月營收選股策略 – 創高基礎型態

程式範例

from finlab import data
from finlab.backtest import sim

rev = data.get('monthly_revenue:當月營收')
rev_yoy_growth = data.get('monthly_revenue:去年同月增減(%)')

# 近2月平均營收
rev_ma = rev.average(2)

# 近2月平均營收創12個月來新高
condition = rev_ma == rev_ma.rolling(12, min_periods=6).max()

# 單月營收年增率與訊號相乘，若訊號為False，相乘結果為0
position= rev_yoy_growth*condition

# 符合選股條件的名單中，再選出單月營收年增率前10強，並在營收公告截止日換股。
position=position[position>0].is_largest(10)

report=sim(position ,name="營收動能",upload=False)
report.display()

程式非常簡單，只有10來行。說明幾個關鍵處。
月營收有個關鍵在要注意過年效應，有時候年假在1月、有時在2月中旬前，由於台股多數企業的營運區域都在華人地區，年假通常會停工或減班，如果是在1月過年，訂單常遞延到2月。因此在比較營收時，為了平滑過年效應，我會習慣取近2月平均營收來取代單月營收，不然1、2月若碰到年假，單月營收要創近12月新高的可能性實在太低。

如果策略要實戰，縮減檔數是必須的，因為多數人沒那麼多資金全買，所以範例簡單用單月月營收來選最後10強。你可能會疑惑為何要寫position[position>0].is_largest(10)，而不是position.is_largest(10)就好？那是因為is_largest(10)會選數值前10高的，若沒有排除不符合營收創高的標的，前10高的數值可能會選到不合條件的，會從股號小的標的開始補到10檔為止。

此策略的換股週期是用月營收索引，也就是月營收公告截止日，好處是貼近營收因子發酵期。
來看看策略的表現，非常不錯，15年來，年化高達 26% !
你以為這樣就結束了嗎？其實還可以優化，繼續看下去。

營收股價雙創高的渦輪效應

股價創新高動能

營收利多，最怕利多不漲，那很可能是市場早就反應，因此我們的目標是股價與營收連動，一同創高，代表股價的動能和營收創新高的關聯較大，如何寫出好棒棒的股價創新高動能策略，可以看先前的文章「突破策略豆知識」，運用FinlabDataframe好用的sustiain方法確認突破強度。
程式與回測結果如下：

from finlab.backtest import sim
from finlab import data
with data.universe(market='TSE_OTC'):
    close = data.get("price:收盤價")
    # 近5日內有3日以上的股價創前200日新高
    position = (close == close.rolling(200).max()).sustain(5,2)
    report = sim(position, resample="M", name="創新高延續動能策略", upload=False)
    report.display()

雙渦輪

如果把營收創新高和股價創新高的程式做結合，會發生什麼事？

from finlab import data
from finlab.backtest import sim

close = data.get('price:收盤價')
vol = data.get('price:成交股數')
rev = data.get('monthly_revenue:當月營收')
rev_yoy_growth = data.get('monthly_revenue:去年同月增減(%)')

# 近2月平均營收
rev_ma = rev.average(2)

# 近2月平均營收創12個月來新高
condition1 = rev_ma == rev_ma.rolling(12, min_periods=6).max()
# 近5日內有2日股價創新高
condition2 = (close == close.rolling(200).max()).sustain(5,2)
# 近五日成交均量大於500張
condition3 = vol.average(5) > 500*1000
conditions = condition1 & condition2 & condition3

# 符合選股條件的名單中，再選出單月營收年增率前10強，並在營收公告截止日換股。
position= rev_yoy_growth*conditions

position=position[position>0].is_largest(10).reindex(rev.index_str_to_date().index, method='ffill')

# 設定position_limit避免重壓
report = sim(position=position,stop_loss=0.2,take_profit=0.8, position_limit=0.25, fee_ratio=1.425/1000*0.3,name="營收股價雙渦輪",upload=False)
report.display()

上面程式要注意的小地方是有加上流動性條件，只買近五日成交均量大於500張的標的，避免太冷門的標的很難入手。由於月營收創高和股價創高的條件交集後，會轉成日週期索引，若要使用月營收截止日換股，必須要做reindex的動作，rev.index_str_to_date 會將月營收文字格式日期轉成月營收公告截止日，例如 2022-M10 變成 2022-11-11。

最後為避免重壓標地，設定position_limit=0.25，代表單擋持股上限為25%，避免只選到1-2檔全壓的大波動狀況。如果偏好降低波動，也可調成0.1，如此一來若只選到4檔標的，總持股比例只會有40%，在熊市時由於創新高標的本來就少，因此持股比例自然降低，具自然避險躲空頭的效果。

