F-Score 美股回測：S&P 500 高分股輸 RSP 與 QQQ，
9 分夏普最低

F-Score 用九項只分過與不過的財報檢查替公司打 0 到 9 分，涵蓋獲利、槓桿與流動性、經營效率三個面向。我們把它用在每天的 S&P 500 成分股，回測 2018 年 6 月到 2026 年 10 月。持有所有 7 分以上的成分股，年化 10.3%、日夏普 0.61，輸給等權的 RSP（11.4%、0.66）和含息 QQQ（18.7%、0.84）。測試的 21 組參數沒有一組贏 QQQ，滿分 9 分的股票日夏普 0.41，是所有分數裡最低的。

Piotroski 當初是用這個分數挑便宜股，所以第三個設計再加上低股價淨值比與營收成長。這個組合在 S&P 500 成分股裡反而最差：年化 7.2%、日夏普 0.43、最大回撤 -50.2%。這三個設計在看到任何結果之前就寫定，記在內部的 GitHub issue 上，同批還有 PEG 回測與低波動股回測各三個。九個設計都沒有通過，因此不開策略頁。

本文測的是美股，台股的結果見 F-Score 選股。

F-Score 美股回測關鍵數字

F≥7 是所有 F-Score 至少 7 分的 S&P 500 成分股，每月換股。每一列都是 2018-06-01 到 2026-10-30，股利再投入，用 finlab 美股預設的零成本。前後半段以 2022-08-15 切開。

F-Score 是什麼

Piotroski（2000）在便宜股裡用九個財報訊號打分，在 B/M 最高的五分之一裡買 8 分以上的公司。每個訊號都是對公司自身財報的是非題，過一項得 1 分。Piotroski 與 So（2012）後來用基本面強弱判斷評價倍數隱含的預期合不合理，發現價值股與魅力股的報酬差集中在兩者不一致的公司。兩篇論文都是把分數和價格放在一起看；本文前兩個設計則是單用分數。

Piotroski 用的是年報。本文每季財報一出就更新分數，一律用近四季和一年前比較：淨利、現金流、營收、毛利、股票發行是四季加總，資產負債表項目是該季期末數。長期負債空白視為 0，其他項目缺資料時該項不得分。沒有淨利、營業現金流或一年前 ROA 的股票完全不計分。第 7 項看淨發行，所以庫藏股可以抵掉發行的股數。每一季的分數都從財報申報日起算。

九項裡有五項（第 3、5、6、8、9 項）是和公司自己一年前比，所以分數偏向獎勵改善，較少獎勵水準高。Novy-Marx（2013）發現毛利除以總資產的水準能預測報酬，第 8 項則只問毛利率有沒有上升：獲利很強但毛利率小跌的公司拿不到這一分，體質弱但毛利率小升的公司拿得到。第 4 項來自 Sloan（1996）的應計研究：盈餘中來自應計項目的部分，持續性低於來自現金流的部分。

分數越高，報酬越好嗎？

在本文設定下，只到 6 分為止。為了單看分數本身，不受門檻和單檔上限影響，我們把每個月的 S&P 500 成分股依分數切成等權組合。這組切片是看到三個設計的結果後才加的，只用來描述結果，不屬於任何一項通過條件。

日夏普從 0 到 4 分的 0.59 升到 6 分的 0.69，之後每高一分就往下掉：0.62、0.60、0.41。年化報酬走勢相同，從 6 分的 12.2% 降到 9 分的 6.7%。對照 RSP 那條虛線，5 分和 6 分在兩個指標都高過它，7、8、9 分兩個指標都低於它，0 到 4 分只有報酬高過它。沒有任何一組碰到 QQQ 的虛線。

9 分這組最薄，平均只有 16 檔，0.41 這個數字的雜訊很大。7 分和 8 分平均有 104 檔和 67 檔，可信度比較高，同樣低於 RSP。

0 到 4 分的最大回撤最深（-46.9%），波動也最高（23.5%）；7 分的回撤最淺（-38.1%），波動最低（18.9%）。這些差距我們都沒有做顯著性檢定。

