以AI進行投資分析, 財報大數據擷取(一) －台灣上市櫃公司財報參數與股價報酬率的實證研究
2025 Sep 17 體驗與心得
作者: 劉少勲博士
在我們的投資領域中, 最關鍵的問題是「某些財報指標是否真的會影響股價？」,某個我們觀察的東西(參數、指標.....)是不是跟股價有某一時間段上的關係！？
舉例來說：若是以短線KD指標來看，它是建構在9、14天的RSI指標所形成的快慢線，其間的差值、黃金交叉、死亡交叉的現象判斷上。所以若靠KD這種俗稱的「轉折指標」來做交易的交易者們，想要看到的就是在9-14天的股價表現, 是不是滿足KD指標的變化？
同理，對我們嚴謹的價值投資者而言，重點是有沒有甚麼財報指標、參數，能讓我們買進後，能在財報公布週期.....「一季」左右，股價有上漲的表現？
過去我們研究價值投資的經典書籍，都提到許多「經驗公式」，像是：本益比法(PE)、股價淨值比(PB) 、淨流動資產價值法(NCAV)與未來現金流折現法
本益比(Price-to-Earnings Ratio, PE)
公式：: 現價÷ 每股盈餘(EPS)
意義：: 投資者需要花費多少年才能透過公司獲利回本。
適用情境：: 適合營運和獲利穩定的企業。
股價淨值比(Price-to-Book Ratio, PB)
公式：: 股價÷ 每股淨值
意義：: 衡量股票價格相對於公司淨值（股東權益的總值）的比例。
適用情境：: 適合景氣循環股、或有大量固定資產的公司。
淨流動資產價值法(Net Current Asset Value, NCAV)
公式：: (流動資產– 總負債) ÷ 發行股數。
意義：: 評估在變賣所有流動資產並償還所有負債後，每股剩餘的價值。
未來現金流折現法
公式：: 企業價值= 未來現金流/ (1+折現率)^n
意義：: 估算一家公司未來所能產生的現金流的現值，以評估其內在價值。
適用情境：: 適用於有穩定現金流預期的企業，但需準確預估未來的現金流和折現率。
這些公式都有其代表的深度概念，也在過去的某些時段帶來不錯的價值投資報酬，只是這些概念或許過一段時間後會被「破解」(大家都做一樣的事情, 報酬率會減低, 漸漸輸給大盤指數)，往往因市場快速調整而逐漸失效。若僅依靠經驗，投資人容易落入「公式過時」的困境。因此，我們引入嚴謹的統計方法，透過大數據實證來驗證財報參數與股價之間的真實關聯。
而且在有嚴謹的科學背景的人士的眼中，公式若只是憑藉經驗，而非立基於統計的架構下；沒考慮隨著時空環境的變革、產業的更迭，公式的有效性及報酬率是不是有更動？倘若失效的話，我們要怎麼應對？照過去價值投資前輩的做法，僅能被動的等待公式有效的狀態回歸！
因此，去年我們用統計的方式，統計各個財報參數公布後，其股價變化的情形，做成二維的點狀分布圖。我們蒐集台灣上市櫃公司多年的財報數據，檢驗各參數與後一季股價報酬率的關係。主要方法包含：
- 迴歸與點狀分布分析：透過線性斜率檢驗參數與股價的正負相關性。
- 對照組：將選股組合的報酬率與加權指數進行比較，以檢視其超額報酬與穩定性。
若財報參數在這個範圍外，可能就成非線性（散狀不容易畫成一條線）的發散，我們也就認為此時財報參數處於一個（不合理的）無效範圍。
所以就可以將正相關斜率最大的前五名財報參數與其範圍取出，製成下表！
上圖表就是我們週報使用的參數圖表！但是，雖然這麼做很科學，卻不直接。因此今年度我們新加入了另一種分析法，直接統計該參數前幾名的投資報酬率，但為了不要落入上述的「非線性」範圍，我們做了三種篩選情況：
三種篩選條件：
- 參數最大值往下排列前20名
- 參數均值 + 2倍標準差往下排列前20名
- 參數均值 + 1倍標準差往下排列前20名
在此三種情況我們將各年度的報酬率匯製成折線圖，對比與每年加權指數的報酬率，可以看到使用單一財報指標在三種情況下，報酬率都平均比大盤好，接下來要研究其選出標的報酬率的波動度（分散度）的狀況。
如同下列三圖表的結果，在此類統計中， 1情況中(直接取前20名)，用單一財報參數選股的表現，近五年平均報酬率明顯比加權指數好；甚至比較跟2、3情況中的『平均報酬/分散度』，情況1沒有明顯的非線性表現，且整體穩定性相對較優，因此最後我們選擇了1條件！
實證結果：最具相關性的財報指標
分析結果顯示，在三種篩選條件下，單一財報參數選股的平均報酬率普遍優於大盤。其中，直接取「前20名」的方式表現最為穩定，波動度也相對較低。
經統計，我們篩選出 前五大與股價報酬率最具相關的財報參數，並整理其合理範圍。這些參數在歷年檢驗中，展現出明顯的正向關聯，對於投資判斷具有高度參考價值。
討論：數據分析對價值投資的啟示
過去的價值投資依靠經驗判斷，而此次研究以統計數據佐證，凸顯出以下啟示：
- 單一指標已能提供超額報酬。
- 對一般投資人的價值：本研究提供了明確的統計依據，使投資判斷不再只靠經驗，且可應對公式隨時間與市場組成的無效性。
今年接下來的研究方向與目標是：
1．利用上一段統計出來的條件，我們深入去分析手邊大數據庫近五年來的數十項財報參數，取出報酬率高且波動度低的前五名參數。比對之前用迴歸與點狀分布分析法取出的參數的異同！
2．將取出來的前三到五名參數，根據其報酬率／波動度的參數去複合權重形成公式，若能將前3–5名指標加權整合，可能進一步提升報酬率並降低波動度。是否比單一參數的報酬度高？
0則留言
相關文章
大數據投資週報2025/05/23
綠能環保受惠於夏季用電需求升溫與廢核政策發酵，加上供電吃緊議題再度被聚焦，資金親賴相關族群。觀光族群則因「台北國際觀光博覽會」登場與暑假出遊需求預熱，吸引買盤進駐。生技醫療在市場防禦心態下成為避風港。 資產概念則因台幣升值與AI話題（黃仁勳宣布輝達海外總部設於北市科）再起，帶動「士林三寶」新紡、士紙、士電連日飆漲，台火、士開等亦受資金青睞。外資5月迄今買超2384億元，幾乎刷新單月紀錄，也進一步穩定市場信心。瑞銀也上修台灣2025年GDP至3%，並看好新台幣持續升值。
- 2025 May 23
