股價淨值比選股策略：台股 16 年實測，
低 PB 排序成立但五組全輸 0050

**本文以反面教材為主：股價淨值比（PB）在台股的排序確實帶有資訊，但照它選股，16 年來我們測過的每一種做法，年化報酬都輸給直接買 0050 含息。**股價跌破淨值就是便宜、PB 越低折扣越大，是台股流傳最廣的估值說法。我們用 finlab 取得 2010 年以來台股每日股價淨值比，把全上市櫃股票按 PB 高低分成五組每季換股，再把「絕對門檻選股」和「相對百分位加排雷」兩種常見做法各跑一遍；每一組比較都讓 0050 含息從同一天起算。

數據來源：finlab 回測，資料截至 2026-09-30，2026-10-11 重跑；完整程式碼與每日數據可在文末下載。最低 PB 組的日夏普 0.98 與 0050 的 0.97 幾乎打平，年化波動也較低，但年化報酬、索提諾與最大回撤都落後；而且 2024 年以後，連「低 PB 勝過高 PB」的排序本身都反轉了。

股價淨值比是什麼？定義與公式

**股價淨值比（Price-to-Book Ratio，簡稱 PB 或 P/B）＝公司市值除以股東權益帳面價值，衡量你用幾倍的價格買進公司帳上的淨資產。**分子分母同除以發行股數，就是更常見的寫法：

舉一個虛構的計算示例（數字為教學示意，非任何真實公司）：甲公司發行 1 億股，帳上股東權益 25 億元，每股淨值就是 25 元；若今天股價 20 元，PB＝20÷25＝0.8，代表市場願意用八折買它的帳面資產。反過來，若股價 50 元，PB＝2.0，市場用兩倍價格買帳面資產，買的是帳面以外的東西：品牌、技術、成長預期。

所以 PB 同時透露兩件事：一是「便宜程度」，二是「市場對未來的共識」。投資人看好的公司，股價先反映未來獲利，PB 被推高；不被看好或無人關注的公司，PB 被壓低。大部分股票 PB 大於 1 並不奇怪，因為持續獲利的公司本來就值得高於清算價值的定價；反而是 PB 長期小於 1 的股票需要先問一句：市場為什麼不買單？

用 ROE 與 PE 看懂 PB 的另一面

PB 不是孤立的指標。把股東權益報酬率（ROE）拆開，會發現它剛好是 PB 與本益比（PE）的比值：

延續上面的示例：甲公司 PB 0.8、PE 8 倍，ROE＝0.8÷8＝10%；乙公司 PB 同樣 0.8 但 PE 高達 40 倍，ROE 只有 2%。兩家公司一樣「便宜」，賺錢能力卻差五倍。這就是為什麼用 ROE 搭配 PB 挑便宜好股會比單看 PB 更合理：低 PB 配高 ROE，才是用折扣價買到還在賺錢的資產。

股價淨值比多少算低？中位數會隨牛熊大幅浮動

「PB 小於 1.2 算便宜」這類絕對標準，是低 PB 選股最常見的誤用。把 2010 年以來台股全市場的 PB 中位數與 20% 分位數畫出來（灰線是同期 0050 含息淨值，對照右軸），浮動的幅度一目了然：

幾個實測出來的關鍵讀數：

同樣一條「PB<1.2」的篩選條件，在 2015 年 8 月會選到 61.7% 的股票，在 2026 年 9 月底只剩 26.6% 合格。熊市時全市場一半的股票跌破淨值，牛市時連最便宜的兩成股票 PB 都在 1.04 以上。**判斷一檔股票的 PB 高低，要跟「同一時點的全市場」比，用相對百分位，不用絕對數值。**數學上，本文的「最低 PB 組」定義為：

其中 $P_{20}(PB)$ 是當天全市場 PB 的第 20 百分位數。這個門檻每天跟著市場呼吸，不會在熊市突然選進半個市場。順帶一提，全市場 PB 中位數本身就是有用的溫度計，怎麼拿它判斷台股大盤的相對位置，站內有另一篇專文回測。

回測一：PB 五分位，低 PB 組真的比較強嗎？

第一層實驗檢驗因子本身。設計如下：

• 股票池：全上市櫃有 PB 資料的個股（每組平均約 320 檔）
• 分組：按當天全市場 PB 由小到大分五等份，等權持有，每季最後一個交易日換股
• 成本：finlab sim() 台股預設，手續費 0.1425%、賣出證交稅 0.3%
• 區間：2010-03-31 到 2026-09-30（finlab 每日 PB 資料從 2010 年 1 月開始，第一個季底換股日是 2010-03-31，0050 也從這天起算）