停損不建議設定小，此策略波動較大，設太小容易被洗掉。最後來看看加乘的效果吧！
15年來年化報酬37%！夏普率1.3，幾乎每一年都獲利，比前述單因子選股的表現優異許多，熊市年 2022 竟然還有16%正報酬，以條件這麼簡單的策略來說，算是很神的成績！

結論

colab 範例
量化平台部署範例
簡單卻很有實戰性，這就是FinLab與其他地方不同之處，不走太學術的路線，考慮實戰面，除了完整公開程式碼，還跟你講策略背後的思維。
此策略當然還有優化的空間～但這就是大家各自的功課了，Ben 把最核心的條件交給你了，一起去找股海的大秘寶吧！

從頭開始學 python

這篇文章中
我們會帶著初學者開始再從頭瞭解
如何用 python 分析財經資料，並從中獲利！

你是程式新手嗎？
不用擔心，只要跟著這一系列的教學，
保證你一定學的會！
這一系列教學將會是hahow課程中的化簡，但是可以幫助新手無痛的開始使用python！

請點選此此課程範例，免費線上運行程式碼

使用 Google Colab 來寫 Python

Google ，佛心來著的公司，最近推出了免費雲端寫程式的平台： Google Colab
不用安裝任何軟體，可以線上免費使用 Python 實在是太方便了！只要打開 Colab 並且新增一個 notebook ，並將下方的 Code 複製貼上跑一跑囉！當然你也可以打開已經寫好的課程範例，免費線上運行程式碼！讓你快速體驗 Colab 的實力！廢話不多說，進入今天的正題吧！

用 Python 製作爬蟲爬取歷史股價

首先要先獲取股價資料，我們會用常用的 Python 函式庫：yfinance
它可以將網路上的資料給下載下來，給程式使用，我們可以先用 pip 來安裝 yfinance，pip 就像是程式安裝精靈，可以幫我們安裝各式各樣的 Python package。

!pip install yfinance

上面第一個字是驚嘆號！是 Colab 上使用 bash 語法必需要使用的開頭。假如你是在自己的電腦，例如 cmd 或是 anaconda prompt，就不需要驚嘆號喔！

接下來

import yfinance as yf

這邊的import，就像是我們在電腦裡面打開某個軟體來使用，一樣的意思。我們打開 yfinance，並且重新將它取名為「yf」，方便我們之後呼叫（打兩個字比較輕鬆啦！）

接下來我們可以用它來下載「台積電」的資料：

df = yf.Ticker("2330.TW").history(period="max")
df

上述指令中，我們輸入的股票代號為：

• 2330.TW 是台積電在 yahoo finance 上的 symbol，你也可以任意換成其他的，例如蘋果（AAPL），特斯拉（TSLA），微軟（MSFT）等等
• period=’max’ ，我們希望拿取最多的歷史資料

透過上述簡單的語法，就可以將台積電在這兩個區間股價資訊給爬下來了！我們可以用 Python 把網址裡內的內容給爬下來。

顯示爬蟲下載數據

可以將下載下來的資料（ df ）顯示出來，之所以叫做 df，是 DataFrame 的簡寫：

df

我們可以看到下載了非常多種類的資料，包含了股票的「開高低收」，另外也有除權息增減資的資訊！該有的價格資料都有了！順帶一題，這個類似表格的格式，是 Python 裡面一個非常重要的 Package 「Pandas」，處理數據非常的方便，可以把它想像是強大且靈活的 Excel。

全球股價爬蟲

你可以將任何一檔股價，包含美股港股台股陸股，用同樣的方式爬下來，只要在yahoo finance可以找到，就一定可以下載的下來喔！例如微軟（MSFT）、蘋果（AAPL）、特斯拉（TSLA），都可以用類似的方法來下載！

有了 google 提供的免費伺服器，我們可以在雲端執行此單元程式碼範例

行有餘力，請點選下一單元，將全球大盤指數都下載下來！

這一系列是我們影音課程的化簡版，
假如對此教程有興趣，歡迎參考我們的影音課程，裡面有更詳細並完整的教學，包含資料庫建置、數據分析、回測等等。當然我們也有免費的文章，以爬蟲來說，就有非常多篇，你可以先逛一逛：

• 超簡單台股每日爬蟲教學
• 超簡單用python抓取每月營收
• 三大法人爬蟲：Python實作教學
• python上櫃資料爬蟲輕鬆做
• 財報爬蟲超簡單 – 用Python一次抓綜合損益、資產負債、營利分析
• Python爬蟲教學｜台股數據｜集保戶股權分散表

