計畫。關鍵是你應該客觀看待真實的狀況，不會因為恐懼而把事態看得更糟，也不會因為貪婪而把狀況看得更好。

開頭提到作者在投資大賽中與其他期貨選擇權交易者的競爭中依然勝出甚多，作者在書中表示，這是因為他並沒有因此而過分冒險或過分交易，當他發現自己成績大幅落後時，也沒有因此而慌張，更沒有因此修改自己的規則，而是單純更專注於自己的交易計畫，還有兩個致勝關鍵：一致性與風險管理。

一般投資人經常在完成部位建立之後，開始陷入猶豫及迷惘的階段，不知道接下來應該如何處理。如果沒有備妥計畫，所有的交易者不免會擺盪於猶豫與懊悔兩種情緒之間。像是猶豫：是否應該買進、是否應該賣出、是否應該持續持有，或是懊悔：我原本應該買進、我原本應該賣出、我原本應該繼續持有。

制定計畫、擁有一套具一致性的交易法則是作者強調的重點。而我想在這邊，程式交易也正是能有效幫助我們達成此目標的必要工具。

透過把選股邏輯程式化，對於是否該進場該出場，馬上能有個精準確定的依據，而根據回測系統的結果展示，也能清楚知道各個選股邏輯是否真正有效、還有哪裡可以修正。

本篇文章後半將會集合書中所提到的找成長股/市場領導股邏輯，寫成一支順勢策略，若大家已熟悉程式交易、自動/半自動下單等的操作，那也許多認識了這支擁有超額報酬的策略確實就能馬上實際運用賺到更多錢。

不過若是投資新手，不管是技術上因素或是心態上因素無法做到跟著策略訊號買賣，例如說出現買出訊號，但主觀上想等待更好時機反而錯過有效進場點；或是相對的，已經看到策略出現賣出訊號，卻可能對其中幾檔個股存有莫名信心、有感情，遲遲沒有實際賣出而導致超出預期的虧損；或甚至，在開始虧損後則馬上對策略失去信心而回到主觀、純手動、相對沒紀律的操作，這都是非常可惜但絕對可以從心態調整或透過技術提升避免的。

投資小白要從哪些面向切入研究呢？–特定進場點分析SEPA

特定進場點分析SEPA(Specific Entry Point Analysis)是作者自行發展出的一套選股原則，而這也是非常適合推薦給投資新手，當不知道從哪裡開始研究、或是不知道原本自有的交易策略要如何改善時的重點探討面相。

SEPA的五大要素分別是1.趨勢2.基本面 3.催化事件 4.進場點 5.出場點，結合了企業基本面與股價技術面行為的資訊。學投資做交易要認識的內容實在太多，不知道從哪裡下手就由這幾個面向切入吧，也可以用來檢視自己在實際交易時是否在這幾個面向的觀察運用上還有優化空間。以下也簡短節錄各項重點：

趨勢

每支超級強勢股的積極發展階段，幾乎都發生在明確的股價上升趨勢中。而且這些趨勢幾乎都可以在超級漲勢發動初期獲得辨識。

基本面

超級強勢發展階段的驅動力量，大多來自於盈餘、收益、毛利等因素的改善。

催化事件

價格曾經大漲的每支股票，其背後都有催化事件。這些催化事件乍看之下未必明顯，但只要針對公司資料稍作探索，就不難找到與超級潛能有關的線索。

進場點

拿捏進場時效很關鍵，如果進場時效拿捏不正確，可能就會遭遇不必要的停損。多頭行情發展過程中，正確拿捏進場時效，可以讓交易部位立即處於獲利狀態。

出場點

展現超級績效強勢股性質的股票，最後未必都能成功。對於這些潛力股，即使進場時機拿捏正確，同樣未必能夠賺錢。所以，為了保障交易資本，部位必須設定停損，迫使失敗部位認賠。

SEPA的目的，是運用所有重要資訊，針對高勝算交易，選定精確的進場點。目標是買進股票後，部位立即處於獲利狀態。

而作者也提到，他會綜合考慮所有相關的基本面、技術面、市場面等因素，讓整體支撐條件都彼此收斂。所以唯有當全部的考量因素（包括：公司基本面、股價、成交量活動，乃至於大盤市況）都彼此配合時，才會執行交易。

作者實際運用SEPA的篩選程序為：

1.股票必須符合「趨勢樣板」(下一段落即會提到，本文的範例策略也將用此作為技術面主要選股邏輯)的條件，才能視為是潛在的SEPA候選股。

2.符合「趨勢樣板」條件的股票，還需要經由一系列濾網（盈餘、銷貨、毛利成長、相對強度、價格波動程度等）做篩選。符合「趨勢樣板」條件的股票當中，大約有百分之九十五會在這個篩選程序被剔除。

3.將候選股票與「領導股輪廓側寫」比對。也就是評估特定候選股所具備的各項因素，並與過去超級強勢股所建構之歷史模型基本面和技術面條件相比對，觀察兩者之間的符合程度。

4.最後階段採用人工評估。濃縮候選清單中的每個標的，都會個別進行檢定，再根據「相對優先順序」評估程序打分數，而該評估程序包括：盈餘與銷貨數據、盈餘與銷貨意外事件的歷史、每股盈餘成長與加速狀況、收益成長與加速狀況、專業分析師盈餘估計修正、毛利率、產業與市場地位、潛在催化事件、與相同類股中其他股票的績效比較、流動性風險等。

股票篩選程序

進行定量分析時，盡量保持單純，不要採用複雜的模型。每次篩選時，不要同時考慮太多篩選準則，否則可能就會不經意地剔除掉適當的候選股，只因為該股票不符合某單一篩選準則。比較好的辦法，是採用多層次篩選，但每次篩選不要納入太多準則。第一：針對相對強度和趨勢做篩選、第二：針對盈餘與銷貨等基本面因素做篩選。

如果想取得具有一致性的超級績效，我們就需要把袖子捲起來，做些傳統的人工分析。

由作者實際運用SEPA的篩選程序與他整體的股票篩選大方向，可以看出他會運用到大量人工(不論是用人力看大量技術線型圖表或是閱讀財報、找產業相關書面資訊、分析師報告等)，並且有多層次的篩選。不過像本篇文章開頭提到的，除了帶大家理解相關知識點之外，我們正是也想驗證看看，這套超級績效選股是否能完全透過程式複製出來，所以我們將直接篩選使用其中部分邏輯，寫進程式策略。

但不管回測績效如何，我們也不該摒棄原本的人工篩選方法，我們依然可以從中找到能用來輔助並加強程式的關鍵邏輯。

順勢交易—成長股怎麼找

在眾多類型的交易策略中，最純粹也最好理解的概念就是找到成長飆股做順勢交易，買低賣高，進場出場，就這麼簡單，而在超級績效中運用的核心邏輯，其實就也就只是這樣，身為投資新手的你一定也能完全理解。

不過實際上是透過哪些面向鎖定成長股的特徵，我們繼續由SEPA中所提到的趨勢、基本面、進場點、出場點等因素中探討下去。

趨勢—成長型股票生命週期

一支股票的基本面如果發生了狀況，在問題明朗化之前，價格行為經常會先出現重大變化，提前透露出訊息。即使我們完全看不出市場人氣發生變化的理由，但對於這類變化務必要予以尊重。

法人機構龐大買盤所創造的長期趨勢，才是乘風破浪所需要的順風，你必須想辦法讓自己跟這股龐大力量配合。指買進上升趨勢明確的股票，才更有機會掌握真正的超級強勢股。

有些投資者也許秉持著純基本面派的精神，不過作者的看法是，價格除非經過市場確認，否則對於特定企業的基本面看法，從來不敢保有太大信心。因為一家公司的管理與產品真的很棒，這方面基本面條件就遲早該反應在股價行為上。強勁的基本面條件，如果不能獲得股價行為的確認，未來展望看起來恐怕就沒那麼光明。唯有當機構買盤大舉進場，推升股價顯著走高，再考慮進場。如果要達到這個目的，在進場之前，我們就必須先確定這類的資金流入已經發生。

依據股價價格行為，可以將四個階段劃分為：

第一階段—忽略階段：整理

第二階段—上升階段：承接

第三階段—做頭階段：出貨

第四階段—下降階段：投降

股票價格生命週期四階段

其中持上升趨勢的第二階段，正是我們順勢策略中想找來做多的成長股階段。在這個階段，隨著由盈餘動能的累積，大型金融機構的買盤會開始積極進場。股價將呈現階梯狀上升，波段高點與回檔低點會持續墊高。公司如果能夠繼續提供好表現，成長狀況就能夠吸引投資大眾，而買盤也就仍然會源源不斷。

