可能恢復信用交易的個股

參考自「菲式思考」p.299 策略 617。這個策略帶有基本面、籌碼面、事件面的因素，當股票的每股淨值翻到 10 元以上，就能擁有信用交易的資格，資金調度變靈活，有機會吸引投機買盤進場，讓股價往上衝，同時這也代表基本面可能有復甦跡象，一般來說「每股淨值」在 10 元以下的公司都有成長性或財務狀況不穩的狀況，若每股淨值在之後翻到 10 元以上，可能代表營運趨勢改變，會吸引看好轉機的買盤。

不論是恢復或是停止信用交易，都會在每季財報公告截止日後五個工作天進行審核是否恢復信用交易，若是在事前押寶成功，標地真的恢復信用交易，可能買盤力道強，反之押寶失敗，未如情況恢復信用交易，可能基本面仍不夠好，會引發失望賣壓。

書中選股條件

• 每股淨值介於 9～10元之間。
• 近一季營業利益率 > 0。
• 月營收月增率 > 5%。
• 近 3 個月月營收月增率平均 > 5%。
• 使用30天交易日回測。

FinLab 回測驗證

程式碼

from finlab import data
from finlab.backtest import sim

收盤價 = data.get('price:收盤價') 
股價淨值比 = data.get('price_earning_ratio:股價淨值比')
每股淨值 = 收盤價/股價淨值比
營業利益率 = data.get('fundamental_features:營業利益率').deadline()
月營收月增率 = data.get('monthly_revenue:上月比較增減(%)')

c1 = (9 <= 每股淨值) & (每股淨值 < 10)
c2 = 營業利益率 > 0
c3 = 月營收月增率 > 5
c4 = 月營收月增率.average(3) > 5
position = c1 & c2 & c3 & c4
report = sim(position, resample='M', upload=False)
report.display()

回測結果

報酬率與波動

流動性風險

回測交叉比對

由於 FinLab 財報資料庫因要統一 IFRS 會計欄位，資料從 2013 開始，和 XQ 會有差異。
跑出來的數據發現平均年化報酬率、MDD(最大回撤)、勝率 都要比 XQ 回測的結果要差，這可能和書中部分條件定義不清或資料差異所導致。
FinLab 回測結果和 XQ 回測結果近似的地方在該策略的交易次數不多，只有 200多次 ，是比較少見的事件，策略報酬曲線類似，主要報酬都是靠近3年拉起來，2021年前的績效較不穩定。

優化設定方向

• 交易次數過少：需回測單因子條件，看能否用最少的條件得到最多的次數與回測報酬。由於交易次數少，可能某些月份會有 1~2檔 重壓的情況，讓波動風險難以控制，因此應要設定單檔持股比例上限。
• 波動過大：回檔太大，夏普率不夠高，由於該策略是低每股淨值，低每股淨值很可能也是低價股，因此加入之前研究的低價股策略來降波動，參考「給小資族的禮物｜低價股量化策略的實戰訣竅」、「膽小貓策略」。
• 太容易選到流動性很差的標地，有多達 38% 的股票在進出當日的交易張數低於100張，成交金額有 33％ 低於 100 萬，大資金難進出。資金較大者，最好多設定成交量或成交金額條件，降低流動性風險。

策略優化

使用策略優化器，找出最佳條件組合，回測統一加上單檔最大持股上限(position_limit)為 20%的設定，避免重壓的運氣成份。多加一個「低價股策略」的「低波動條件」來看看能否降低波動。

from finlab import data
from finlab.backtest import sim
from finlab.optimize.combinations import sim_conditions

收盤價 = data.get('price:收盤價') 
股價淨值比 = data.get('price_earning_ratio:股價淨值比')
每股淨值 = 收盤價/股價淨值比
營業利益率 = data.get('fundamental_features:營業利益率').deadline()
月營收月增率 = data.get('monthly_revenue:上月比較增減(%)')

最高價 = data.get("price:最高價")
最低價 = data.get("price:最低價")
成交股數 =  data.get("price:成交股數")

c1 = (9 <= 每股淨值) & (每股淨值 < 10)
c2 = 營業利益率 > 0
c3 = 月營收月增率 > 5
c4 = 月營收月增率.average(3) > 5
# 低波動條件
c5 = (1 - 最低價.rolling(60).min()/最高價.rolling(60).max()) < 0.3

conditions = {'c1':c1, 'c2':c2, 'c3':c3, 'c4':c4, 'c5':c5}
report_collection = sim_conditions(conditions=conditions, resample='M', position_limit=0.2, upload=False)

