專題選股實測結果：2024年2月

圖(1)專題選股實測結果（自行繪製）

內容目錄

前言：為何要實測

一個長期在市場持續取得優於大盤指數的投資人，往往都擁有自身詳盡投資成效的紀錄，可能以文字、數據或圖表的形式呈現。由於投資充滿高度不確定性，每一次的結果反饋都受到極大運氣成分影響。因此，卓越的投資人或賭徒習慣記錄每一次投資過程與結果，透過大量數據來剖析並排除「運氣」的影響，以釐清投資成功的概率多寡。

在投資領域中，結果並非必然，沒有必勝的投資方法，但有區分高、低勝率的方法。紀錄的重要性在於透過紀錄可以揭示高勝率的方法，透過對過程和結果的細緻追蹤，投資人便能更清晰地了解自身的優勢和不足之處。這種利用紀錄的反饋，以得到反思和學習的過程，個人認為是建立成功投資策略不可或缺的一環。

雖然個人認為投資紀錄在投資過程中占據重要地位，筆者經常用來檢視目前市況與選股方法的差異度，以做為演算法調整的方向，但對於一般讀者而言，更加關心未來的結果。因此，本站將不同演算法的投資組合選股實測結果集中在一起，不再分成不同演算法分開呈現，以簡化降低相關內容與篇幅，讓讀者閱讀起來更加流暢。

實測概念

透過比較「短、中、長」期模擬結果，旨在了解投資組合的選股演算法在不同情境下的適用性，以及能否在市場中保持長期有效？
以「季」為時間單位，分別比較不同週期之間模擬結果，以揭示投資方法可能存在的差異及趨勢變化。
利用橫向比對，釐清選股品質是否能夠勝過大盤平均表現，從而評估選股品質好壞及優越性。
在市場實測而非回測，以最貼近市場的方式進行模擬，每日僅運算一個結果數據點，確保過程公開而透明。

免責宣言

本數據模擬結果採電腦計算而成，貼文亦盡量降低人為筆誤風險，但計算機運算過程中，仍有可能存在少量捨去誤差。選股過程公開透明，本人本於誠信公開原則，絕不會在數據上進行操控，讀者可自行運用個人電腦進行人工復驗，但恕難提供相關演算過程或代碼給予讀者參考。最後，過去績效不代表未來表現，過去模擬結果亦不保證未來實際結果，特此提醒投資人謹慎注意相關風險。

實測數據結果

混合型近 1 個月累積績效

月份
加權
櫃買
混合型
2024.M2
6.01%
5.23%
4.67%

圖(2)混合型近 1 個月累積績效

混合型近 3 個月累積績效

月份
加權
櫃買
混合型
2023.M12
2.84%
0.98%
2.1%
2024.M1
2.6%
2.32%
2.15%
2024.M2
8.77%
7.67%
6.92%

圖(3)混合型近 3 個月累積績效

混合型近 6 個月累積績效

月份
加權
櫃買
混合型
2023.M9
-1.7%
-0.07%
1.05%
2023.M10
-3.8%
-1.7%
-0.3%
2023.M11
4.82%
8.66%
8.65%
2023.M12
7.79%
9.73%
10.93%
2024.M1
7.54%
11.19%
10.99%
2024.M2
14.01%
17%
16.17%

圖(4)混合型近 6 個月累積績效

混合型近 1 年累積績效

月份
加權
櫃買
混合型
2023.M3
2.36%
3.33%
5.46%
2023.M4
0.51%
1.72%
8.18%
2023.M5
6.95%
4.93%
15%
2023.M6
9.13%
8.81%
20.46%
2023.M7
10.62%
7.73%
23.02%
2023.M8
6.06%
3.26%
19.49%
2023.M9
4.26%
3.18%
20.75%
2023.M10
2.02%
1.5%
19.13%
2023.M11
11.17%
12.2%
29.83%
2023.M12
14.32%
13.3%
32.55%
2024.M1
14.06%
14.81%
32.62%
2024.M2
20.91%
20.81%
38.81%

圖(5)混合型近 1 年累積積效

混合型年初迄今累積績效

月份
加權
櫃買
混合型
2024.M1
-0.23%
1.33%
0.05%
2024.M2
5.77%
6.63%
4.72%

圖(6)混合型年初迄今累積績效

混合型投資組合機率密度函數

圖(7)混合型投資組合機率密度函數

機率密度函數（Probability Density Function，簡稱 PDF）是統計學和機率論中的核心概念，用於描述連續型隨機變數在某個區間內的概率分佈。在投資領域裡，筆者始終堅信投資便是一門機率學。因此，將混合型數據結果彙整為機率密度函數，除了能夠反應選股品質外，同時亦可用於數學上估算未來可能的風險，讓投資更具可預測性、安全性，也更為科學。

本站名為「理財估測站」，旨在透過數據、數字、統計等科學方法，推算投資，使投資更具科學性、降低運氣成份。將投資視為一門科學和概率，有助於提高投資策略的科學性與可操作性。當然，科學並非玄學，惟有透過重複試驗、複製相關過程以得到高度相似結果的，才能稱的上是科學，本站的研究目的亦在此。