也許有的選股方式是想要逢低承接、逆勢找低點操作，所以選擇在第一階段提早進場，或是等到第四階段試著抄底，不過作者的思路是，如果資本想要加速複利，就必須找到最有搞頭的場所，我們絕對禁不起讓資金被套住，只為了等待另一個我們認為的基本面偉大故事慢慢醞釀成形、慢慢獲得世界其他人的認同。所以作者也表示，他寧願把股價走勢的第一隻腳拱手讓人，藉以換取確認，顯示股票已經蓄積足夠動能而明確邁入了第二階段，畢竟我們的目標不是買進最低價，而是要在最短時間內，賺取最大的報酬。

重要基本面要素—超級強勢股的驅動力量

股票市場不太關心過去，包括企業過去所累積的地位在內。股票市場真正關心的是未來，也就是成長。

超級強勢股會透過盈餘、銷貨、營運利潤的成長和提升，展現其力量。這些強勢企業每季所公布的營運績效，總是優於華爾街的預期，然後藉由這類利多意外，驅動股價走高。千萬不要只因為「名氣」而愛上那些價格大跌的股票。很多真正的贏家，可能是你從來沒聽過名字的股票。它們的光榮日子出現在未來，而不在過去。股票市場存在著許多基本面條件傑出的企業；一家公司不論規模、地位、聲譽如何傲人，投資人都沒有理由去接受較差的績效紀錄。

在「趨勢」的分析中我們已經知道要尋找處於價格成長週期第二階段的股票，而一支股票處在第二階段的時間長短，將會取決於企業基本面條件，也就是強勁的盈餘成長型態能夠維持多久。

作者觀察出，價格表現最傑出的股票，其最近一季盈餘都會較去年同期呈現顯著成長。我們想要看到的，不只是最近一季顯著增加，也希望先前兩、三季有顯著成長。

因此，我們將運用財報中的盈餘、銷貨收入(營業收入)、營運利潤(或營業毛利)，篩選出近季有所成長的標的。

鎖定進場點—VCP(價格波動收縮型態, Volatility contraction pattern)

我們只能挑選那些法人機構介入明顯的股票。我們絕對不想成為第一個進場的先知先覺；反之，我們要尋找行情動能點火待升、失敗風險相對偏低的機會。

走勢圖所呈現的價格型態，必須放在較長期趨勢內做評估。進場如果過早，股價可能重新恢復下降趨勢；進場過晚，則可能碰上最後階段的底部，既有上升趨勢太明顯而隨時可能結束。

身為使用停損單的交易者，你就是弱勢持股者。重點是要成為最後的弱勢持股者；你希望在自己買進之前，所有其他弱勢持股者都已經出場。

找到價格位於成長階段且基本面過關的股票後，我們需要決定較佳的進場點位置。VCP，價格波動收縮型態，是作者所觀察出來具有效力的精準進場點，他所進行的每筆交易，幾乎都符合這個概念。

作者表示，凡是具有建設性意義的價格結構(股票處於承接狀態)，其底部結構的某個區域，幾乎一定會出現價格波動收縮的現象，而且成交量也會顯著收縮，因此才稱它為「價格波動收縮型態」。

若市場籌碼不再浮動，成交量會顯著萎縮，價格波動也會明顯趨於緩和。設定這種條件，可以避免誤入擁擠的交易，鎖定的股票也不致於成為公眾追逐的焦點，如此可以提高勝算。
關於VCP的介紹，網路上也已有其他更為詳細的文章及影片教學分享，可以自行參考。

出場警訊—交易如果沒有按照計畫發展

任何計劃都需要考慮到負面發展，實際操作中，進行的交易可能有一大部分不會按照預期發展，即使篩選出的股票完美符合事先設定的條件，但有可能進場時機就是不對，也許應該等待更好的架構，但在已經持有部位的情況下，如果實際發展不符預期，或者股價走勢不對勁，我們都必須知道。

以下是作者採用的某些「違反條件」，我們可以考慮將這些判斷當作出場依據。

1. 突破之後，留意二十天移動平均

2. 低價夾量連續三天創新低

3. 小量上漲、大量拉回，代表警訊

類型、產業類別與催化事件

將公司做歸類，能夠有效協助我整理思緒與看法。這種程序可以幫助我決定一支股票所屬的市場類型，並藉此評估該股票處在成熟化循環或發展曲線上的位置。任何公司都不會永遠停留在發展曲線上的相同位置，有些股票會花更長時間待在循環的某個階段；可是，幾乎所有企業都會展現自然的成熟化程序。

作者考慮買進某支股票時，會判斷自己所處理的情況屬於哪種類型。對於相關公司營運所屬產業的性質，必須能夠知道如何預期盈餘成長，而且也了解市場對這方面展望的普遍看法，並觀察目前股價是否已經反應相關資訊。

他將股票劃分為六大類型：1.市場領導股2.頂級競爭股3.機構青睞股4.轉機股5.景氣循環股6.過氣領導股與落後股

本文所寫出的順勢策略主要希望選到市場領導股類型的股票，這也是讓作者賺到最多錢的股票類型。在此先不過多探討，但大家可另行觀察核對。

關於市場領導股：

這類企業會展現出最快速的盈餘成長。任何產業表現最傑出的企業，其銷貨、盈餘與市場佔有率的排名，通常都能保持在前三位。行情最初的上漲過程裡，市場領導股通常會有最大漲幅。它們會領均錢進，開疆闢土。

在成長相對遲緩的產業哩，一家企業如果能夠持續擴張市占率，同樣可以展現出很好的盈餘成長。關鍵重點是：公司必須賺大錢。財務狀況健全、獲利成長、淨值報酬率高、債務結構合理，這些都是企業管理健全的現象。

市場領導股在高速成長階段，有可能創造出驚人的價格漲勢。一般來說，它們的盈餘成長能夠保持在百分之二十或更高的程度。在表現最傑出的五年或十年期間裡，很多市場領導股能夠保持平均百分之三十五～四十五的盈餘成長。在成長最快速的時間裡，某些市場領導股甚至能夠創下三位數的成長。

成長股重點邏輯整理

綜合以上，本篇文章的示範策略將會透過以下條件，試著寫出擁有超級績效的策略。

技術面(趨勢)：

找位於股票生命週期第二階段，也就是符合趨勢樣板(其中部分參數使用作者於他的付費課程中所揭露)的個股

1. 股價高於150日與200日移動平均

2. 150日移動平均高於200日移動平均

3. 200日移動平均至少有一個月期間處於上升狀態

4. 50日移動平均同時高於150日與200日移動平均

5. 股價超出52週低點25%

6. 股價距離52週高點不超過25%

7. 相對強度評等(RS Ranking)不低於70，最好是80多或90多

8. 股價高於50日移動平均

基本面：營收連兩月成長、盈餘大於零且連兩季成長、營業毛利連兩季成長

VCP型態確認：量縮、盤整

出場：簡單運用跌破20日均線作為出場依據

其中，趨勢樣板中的相對強度評等這項數據，作者是直接使用付費資料源，大部分的人想自行寫出這項條件可能容易卡關，不過透過運用python與finlab package，我們就能輕鬆計算出來。

而VCP是多數人早想透過程式模擬的技術型態，不過也是難於清楚定義，在這邊我們把他簡單分為1.量縮與2.盤整兩個部分。量縮可以輕易透過成交量變化寫出，而盤整的概念則較為模糊，但從「價格收縮」的角度出發，我們可以試著單純運用價格波動(標準差的運用)變化來達到。

在下一段落，馬上就能來看看如何實際寫成程式。

台股實作回測(美股績效大公開)

選股條件

技術面：符合趨勢模板(也是位於成長型股票生命週期第二階段)的股票

基本面：營收、盈餘、營業毛利近季有成長趨勢

濾網：VCP型態確認 -量縮、盤整

出場：跌破20日均線

美股回測績效展示

開始動手前先來看看實作在美股的回測績效。

除了使用原始技術面+基本面條件，我們也加入其他濾網。

1.原條件滿足三天再實際進場：等待型態更為正確，降低一進場則被洗盤的現象。(作者表示很多專業玩家非常擅長於引發散戶的停損，他們會設法讓股價跌破明顯支撐區，清出手中的浮動籌碼。)

2.VCP型態確認：尋找滿足作者所說的價格噴發前夕現象，量縮盤整時，當需求一放大、買盤出現則將加速價格向上帶動。

3.排除金融股：金融類股較不常有大幅價格波動，較不符合我們想找的位於價格成長階段的飆股特徵。

4.以乖離率排序，只持有前15名：集中持有與均線乖離大的個股，若是上方乖離大則預期他具有更大動能，若是在下方乖離大則也預期該個股能有個由低處拉回彈升的現象。

5.出場條件拿掉(不滿足原進場條件則出場)：確保持有個股都依然維持強勢狀態，即使還沒跌破均線，但若已經開始表現疲乏則立馬換掉。

可以看到在美股的表現，年化報酬已超過50%，最大下跌甚至下降到20%左右，可以說是非常優秀。

將超級績效選股法搭配程式交易，在美股確實是可行的。而實作於台股的話呢？我們一起寫寫看。

台股實作

import 模組及抓取價量、財報資料。

from finlab import data
from finlab.backtest import sim

# 抓取資料
close = data.get('price:收盤價')
low = data.get('price:最低價')
high = data.get('price:最高價')
revenue = data.get('monthly_revenue:當月營收')
eps = data.get('financial_statement:每股盈餘')
grossprofit = data.get('financial_statement:營業毛利')
volume = data.get('price:成交股數')

