庫藏股資料處理

透過FinLab資料庫，我們可取得庫藏股資訊，在之前的「庫藏股實施家數｜崩盤後的長線抄底訊號｜左側交易」文章中有相關實作，不過上篇是用「董事會決議庫藏股的日期」當訊號，這次換示範另一種寫法，使用「庫藏股實施期間」來當訊號，更能精準反應當下有在護盤的公司大概的總家數。

程式範例

import pandas as pd
from finlab import data

預定買回期間_起 = data.get('treasury_stock:預定買回期間-起').unstack()
預定買回期間_迄 = data.get('treasury_stock:預定買回期間-迄').unstack()
# date 為董事會決議庫藏股日期
treasury_stock = pd.DataFrame({'預定買回期間_起':預定買回期間_起, '預定買回期間_迄':預定買回期間_迄}).dropna(how='all')
treasury_stock.index.names = ['stock_id', 'date']

# 產生實施期間序列
treasury_stock['period'] = [pd.date_range(s,e).to_list() for s,e in zip(treasury_stock['預定買回期間_起'],treasury_stock['預定買回期間_迄'])] 

# 使用 explode 展開資料
treasury_stock_period = treasury_stock.explode('period')
treasury_stock_period = treasury_stock_period[['period']]

# 計算每日預計實施庫藏股的公司家數
treasury_count = treasury_stock_period.groupby(['period'])['period'].count()
benchmark = data.get('benchmark_return:發行量加權股價報酬指數')

# 日期索引對應加權大盤報酬指數
treasury_count = treasury_count.reindex(benchmark.index).fillna(0)
treasury_count.plot()

程式說明

• 組裝資料
  將「預定買回期間起迄」兩份資料使用 unstack 方法 將格式從 pivot 轉換成 Series，再組裝成 DataFrame。
• 產生庫藏股實施日日期序列
  將開始與結束日期傳入 date_range 方法，得到日期序列。
• 統計每日預計實施庫藏股的公司家數
  在使用 groupby 與 count 統計每日總家數前，要先使用 explode 方法展開上一個步驟得到的日期資料。
• 日期索引重置
  為了等一下畫圖顯示趨勢，將庫藏股家數趨勢的日期對應加權大盤報酬指數，讓兩條序列長度一致，方便呈現。
• 簡易繪圖檢視
  最後使用dataframe內建的 plot 方法，呈現剛剛整理的數據
  
  

取得國安基金資料

現在 FinLab 的資料庫可以取得國安基金的進出場基本資訊了，詳見資料庫說明。
簡單一行就能取出囉 data.get('national_security_fund')
目前國安基金共啟動8次。

趨勢繪圖

將國安基金實施期間與庫藏股趨勢疊合，比較兩者訊號時間點。

程式範例

import plotly.graph_objects as go
from plotly.subplots import make_subplots

# Create figure with secondary y-axis
fig = make_subplots(specs=[[{"secondary_y": True}]])

# Add traces
fig.add_trace(
    go.Bar(x=treasury_count.index, y=treasury_count.values, marker_color='navy',name="庫藏股實施家數"),
    secondary_y=False,
)

fig.update_traces(marker_color = 'rgba(0,0,250, 0.5)',
                  marker_line_width = 0,
                  selector=dict(type="bar"))

# 大盤指數
fig.add_trace(
    go.Scatter(x=benchmark.index, y=benchmark['發行量加權股價報酬指數'],line = dict(color = '#2C191B'), name="發行量加權股價報酬指數"),
    secondary_y=True,
)

# 國安基金實施期間
for i,row in national_security_fund.iterrows():
    fig.add_vrect(x0=row['啟動時間'], x1=row['退場時間'], 
                  annotation_text=row['時空背景'], annotation_position="top left",
                  fillcolor="green", opacity=0.25, line_width=0)
    
# Add figure title
fig.update_layout(
        title={
            'text': "庫藏股與國安基金護盤趨勢",
            'x': 0.49,
            'y': 0.9,
            'xanchor': 'center',
            'yanchor': 'top'},
        legend=dict(
            orientation="h",
            yanchor="bottom",
            y=1.02,
            xanchor="right",
            x=0.3
        )
)

# Set x-axis title
fig.update_xaxes(title_text="date",
                 rangeselector=dict(
                     buttons=list([
                         dict(count=1,
                              label="1y",
                              step="year",
                              stepmode="backward"),
                         dict(count=3,
                              label="3y",
                              step="year",
                              stepmode="backward"),
                         dict(count=5,
                              label="5y",
                              step="year",
                              stepmode="backward"),
                         dict(count=10,
                              label="10y",
                              step="year",
                              stepmode="backward"),
                         dict(step="all")
                     ])
                 ),
                 rangeslider=dict(
                     visible=True
                 ),
                 type="date")



