現金股利調高選股：加進月營收動能，
7 年年化 59.9%、夏普 1.83

董事會決議的每股現金股利比去年同期多 10% 以上，之後 60 個交易日內，這家公司在月營收動能選股裡優先入選；其他規則跟站上公開的原版完全相同。 2019 年 2 月到 2026 年 10 月回測，年化報酬 59.9%、日夏普 1.83、最大回撤 -27.8%；原版月營收動能是 54.3%、1.52、-35.5%，同期 0050 含息是 28.5%、1.30、-34.0%。

現金股利調高本身不是一個好用的買進訊號。同一段期間，把每一家董事會調高現金股利 10% 以上的公司都買進、持有 60 個交易日，日夏普只有 0.92，輸同期 0050 的 1.29。調高股利有用的地方，是在已經有營收動能、股價趨勢向上的候選股裡，幫忙決定先買哪幾檔。這是我們這一輪除權息與股利研究 14 個事先寫定的設計裡，唯一三項驗證都過、而且明顯比原版好的一個；其他 13 個的結果整理在除權息全攻略。

關鍵數字：本文策略、原版與 0050

本文策略在年化報酬、日夏普、月索提諾、最大回撤與最差單一年都勝過 0050 含息，年化波動則比 0050 高。7 年 8 個月淨值成長為約 37 倍，原版約 28 倍，0050 含息約 6.9 倍。所有數字都用 finlab 2.2.24、資料截至 2026-10-30，在 2026-10-31 實際跑出，手續費 0.1425% 與證交稅 0.3% 用 sim() 預設值扣除。

現金股利調高代表什麼

台股公司每年由董事會決議（或擬議）要發多少股利，季配息、半年配息的公司每一期各決議一次。決議公告寫在公開資訊觀測站，FinLab 整理成 board_dividend_announcement，每一期一列，包含董事會決議日、股東會日期、每股現金股利（盈餘分配加上公積發放）、本期淨利與可分配盈餘。這份資料的董事會決議日從 2019 年開始收錄，更早的年度只有股東會日期，所以本文從 2019 年起算。

「調高」在本文的定義是：這一期的每股現金股利，比去年同一期（年度對年度、上半年對上半年、同一季對同一季）多 10% 以上。2019 年以來符合這個條件的董事會決議共 4,675 筆。2019 年以來的年度股利，有 85% 在 2、3 月的董事會決議（3 月就占 72%），季配息公司全年都有，所以這個條件在每年 3 到 7 月最常出現。

學術研究對股利變動的看法有兩派。Michaely, Thaler & Womack (1995) 追蹤美國公司首次配息與停發股利，宣布之後一年內股價仍朝同一方向漂移，代表市場對股利消息的反應不夠完整。Benartzi, Michaely & Thaler (1997) 則發現調高股利的公司，盈餘成長主要發生在調高的當年與前一年，之後幾年沒有比較好：股利變動比較像在確認過去的獲利，不太能預測未來。

這兩件事放在一起，比較能解釋本文的結果。很多台股公司在通過年度財報的同一次董事會決議股利，調高股利多半代表剛過去的一年賺得比較多；Bernard & Thomas (1989) 描述的盈餘公告後漂移也是同一類現象：好消息公布後，股價沒有一次反映完。但如果只看股利，買到的很多是獲利已經見頂、營收開始轉弱的公司。月營收動能的條件剛好補上這一塊：它要求近三個月營收高於近十二個月，股價也站在均線之上。本文沒有另外驗證這個解釋，上面是對結果的推論。

策略規則：沿用原版，只加一條優先順序

基底策略是站上的月營收動能選股，參數在 2026 年初就公開，這次完全不動。原版從 2015 年起算（重跑到 2026-10-30 年化 45.9%、日夏普 1.42）；本文受限於董事會決議日的資料起點，從 2019 年起算，所以本文裡原版與 0050 的數字跟那篇不同。