接下來就是選股條件的撰寫了，在趨勢樣板中，其實主要只用到了移動平均及一些高低點的比較，很簡單吧。

唯一要說明的是第七項相對強度(Relative Strength, RS)評等，他並不是我們常見的RSI相對強弱指標，而是表達一個個股在整個大盤群體裡的強度的數值。作者在使用上是抓取investor網站的數值，而我們可以運用計算過去一年個股漲跌幅，搭配FinlabDataFrame的強大語法糖quantile_row()抓取百分位數，輕鬆優雅地寫出來。

這篇文章把我們運用在這的相對強度邏輯解釋地非常清楚，可另行參考。

# 技術面選股(趨勢樣板) 
cond1 = ((close > close.average(200)) & (close > close.average(150)))
cond2 = (close.average(150) > close.average(200))
cond3 = close.average(200) > close.average(200).shift(25)
cond4 = ((close.average(50) > close.average(200)) & (close.average(50) > close.average(150)))
cond5 = close > low.rolling(250).min()*1.25
cond6 = close > high.rolling(250).max()*0.75
rs = close / close.shift(250)
cond7 = rs > rs.quantile_row(0.9)
cond8 = (close > close.average(50))

在基本面條件撰寫中，也主要是rise()(上漲)搭配sustain()(維持幾個資料單位)的連環運用。

# 基本面選股
revenue_cond = revenue.rise().sustain(2)
eps_cond = eps.rise().sustain(2) & (eps > 0) 
grossprofit_cond = grossprofit.rise().sustain(2)

VCP的量縮與盤整條件，這邊隨意取了兩個時間段(10日均與60日均)的比較，並加入自設參數，大家可再自行調整。

# vcp條件 量縮+盤整(價格收縮)
volumereduce = volume.average(10) < (volume.average(60)*0.6)
pricecontract = close.rolling(10).std() < (close.rolling(60).std()*0.5)
vcp = volumereduce & pricecontract

# 進場條件取交集
buy = cond1 & cond2 & cond3 & cond4 & cond5 & cond6 & cond7 & cond8 & revenue_cond & eps_cond & grossprofit_cond & vcp

# 出場
exits = (close < close.average(20))
position = buy.hold_until(exits)

# 回測
report = sim(position, name='超級績效',fee_ratio=1.425/1000/3)

回測結果

可以看到，除了在多頭年2021有抓到超級強勢股，但在大盤空頭走勢中完全沒有防守能力，最大下跌甚至超過年化報酬的兩倍，可以說這支策略離可以正式上線使用、穩定獲利還有一段遙遠的距離，接下來我們就繼續分析與優化。

績效解說-為什麼會有落差？

1.產業組成不同

美國上市公司眾多(近上萬家)、且產業組成較為平均，很容易找到實際走出一個完整價格成長循環的案例；而台灣公司數量少，且除了主要的科技金融股，大多就為一般中小型企業，比較不容易看到我們策略邏輯中所想找的「市場領導股」類型股票。

2.市場大小、市值大小、投資人結構差異

美國市場大且公司市值大、投資人類型眾多且分散，股價走勢結果較為貼近市場實際供需；而台灣當沖散戶比例較高、且公司市值小，股價容易出現異常拉抬現象，技術線型參考性降低，因此使用程式選股的效率性相對運用於美股會更為低落。

3.台股具有10%漲跌幅限制

當成長飆股起漲時，也許他的潛力遠超過一日10%，但台股的漲跌幅限制卻局限住了成長空間。

4.手續費差異

若使用Firstrade網路交易美股能享有0元手續費優惠，是以目前在美股回測中手續費直接設定為0元(回測中也尚未考慮交易稅)；而在台灣不管用哪家券商，即使有手續費打折還是會被固定收取一定比例手續費與交易稅。長年回測下來成交筆數多的狀態下，台股交易會有很大比例的手續費與稅的成本。

其他調整

如在美股我們從一開始主邏輯中另外加入各層條件濾網，績效是大幅提升，在台股我們也試著運用一些相應的條件。

1.排除金融股 -在抓取資料時限定範圍

df = data.get('security_categories')
# 排除金融股
category_range = [ind for ind in list(set(df['category'])) if '金融' not in ind]
with data.universe(market='TSE_OTC',category=category_range):
    close = data.get('price:收盤價')
    low = data.get('price:最低價')
    high = data.get('price:最高價')
    revenue = data.get('monthly_revenue:當月營收')
    eps = data.get('financial_statement:每股盈餘')
    grossprofit = data.get('financial_statement:營業毛利')
    volume = data.get('price:成交股數')

2. 出場條件改為跌破25日均線

# 出場條件更動
exits = (close < close.average(25))
position = buy.hold_until(exits)

3. 增加排序條件：以與5日均線的乖離程度排序，乖離越大則排序越前面，選擇只持有前3名的個股。

# 以與均線的乖離程度排序個股
bias = abs((close - close.average(5)) / close.average(5))
exits = (close < close.average(25))
position = buy.hold_until(exits,nstocks_limit=3,rank=bias.rank(1,ascending=True))

很遺憾的，在台股實作我們初步的結論是：把超級績效找成長股的方式直接應用於台股，並無法得到與在美股相當的超額報酬。

不過，透過適當調整參數與增加其他濾網、或是排序，我們依然可以將此策略優化至一定水準，雖然目前在這示範的結果還不到特佳，但還有許多可能有用的條件還沒用上呢，相信大家還是可以以此為基底繼續嘗試。

(寫完文章後，韓老師也已經默默做了一番優化，績效媲美美股表現(我也再去練練)，程式碼可在Finlab VIP策略中看到，立即訂閱起來你就可以直接將此策略使用於台股摟！)

結語-身為散戶要如何繼續精進？

由此策略進一步優化

如上一段所展示，一樣的策略由美股直接挪用來應用在台股並不能獲得一樣的超額報酬，即使稍微調整了還是會有落差，不過，不管是由技術面、或基本面的條件，大家都可以再試著找出較為適合的參數或寫法，像是基本面中，原本只使用連兩季上升的條件，可以改成連三季、或是運用移動平均的判斷、使用與去年同比的變動；VCP型態中，量縮或盤整的日期長度判斷區間也能再自行調整；而出場條件也能由跌破均線再加入其他作者提到的「違反條件」(低價夾量連續三天創新低、小量上漲大量拉回等)。

或是從其他層面優化，例如再增加相關濾網、自行定義新的資料變數來設定個股排序依據、集中持有固定檔數；另外，也能考慮加入大盤走勢數據，以大盤是否為多頭來當作濾網之一想必也能大幅增加此順勢策略防守能力。一個策略，永遠都存在優化空間。

買書來看-增加知識點

本篇文章所做出來的策略其實只運用了超級績效中有提到的部分內容，除非你已經能做到完全自動化程式交易(完全不受任何操作上的限制而達到逼近回測的績效)，就算是固定使用這一套策略，要能實際長期獲利，絕對還有很多眉角要注意。如果你能持續精進、有一套自己的研究，除了複製程式碼，你甚至能在程式篩選出來一籃子股票中，也運用對於財報的理解，做到更細部的人工挑選，篩出其他人看不到但其實更為適合你的投資的個股。

而書中其他內容都可再衍生其他各種策略，例如運用價格下降週期做空個股、抓盈餘由負轉正找轉機股做多等。而除了策略主邏輯，另外像停損設置、判斷市場為多頭空頭來決定使用不同策略、或是多策略資金管理、策略加簡碼等，還有各種學問等著我們來發掘呢。所以也邀請大家自行靜下來閱讀書中內容，找出屬於自己的成功因子。

給懶惰的你-直接投美股吧！

如果懶得自己優化策略用於台股(誰知道參數要放什麼才對，其他選股條件？沒靈感啦)，也不想買書來看(內容實在太多了太冗長了是吧)，不想看其他推薦影片(生活太忙碌？耍廢時間都不夠了)，怎麼辦呢？其實也沒關係，我們絕對理解，身為投資新手的你願意看到這也真是辛苦了(掌聲鼓勵鼓勵！)，好消息是，看完這篇文章的同時你也已經擁有一個美股超級績效策略了(啊你如果沒認真吸收也沒思考其中程式碼在做什麼也不算數，快點把文章存起來多看幾次)，你絕對可以運用本篇提到的邏輯，即日起開始操作美股買賣。