圖上最高的那根「算不出」就是表中的「沒有分數」，它不是訊號。這組平均 37 檔，多半是照常申報的老公司：財季結束日落在日曆季度過後幾天時（常見於 52／53 週財年），季度資料表會空出一季，近四季加總和一年前的比較都會跨過這個空格，分數因此可能中斷兩年以上。這是資料表的空格留下來的剩餘組別，無法當成可用的分組，我們也沒有研究它的 0.74 和 14.6% 從何而來。另有少數成分股在資料裡完全沒有財報，幾乎都是後來被併購或下市的公司，不屬於表中任何一組。

三個設計與驗證方式

• F≥7： 所有至少 7 分的 S&P 500 成分股，每月換股。鄰近參數是門檻 6、7、8 乘上每週、每月、每季換股。
• F≥8： 同樣的做法換成 8 分。鄰近參數是門檻 7、8、9 乘上同樣三種頻率。
• F-Score＋低股價淨值比＋營收成長： 成分股中股價淨值比最低的 30%、F-Score 至少 7 分、最新一季營收高於去年同季，每月換股。鄰近參數是最便宜的 20%、30%、40% 乘上門檻 6、7、8。

全部等權，單檔上限 5%。「贏」是指同一段交易日裡日夏普高於含息 QQQ，夏普是日報酬平均除以標準差再乘以 √252，不扣無風險利率。以下條件都事先寫定：

1. 鄰近參數： 9 組至少七成要贏 QQQ。
2. 前後兩段： 原設定兩段都要贏。
3. 含成本： 原設定在 finlab 美股預設成本（0）和每邊 0.1% 下都要贏。
4. 不靠單一年份： 拿掉領先最多的那一年，原設定仍要贏。
5. 現金： 平均現金超過 10% 的設計，要在扣掉國庫券（BIL）後贏 QQQ。這裡沒有設計觸發，平均持股比例最低是 94.9%。
6. 組合要有貢獻： 組合版要在同一段期間高於 F≥7。

三個設計領先 QQQ 最多的年份都是 2022 年，分別領先 21.5、19.4、32.5 個百分點。三個設計每一關都沒過，組合版連自己那一關也沒過：0.43 低於 F≥7 的 0.61。校準方面，把全部成分股等權持有，從 2017 年 9 月起和 RSP 的日報酬相關係數 0.998，日夏普兩者都是 0.68，股票池與回測引擎的表現符合預期。

RSP 在這裡是比較有用的對照。這些設計都是 S&P 500 股票的等權組合，單是輸 QQQ 說明不了太多。F≥7 和 F≥8 從開始的頭幾週起就一路低於 RSP，到 2026 年 10 月累積 2.28 倍和 2.18 倍，RSP 是 2.48 倍，QQQ 是 4.23 倍。F≥7 平均持有 187 檔，超過指數的三分之一，回撤也和 RSP 差不多（-38.4% 對 -39.0%）。

組合版累積 1.80 倍。2020 年它跌 20.2%，同年 RSP 漲 12.7%，前半段年化只有 1.2%。後半段日夏普 0.86，高於 F≥7 和 RSP，所以它落後這兩者的部分都出在前半段。它平均持有 32 檔，最少 8 檔；因為單檔上限 5%，符合的股票不足 20 檔時就留現金。

粗體是原設定。F≥7 和 F≥8 的參數表共用 F≥7、F≥8 兩列，左圖只畫一次，所以不重複的參數組是 21 組。每一格都和自己同期的 QQQ 比（每週 0.85，每月與每季 0.84），全部都輸。