1. 月營收動能：近三個月平均營收高於近十二個月平均營收。月營收用公布後可取得的日期。
2. 股價趨勢：收盤價同時站上 20、60、120 日均線。
3. 現金股利調高優先：董事會決議日起 60 個交易日內，每股現金股利比去年同期多 10% 以上的候選股排在最前面。決議日是假日的話，算前一個交易日；決議日當天收盤後才算知道，sim() 在隔天收盤成交。
4. 選股與換股：先在調高股利的候選股裡依五日平均漲跌幅取前幾名，不足 10 檔再用其他候選股依五日平均漲跌幅補滿，10 檔等權持有。每月營收公布後（月初第 11 天）換股，單檔跌 10% 停損。

下面是完整程式碼，邏輯跟文末下載的 strategy.py 相同（下載檔多了註解與 print）：

import numpy as np
import pandas as pd
from finlab import data
from finlab.backtest import sim
 
close = data.get("price:收盤價")
rev = data.get("monthly_revenue:當月營收")
board = pd.DataFrame(data.get("board_dividend_announcement"))
 
# 月營收動能與股價趨勢（原版條件）
rev_up = rev.average(3) > rev.average(12)
trend = (
    (close > close.average(20))
    & (close > close.average(60))
    & (close > close.average(120))
)
 
# 每股現金股利，跟去年同一期（年度、上下半年或同一季）比
period = board["股利所屬年(季)度"].astype(str)
board["year"] = period.str.extract(r"^(\d+)年")[0].astype(float)
board["part"] = period.str.replace(r"^\d+年", "", regex=True)
board["cash"] = (
    board["盈餘分配之現金股利(元/股)"].fillna(0)
    + board["法定盈餘公積發放之現金(元/股)"].fillna(0)
    + board["資本公積發放之現金(元/股)"].fillna(0)
)
board = board.dropna(subset=["year"]).sort_values("key_date")
board = board.drop_duplicates(["stock_id", "股利所屬年(季)度"], keep="last")
last_year = board.set_index(["stock_id", "year", "part"])["cash"]
board["last_year_cash"] = last_year.reindex(
    list(zip(board["stock_id"], board["year"] - 1, board["part"]))
).to_numpy()
decided = board["董事會決議（擬議）股利分派日"]
raised = board[(decided >= "2019-01-01") & (board["last_year_cash"] > 0)
               & (board["cash"] > board["last_year_cash"] * 1.1)]
 
# 決議日起 60 個交易日內算「近期調高股利」
recent = np.zeros(close.shape, dtype=bool)
start = close.index.searchsorted(raised["董事會決議（擬議）股利分派日"], side="right") - 1
for stock_id, i in zip(raised["stock_id"], start):
    if stock_id in close.columns and i >= 0:
        recent[i:i + 60, close.columns.get_loc(stock_id)] = True
recent = pd.DataFrame(recent, index=close.index, columns=close.columns)
 
# 五日平均漲跌幅排名，近期調高股利的候選股排前面，取前 10 檔
momentum = (close / close.shift() - 1).rolling(5).mean()
score = momentum + recent * 1000
position = score[trend & rev_up].is_largest(10).loc["2019-01-01":]
 
report = sim(position, resample="M", resample_offset="11D",
             stop_loss=0.1, upload=False)

recent * 1000 的作用是讓調高股利的候選股一定排在其他股票前面；五日平均漲跌幅遠小於 1000，加上去之後兩群不會交錯，同一群裡仍照五日動能排。計算「去年同期」時，要用「年度、上半年、第 1 季」這種期別對齊，季配息公司才不會拿第 1 季去比去年全年。

回測結果：夏普提高、回撤變淺

加上股利調高優先之後，年化報酬從 54.3% 提高到 59.9%，日夏普從 1.52 提高到 1.83，月索提諾從 2.78 提高到 4.11，年化波動從 33.1% 降到 28.9%。最深的一段回撤發生在 2021-04-09 到 2021-05-17，跌了 27.8%，2021-12-06 回到前高；原版同一段跌了 35.5%，到 2023-03-03 才回到前高。單月最差是 2021 年 5 月的 -19.5%，最好是 2026 年 4 月的 +43.2%。