除了爬股票分析的資料，我們還有爬一些奇特的數據，有需要也可以來看看：

• 用程式分析房地產可行嗎？房地產爬蟲教學在這裡！
• 用Python投資加密貨幣：爬蟲下載歷史數據 (Part 2)
• Python爬蟲教學｜美國勞動部統計局API｜失業率
• Python爬蟲教學｜ 財經數據｜台灣貨幣總計數 M1B & M2

1. 均線法

好像是財報狗的收費功能，其實還滿簡單計算的！

• 當近三個月營收平均 > 近一年月營收平均

代表公司最近一季表現比較好，可能會有較亮眼的財報！但可能會有一些怪異的營建股，月營收突然暴增被選進來。

2. 突破法

這個是看Cmoney找到的，創新高的月營收容易被炒作，獲利效果還不錯，我發現24個月創新高最有用！

• 創過去24個月創新高

3. 成長法

這個是我自己研發的指標，其實我在之前有講過，計算稍微複雜一點：

• 當我們要平滑月營收曲線時，取最近的 M 個值平均，產生新的曲線
• 新的曲線連續 N 個月不斷變高。

主要是利用連續N個月，不斷成長的概念！

最後還有MOM、QOQ、YOY

這些就是比較傳統一點的指標：

• MOM 這個月跟上個月比較
• QOQ 當前一季跟前季比（三個月加總）
• YOY 當月跟去年同月相比

以下就是所有方法的回測，我們任意選擇一天觀察當月的指標，將符合條件的股票納入監測（假設平均買入），並在60天後賣出並選擇新的股票，每60天一次循環，以下是績效：

在這場大亂鬥中，從爛到優慢慢分析：

傳統指標普遍效果較差

這三個指標，假如值為正就買入。
MOM 自然是最遜的指標，但也不能怪它，畢竟他只用了最近兩個月的數據
QOQ、YOY 表現比較好，但畢竟是傳統一點的指標，效果較差，但比MOM好很多了！

因為我是大於零就買入，所以可能效果比較不好，之後有機會再研究看看。

第三名：均線法（average）

首先我們看到財報狗付費策略裡面，收錄的均線法（average），我們發現這個方法還不賴，每個月選到的股票大部分都在400檔以上，過年的二月也有一兩百檔，算是個很平穩的策略

第二名：突破法（break through）

老實說突破法大部分的時間都輸給均線法，唯獨2015年中，壓注在單一檔股票（只有一檔符合條件），而該股票剛好是飆股，於是瞬間超越多數方法，然而非常不推薦一般選股使用。

第一名：我發明的成長法（increase）

最後我的成長法小勝一籌，原因是它選出的股票，獲利成長都常常很驚人（單看月營收的話）！但選出來的股票比較少，平常有一兩百檔，有時候只有數十檔，成長法的原理我在那篇文章 有講過，有興趣可以看一看喔！

選股參考：均線法

均線法找出的股票數量比較多，每六檔股票裡面就有一檔，適合當選股的輔助判斷，每當你看某檔股票時，偶爾用均線法判斷一下。

積極選股：成長法

成長法找出的股票數量比較少，過濾了太多的股票（然而改變參數也是可以的），所以比較適合積極型選股，從中再挑選較好的股票。

均線法跟成長法這兩個方法找出來的股票比較穩定，第二名的突破法有點像是賽到XDD，以後選股大可以參考這兩個指標，作為買賣參考依據！近日我會針對這兩個指標教大家實做！有興趣記得要關注這個部落格喔！

大家還知道月營收可以變出什麼有趣的指標嗎？可以分享給我喔！幫你測測看～

下載近12個月的月報

之前我們也講過如何獲取月營收的歷史資訊

請先到該網站把monthly_report給copy下來，我們接下來會用到喔！

monthly_report這個函式，會下載上市公司月報，並整理成pandas.DataFrame，也就是一種存在python中的表格。接下來我們連續呼叫monthly_report來把近12個月的資料收集整齊：

import datetime
import pandas as pd
import time

data = {}
n_days = 12
now = datetime.datetime.now()

year = now.year
month = now.month

while len(data) < n_days:
    
    print('parsing', year, month)
    
    # 使用 crawPrice 爬資料
    try:
        data['%d-%d-01'%(year, month)] = monthly_report(year, month)
    except Exception as e:
        print('get 404, please check if the revenues are not revealed')
    
    # 減一個月
    month -= 1
    if month == 0:
        month = 12
        year -= 1

    time.sleep(10)

執行的時候，有一行error，因為新的月報還沒有下來的原因，而其它天都是成功的，這樣都算是正常！

以上這段code請大家一定要看的懂喔！我們要的只有 data 這個 dictionary 物件，裡面依照不同的日期，存放著所有股票的月營收。例如，你可以顯示data['2017-12-01']，就會顯示以下這張表：