而日後Finlab也會讓美股資料或相關功能更為完整，讓大家自己在下實單之前，多運用finlab package多跑幾次不同的回測看看，增加信心！

給積極的你-你所需要的資源與成長路徑，也盡在Finlab

投資與股票交易是一條沒有盡頭的成長之路，有太多面向、太多細節要去學習要去注意，而所需要的資源，Finlab也都幫你準備好了(如果這是你第一次看到Finlab文章，真是恭喜你來到金礦密集區，這邊有太多寶物等你來挖)，不管是各面向知識文章、資料運用教學、選股操作工具、或是視覺化回測系統，應有盡有，而且我們也在持續茁壯中。

如果還不想花錢成為VIP用戶，這邊也一定有讓你看不完的免費資源，若基本內容吸收得差不多了、想挑戰更進階的概念、直接使用更酷炫策略、並且想獲得最新數據協助回測，歡迎加入訂閱Finlab VIP的行列！

許多觀眾詢問的問題

許多觀眾詢問，他們遇到以下問題，希望能獲得我們的建議：

1. 雖然有買不同的標的、甚至還買了美股，但大盤不好的時候還是全部一起下跌。當崩盤時，對於平時沒有太多時間鑽研股票的觀眾來說，雖然心裡明白下跌是暫時的，但還是會忍不住慌張，導致無法全心投入在本業上，也很難繼續紀律執行自己的買賣策略，甚至會恐慌性的全部賣出。想請問有沒有辦法，能夠降低這個最大回檔的幅度，到一個自己能接受的範圍、卻還是能獲得報酬率?
2. 手上同時看好幾支股票想要長期持有、或是想要同時運行好幾支選股策略，但往往不知道該在哪支股票/策略上分配更多的資金，最後往往採用平均分配的方式，但總覺得有更好的、客觀的方式來決定這個資金比重。

介紹什麼是資產配置、怎麼靠資產配置解決上述問題

• 同漲同跌是因為股票之間存在”相關性”，完全一樣的話相關性就是1、完全相反相關性則為-1。正是因為資產間的相關性有高低正負之分，所以我們可以利用資產配置的技巧，讓不同的資產彼此間的波動被抵銷掉一部分，達到降低波動率、減少下跌幅度的效果。
  • 舉一個極端的例子，假設兩支股票年報酬都是20%、但高度負相關，採取50/50的配置後，以圖說明平均報酬率不變，但是波動下降非常多。
• 資產配置就是將上述例子做更嚴謹的假設、推導，透過計算資產間的相關性、並透過一定的公式去分配各種資產的資金，藉由犧牲少部分的報酬來降低不確定性風險(波動度、最大下跌幅度)。這支影片會先帶大家認識最具開創性、獲得諾貝爾獎的資產配置方法 – 效率前緣，並實作進一步改進的現代資產配置模型 – Hierarchical Clustering Models。
  • 若想更深入瞭解資產配置，可以閱讀市場先生的這篇文章

分析即將使用的FinLab策略

將選股策略視為資產

• 每個資產有自己的預期報酬率、波動度，資產與資產之間可以計算相關性；同樣地每個選股策略也有各自的預期報酬率、波動度，選股策略間一樣可以計算相關性。因此我們可以將不同的選股策略視為不同的資產，透過資產配置分配要給每個策略的資金比重。

介紹FinLab的策略

• 使用了13個FinLab策略當作是不同的資產，大家可以到官網的策略頁面查看每支策略背後的開發邏輯是什麼。
• 可以發現不同的策略都是在不同的邏輯下設計的，有的看月營收、有的追突破、看現金流、看負債、看本益比等等。因此呈現出來的策略特性也不盡相同。

分析FinLab策略

針對波動度&報酬作圖

x軸是波動度、y軸是平均報酬，紅線則是回歸直線，代表大部分的策略都分布在這條線附近。

紅線可以觀察到: 隨著風險的上升，報酬也會逐漸升高。

每一單位風險(波動度)，所能得到的報酬就是夏普比例(sharpe ratio)。夏普比例較高，也就是報酬跟風險的交換比較有CP值(每一單位風險，能換到更多報酬)，圖中點的顏色就代表夏普比率。

有了這張圖之後，就可以根據夏普比例，跟自己的風險偏好(波動度)去選擇適合自己的策略。譬如喜歡低風險的，就挑左下角的，喜歡刺激、發大財的，就可以往右上角去做選擇。

針對MDD&報酬作圖

相關性分析

• 針對策略相關性作圖
  • 前面是對每一支策略作單獨的分析，現在我們來分析策略之間的相關性。
  • 策略背後的選股邏輯不同，相關性就低。我們可以藉由這張圖片去選擇彼此相關性比較低的策略同時持有，來減少同漲同跌的狀況發生。
    • 舉藏獒跟藏獒外掛大盤指針為例子，因為藏獒外掛大盤指針是藏獒修改而成，因此兩者的相關性很高(可以對比藏獒與其它策略的低相關性)，如果只持有兩支策略，最好就不要同時挑這兩支策略。

介紹效率前緣(Efficient Frontier)

簡介

• 前面都是透過視覺化的觀察，然後進行人為分析，有沒有更嚴謹、更科學的方式呢?
• 介紹資產配置的先驅、獲得過諾貝爾獎的效率前緣。假設今天隨機給予資產們不同的資金權重，來組成成千上萬種不同的策略(就是下圖中的每一個點)，我們會發現這些隨機的策略被一條隱形的曲線所限制住。這條藍色的曲線就是效率前緣，透過這條曲線我們就可以
  1. 在給定的風險(給定x值)，求出藍色線上對應的y座標(預期能獲得的最好報酬)，並按照那個點的資產配置權重進行投資。
  2. 我們可以找出最佳收益和風險比的投資組合，也就是圖中的星星，有最高的Sharpe Ratio，也就是先前所說CP值最高的投資組合。

實作

• 用FinLab Strategy所畫出來的效率前緣

• 理想最佳權重(highest sharpe ratio)，也就是上圖中的星星處，但一樣要記得這是根據過去所算出來的效率最優配置，不代表未來這個配置仍然會是最優的。

• 隨著給定的風險水準上升，資產配置權重的變化。當給定的風險越來越高時，資產的多樣性就迅速減少，越來越朝向持股單一化(all in)前進，失去了分散投資、降低風險的本意。

缺點

• 效率前緣聽起來雖然很夢幻，在當時被譽為「華爾街的第一次革命」、「投資界的大爆炸理論」，但實際上拿來使用會發現有許多待解決的問題。
  1. 效率前緣是基于歷史至今為止的資料(歷史報酬率、波動度)所畫出來的，但過去這樣投資好，無法保證未來會一樣好。市場通常是漲跌互見的，因此按照過去歷史所畫出來的效率前緣去做配置，很可能與未來的實際情況有所不同。
  2. 效率前緣的算法可能過度集中在過去報酬率最好的資產上，可以看到將投資組合移到效率前緣上時，資產的多樣性大幅度減少，這反而失去分散投資的本意。
  3. 很容易過擬合(overfitting)：效率前緣透過每一種資產跟其他所有的資產去計算相關性，因此對參數非常敏感。只要上周跟這周的資產價格有些為的改變，藉由效率前緣計算出來的投資組合就可能會大幅度變化，這在實際運用上也非常難以執行。

介紹 Hierarchical Clustering Models

Hierarchical Cluster的精神

• 在眾多資產中，有些資產會比較相關。以股票舉例，就可能會分為不同地區的股票如台股、美股，往下又可以區分出不同的類股，如金融股、科技股、生技股等等。資產也是如此。因此我們可以透過多次的分類，先將資產劃分為大大小小的類別。

優點

• 透過 Hierarchical Cluster 的分群方法，有以下優點：
  1. 降低複雜度(不用再計算每個資產跟所有資產的相關性了，只要計算自己類別理的就好)，提升模型穩定度。
  2. 加上分類後，可以根據不同種類、層級去進行風險的平衡。譬如可以確保同層級間的所承受的風險是相同的，也就是美股跟台股承受同樣的風險，在台股之中金融股、科技股、生技股又都承受一樣的風險……以此類推，藉由這種方式也可以達成更穩定的風險平衡。

實作

• FinLab策略的Hierarchical Cluster的結果
• 不同的相關性計算方法，有可能會產生不同的分類結果，再這邊我們使用pearson算法做示範
  • 不了解也不用緊張，我們後面會教大家怎麼在不懂各種算法情況下，一樣能分辨出算法的好壞。
  • 下圖我們可以觀察到幾點：
    • 藏獒跟藏獒外掛大盤指針的確非常像
    • 合約負債工、股價淨值比外掛大盤指針的選股邏輯類似，一個挑選營建股在營收尚未認列時的低基期作買入、另一個則是股價淨值低的時候若買入，都是挑好股票在便宜的時候去做買入，因此也被分在同一類。