改變的到底是哪些持股？把本文策略 930 筆交易依進場訊號日分成兩群：471 筆（51%）是近 60 個交易日調高股利的公司，平均每筆報酬 4.98%、勝率 57%；其餘 459 筆平均 3.69%、勝率 42%。原版 929 筆交易裡，剛好買到近期調高股利公司的只有 75 筆，平均每筆 5.54%。也就是說，原版本來就偶爾會選到這類股票、而且表現較好，本文策略把這群股票從 8% 的交易提高到一半。這是平均值的差異，本文沒有做顯著性檢定。

股利調高優先只在一年中的某幾個月發揮作用。3 月換股選進的股票有 93% 是近期調高股利的公司，4 到 6 月是 100%，7 月 88%；8 月到隔年 2 月只剩一到三成，這段時間本文策略幾乎就是原版。

逐年看，8 個年度裡本文策略有 7 年贏 0050 含息（2019 年從 2 月 11 日起算，2026 年只算到 10 月 30 日），輸的是 2019 年：3.2% 對 30.1%。跟原版比則是 4 勝 4 敗：2019、2021、2023、2025 年本文較高，2020、2022、2024、2026 年原版較高，本文策略多賺最多的是 2021 年（68.7% 對 29.2%），原版多賺最多的是 2024 年（86.7% 對 63.4%）。日夏普的提高主要來自波動變小、回撤變淺，不是每一年都賺得比較多。

三項穩健性驗證：鄰近參數、前後兩段、交易成本

三項檢查的「贏」是同一個意思：日夏普高於同一段期間的 0050 含息買進持有。0050 用 etl:adj_close 還原價純算術計算、不扣成本；兩邊的日夏普都用日報酬平均除以標準差、乘上 √252，不扣無風險利率。參數範圍與判定標準在看結果之前就寫好，之後沒有改。

9 組的日夏普介於 1.45 到 1.92。底策略本身就贏 0050，所以這三項只能說明組合版沒有變差；股利條件有沒有貢獻，要跟原版比。我們事先定的標準是原參數的日夏普要高於同期原版，結果 1.83 對 1.52。另外也把每一組跟持股檔數相同的原版比：9 組都比較高，提高幅度從 +0.02（「近期」20 日、持股 12 檔）到 +0.36（60 日、12 檔）。前後兩段也都比原版高：前段原版 1.15、本文 1.42，後段原版 1.89、本文 2.27。

表內是日夏普「原版 → 加上股利調高優先」，粗體是本文參數。

2019 年以前沒有董事會決議日，我們改用除權息公告日做同樣的優先條件（年度股利的除權息公告比董事會決議晚，2019 年以來中位數 104 天），2010 到 2018 年日夏普 1.18，原版 1.16，幾乎沒有差別。公告日太晚，可能已經錯過股價反應最集中的時候；但這也表示本文的結果只有 2019 年以後約 7 年 8 個月的資料支撐，沒有更早的年份可以交叉確認。

同一批研究的其他股利訊號

這一輪我們事先寫定了 7 個除權息與股利訊號，每個都做單獨版與疊在月營收動能上的組合版，共 14 個設計：股利月溢酬、搶息前行情、填息快的公司、董事會調高股利、首次或恢復配息、股利成長股、配發率穩定的存股型。單獨版 7 個、63 組參數全部輸 0050；組合版裡，另外有三個在原參數比原版高 0.002 到 0.04，但鄰近 9 組只有 3 到 6 組比原版高，前後兩段也各有一段輸原版，所以沒有開策略頁。完整結果與每個訊號為什麼不成立，寫在除權息全攻略的七個訊號驗證段。

本文策略是 14 個設計裡挑出來的一個，就算每個設計都在看結果前寫定，同時測很多個也會提高碰巧過關的機率。要了解這類風險，可以看回測過度擬合的機率。

回測方法與限制

每月只持有 10 檔，單一股票對結果影響很大，實際能放多少資金取決於這些股票的成交量，本文沒有估算策略容量。前視偏差與周轉率的定義在名詞解釋頁。

適合誰、不適合誰

適合：已經在用月營收或動能選股、想多一個簡單排序條件的人；能接受每月換股、單月可能大跌的人（最差的一個月是 2021 年 5 月的 -19.5%）；每年 3 到 7 月有時間追蹤董事會股利公告的人。

