基本面分析 -

庫藏股

揭秘庫藏股：庫藏股投資策略再優化，股市條件探勘（Part 2）

Post author:lawrence
Post published:2024-01-01
Post category:VIP文章基本面分析籌碼面

這篇文章參考了數篇論文，並採用事件分析法去研究庫藏股的超額報酬。我們發現股票價格上漲主要集中在宣告初期，但到第四十天左右漲幅消失，甚至出現小幅下跌。並且，股價淨值比、過去二十天的報酬率以及流動資產占總資產比例這三項因素在統計上顯著影響了庫藏股宣告前的股票表現。

揭秘庫藏股：智慧投資策略與市場動態的完美結合（Part 1）

Post author:lawrence
Post published:2023-12-31
Post category:股票策略基本面分析籌碼面

庫藏股是公司購回且未注銷的自家股票，用於提高股價、防禦敵意收購、員工激勵等多重目的。它們不參與流通，不具投票權與股利資格。在台灣股市中，庫藏股操作還涉及稅務優勢。透過庫藏股，公司能提升每股盈利（EPS）並改善財務指標。投資者可以在庫藏股期間透過買盤策略獲利，儘管這種方法效果有限，但展示了利用市場動態的潛力。

事件研究法（中）使用事件交易模組

Post author:lawrence
Post published:2023-10-31
Post category:FinLab 量化平台 Python新手教學基本面分析股票策略

當台灣的上市公司宣布有關股票的特別消息，比如說要分紅或者調整股票的價值（這種情況我們稱之為除權或除息），這通常會對公司的股票價格造成一些波...

事件交易分析法：減資事件是我的印鈔機

Post author:lawrence
Post published:2023-09-20
Post category:選股策略基本面分析股票策略

減資通常是公司不需要這麼多現金了，而通常減資後會伴隨著一段下跌。缺乏做空策略的投資人不妨考慮一下這隻策略，若是 2022 年的熊市再次出現，這隻策略還能幫你賺入一些收益。

反思菲式思考 Part.3｜站在菲神的肩膀上研發策略｜預判恢復信用交易有用嗎？

Post author:Ben
Post published:2023-08-28
Post category:FinLab 量化平台基本面分析籌碼面

很多人在策略上線後會擔心策略失效，這樣的擔心是沒有意義的，因為很多事你無法控制，可能一個漲跌幅再放寬，就一堆策略波動規律改變。真正重要的是...

成長飆股怎麼找？超級績效選股法大解密

Post author:Henya
Post published:2023-03-20
Post category:投資新手 FinLab YouTube FinLab 量化平台基本面分析技術面股票策略選股策略

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...

建構出自己的 Smart ETF 00905 2.0 ! Part2 – 12 個獲利因子程式碼懶人包大公開

Post author:阿榤
Post published:2023-01-04
Post category:FinLab 量化平台 VIP文章基本面分析

前情提要在上一篇文章中我們解構了Smart ETF 00905的公開說明書，從一百多頁中提取出特選Smart多因子指數的編纂方式，並與加...

產業資料庫的基礎應用

Post author:Ben
Post published:2022-12-20
Post category:FinLab 量化平台 Python新手教學基本面分析生產力

這篇教學文章將說明FinLab的「產業題材資料庫」的簡單應用，並教你如何用 Python 與 Pandas 基礎語法去「客製化」自己的產業分類，讓產業資料庫更豐富

月營收選股｜股價創新高｜新手必學的雙動能策略

Post author:Ben
Post published:2022-11-16
Post category:Python新手教學 FinLab 量化平台 VIP文章基本面分析技術面投資新手財經PYTHON教學

月營收是台股獨特的基本面因子，操作台股的玩家，都知道月營收的影響性，常可先預判季財報，究竟月營收選股條件要怎麼寫？這篇就用超簡單的語法，結合「突破策略豆知識」技巧寫出15年來年化報酬37%的高報酬率策略，讓你迅速上手月營收突破這個台股經典的策略。

機器學習選股策略

低波動本益成長比策略 | MAE_MFE 機器學習選股

Post author:Ben
Post published:2022-11-08
Post category:AI看股票 FinLab 量化平台 VIP文章基本面分析技術面籌碼面選股策略

有時我們有了初始策略輪廓，寫出來發現年化報酬率不錯，但夏普率不高、最大回撤率過大，若拿去實戰，持有歷程會遇上信心考驗，績效跳動範圍也大。有沒有辦法讓策略能夠報酬率更高、波動更低？本篇範例會利用基礎的機器學習演算法 Kmeans 分群 mae_mfe 指標，製作決策樹使用的 Labels，優化原本的"本益成長比"策略，示範 scikit-learn 搭配 finlab 模組是多麼強大又簡單！