# Set y-axes titles
fig.update_yaxes(title_text="<b>count</b>", secondary_y=False)
fig.update_yaxes(title_text="<b>benchmark</b>", secondary_y=True,showgrid=False)
fig.show()

救市趨勢分析

政府救市三步

通常政府救市的步驟如下

1.鼓勵企業實施庫藏股

2.限空令 or 找法人喝咖啡

3.國安感冒糖漿(國家金融安定基金)

庫藏股對政府最省事，因為不用自己出一毛錢就可能有效果，當然別人先動手最好。
企業內部人往往對自家公司價值最了解，有些又有質押股票面臨市值下修的壓力。一般來說，庫藏股這類回燒公司資金的事，經營者多會考量價格是否合理(進入低檔)才買入。

從圖表發現，前幾次國安基金進場前，庫藏股家數(藍柱)都會先明顯變多，內部人護盤也撐不住了，國家隊才會進場。
但這次很不一樣，雖然政府在7月初已經 鼓勵企業實施庫藏股，卻沒啥公司響應，於是殺盤持續。即使現在跌多，庫藏股仍靜悄悄，是不是股價不到公司派目標價 (前幾年噴太多)？還是公司派看到未來景氣風險，要保留資金過冬？
還沒等到公司派進場，政府軍這次等不及了，先啟動國安基金，發現還是抵擋不住殺盤，才再祭出「限空令」，SOP似乎和以前不一樣，就怕大招放完後仍抵擋不住，這次沒庫藏股先擋第一線，要自己多扛一點。

如果政府招式出盡後，還是繼續殺呢？那很可能國安基金這個六連勝的底部訊號也會失效，讓我們繼續看下去 ~

下一篇來教大家怎麼將庫藏股和國安基金進出場化作大盤風險濾網加入策略。

程式範例檔

colab連結

註冊 FinLab 量化平台 VIP 才能取得全時段數據喔。

近期事件

新冠肺炎強襲台灣，讓最近波動很大的台股再度面臨破底考驗，市場恐慌的逃命情緒和搶買全聯物資的人潮不相上下，台股在2021年5月上旬急速回檔近10%，下跌過程除了創了盤中最大跌點，也讓年初許多“少年股神”哀鴻遍野。

只要你是倉位較滿的投資人，很難躲過這波沙盤，系統性風險一樣會讓績優成長股崩盤，差別可能在大盤下跌30%，你的投資組合下跌25％。

空頭趨勢總是來的兇猛，想抄底又怕天天都便宜，買到沒錢陷入崩潰，不是每個人都像巴爺爺一樣能本多忠勝，承受左側交易的心理壓力，有沒有指標可以顯現底部將近？讓你抄底抄的有策略，相對能安心有個底？

金管會救市三步

1.鼓勵企業實施庫藏股

2.限空令 or 找法人喝咖啡

3.國安感冒糖漿(國家金融安定基金)

今天主要來探討第一步“鼓勵企業實施庫藏股”，這招對政府最省事，因為不用自己出一毛錢就可能有效果。企業內部人往往對自家公司價值最了解，有些又有質押股票面臨市值下修的壓力。一般來說，庫藏股這類回燒公司資金的事，經營者多會考量價格是否合理(進入低檔)？少部分高檔買庫藏股的企業，要多想想是何居心？

程式驗證

爬蟲

這招有沒有效，寫程式來驗證最快。首先我們要先到公開觀測資訊站取得資料，使用request.post提交查詢表單內容來抓上市櫃庫藏股資料，程式如下：

import pandas as pd
import numpy as np
from datetime import datetime,timedelta
import requests


def combine_index(df, n1, n2):
    """將dataframe df中的股票代號與股票名稱合併

    Keyword arguments:

    Args:
        df (pandas.DataFrame): 此dataframe含有column n1, n2
        n1 (str): 股票代號
        n2 (str): 股票名稱

    Returns:
        df (pandas.DataFrame): 此dataframe的index為「股票代號+股票名稱」
    """

    return df.set_index(df[n1].str.replace(' ', '') + \
                        ' ' + df[n2].str.replace(' ', '')).drop([n1, n2], axis=1)


def crawl_treasury_stock(days=200):
    now =datetime.now().strftime('%Y%m%d')
    end = (datetime.now() - timedelta(days)).strftime('%Y%m%d')
    date_now = str(int(now[:4]) - 1911) + now[4:]
    date_end = str(int(end[:4]) - 1911) + end[4:]

    data = []
    for market_name in ["sii", "otc"]:
        url = 'https://mops.twse.com.tw/mops/web/t35sc09'
        form_data = {
            "encodeURIComponent": "1",
            "step": "1",
            "firstin": "1",
            "off": "1",
            "TYPEK": market_name,
            "d1": date_end,
            "d2": date_now,
            "RD": "1",
        }