分析結果

優化出的結果「c1 & c2 & c3」這組結果最優，相較書中原本的策略，少加條件 c4 (近 3 個月月營收月增率平均 > 5%)。
原本「c1 & c2 & c3 & c4」的組合再加上單檔最大持股上限後，報酬率巨幅下降到 14.7%! 可見書中原策略的報酬率很可能是重押押對的結果，不可不慎！
持股組合只有「c1 & c2 & c3、 c1 & c2」這兩組報酬率超過 20%，與其他組別拉開差距，比對這兩組合的指標數值。「c1 & c2 & c3」優點是 MDD、avg_mdd (交易對 MDD 平均值)，向下波動風險較小，若願意犧牲一點報酬率換取回檔波動的穩定性，可以考慮調整。

你可能會納悶「c1 & c2 & c3」的交易次數比「c1 & c2」多？不是多一個條件嗎？原因在使用營收資料會增加換股的次數，「c1 & c2」的組合持有天期會比較長，持股組合較少異動。

波動分析 & 停損設定

我們取「c1 & c2 & c3」這組策略來做分析，MAE Distribution 建議了兩種停損設定，分別是勝手MAE Q3 的位置 3.68%、敗手MFE Q3 的位置 13.95%。
使用前者通常可以降低 MDD，並有機會提升報酬率，但因為停損較緊，勝率通常也會降低，可能把原本會大賺的標地也移除。若跑出的報酬率、勝率降幅太大則不適用。
使用後者則通常可維持勝率及報酬率，並止血虧損異常大的交易，但由於停損較鬆，MDD改善的機會比前者小。

未設定停損

停損設定4%

年化報酬率、夏普率、MDD、勝率皆下降，整體波動下調，勝率掉特別多。

停損設定14%

年化報酬率、夏普率、勝率皆下降，MDD 微幅上升。

小結

設定停損的會降低策略指標？年化報酬率還下降些了，為什麼會這樣呢？那是因為有些獲利的藍點也有很大的 MAE ，在停損的過程被犧牲掉了。
既然結果變差，可以不設定停損嗎？答案是「還是要設停損」，因為你不知道策略未來失效時會發生什麼事，雖然停損設定讓回測績效變差，但能在未來交易出現不利情況時，有防火牆止掉大幅虧損，避免大賠是交易的第一要務。

最終策略代碼

from finlab import data
from finlab.backtest import sim

收盤價 = data.get('price:收盤價') 
股價淨值比 = data.get('price_earning_ratio:股價淨值比')
每股淨值 = 收盤價/股價淨值比
營業利益率 = data.get('fundamental_features:營業利益率').deadline()
月營收月增率 = data.get('monthly_revenue:上月比較增減(%)')

c1 = (9 <= 每股淨值) & (每股淨值 < 10)
c2 = 營業利益率 > 0
c3 = 月營收月增率 > 5
position = c1 & c2 & c3
report = sim(position, resample='M', upload=False, position_limit=0.2, mae_mfe_window=40, stop_loss=0.14)

結論

經過以上的策略優化與檢測邏輯，將「菲式策略」的策略 617「可能恢復信用交易的個股」優化為較穩定的版本，站在巨人的肩膀上開發策略，是不是沒有你想像中的難呢？完整的策略優或過程的程式碼從這裡下載，也可以到量化平台定期追蹤此策略的表現。

為什麼要回測?

書中提出 5 點原因，明瞭易懂：

• 評估交易策略
• 節省時間和精力
• 減少風險
• 檢測數據的可靠性
• 提高交易者信心

回測是用電腦程式快速使用歷史數據來模擬策略想法，用數據說話，而不是像江湖術士口說無憑。得已從模擬結果觀察出策略在每個時期的表現、屬性是不是適合自己？例如發現策略績效曲線的最大回檔很高、策略報酬曲線波動很大，那想趨避波動風險的人就要思考避開。

什麼是好的策略？

菲式思考的定義簡單易懂，藉由回測驗證，好又穩定的年化報酬率、勝率，盡量小的最大回撤幅度(MDD)。這裡的好除了絕對值不差，還要是相對大盤優異，大盤牛市時漲更兇，熊市時回檔的大盤少。不然我們不用如此費心，直接投資指數就好。