代表 2017 年 12 月的月營收。

數據處理 – 合成時間序列

根據不同的日期，有不同的dataFrame，用起來有點麻煩，所以我們再經過一個處理，將所有數據結合，變成時間序列：

數據處理─結合月營收資訊

for k in data.keys():
    data[k].index = data[k]['公司代號']
    
df = pd.DataFrame({k:df['當月營收'] for k, df in data.items()}).transpose()
df.index = pd.to_datetime(df.index)
df = df.sort_index()

最後產出的 df 可以囉！df 的結構如下：

這個 df 超級好用，以下示範畫出 1101（台泥） 的月營收曲線圖：

還有他的MOM：

各種變化就讓大家自己去玩囉～這邊還是得著重在選股的功能上！

開始選股

首先，大家可以參考最近寫的，三種月營收進階看法，裡面的選股條件，接下來會一一實做：

平均線法

平均線法選股

method1 = df.iloc[-3:].mean() > df.iloc[-12:].mean()
method1[method1 == True].index

噹啷！就這麼一行，選出來了，會有非常多的標的，還可以再進行過濾。
這邊有一些厲害的 function 提一下：

• iloc[i:j] 選取第i個到第j個數據
• mean() 選處取出來的series的平均

成長法

成長法選股

method2 = df.rolling(4, min_periods=2).mean()
method2 = (method2 > method2.shift()).iloc[-5:].sum()
method2[method2 == 5]

第一行首先是平滑，做出平均序列，其中min_periods=2 代表只要有兩筆數據以上，就計算平均，不然就寫成NaN。
第二、三行是說這條平滑曲線，近五個月都是上升

創新高法

創新高法選股

method3 = df.iloc[-1] == df.iloc[-12:].max()
method3[method3 == True].index

使用方法

可以將各種的條件再做組合，例如用股價淨值比，或是 ROE，實測都有不錯的效果喔！

真的不要把程式交易想像的很難，感覺爬2000多支股票，並整理資料，好像是一件很累很痛苦的是情，但真的只需要30行，你可能會覺得這些代碼真的太短了，但真的就是這麼短，然而這必須建立在python或是R，這些package豐富的腳本語言才有可能辦到，這兩個語言都不錯，但我比較喜歡寫python就是了XD，因為python還可以做很多酷炫的事情，例如寫server，或是一些自動化工具，然而R好像沒有這麼多功能？

那我們就來爬取吧！首先先決定要爬哪個網頁，我選擇的是TWSE官方網頁
它的網址是
http://mops.twse.com.tw/nas/t21/sii/t21sc03_103_2_0.html

各位有看到103這個數字嗎？其實這個就是年份，而緊接在後面的 “2” 就是月份，所以只要改動這兩個值，我們就可以下載不同年月的歷史資訊：

月爬蟲

import pandas as pd
import requests
from io import StringIO
import time
def monthly_report(year, month):
    
    # 假如是西元，轉成民國
    if year > 1990:
        year -= 1911
    
    url = 'https://mops.twse.com.tw/nas/t21/sii/t21sc03_'+str(year)+'_'+str(month)+'_0.html'
    if year <= 98:
        url = 'https://mops.twse.com.tw/nas/t21/sii/t21sc03_'+str(year)+'_'+str(month)+'.html'
    
    # 偽瀏覽器
    headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36'}
    
    # 下載該年月的網站，並用pandas轉換成 dataframe
    r = requests.get(url, headers=headers)
    r.encoding = 'big5'

    dfs = pd.read_html(StringIO(r.text), encoding='big-5')

    df = pd.concat([df for df in dfs if df.shape[1] <= 11 and df.shape[1] > 5])
    
    if 'levels' in dir(df.columns):
        df.columns = df.columns.get_level_values(1)
    else:
        df = df[list(range(0,10))]
        column_index = df.index[(df[0] == '公司代號')][0]
        df.columns = df.iloc[column_index]
    
    df['當月營收'] = pd.to_numeric(df['當月營收'], 'coerce')
    df = df[~df['當月營收'].isnull()]
    df = df[df['公司代號'] != '合計']
    
    # 偽停頓
    time.sleep(5)

    return df

以上這段程式碼就是一個function可以在其它地方隨時呼叫，code真的超短，但這樣就夠了！

接下來我們隨意讀取任意年月份（可以用民國或是西元都支援）：

月爬蟲

# 民國100年1月
monthly_report(100,1)

# 西元2011年1月
monthly_report(2011,1)

就會跑出以下的表格：

其實寫程式真的好簡單XDD，坊間財經軟體都好貴，不就是幾行code而已，是不是！
目前已經交完 日、月 的資料爬取了，下一次就是一季囉！

當然還有各式各樣可以爬的東西，有時間再跟大家介紹～