結果有兩面。好的一面：報酬隨 PB 由低到高嚴格遞減，Q1 年化 14.17% 約是 Q5 的 1.9 倍，五組的年化與夏普排序完全沒有亂跳，代表 PB 在台股橫斷面上確實帶有資訊。這與學術文獻一致：Rosenberg, Reid & Lanstein (1985) 用美股資料最早系統性證實買進低股價淨值比股票能獲得顯著超額報酬；Fama & French (1992) 進一步發現帳面市值比（PB 的倒數）是解釋美股橫斷面報酬最有力的變數之一，價值因子後來被寫成

也就是「做多低 PB、做空高 PB」的報酬差。本文的 Q1 減 Q5 年化約 6.6 個百分點，方向與 HML 相同。

不利的一面：**五組沒有任何一組打贏同期 0050 含息的 17.24%。**Q1 的日夏普 0.98 與 0050 的 0.97 幾乎打平，年化波動 15.14% 也低於 0050 的 18.65%，但年化報酬、日索提諾、月索提諾與最大回撤全部落後，16 年下來總報酬 790.7% 對 1280.7%。買「全市場最便宜的兩成」勝過買「最貴的兩成」，但兩者都輸給什麼都不挑的市值前 50 大。對照站內台股選股方法總整理的單因子實測，這個結論並不孤單：在 2018 年之後由權值成長股主導的台股，多數單因子都打不贏 0050。

低 PB 溢酬並非每年有效：2024 年起連續落後

把 Q1、Q5 與 0050 的逐年報酬攤開，可以看到這個因子的節奏：

2010 年從 3 月 31 日起算只有 9 個月（Q1 18.2%、Q5 1.1%、0050 17.7%），未列入表與圖。

2012 到 2023 的十二年裡，Q1 有九年贏過 0050，2022 年大盤跌 21.4% 時它只跌 0.6%，展現了低 PB 組合的抗跌性格。轉折發生在 2024 年：AI 與半導體權值股噴出，0050 在 2024、2025 年分別上漲 48.6% 與 36.8%，2026 年到 9 月底已經上漲 74.3%；同期低 PB 組合只有 0.5% 到 15.3%。這與站內 PE、PB、PEG 三大估值因子十年回測的發現方向一致：純粹的「便宜」在近年台股是弱因子。

策略衰退追蹤：2024 年起排序反轉，2026 年 6 月之後的新資料

2026 年 10 月重跑時，衰退比上一版寫的更深一層。把 2024 年初到 2026 年 9 月底的累積報酬按五組排開：

這段期間最低 PB 組在五組裡墊底，最高 PB 組反而最好，「低 PB 勝過高 PB」的排序已經反轉；全期 16 年的排序之所以還成立，靠的是 2023 年以前累積的領先。若只看 2024 年以後，PB 排序在台股不但沒有超額報酬，方向還是反的。

上一版文章的資料截至 2026-06-09。從那天到 2026-09-30 的新資料如下：

這不到四個月裡，Q1 重新領先 Q5，但仍落後 0050 約 6.3 個百分點；排雷策略落後 0050 約 1 個百分點，拿掉排雷的對照組 9.03% 則與 0050 的 8.92% 相當，排雷扣分的情況在新資料裡仍然存在。區間太短，不足以判斷排序是否回到原本的方向。價值因子在歷史上多次經歷數年低潮再回歸，這段衰退究竟是風格循環的低谷，還是因子被市場效率消化，以 2026 年 9 月底的資料還無法區分；下一次季度重跑會把新的一季補進這兩張表。

股價淨值比有這麼神嗎？絕對門檻 PB<0.5 的三個風險

第二層實驗檢驗散戶最常見的做法：設一條絕對門檻，把 PB 低於某個數字的股票全部買進。我們測了三條門檻，每季換股、等權持有：

最極端的 PB<0.5 看起來最「深度價值」，績效卻是三者最差，年化只有 7.25%，最大回撤接近一半資產。原因藏在持股檔數的時間序列裡（灰線為同期 0050 含息淨值，對照右軸）：

三個風險依序是：

1. **集中度風險。**牛市裡跌破半倍淨值的股票本來就稀少，PB<0.5 的持股在 2014 年 6 月的季底只剩 3 檔。等權分散的前提是有股可分，門檻越極端，組合越像在單押兩三家壞消息纏身的公司，一檔出事就是兩位數的淨值損失。
2. **樣本忽多忽少。**同一條門檻，2020 年 3 月疫情低點可以選到 108 檔，2014 年牛市只剩個位數。策略的風險暴露隨市況劇烈漂移，回測數字的代表性也跟著失真。
3. **撿到的多是有問題的公司。**PB 跌破 0.5 通常有原因：虧損、產業衰退、資產品質存疑。下一節的淨值陷阱會展開講。