但你若是投資老手會知道只看這些是不夠的，應該還要再看「夏普率」來評估風險，細節請見影片。

另外只看最大回撤有些陷阱，有時候很優秀的高勝率仍有不小的 MDD，是因為虧損的交易剛好連續在一起，或是某些交易意外碰到公司營運的特殊事件。再來若兩個策略前五大回檔分別是「5、8、10、15、35%」、「15、20、23、25、27%」，單看 MDD 你會覺的是後者比較好。但若用平均來看，降低少數數據影響，則是前者比較好。因此我會建議看 MDD 改看 前5大平均或搭配年化夏普率一起判斷。

勝率的部分看的是最終報酬結果，忽略了持股過程的重要性，若一個策略裡的交易對往往都要先經歷回檔套牢的煎熬，之後才漲上去，你覺得這樣夠好嗎？應該要再檢測交易對的波動細節，看獲利的交易在持有過程是不是很少有回檔，代表買點抓得漂亮，反之若常要先套牢，是不是可以思考延後進場？虧損的交易若普遍先上漲再下跌，是不是可以研究停利點？持股歷程這中間有很多內容可以研究，延伸內容可以看「揭開策略的波動面紗｜MAE&MFE分析圖組使用指南」、「脫離韭菜命運的關鍵：利用MAE分析實踐正確的停損」

回測的侷限性

回測 V.S. 實際下單

回測模擬出一個報酬和波動指標都完美的策略，就沒問題了嗎？
書中沒講到，這邊要潑一下冷水，回測模擬是無法 100 % 與實際執行貼合，你如果對此期待，那最終會會幻想破滅，回測只能看趨勢，盡量貼合實際下單。
首先，你的策略若很常買到「冷門低量股」、「漲跌停鎖死股」、「處置股」、「全額交割股」，那你有很高的機率輝出現「快樂表」的結果，發現模擬與實際相差甚大，因為「回測系統」都會假設你全部的委託單都順利成交在模擬價格，實際上的你其實要排隊碰運氣，運氣差就是沒買到或是要為了滿足進出量而成交在比較差的價格，出現流動性風險。

這部分可參考「客製化流動性風險檢測 | 策略可以實戰嗎?」、「FinLab Package 流動性檢測」來驗證策略。

偶爾還會發生書中交易日誌提到的狀況：市場突然關閉、券商突然出問題、伺服器或網路出狀況、交易程式的問題。這些問題都很難模擬，要有心理準備會有誤差，數據打折來看比較真實。

資料難題

可參考財報狗技術部落格寫的「你真的做對股票回測了嗎？談回測容易犯的幾種錯誤」。這些無法避免，連官方都沒保留舊數據，無從驗證，資料很難完美。

1. 使用公開資訊觀測站的資料要小心，有時候上市櫃公司上傳的財報是錯誤的，通常過一陣子公司會修正財報重新上傳資料到公開資訊觀測站。（如果有發現公司上傳的資料有錯，可以向公開資訊觀測站或證交所回報，他們會請該公司修正。通常有反饋時他們很快就會修正。）
2. 過去的錯誤資訊現在已經無法取得。
   以台股來說，公開資訊觀測站只會保留修正後的資料，所以除非你從多年前就不斷的即時抓取當時的最新資料，或者找到其他資料源提供這個資訊，否則這個問題無解。某些總經數據可能還會校正回歸整條序列…
3. 誤植的資料很可能錯得很離譜，使得你的策略績效受到影響。
   上市公司如果提供了錯誤的數字，不出正負號錯誤或小數點位數點錯。例如 EPS 應該是 5，結果打成 -5 或 0.5。
   如果你的策略持有股票數量偏低時，如此大幅度的數據錯誤很可能顯著影響你的策略績效。
4. 部分資料在近期才被開放出來，沒有足夠長的數據可做驗證，降低統計代表性。

回測要注意的細節

• 交易比數要夠多，若小於500筆，統計代表性較低，除非是特定事件交易本身次數就不多，不然過擬合機率高。通常交易比數低是因為條件太複雜所造成。
• 注意每一期持股檔數是否穩定？單檔持股比例最好定上限，減低某幾筆特殊交易對整體報酬有過大影響，參考「選股回測系統豆知識 (2)｜持股比例上限設定」。
• 停損一定要設，避免特殊事件影響，降低未來策略失效的損害，通常至少設定 -20%。停利不一定要設，區間操作的策略比較需要，參考「「脫離韭菜命運的關鍵：利用MAE分析實踐正確的停損」」。
• 交易價格序列的模擬的差異，參考「客製化選股策略的回測價格序列 | 比較進出場的時間點特性」
• 模擬期間是否夠長？有無包含到熊市？台股來說，比較弱的年份是2008、2011、2015、2018、2022，弱勢年如果可是正報酬率，你全職投資起來的信心會比較強。