左圖裡門檻越低越好：F≥6 是 0.65 到 0.68，F≥9 只有 0.39 到 0.54。每一列都是每月換股最低，而且這些格子全是零成本。F≥9 那列保留 5% 上限，約 16 檔的持股會留下部分現金，所以 0.39 和前面沒有上限的 9 分切片 0.41 不同。

贏 RSP 的只有兩組：F≥6 每週（0.68 對 0.67）與 F≥6 每季（0.661 對 0.659）。門檻 7 分以上全部輸 RSP。右圖也一樣，每一列都是門檻越高夏普越低，最好的是最便宜 30%、門檻 6 分的 0.57；最便宜 20% 在每一欄都最低。

同樣三個條件在台股的結果

同樣三個條件在台股是一個上線中的策略：低股價淨值比＋F-Score＋營收成長，2014 年 6 月到 2026 年 10 月年化 19.7%、日夏普 1.26，同期 0050 含息是 1.05。報酬和 0050 的 19.8% 差不多，領先來自較低的風險，後半段的差距也很小：2020 年 8 月底以後是 1.33 對 1.30。本文的美股版本則輸了。

市場、股票池、營收資料、分數與基準都不同，這是兩個獨立的測試，我們不對相反的結果提出原因。台股單用 F-Score 的版本也不一樣：F-Score 選股的 8 分以上三項驗證只過一項，鄰近參數 2／9 組贏 0050。其他台股財報訊號見 8 個財報品質訊號回測。

先前的美股研究，以及本文為何從 2018 年開始

我們的美股學術因子回測比較接近 Piotroski 的原始做法：流動性前 1,000 檔、排除金融股，取 B/M 最高的 30%，持有所有 8 分以上的股票。從 2017 年 8 月起日夏普 0.23、年化 2.7%、最大回撤 -68.6%，是 10 個因子裡最低的，同期 QQQ 是 0.89。同一個股票池的因子投資研究也顯示，分數最高的十分之一每年比最低的十分之一少 0.9 個百分點，t 值 -0.14。

本文的股票池、金融股處理和門檻都不同，起點也不同。那篇從 2017 年 8 月開始；本文事先寫定從成分股七成以上有值的第一個月開始，分數要到 2018 年 5 月才達到。S&P 500 公司的財報實際從 2016 年第一季才齊（2015 年每季不到 80 家），而一年前的 ROA 要除以再早一年的總資產，所以多數公司第一個算得出分數的季度是 2018 年第一季，要用到 2016 年第一季起的九季財報，這一季的財報在 2018 年 4、5 月申報。第一次每月成交在 2018-06-01。

逐年來看

F≥7 在 9 個年度裡只有 2022 年贏 QQQ，當年跌 11.0%，QQQ 跌 32.6%。沒有用任何分數的 RSP 當年也只跌 11.6%。2023 年正好相反：F≥7 漲 16.1%，RSP 13.7%，QQQ 54.9%。拿掉 2022 年，F≥7 是 0.78，QQQ 是 1.22。

F≥7 在 2022 到 2025 連續四年贏 RSP，其餘五個年度都輸。前後半段也是同樣的轉折：前半段 0.48，QQQ 0.76、RSP 0.61；後半段 0.83，QQQ 0.95、RSP 0.76。它從落後 RSP 變成領先 RSP，而兩段都落後 QQQ。數字只顯示發生了這件事，看不出原因。

金融股留在裡面

銀行的流動資產和工業公司的報法不同，流動比率、毛利率這類檢查不太適用。Fama 與 French（1992）的研究排除了金融公司，因為金融業常見的高槓桿和其他產業的意義可能不同；我們先前的因子研究也排除這個類股。本文則刻意保留，因為測的是整個指數。

占比在 F≥7、F≥8 略降，到 F≥9 大約減半。便宜又成長的組合則相反，金融股占了 34%。類股標籤是現在的分類，不是當時的分類。我們沒有跑排除金融股的版本；這些占比是看到結果後才算的，只描述組合內容，不能解釋結果。