參數總覽

• 完整的Hierarchical Clustering Models包含各式各樣的參數，像是如何分類的演算法、分類時所採用的相關性的計算方法、該使用哪種模型來平衡風險等等，共有六個重要的參數(model,covariance,linkage,codependence,rm,obj)，而每一個參數又有多達數十種的演算法選擇。別說是一般投資人，就算是專業的投資人也很少有人能研究完各種參數，更別說參數之間的排列組合了。 註：對參數有興趣的可以點擊連結查看更細節的資訊。
• 但別擔心，接下來就會教大家用有效率的方法，在不用瞭解各種參數的情況下，找出適合的參數組合

Random Search & Grid Search

直覺想法 測了好用就用 窮舉所有

• 最直覺的想法，就是窮舉所有的參數組合一個一個測，並找出所有組合中最好的一個。我們稱這種方法為 Grid Search 網格搜索

• 缺點：當參數較多時，排列組合的數量會非常大，導致搜索的時間變長花費資源也變大，在比較複雜的實務中很難達成。
• 以此次實驗為例，6個參數就共有4 x 12 x 14 x 4 x 28 x 8 = 602112種組合要測試，用家裡的電腦可能要跑一年才測的完。

參數太多冊不完怎麼辦？RandomSearch

• 因此我們使用Random Search來解決這個問題，從每一個參數中隨機選出一個參數，最終形成一個參數組合。反覆這個隨機選取的動作，也可以找到非常不錯的參數組合。
• Random Search 的優點
  1. 可以根據自己能接受的時間長短，來決定隨機形成參數組合的次數。
  2. 相對Grid Search來說，Random Search在同樣次數的參數組合測試下，更有效率，這是因為參數間的重要性往往有高有低。 以下圖為例，x軸是相對重要的參數、y軸則是不太重要的參數，也就是說參數組合的好壞取決於隨機選取的點的x座標，因此我們希望能選出越多x座標不同的點。 Grid Search(網格搜索)的方式，在取樣9次的情況下，只會有三個不同的x座標，然而Random Search則可以取樣到不同的9個x座標點。

(論文出處: Random Search for Hyper-Parameter Optimization)

結果

以下就是我們對這六種參數所形成的參數組合，進行了5000次Random Search的結果，大約耗時5天。我們會把測試過的參數組合以及對應的結果，免費開放給大家下載，以節省大家的測試時間 (可能轉成共享的csv檔案)

• 報酬

• MDD

透過 Random Search 劃出 Efficient Frontier

該怎麼從5000種不同的參數組合，找出適合的組合呢?

• 若單純挑選報酬率最高的參數組合使用，有以下缺點:
  1. 這個參數組合雖然報酬率最高，但可能波動很大、下跌風險也很大，並不符合我們的資產分配的本意。
  2. 我們對於參數本身特性完全不瞭解，沒辦法按照自己的偏好(風險偏好、追求高夏普、低回徹等等)，舉一反三去找出其他的優秀的參數組合。
  3. 測試了5000次之後，之前從裡面挑選最好的參數組合來使用，很容易產生overfitting的現象。 Overfiiting：過度學習訓練集中的資料，導致於沒法順利分辨在訓練集外的其他資料。就像是學生靠死背題目答案來作答，而不是真正去理解題目。這樣的學生雖然在有看過的題目一定能拿滿分，但實際上了考場遇到了自己沒看過的題目，就會考的一蹋糊塗。
     • 下圖中，黑線是我們希望學到的、綠線則是overfitting後所學到的結果

透過 Random Search 劃出 Efficient Frontier

以x軸為波動度(風險)、y軸為報酬，可以發現一條明顯的效率前緣。

進一步，我們可以分別針對個別參數作圖，也就是將在該個參數中，類別一樣的都顯示為同一個顏色。以下圖(參數: model)為例，HRP這個model就會都是呈現出藍色的點，用這個方式我們就可以一目了然的瞭解這些模型參數的特性。

如何判斷參數好壞 & 特性

• 判斷三要點:
  • 是否貼合(隱形的)效率前緣：越貼近，代表參數越有效率；若大部分都在效率前緣內部，就代表有其他更好的參數選擇。
  • 同參數的點分布是否集中：判斷參數穩定性，分布的點越集中，代表該參數的穩定性越高。
  • 分布位置：說明參數特性，譬如越偏左下角風險報酬都比較低，是比較溫和穩定的策略；在右上角風險和報酬則都較高，是比較激進的策略，這邊的選擇可依據個人偏好，沒有好壞之分。
• 以Model參數示範
  • HERC & HERC2 這兩個模型在表現上很類似，大部分也都貼齊效率前緣
  • HRP的表現非常穩定(點幾乎都聚集在一起，不像其他參數般分散)
  • NCO有最高的Sharpe Ratio資料點，同時可以再大致區分成三個子類別

若點都混雜在一起

代表該參數可能不重要，沒有顯著的影響性，可以略過

可能是分的種類太多，可以分成幾張圖來查看

透過分析，選出穩定的適當參數組合

首先針對Model部分，由於obj(objective function)是NCO Model的子分類，代表NCO這個model其實可以衍伸出四個子model，因此要搭配一起看。可以發現NCO對應的三個子分類，第一個子分類是NCO+ERC，剩餘的兩個子分類則是NCO+Utility/MinRisk。在所有的Model裡，NCO+ERC是最穩定的，並且Sharpe Ratio也十分高，作為我們選擇的參數。

linkage選擇ward，因為點大多分布在效率前緣上，代表在各個不同的風險、參數組合下，都有不錯的表現。

剩餘的三個參數(covariance codependence rm)相對來說就沒有特別明顯的分布，為了降低參數過擬合的機率，就沒有必要繼續進行參數最佳化，因此剩下三個參數皆使用預設值即可。(以下簡稱此投資組合為Final Portfolio)

對選定的參數組合進行詳細回測，結果呈現

Cumulative Return Curve

• 績效曲線非常平穩，平均年報酬為40%

Drawdown Curve

• 最大MDD為-13.75%，遠小於一開始的FinLab策略

月報酬分布圖

逐月return

• 每年皆為正報酬，即便2022年空頭年也有勉強守住
• 最大單月虧損為-8%

資產配置隨時間作圖

• 可發現投資組合確實會隨著時間變化而動態調整(20天調整一次)，且主要由合約負債建築工、低波動本意成長比、股價淨值比外掛大盤指針這些比較穩健的策略佔投資組合的大部分。

結論

首先受限於策略皆為近幾年開發，沒辦法只拿開發後的時間段來進行資產配置，因此策略本身績效有一部分是來自訓練集的資料，實際上線的績效理論上會稍微下降。

但用肉眼就可以觀察到，整個投資組合的走勢相當平穩，回檔幅度也非常小，常常創新高。

完整 Portfolio Stats Summary (素材、有需要可自由取用)

與原FinLab策略比較 & 槓桿效果分析

當日報酬波動程度對比

• 平均持有所有策略 vs Final Portfolio，可以看出來每日的波動度也稍微贏過平均持有

槓桿的作用

• 我們的資產配置是一個高Sharpe Ratio的投資組合，策略本身比較穩定，因此風險、報酬都比較低。但如果願意承受風險更多的風險，我們可以藉由槓桿來等比例的放大我們的投資組合。
• 在同樣程度的風險(波動率)下，Final Portfolio可以獲得三者之中的最高報酬。同時斜率的傾斜角度其實就是Sharpe Ratio，在我們假設無風險利率為0的時候，夏普比例就等於報酬率/標準差，也就是圖中藍/綠斜線的斜率。從這個角度來理解，就能很明顯的看出Final Portfolio > 平均持有 >> 單一策略。因此即便你是想追求高報酬的投資人，也可以透過好的資產配置方式和適當的槓桿，來讓自己的投資更上一層樓。

• 同上，若將風險改成MDD的情況下，Final Portfolio表現一樣為三者最佳，而且差距更加顯著。

個人化槓桿試算器

該如何得知該開的槓桿比例呢?

如果想要開槓桿的話，要怎麼知道自己適合開多少倍的槓桿呢? 我們提供一個簡單的試算小程式！藉由輸入能接受的最大下跌幅度 / Final Portfolio的預期最大下跌幅度，我們就可以得出理想的槓桿倍數。

舉例：若我認為自己最多可以承受20%的最大下跌幅度，而Final Portfolio的最大下跌幅度為13.75%，兩者相除之後便能得到我的槓桿倍數為145.74%

註：還要考慮到槓桿所需的資金借貸利息、以及未來MDD有超出預期的可能，建議謹慎衡量後將最後得到的槓桿倍數再稍微往下降一些

相關資源連結

附上此篇文章的對應Colab連結、YT連結，供有需要的同學自行使用。

想吸收更多類似知識，歡迎到我們的Blog逛逛!