好想上線賺錢

研發出好策略你可能急著想上線，又擔心實際下單會不會又是另一回事？
給幾個建議供您上戰場有所準備。

• 用預期投入資金的一半以下來實盤。
• 檢驗交易策略的實盤表現。
• 若在過程中發現策略有重大缺失或難貼合實盤的狀況，則撤回策略，重新研究。若是心態面問題，如主觀介入、凹單不停損，則要慢慢說服自己理性的理由。
• 若發現如預期進行，信心增強，慢慢放大部位。
• 繼續研究，增強策略多樣性，多策略低相關性互補，避免大賠，控制風險，長期活在市場。

菲比斯的崛起

菲比斯是生物技術學歷出身，近 30 歲時投入券商工作，擔任期貨與證券從業人員，關鍵的交易歷程在 2013~2015年，花 3 年從 10 萬本金成長到 1000 萬的規模，十分驚人，資金到一定規模後離職，成為全職交易人。
初期由於低薪和本金不多，有靠信貸取代券商融資的高利率，操作股票期貨、週選擇權來擴大槓桿。
以上槓桿操作是否適合投資新手？有待思量～第一步的容錯率低，壓力大，如果用最低保證金壓滿小資金，稍不慎就會被清空帳戶，還會面臨欠債風險，進入賭徒輪迴。必須有一定交易實力、心理素質，對風險有所認知才適合此套方法，菲比斯也是在2013年以前花了幾年摸索，如果你是新手，無法承受槓桿的壓力，也對短期交易的勝率沒自信，可以參考「給小資族的禮物｜低價股量化策略的實戰訣竅」一文，提供比較保守的做法。

股票期貨的推薦

「菲比斯」交易市場聚焦在台股，交易商品遍及上市櫃、 興櫃股票、股票期貨、台期指、選擇權、可轉換公司債資產交換 CBAS，不太碰權證與現股當沖。交易週期偏短。
其最推薦以股票期貨當作台股主要操作工具，如果標地有股期，就買股期，如果沒股期或股期流動性太低，才買現股。
股期優點是交易稅費低，具7.5倍左右的槓桿，方便資金調度，可多可空，且交易時段比較長，有機會領先現股先佈局。
股期空單的好處在沒融券強制回補的限制，也不用付借券費，是相當好的做空工具。另外股期多單也可替代存股操作，省去股利所得稅的問題。
股期缺點在標地只有200檔上下，其中有足夠交易流動性的，可能不到100檔，所以若策略以中小型股為主，可能很難在此工具佈局。
「菲式思考」贏的第一步重要思維挑選「低成本的工具、資金」來操作，還沒入市，選對工具就先贏在起跑點，反過來說滿共同基金的人，一開始就先輸「管理費3%」。

成為全職投資人的標準

「你必須掌握風險、穩定地賺錢，持續兩年賺的錢比原先工作所賺的高兩三倍。」(菲式思考：p.107)，其實這是比較鬆的標準了，更嚴謹的要求是要走過一個景氣循環(5~10年)，驗證自己在系統風險下的存活率。再來如果是高薪職業，如醫生、工程師，靠投資要賺到比原先工作高兩三倍，除非投入本金很高，不然很難達標，放棄工作的機會成本挺高的，高薪族群比較適合靠本業搭配保守的投資。
另一面思考，本業非高薪的人是否較適合投入全職投資？我認為既然行業有天花板，那投資交易確實是沒有上限的地方，靠工作薪資存到100萬容易，但要累積到千萬以上，又不想等很久，就難了，確實要靠投資來衝。
若本金太少，也很難做好基本的持股分散、多空雙向策略佈局。
以年薪36 萬來說，2~3 倍是 72~108 萬，以全職主動投資人50% 報酬率的水準，至少要累積到150~200萬的資金再考慮全職，你說沒有操作的頭期款怎麼辦？存頭期款、工作的期間就是你最好學習投資知識、認識風險的時候，才不會書到用時方恨少，到時輸一屁股。
另外你最好要有一個覺悟，要有隨時可以回職場的能力，讓你「全職投資人」失敗時，還有能力生存下去。