程式碼

下面是 F≥7，編號註解對應前面的九項檢查表。用到 2026 年 10 月的資料會印出 0.6，也就是 0.60，Python 會省略結尾的 0；關鍵數字表是 0.61，因為 research.py 一家公司只留一個股別，這段短版兩個股別都留。

import finlab
from finlab import data
from finlab.backtest import sim
 
finlab.login()
data.set_market("us")
 
close = data.get("us_price:adj_close")
members = data.get("us_index_constituents:sp500").astype(bool)
tickers = members.columns.intersection(close.columns)
members = members[tickers].reindex(close.index, method="ffill").fillna(False).astype(bool)
 
quarters = data.get("us_balance_sheet:total_assets").index
 
 
def quarterly(key):
    return data.get(key).reindex(index=quarters, columns=tickers)
 
 
def trailing(key):
    return quarterly(key).rolling(4, min_periods=4).sum()
 
 
income = trailing("us_income_statement:net_income")
cash_flow = trailing("us_cash_flow:operating_cash_flow")
assets = quarterly("us_balance_sheet:total_assets")
begin = assets.shift(4)[assets.shift(4) > 0]
revenue = trailing("us_income_statement:revenue")
 
roa = income / begin
leverage = quarterly("us_balance_sheet:long_term_debt").fillna(0) / ((assets + assets.shift(4)) / 2)
current = quarterly("us_balance_sheet:total_current_assets") / quarterly("us_balance_sheet:total_current_liabilities")
margin = trailing("us_income_statement:gross_profit") / revenue[revenue > 0]
turnover = revenue / begin
 
checks = [
    roa > 0,                                                  # 1 profitable
    cash_flow > 0,                                            # 2 cash from operations
    roa > roa.shift(4),                                       # 3 return on assets rising
    cash_flow / begin > roa,                                  # 4 cash above reported earnings
    leverage < leverage.shift(4),                             # 5 less long-term debt
    current > current.shift(4),                               # 6 better current ratio
    trailing("us_cash_flow:net_common_stock_issuance") <= 0,  # 7 no net share issuance
    margin > margin.shift(4),                                 # 8 better gross margin
    turnover > turnover.shift(4),                             # 9 better asset turnover
]
score = sum(check.astype(float) for check in checks)
score = score[roa.notna() & cash_flow.notna() & roa.shift(4).notna()]
 
# Count each quarter from its filing date; a blank quarter becomes -1
f_score = score.fillna(-1).index_str_to_date().reindex(index=close.index, method="ffill")
 
position = ((f_score >= 7) & members).loc["2018-05-01":"2026-10-30"]
report = sim(position.loc[:, position.any()], resample="M", trade_at_price="close",
             position_limit=0.05, market="us", upload=False)
curve = report.creturn.loc["2018-06-01":]
returns = curve.pct_change().dropna()
print(round(returns.mean() / returns.std() * 252 ** 0.5, 2))

不想自己寫也可以。照 AI 輔助安裝流程裝好 FinLab skill，或到 FinLab Studio 用白話請 AI 重跑，例如「把 F-Score 研究裡的金融股拿掉」或「改用年報打分」。

回測方法與限制

有四個限制比其他項目重要：

• 期間短： 8.4 年裡只有一次 2020 年、一次 2022 年，單一年度就能改變結果：拿掉 2022 年，QQQ 的日夏普從 0.84 升到 1.22。
• 只有大型股： Piotroski 的原始結果來自範圍廣得多的便宜股，論文也指出效果集中在中小型公司、週轉率低與沒有分析師追蹤的股票。S&P 500 離那個族群很遠，所以本文沒有重驗他的結果。
• 用財報申報日的滾動數字： 分數隨各公司申報日在一年內變動，論文則用年報打分。
• 最新一季還沒報齊： 資料截止時最新一季的財報只有部分公司申報，最後的讀數混合了新舊財報。