不適合：想找高殖利率存股名單的人，本文選的是營收與股價都強、剛調高股利的公司，殖利率不一定高；資金很大、需要分散到幾十檔的人；只想長期持有、不想每月操作的人。

常見問題

公司調高現金股利，股價會漲嗎？

單看平均不一定。2019 年以來，把每一家董事會調高現金股利 10% 以上的公司都買進、持有 60 個交易日，平均每筆報酬約 8%，但同時要承擔大量持股的波動，日夏普 0.92，輸給同期 0050 含息的 1.29（這段從 2019-02-13 起算）。調高股利在本文策略裡的作用，是在營收與股價都轉強的候選股中決定優先順序。

為什麼用「比去年同期多 10%」，不是只要比去年多？

10% 是事先寫定的門檻，用來排除每股股利只多幾分錢的情況。鄰近參數裡我們也測了「只要比去年多」與「多 20%」：單獨買進這些公司時三種門檻的日夏普在 0.80 到 1.05 之間，都輸 0050；組合版只測了 10% 這個門檻。

季配息的公司怎麼算？

每一季各自跟去年同一季比。例如 2026 年第 1 季的股利跟 2025 年第 1 季比，不跟 2025 年全年比。半年配的公司也一樣，上半年比上半年、下半年比下半年。

為什麼只從 2019 年開始回測？

FinLab 的董事會股利決議日從 2019 年開始收錄，更早的年度只有股東會日期。我們用除權息公告日（比董事會決議晚，中位數 104 天）測過 2010 到 2018 年，股利條件幾乎沒有效果，所以本文只用有董事會決議日的期間，並把這個限制寫在結果裡。

怎麼查哪些公司剛調高股利？

公開資訊觀測站的「董事會決議（擬議）分配股利」公告會列出每股現金股利，FinLab 用 data.get("board_dividend_announcement") 可以一次取得全部公司的歷史。每年除權息的日期可以在除權息行事曆查。

本文策略跟高股息策略有什麼不同？

高股息策略選的是殖利率高的公司，例如站上的多因子高殖利率策略。本文不看殖利率高低，只看股利有沒有比去年多，而且要先通過營收動能與股價趨勢的條件，選出來的多半是成長中的公司。

這個策略可以直接照做嗎？

這是研究與回測結果，不構成投資建議。實際操作時要考慮滑價、成交量與資金規模，本文沒有估算容量；每月只持有 10 檔，單一股票的影響很大。想自己重跑或修改，可以下載文末的 strategy.py。

延伸閱讀

• 月營收動能選股：本文的基底策略，含原版的三項驗證，策略頁有淨值曲線與程式碼。
• 除權息全攻略：除權息計算、棄息抱息的稅負試算，以及這一輪 7 個股利訊號的完整驗證。
• 可轉債選股：同一個基底策略加上另一種公司財務決策條件，避開有可轉債的公司。
• 用 Python 做月營收選股的三種方法：均線法、創新高法與成長法三種寫法的比較。
• 事件研究法教學：用 FinLab 量測公告前後股價反應的方法。
• 股票選股完整指南：基本面、技術面、籌碼面選股方法的總覽。
• 本文策略的策略頁：淨值曲線與程式碼，可直接帶到 FinLab Studio 重跑。

下載資源

風險提示

本文所有策略與回測結果僅供教學與研究用途，不構成投資建議。過去績效不代表未來表現，本文策略最大回撤 -27.8%，回測只涵蓋 2019 年以後，單一年度也可能大幅落後大盤。投資一定有風險，請依自身風險承受能力審慎評估。

最後更新：2026-10｜回測區間：2019-02 ～ 2026-10｜作者：FinLab 量化研究團隊（經量化研究員審閱）