菲式交易邏輯的啟發

• 挑選成長性展望好、評價不太高的股票做多單。基本面與產業面為主，技術面與籌碼面為輔。
• 挑選未來展望不佳的股票做空，平衡部位趨向，有機會再大盤回檔時，降低整體資產回檔。
• 依營收、財報、法說會、產業新聞來追蹤標的展望，認為合理的獲利點達到，逐步出場，若展望不如預期，則不計結果出場。
• 多單與空單的比例隨整體大盤市況調整。
• 利用營收、財報公佈時程、股票期貨換月轉倉來調整持股組合。
• 分散投資，不要重注單押。

以上內容參考書中 p.121 的部分。
在 FinLab 策略監控台上有基本面策略如「營收股價雙渦輪」、「財報指標20大」，也有產業面的策略「多產業價投 」，與菲式思考的基本面策略類似。

FinLab 比較缺少「事件型」與「做空避險」的策略，原因在「事件型」很難搜集到完整的各媒體的歷史新聞資料，法說會影音與簡報分析比數值資料複雜、混亂，但若不要求回測功能，而是將功能定位設定在讓 AI 學習菲比斯的解讀思維，下提示字 (Prompt) 讓 AI 變專業分析師，撥絲抽繭出新聞事件的關聯標地，增加質化分析的效率也是很有價值的，目前 ChatGPT 甚至能做到語音分析的功能，書中提到判斷公司內部人在法說會的語氣和表情，應都可用 AI 快速、大量處理，也許未來 FinLab 會有相關服務上線。
如果要做回測，目前公開資訊觀測站的重訊公告是比較完整的資料，可應用於策略開發。
另外菲比斯多看的是國內財經媒體的新聞，但若要看總經或國際金融，其實是要看過外媒體才有「夠快的時效性」，等國內翻譯外電太慢了，如Bloomberg、WSJ、CNBC，部分網站也提供 RSS 訂閱功能，很方便能下載資料供 AI 找出精華。

做空的回測由於過去10年是大多頭，很難找到績效漂亮的空方策略，但菲比斯提供幾個方向，例如增資股出籠、可轉債大量轉換、內部人申報轉讓就是一個可研究的方向，當市場籌碼供需出現嚴重的不平衡時，就有大行情出現。

未來 FinLab 會增加策略的豐富性，尤其是「事件型」、「做空避險」、「逆勢交易」的策略，增加策略佈局的平衡度。

產業面選股的解析

每個產業都有關鍵指標。

• 電力供應產業要追蹤「政府標案」。
• 營建業要追「合約負債」、「建案完工入帳時間點」。
• 設備業要追「合約負債」、「裝機驗收時間點」。
• 新藥要追「解盲時程」、「競品研發上市進度」。
• 電腦板要追「加密貨幣走勢」、「國外指標大廠財測與新品」。
• 航運要追「新船下水」、「重大景氣循環事件」。
• 金融業要看資產負債表，損益表是給外行看的。

撰寫交易日誌

我認為書中第 235~239 頁交易日誌撰寫的部分除了抒發交易情緒外，更重要的是要寫下如何改進這些缺失？才能避免重蹈覆徹，這是書中缺漏的部分，稍可惜。
策略要定期驗證，追蹤績效是否與過去偏離，或有關鍵政策、規則改變市場。
如果選股進出都是靠量化程式，那交易的缺失就會在執行面，要學會策略驗證 (Validation) 與制定潛在威脅等級表，參考「藍月記事」撰寫的 交易人的基本功：驗證 (Validation) 與潛在威脅等級表：

假設交易策略都沒什麼問題，而差異與缺失若主要來自實際交易的話
通常可能來自於四個方面：

1. 重複發生的不穩定來源：交易成本的變化
2. 偶爾發生的不穩定來源：價格的跳多、跳空
3. 鮮少發生的不穩定來源：市場突然關閉、券商突然出問題、伺服器出狀況
4. 不該發生的不穩定來源：交易程式的問題、整體風控的問題

並試著解決處理問題，設定碰到問題時的 SOP。

結論

以上是「菲式思考」第一部分的心得，「菲比斯」台股交易經驗涉獵很廣，提供許多面向的分析方法、交易工具的特性，啟發 Ben 未來開發的規劃。
其實很多人的起步都比「菲比斯」要好，他 30 歲才起飛，但很多人 20 歲就展開交易的旅程，不一定要和他一樣追求在10年內暴富，投入全職在嚴苛的交易工作、時刻盯盤與分析盤面。
從書中擷取適合自己的路線，照自己的節奏走，將啟發的觀點內化成自己的招式，一樣能走向自己理想的財富目標。