圖(1)專題選股實測結果（自行繪製）
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 -
2025.M2
-2.01%
2.74%
5.37%
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 -
2024.M12
3.45%
-0.34%
1.4% -
2025.M1
5.64%
-1.47%
1.67% -
2025.M2
3.52%
1.23%
7.13%
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 -
2024.M9
-0.17%
-2.22%
-1.71% -
2024.M10
2.53%
-3.77%
-4.27% -
2024.M11
0.03%
-6.53%
-2.01% -
2024.M12
3.49%
-6.84%
-0.63% -
2025.M1
5.68%
-7.9%
-0.37% -
2025.M2
3.55%
-5.37%
4.98%
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 -
2024.M3
7.02%
1.07%
5.16% -
2024.M4
7.52%
-0.36%
9.07% -
2024.M5
11.62%
3.39%
10.87% -
2024.M6
21.41%
9.62%
11.99% -
2024.M7
17%
5.2%
9.27% -
2024.M8
17.38%
10.12%
10.5% -
2024.M9
17.18%
7.68%
8.62% -
2024.M10
20.34%
5.96%
5.79% -
2024.M11
17.42%
2.93%
8.29% -
2024.M12
21.47%
2.58%
9.8% -
2025.M1
24.04%
1.42%
10.1% -
2025.M2
21.55%
4.2%
16.01%
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 -
2025.M1
2.12%
-1.13%
0.27% -
2025.M2
0.07%
1.58%
5.65%
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。