開發環境安裝

首先安裝最新版本的finlab套件:

pip install finlab

再引入接下來會使用的套件準備開發:

from finlab import data
from finlab.backtest import sim
import pandas as pd
import numpy as np
import plotly.graph_objects as go
import plotly.express as px
import plotly.figure_factory as ff

本益比定義

這篇文章使用的是來自證交所與櫃買中心每日的本益比資料，本益比計算方式如下:

本益比 (倍) = 當前股價(Price) / 近四季每股稅後盈餘(EPS)

例如公司A股價10元，而過去四季的每股盈餘EPS是1元，
每股稅後盈餘( 簡稱EPS)意思是你手上的每1股股票今年賺了多少錢。

本益比 = 股價10元/每年賺1元 = 10倍，換句話說，若獲利能力保持，需要10年才能回本。數字越小代表預期回本時間越少，數字越大代表預期回本時間越多。

PE單因子回測

PE真的是越低越好嗎？會不會PE評價高的標地更會飆？利用finlab.data.sim我們可以輕鬆的回測我們的想法。

全市場PE區間倍率回測

我們以PE間隔5倍分別回測，ex:0-5倍、5-10倍…、40-45倍、50-1000倍(高本益比區間)。設定每月初換股一次，持有PE於區間內的標的。

撰寫以下回測程式，並製作plotly視覺化使用的dataframe。

def get_pe_return():
    # 下載本益比資料
    pe = data.get('price_earning_ratio:本益比')

    # 設定測試區間(最後測試 PE = 50 ~ 1000)
    test_range = list(np.arange(0,55,5)) + [1000]

    # 回測序列資料集
    return_dataset = {}

    for start, end in zip(test_range, test_range[1:]):

        # 選股條件
        position = (pe > start) & (pe < end)

        # 進行回測，upload設為false，不上傳資料到平台，加快回測
        report = sim(position=position, resample='M', upload=False)

        # 製作繪圖dataframe
        return_dataset[f"{start}-{end}"] = report.creturn

    return_dataset = pd.DataFrame(return_dataset)
    return return_dataset

return_dataset = get_pe_return()

接著將dataframe導入plotly.express。

fig = px.line(return_dataset, title='pe multiple backtest')
fig.show()

fig = px.bar(return_dataset.iloc[-1], color=return_dataset.iloc[-1].values, title='pe multiple backtest bar')
fig.show()

由圖可知，PE區間10-15倍最好，大致呈現單調線性關係，PE越低的報酬率越好，但極高PE的區間的報酬率又再度高起，代表有不少高本益比的標的報酬率也不錯，顯示PE指標的趨勢分隔性可能不是太優。

全市場策略範例

我們將表現最好的10-15倍區間寫成策略，並上傳量化平台。

pe = data.get('price_earning_ratio:本益比')
position = (pe>10) & (pe<15)
report=sim(position=position,resample='M',name="策略教學範例:pe_single_factor",upload=True)
report.benchmark = data.get('benchmark_return:發行量加權股價報酬指數').squeeze()

可以發現報酬率相當貼近大盤，推測很難使用PE單因子策略打敗大盤，我們要進一步去思考PE評價模式適合用於每一個產業嗎？例如某些產業如半導體的市場評價較高，低倍本益比可能不適用。市場上常說景氣循環股獲利高峰常見本益比低點，成長延續性差，如鋼鐵航運族群要把本益比反著看，真的是如此嗎？接下來我們可以思索其他變因去優化，嘗試加入產業因子去分析。

產業PE回測

我們使用data.set_universe(category='產業名')來設定回測的產業範圍，帶入先前的回測程式得出各產業最終報酬率的熱力圖，方便觀察數據。

由熱力圖顏色深淺，可知每一個產業在不同PE區間的報酬率序列變化。若該產業適用於PE評價，報酬率應該要與PE倍數呈現線性關係，顏色應呈現漸層變化。

若規律跳動混亂，如其他、化工、電子通路族群，就不太適合套用PE評價。

若50-1000倍的報酬率在該產業的前幾名，如半導體、鋼鐵、電腦週邊，代表不太適合用低PE去抓潛在高報酬標的，該產業可能較多轉機飆股的整體PE評價偏高。

我們可以將各產業於PE 10-15倍區間依大小排列，取前5高報酬率的產業&PE v.s.報酬率變化呈現線性關係的產業做產業因子範圍，分別是 ‘食品工業’,’紡織纖維’,’航運業’,’油電燃氣業’,’橡膠工業’，都是傳統產業，本益比評價較科技業低，符合傳統假設，但景氣循環股不適用的假設和回測結果不同。

PE&產業因子策略範例

接著將產業因子加入回測。

category = ['食品工業','紡織纖維','航運業','油電燃氣業','橡膠工業']
data.set_universe(category=category)
pe = data.get('price_earning_ratio:本益比')
cond1= (pe>10) & (pe<15)
position=cond1
ind_report=sim(position=position,resample='M',name="策略教學範例:pe_industry_factor",upload=True)
data.universe_stocks = set()
ind_report.benchmark = data.get('benchmark_return:發行量加權股價報酬指數').squeeze()

策略比較

回測比較可以發現加入產業因子後，各項數據都較使用全市場標的有明顯的優化，年化報酬上升到21%，拉開與大盤的差距，只有2011年產生小幅虧損。

每一期的標地數介於10-40檔左右，無過少標地數影響報酬率的情況。

利用回測物件下的function:creturn.calc_stats().return_table獲取報酬率資料。在近12年度中，有2/3的年度優於未加入產業因子的情況，且輸都是小輸、贏都是大贏，並沒有勝率不穩定的情況。

還有沒有再優化的可能呢？加入其他財務或技術指標再限縮標地或停損停利來優化，就留給各位去發展了。

總結

PE無法做單因子選股去獨撐大樑，但確實是有用的因子，若加上其他條件相輔相成，有機會開發出不錯的策略，再開發其他策略時可以考慮加上PE去優化，如果是針對文中提到的特定產業的，可能有機會大大提升。

PE最為人詬病的地方就在於使用過去的獲利去評價，沒考量到未來的成長性會造成獲利得改變，下一篇會介紹本益成長比(簡稱:PEG)做更進階的應用。

對本篇程式有興趣的可以參考文底連結附檔，記得要先註冊Finlab量化平台才可有權限使用程式喔！

colab程式範例

你或許會覺得遙不可及但其實每個人都有機會可以辦得到！

這集我們將分享客製化工具，幫你完成人生的財務規劃！

最主要的原理是使用蒙地卡羅演算法，並且每天去隨機採集投資商品的報酬率，進而算出投資風險歸零的可能，非常適合拿來做財務規劃時使用喔！尤其是要不要買房？要不要生小孩？要不要跟爸媽住？ 這些非常難衡量的問題，都可以藉由這個模擬器，模擬你的100種財務人生！ 趕快來玩玩看吧！