這個結果能說明什麼

從 2018 年 6 月到 2026 年 10 月，在 S&P 500 成分股和這套規則下，高 F-Score 的原設定沒有贏 RSP，任何參數都沒有贏 QQQ。6 分以上，分數越高夏普越低。加上低股價淨值比與營收成長之後更差。這些結果不代表 F-Score 在便宜小型股、更早的年代或其他市場無效，前面的台股策略就在自己的基準下過了關。

F-Score 適合誰

適合想用一張清單快速檢查單一公司財報的讀者：獲利、負債、效率共九個是非題。也適合研究便宜小型股的人，那正是 Piotroski 研究、本文沒有涵蓋的族群。

不適合想用 S&P 500 個股規則贏過指數基金的人。在本文設定下，F≥7 持有超過三分之一的指數，結果貼近 RSP，報酬還比較低。

想繼續研究，一次改一件事，每項驗證都重跑，並且同時比 RSP 和 QQQ：門檻改 6 分、改用年報打分、拿掉金融股，或換成 S&P 500 以外的便宜股。同批的 PEG 與低波動研究用同樣的股票池和規則。單用股價淨值比可以看美股回測教學，大型股因子見 17 個因子比較，常見選股法見知名選股法回測，其他美股研究收在美股量化策略總覽。

常見問題

F-Score 幾分算好？

Piotroski 的論文買 8 分和 9 分。本文 2018 年 6 月到 2026 年 10 月的 S&P 500 測試裡，有分數的組別以 6 分的日夏普 0.69 最高，9 分的 0.41 最低，不過 9 分平均只有 16 檔。

F-Score 怎麼算？

九項各得 1 分：ROA 為正、營業現金流為正、ROA 上升、現金流高於 ROA、長期負債比下降、流動比率上升、沒有淨發行股票、毛利率上升、資產週轉率上升，總分 0 到 9。本文每項都用近四季和一年前比較。

F-Score 用在美股有效嗎？

在 2018 到 2026 年的 S&P 500 成分股上，本文 21 組參數都沒有贏 QQQ，只有 2 組贏 RSP，而且都是門檻 6 分。這些是大型公司，Piotroski 的結果來自範圍廣得多的便宜股，所以這不能回答小型股的問題。

滿分 9 分是買進訊號嗎？

依本文的證據不是。9 分這組年化 6.7%、日夏普 0.41，是所有分數最低的。它平均只有 16 檔，雜訊大，但 7 分和 8 分也都輸 RSP。

金融股適用 F-Score 嗎？

不太適用，銀行的流動資產和工業公司的報法不同。本文刻意保留金融股，它占有分數股票的 15.2%，占 9 分股票的 7.8%。

F-Score 加上低股價淨值比比較好嗎？

在這段期間的 S&P 500 成分股不是。加上最便宜 30% 與營收成長後，日夏普從 0.61 降到 0.43，最大回撤從 -38.4% 變成 -50.2%。

台股和美股的 F-Score 結果為什麼不同？

我們沒有找出原因。同樣三個條件在台股日夏普 1.26，高於 0050 的 1.05，但後半段差距很小；美股版本 0.43，低於 QQQ 的 0.84。兩邊的市場、股票池、營收資料、分數與基準都不同。

可以自己重跑嗎？

可以。裝好 FinLab skill 後，下載下面的 research.py，執行 python research.py。

下載資源

投資警語：本文僅供教學參考，不構成投資建議。過去績效不代表未來表現，投資有風險。本文所有回測均為全段樣本內結果，前後兩段未經樣本外驗證。文中提到的基金只用來說明研究結果，不是買賣建議。

最後更新：2026-11｜回測區間：2018-06～2026-10｜資料截至 2026-10-30，重跑日 2026-11-01｜基準：QQQ 含息｜作者：FinLab 量化研究團隊（經量化研究員審閱）