        res = requests.post(url, form_data)
        page_count = len(pd.read_html(res.text))
        page_start = 11
        page_end = page_count - 2
        df = pd.concat([pd.read_html(res.text)[n] for n in range(page_start, page_end)])
        data.append(df)

    df_all = pd.concat(data)
    df_all = df_all.astype(str)
    df_all.columns = ['序號', 'stock_id', '公司名稱', 'date', '買回目的', '買回股份總金額上限',
                      '預定買回股數', '買回價格區間-最低', '買回價格區間-最高', '預定買回期間-起', '預定買回期間-迄', '是否執行完畢',
                      '買回達一定標準資料', '本次已買回股數', '本次執行完畢已註銷或轉讓股數',
                      '本次已買回股數佔預定買回股數比例(%)', '本次已買回總金額',
                      '本次平均每股買回價格', '本次買回股數佔公司已發行股份總數比例(%)', '本次未執行完畢之原因']

    df_all = df_all.drop(columns=['序號', '買回達一定標準資料'])

    def date_process(columns_name):
        df_all[columns_name] = df_all[columns_name].apply(lambda s: s.replace('/', '-')).apply(
            lambda s: datetime.strptime(str(int(s[:s.index('-')]) + 1911) + s[s.index('-'):], '%Y-%m-%d'))

    for i in ['date', '預定買回期間-起', '預定買回期間-迄']:
        date_process(i)
    float_list = ['買回股份總金額上限', '預定買回股數', '買回價格區間-最低', '買回價格區間-最高',
                  '本次已買回股數', '本次執行完畢已註銷或轉讓股數', '本次已買回股數佔預定買回股數比例(%)',
                  '本次已買回總金額', '本次平均每股買回價格', '本次買回股數佔公司已發行股份總數比例(%)']
    df_all[float_list] = df_all[float_list].apply(lambda s: pd.to_numeric(s, errors='coerce')).fillna(0)
    df_all['買回目的'] = ['轉讓股份予員工' if i == "1" else '股權轉換' if i == "2" else '維護公司信用及股東權益' for i in df_all['買回目的']]
    df_all = combine_index(df_all, "stock_id", "公司名稱")
    df_all.index.name = 'stock_id'
    df_all = df_all.reset_index()
    df_all = df_all.set_index(['stock_id', 'date'])
    sort_multi=df_all.index.sortlevel(1,sort_remaining=True)
    treasury_stock=df_all.loc[sort_multi[0]]
    return treasury_stock

清理資料及繪圖

plan_vol=data.get('treasury_stock:預定買回股數')
plan_vol=plan_vol.unstack().dropna()
plan_vol=plan_vol.reset_index()
plan_vol.columns=['stock_id','date','plan_vol']

# 次月1日得知上月統計家數，取標準差抓庫藏股家數特多的極值月份為訊號
plan_vol['date']=plan_vol['date']+ pd.DateOffset(months=1)
plan_vol['year_month']=plan_vol['date'].apply(lambda s:datetime(s.year,s.month,1))
count_num=plan_vol.groupby(['year_month']).count().iloc[:,0].to_frame()
count_num['signal'] = ['crimson' if x > int(count_num.mean()+1.5*np.std(count_num).values) else 'darkcyan' for x in count_num.iloc[:,0]]
count_num=count_num.reset_index()
count_num=count_num.rename(columns={'stock_id':'count'})

將上市櫃的庫藏股實施情況統計一下，發現前月庫藏股實施家數超過1.5個標準差時，會浮現長線(月週期)買點，但之後會不會馬上走長多就不一定了，2008年金融海嘯時，跌到半山腰，就很多企業實施庫藏股，卻仍檔不住強大賣壓，連續數月多家公司實施庫藏股後才止跌回升，長期來看仍是相對低點。

而在其他幾波，像是去年歐美疫情最慘烈的3月，該訊號再度浮現，只出現一次就止跌，拉出另一波強勢多頭。

那最近該指標有無閃出訊號？看來是沒有。

最近政府接連出招，目前這波只有國安基金說會密切注意市場的消息，還在口水護盤的情況。未來若進一步出現大跌，該指標會不會出現紅棒訊號呢？讓我們繼續觀察，可以使用置底的程式來看相關圖標訊號。

結論：

長期投資攤平的策略可觀察庫藏股實施家數的月統計狀況做第一波買進切入，在實施家數大增時，標的若有公司派護盤，籌碼面會相對抗跌，可以另外拉出當月宣佈開始執行庫藏股的公司。

國安基金的進場時機常接在該訊號之後，因此若對選股不太有把握，指數型基金與權值股會是抓大盤反彈行情的最佳選擇

Colab程式碼連結