大家好歡迎來到 FinLab 財經實驗室，我是韓承佑

每週跟你一起投資理財做實驗！

今天我們要來討論一個最根本、也最重要的問題財務規劃！

沒有好的規劃，要馬就是不小心花太多錢，只好晚點退休

不然就是過得太節省，犧牲了生活品質

好的財務規劃不止可以讓你可以早10年退休還可以適度的享受人生！

市面上有很多的財務規劃工具，但是都離實際的狀況差很遠

市面上理財規劃工具不準確的三個原因

一、沒有考慮大項支出

例如有些人是跟爸媽住不用花錢，薪水可以全部存起來

有些人在外地租房子，每個月要繳房租

甚至有人已經買了房子，正在繳沈重的房貸

有些人打算在未來生小孩，之後每月可能會需要一筆不小的開銷

每個人的狀況都不一樣，所以在投資或是未來規劃上一定會有所不同

不能全部用同樣的財務設定

二、沒有考慮投資虧損

不知道你有沒有聽過 4% 法則

也就是將所有存款都拿來投資指數

而指數的平均報酬率每年約在 4% ，所以每年都可以拿出 4%出來花

並且維持財富自由

以一個小資族每年花費 60 萬的狀況下

基本上需要1500萬，即可達成財富自由

然而這樣的自由是有風險的！

指數並不是每年讓你穩穩的賺 4％

有時候是虧損有時候有獲利平均起來才有 4％

所以在虧損的那年，你還得將從帳戶中提取 4%

這樣的話有可能會讓你的 4%法則失效

讓你退休後只能吃土！

大部分的工具只能單純設定每年報酬率，但沒有辦法幫你考慮投資的虧損

但往往虧損的風險才是最關鍵的！

三、沒有考慮帳戶歸零機率

退休之後我們很有可能只靠投資，並沒有像是以前工作的穩定收入

在這樣的狀況下，好處是可以用錢滾錢，不用真的付出太多勞力跟時間

但壞處是假如遇到投資失利，自己的帳戶是有可能歸零的！

雖然現在政府有規劃很多高齡福利制度

但大家一定都希望，自己退休後能夠有一定的物質生活水平

所以假如想要有一個很棒的退休生活，就必須要將風險盡量地減少！

一般的工具只會跟你講投資每年 4% 成長

然而我們今天分享的工具，會幫你計算帳戶歸零的風險

我們就可以藉由調整財務規劃，讓帳戶歸零的風險降到最低

接下來我們免費分享這個工具，讓你做正確的理財規劃

這套工具總共花了我們一整個禮拜的製作！

只換你一個讚跟訂閱，是不是很划算？

每個禮拜跟我們一起投資理財做實驗！

我們會分享理財工具，利用這些工具讓你成為人生的贏家！

現在就開始來看看這個工具要如何使用吧！

首先我們先假設有一個小資族 小佑

在25歲的時候平常省吃儉用，靠著爸媽的零用錢存款有10萬元

小佑畢業後北飄到台北找工作，每個月薪水是4萬塊

預計是每10年薪水可以上升1萬元，預計想要在65歲退休

但是每個月扣除房租是1萬元，再扣除生活開銷1萬元

假如不投資的情況下，退休後會有多少存款呢？

首先是初始設定，小佑的年齡為25即時資金為10萬塊 

再來是居住的需求設定，小佑的居住需求較小

找到學校旁邊的學生宿舍，過著儉樸的生活，租金是1萬元

目前由於沒有買房的需求，所以在買房的部分不需要做任何設定 

系統就會自動略過！

接下來我們來設定薪水，起始薪水是4萬元從25歲到65歲為止 

那接下來每十年都新增10000

從35歲到65歲，45歲到65歲，55歲到65歲 

另外設定每個月的生活固定開銷20000

我們可以看到設定完之後，現金流就會顯示於下方 

我們可以決定是不是要開啟現金流 

設定完現金流之後，我們就可以開始模擬了 

我們先假設小佑原本完全不會投資，所以投資的部位是0 

那我們就可以模擬小佑從25歲到95歲 

總共會有多少的獲利或者是支出？

讓模擬器跑幾秒鐘之後，就可以得到結果 

我們可以看到，在2060年以前小佑不斷地工作存錢 

在退休的時候總資產可以來到1200萬 

在往後的退休生活中，依然維持簡樸的生活最後 

在自己95歲的時候，還有大約166萬的資產 

總結來說小佑獲得一個體面的人生 

工作很辛苦薪水並不是太多 

對自己出國的夢想，就只能用看旅遊生活頻道來代替了！

然而，

在另外一種人生中

小佑學習了如何投資理財 

並且投入了自己存款的10％來投資，究竟會發生什麼事呢？

我們將投資部位調整成10％，並且重新按下執行 

就可以發現複利的力量是非常驚人的！

可以看到小又在退休的時候，資產比原本多了平均約3百萬

來到了1500萬！

並且在退休後的30年，小佑的資產由於有投資的外快所以只是緩慢減少

在90歲的時候，甚至有60%的機率，總資產會介於600萬到1100萬之間！

那這樣的話小佑的出國夢就可以實現了！

我們可以往下拉來看到小佑在90歲時候，總資產的數值分佈 

X軸代表總資產 

Y軸代表發生的機率 

我們可以看到在大部分的情況下 

小佑就算90歲了資產還是可以約在1000萬以上

小佑的資產大於1000萬以上的機率是70%以上 

那同時我們也可以來看看，要是小佑提高了投資的比例 

是不是可以有更好的財務成就呢？

我們將投資比例拉到30%，並且再模擬一次 

就可以看到資產來到了2千萬到7千萬之間！

可以看見複利的實力是很可怕的！

這時候小佑就想，既然我以後這麼有錢 

那是不是該買個房子呢？

所以在上面這邊的現金流，就可以新增買房的年齡 

小佑想要在45歲的時候買一個房子，房價大約是1200萬元

貸款成數7，也就是小佑要先繳 3成的頭期款 

另外7成就以房貸的方式，每個月還款

希望能可以在20年內繳還完畢 

房貸利率呢可以參考現在現行利率1.3% 

調整完之後，我們可以直接在按一次模擬分析

就可以得到下圖：

我們可以看到小佑帳戶歸零的機率為47% 

代表小又在45歲買房的風險還是蠻高的 

但沒關係因為小佑可以學習投資的方法，來幫助增加投資的效率

在上述模擬投資的獲利和風險時，預設是使用0050 

大家也可以依照自己投資的程度 

將0050換成報酬率更高的標的！

最後模擬出來的績效也會變得更高 

但現實生活中你投資的績效有這麼好嗎？

要如何增進自己的投資績效呢？

可以參考我們所推出的3堂程式課程！

這三堂課程，是我們花了非常多的時間做打造出來的 

會教你怎麼用程式的方式建構一個績效更好風險更小的投資系統！

上完課程，你就可以打造出投資績效比0050還要高很多的策略 

我們的課程累積共有超過1萬人參與，700則好評，平均評分為5.0 / 5

這三堂課程都有免費試上的單元可以到這裡來看看喔！

小佑學習了上述的課程績效從0050，升級成等同於NASDAQ指數甚至跟好！

並且增加投資的比率後，是不是在45歲的時候就買得起這個房子呢？

我們將投資部位上升到80％，就發現吃土的機率呢從原本的25%下降到百分之12％

代表這樣的風險是比較能夠承受的

往下拉可以看到就算小佑在45歲買了一個房子 

在90歲的時候總資產大於2000萬的機率還是有90% 

目前吃土的機率是 12%，至於更進一步地降低吃土的機率 

就只能靠「增加自己的收入」、「 延長房貸的年限」、「 買便宜一點的房子」、「 延後買房」 來達成囉！

在這個影片中我們可以發現，就算是一個小資族 

透過投資理財的方式，也可以大大地提升生活的品質 

從原本省吃儉用，變成小康，甚至透過長期的累積，達到富裕的等級！

你身邊是不是還有很多朋友，還沒有開始投資呢？

趕快跟他分享這個超級好用的工具！

幫助他早10年退休，絕對是有可能的！

這些內容明明就很重要，為何在學校都沒有教呢？

我們做這個頻道的初衷，就是希望可以藉由各種工具

使大家能夠有更好的財務人生！

最後想問大家都規劃在幾歲買房幾歲退休呢？

可以在下方留言跟我們分享你的理財規劃喔！

另外你希望我們做什麼樣的理財工具或實驗幫助你呢？

也歡迎在下方留言告訴我喔！

對了，也可以參考看看我們其他的教學影片

教你怎麼預測股市泡沫！

教你如何在價格上漲大家瘋狂時戒慎恐懼

在價格下跌大家恐懼時處之泰然的加碼

下禮拜同一時間再跟一起投資理財做實驗！

我們現在處於一個大泡泡中，

全球指數漲翻天，

更不缺像是比特幣、特斯拉這種倍數增長的個股，

你要怎麼在這樣的炒作行情下獲利，甚至是高效獲利，

將小泡泡吹成大泡泡，

就讓我們用數學的方法算給你看！

當前全球股市指數都頻頻創高，

有些人引以為戒，調節部位，

有些人享受當下，乘風破浪，多賺一把，

你是哪一種人呢？

LPPLS 如何幫助我們選股呢？

我們今天要介紹的選股方式，

就是利用泡沫，將你的資產越吹越大！

具體而言要如何辦到呢？

這個影片中你會學到如何用 LPPL 來選股，

找出潛在的泡沫股票，

讓市場的瘋狂將這些標的推升，

在泡沫吹大後，

趁著還沒有爆掉之前，趕快出脫，

再轉手下一檔股票，不斷的轉換！

上禮拜我們介紹了 LPPLS 泡沫檢視器，

可以幫你預測泡沫何時來臨，以及泡沫發生的機率，

並且免費贈送一套工具，讓你診斷，

還沒看的，可以先去看上一集，

看完那篇，就會更瞭解其中的數學原理喔！

LPPLS 要如何檢測是否有泡沫呢？

簡單來講，LPPLS 假如想要預測當下的泡沫

就會使用很多不同大小的時間窗格，

針對每個時間窗格，都去檢測時間序列是否有泡沫，

由於 LPPL 演算法並不穩定，所以每個時間窗格，都會給出不同的答案

有些時間窗格會顯示有泡沫，而有些則不會。

所以 LPPLS 就是將所有的結果匯總起來，

例如範例中，有18個時間窗格，那其中有5個窗格顯示有泡沫，

則發生泡沫的機率就是 5 / 18

那我們就來做實驗吧！

我們實驗涉及了台股2000檔股票、

乘以共3000多天的歷史資料！

乘以每天 18 個時間窗格的分析

總共進行了4 百萬次的 LPPL 分析

只換你一個讚和訂閱就好了，是不是很划算？

用 LPPLS 分析 0050

接下來就讓我們來看一下分析好的結果吧！

我們針對每檔股票 每20天跑一次LPPL，

以台灣50ETF為例子，我們可以看到

紅色的是價格，

而藍色為每20天的 LPPL 的顯示結果，

數值高代表可能有泡沫，

數值低代表是反泡沫，也就是可能會有觸底反彈的事件發生

由於我們是每20天執行一次LPPL

所以訊號會比較稀疏

但大致上還是可以預測低點或是高點

LPPLS 台股總體分析

在下面的圖中，我們針對每一檔股票，

都去執行上述 LPPL 的計算

就可以得到在某個時刻，

台股整體究竟有幾檔股票有泡沫，或是反向泡沫

首先，我們可以以2020年底，繪製出有多少股票可能會有泡沫，並且泡沫的程度是多少。

橫軸是LPPL得分，就跟我們剛剛說的一樣，

數值是正的代表股票越容易有泡沫，

0代表不會有泡沫

數值是負的代表股票可能有反向泡沫，

而縱軸則是得到該分數的股票的數量，

由於2020年底瘋狂上漲，

我們可以看到很多股票都有泡沫的現象

例如滑鼠指的這裡，大約有140檔股票，得分為 1 ，代表140檔股票有潛在泡沫發生，

另外，我們以2020年疫情崩盤為例子，

可以看到 4 月 8 號時的全體台股，LPPL 分佈圖，

這個分佈圖，大部分的股票得分是負的，代表有反向的泡沫，是反向操作的好時機

我們可以將每20天的股票，

所有得分加總起來會得到下圖，

紅色是加權指數報酬率，

藍色是所有股票得分總和，

設計一個簡單的策略，

當得分來到-500以下，

並且分數逐底時，自信進場

這些時刻就是自信進場接刀，賭身家的時間了！（開玩笑的）

平時如何應用泡沫選股指標獲利呢？

但我們可以發現，這種時機點幾年才有一次，

所以平常的時候，要怎麼用LPPL指標獲利呢？

我們這邊可以簡單地來分析一下，

將所有股票依照LPPL的分數，來進行分組，

縱軸是LPPL分數，橫軸持有天數，

而色溫圖則是報酬率

例如，我們看到當LPPL分數為 7 的股票群，未來發生泡沫的機率高，

所以在評分完後的13~19天，可能會崩跌，

另外，當LPPL評分為 -7 ，代表可能有反向泡沫，

雖然會序跌造成虧損，但也會跌深反彈，

我們可以看到滑鼠附近顏色比較跳躍，

代表跌深反彈的時間上非常難抓，

代表接刀困難，很難寫成策略。

不過我們可以看到此圖中最亮的部分，

報酬率平均到達2％之多，很適合高效的選股，

代表這部分的股票，由於上漲的關係

雖然被認為是有泡沫發生的可能，但是發生的機率比較低，

適合做趨勢型的追蹤測略，

接下來我們就可以來設計一個策略

每20天換股一次，平均的買入所有 LPPLS 評分為 N 的股票清單

累積報酬率顯示如下：

累積報酬率最好的是LPPLS分數為 2 的股票

其實LPPLS分數為 1～3 的標的，表現的還不錯

但是LPPLS分數為 4、5 的標的，由於泡沫發生的機率增加，

所以導致報酬率小於綠色的大盤

實單做實驗

做實驗就要用真槍實彈，不要紙上談兵，

接下來，我們就真的來買入LPPLS分數為2的這些股票，

我們將這些股票平均分散買入，並且測試看看20天後的報酬率！

下圖是使用這個策略的月報酬率分佈結果，可以看到策略的報酬率分佈偏向右邊，

代表使用這個策略的期望值是正的，是大於 1的。

但是還是有很多個月是小於 1 ，是虧錢的，

這次使用這個策略，每個月的勝率是65％，

對於量化交易來說，我們盡可能製作出一個期望值為正的骰子

但是要獲利的話，短期來說還是得靠運氣

但由於我們做的骰子期望值大於 1

你必需要不斷的骰，持之以恒

才能夠體會它的功效！

結語

在留言區輸入股票代號，我們就會告訴你目前他的泡沫指數是不是2

假如是2，就代表是有小泡沫的股票，適合買入，

假如大於 4，就代表泡沫有潛在破裂的可能，要稍微減碼囉！

趕快來檢驗看看吧！

讓 FinLab 告訴你什麼時候泡沫會破裂
讓你在大家瘋狂的時候，獲利了結
等到恐懼的時候，再逆勢買進

金融波動大，要如何高買低賣？

2020算是金融波動非常大的一年，
三月因為疫情關係，台股暴跌到8000多點，
大家都覺得完蛋了，於是出清股票，停損觀望，
想不到這時候政府國安基金，全球印鈔 QE 救經濟，
去年年底，台股又飆升到了 14000 點，
簡直就像是坐雲霄飛車一樣！

要如何買在低點買在高點呢？
就要像巴菲特說的一樣，眾人恐懼我貪婪！
但這句話其實我們已經聽到爛掉了，具體而言要怎麼實行呢？
其實非常困難，例如在三月的時候，股市崩盤，
親朋好友都叫你趕快賣掉股票了，你還不賣嗎？
那時候疫情剛爆發，感染者成倍數增長，
你哪有勇氣說自己是對的？你的勇氣會從哪裡來呢？

答案是從數學來的

全市場通用的泡沫模型

今天我們要介紹的泡沫模型
是多次預測泡沫包含

• 1990年納斯達克泡沫
• 2000年科技泡沫
• 2008年石油危機
• 中國市場泡沫
• 2009年美國房市泡沫
• 還有比特幣2017年泡沫

這個模型的簡稱是 LPPL 模型
全名是 Log-Periodic Power Law Model
原理其實就是假設這個世界有兩種人
A 和 B
首先 A 這類的人，他們是聽從別人建議的人，
也就是別人買我就買，看到別人賣我就賣，
而 B 是有自我主張的人，
也就說他不管別人的建議會按照，自己的行為來做決定，
而這個自由市場中，
A 跟 B 的訊息會不斷地交換，
交互影響對方的選擇。

以你來說好了，
有時候你會有自我的主張，
也就是對股票進行買賣，
但有時候你可能也會聽從別的意見，當作參考
每個人都有可能有時候是 A 或者是 B，
當今天泡沫高漲的時候，
這個價格系統臨界點發生時，
會有這麼一瞬間，
大家都變成 A，一致做出賣出的決定！
導致價格的崩跌。

LPPL 數學原理

有了這樣的概念，我們就可以來設計一個價格模型，
什麼是價格模型？簡單來講就是一個預測真實世界的公式。
LPPL 公式推導非常地複雜，借鏡了統一場論，
利用模擬群體的交互作用的總體效應，來大幅化簡模擬的複雜度。

下圖中，我們用圖讓大家更了解這個公式的數學原理：

首先 LPPL 模型，最重要的會有三個元素

• 一個是橘色的這個點
• 那另外是這條藍色的曲線
• 最後還有這條紅色的曲線

那這邊橘色的這個點，
它其實就代表著崩盤的時候的最高價格 A，
那什麼時候會崩盤時間點就是 tc，
那我們可以看到這邊除了這個橘色的點以外，
還有這條藍色的時間序列，它就是在敘述，
泡沫整體上漲的幅度。

最後，價格其實是會有波動，
所以除了用藍色這一條線來描述價格以外
我們還會需要小週期的震盪，
也就是紅色的這一條曲線，來描述波動。

有了這三個元素就可以，
更正確地來描述泡沫破裂的時間序列公式，
那我們的就可以將這三個部分，
合併成同一個公式，
來描述說當今天泡沫發生的時候，價格隨時間的變化。

那你可能就會說
「我們究竟要怎麼樣將這個公式
使用在我們現在任何一個商品中？！」

那接下來我們就可以來看一個例子，

例如這邊我們有一個商品，
它的歷史價格時間序列是上圖右半邊，
那我們就懷疑，最近價格漲了好高，
是不是有泡沫會發生呢？

那這時候，可以用剛剛的公式，也就是 P(T)，
代入不同的參數進去，會算出不同的時間序列（以顏色表示），
那這時候，就可以找到一組參數，
它會讓我們的時間序列最接近真實的歷史價格，
例如我們可以看到，這 4 個（顏色的）時間序列中，
紅色的時間序列，長得最接近原本的歷史價格，
所以我們就會說，這組時間序列的參數是比較合理的，
這組合理的參數裡面，就包含了 tc，也就是泡沫破裂的時間點！

你可能會問，這個公式真的能幫助我們賺到錢嗎？
我們要怎麼應證它是有用的呢？

跟我們一起來做實驗吧！

我們已經幫你做好了工具，可以直接來使用，
這個工具的費用，就是幫訂閱我們的部落格、YT
用正確方法和數學公式，安全穩定地投資理財，
這一套工具將會完全免費送給你！

這個股票泡沫檢測器不只可以幫你判斷，
究竟現在這個商品是否有泡沫，
我們可以針對任何一檔股票，
甚至是 Bitcoin 來做檢測，
只要是有收錄在 Yahoo Finance 的標的，全部都可以拿來做預測分析喔！