有趣的副產品：符合低 PB 門檻的股票檔數和大盤幾乎反向。大盤越熱，便宜股越少；2015 年 8 月與 2020 年 3 月兩次恐慌，門檻內檔數同步暴增，PB<1.0 的持股在 2024 年 6 月 AI 行情中縮到最少的 170 檔。這條曲線本身就帶有市場過熱與恐慌的訊號價值，與前面提到的 PB 中位數溫度計互相呼應。

至於「把門檻放寬到 0.6 到 0.8 之間、做好分散」的常見建議，資料給的答案是：方向正確但幅度有限。PB<0.8 的年化 12.73% 與回撤 -38.25% 確實全面優於 PB<0.5，分散讓單一地雷的傷害變小；PB<1.0 的年化波動 14.97% 更低於 0050，但三條門檻的年化報酬都輸給同期 0050。放寬門檻改善的是風險，報酬的落差仍在。

淨值陷阱：便宜的股票為什麼便宜

低 PB 股票池的天敵叫淨值陷阱（value trap）：股價便宜是因為公司基本面正在惡化，帳上淨值是過去式，虧損會把它一季一季燒掉。假設買進 PB 0.6 的公司，若每股淨值每年縮水 15%，兩年後用當初股價算的「實質 PB」已經回到 0.83，折扣是假的。

這個問題有經典的學術處理：Piotroski (2000) 檢視美股高帳面市值比（即低 PB）的股票池，發現其中多數公司財務體質持續走弱，整個池子的超額報酬其實由少數體質健康的公司貢獻；他用九項財報訊號（F-Score）把爛公司剔除後，價值組合的報酬顯著提升。九項訊號怎麼在台股計算，可以看站內的 F-Score 財報指標選股。

依照這個邏輯，我們在下一層回測加入兩條簡化版排雷規則：

• 獲利排雷：近四季經常稅後淨利合計大於 0，剔除持續虧損、淨值正在失血的公司
• 淨值排雷：每股淨值不低於一年前，剔除帳面價值持續下滑的公司

回測二：低 PB 相對百分位＋排雷實戰策略

把前面所有教訓組合成一個可執行的策略：

• 股票池：60 日均量大於 50 萬股、股價大於 5 元（流動性與雞蛋水餃股過濾）
• 趨勢濾網：收盤價站上季線（60 日均線）
• 估值：PB 位於池內最低 20% 相對百分位（不用絕對門檻）
• 排雷：近四季經常稅後淨利大於 0，且每股淨值不低於一年前
• 選股：候選中取「PB×股價」最小的 20 檔，等權持有，每季換股

頁面上放核心程式碼，完整可執行版本在文末下載：

import finlab
from finlab import data
from finlab.backtest import sim
 
# finlab 會在需要資料時自動引導登入
finlab.login()
 
# 載入每日資料
close = data.get("price:收盤價")
vol = data.get("price:成交股數")
pb = data.get("price_earning_ratio:股價淨值比")
pb = pb.where(pb > 0)
ni = data.get("fundamental_features:經常稅後淨利").index_str_to_date()
 
# 股票池：流動性 + 股價門檻 + 季線之上
pool = (vol.rolling(60).mean() > 500_000) & (close > 5)
above_ma = close > close.rolling(60).mean()
 
# 排雷一：近四季經常稅後淨利 > 0
profitable = ni.rolling(4).sum().reindex(close.index, method="ffill") > 0
 
# 排雷二：每股淨值不低於一年前
bps = close / pb
bps_ok = bps >= bps.shift(245)
 
# 池內 PB 相對百分位，取最低 20%
low_pb = pb.where(pool).rank(axis=1, pct=True) <= 0.2
 
candidates = low_pb & profitable & bps_ok & above_ma
 
# 選 PB * 股價最小的 20 檔，2013 年 7 月起每季換股
position = (pb * close).where(candidates).is_smallest(20)
position = position[position.index >= "2013-07-01"]
report = sim(position, resample="Q", upload=False)

排雷條件需要一年的每股淨值歷史與四季財報，所以這一層從 2013 年 7 月開始建立部位，第一個季底換股日是 2013-09-30，0050 也從這天起算。另加一組「同樣選股但拿掉兩條排雷」的對照，把排雷的貢獻隔離出來：

**這兩條簡化版排雷沒有加值，反而扣分。**排雷版年化 15.55%、無排雷版 17.83%，最大回撤只差 0.54 個百分點。文獻上成立的方向，搬到台股這個窗口、用這兩條簡化規則，並沒有複製出 Piotroski 式的改善；可能的原因包括規則太粗（只看獲利正負與淨值增減，不如九項 F-Score 細緻）、台股低 PB 池的爆發段常由轉機股貢獻（剛轉虧為盈的公司會被「近四季合計獲利」擋在門外），以及樣本期不同。本次季度重跑沿用與上一版完全相同的規則與參數，這組對照本身就是有用的資訊：在台股用低 PB 選股，粗糙的排雷濾網可能把轉機股一起濾掉。

把窗口切到與全站其他策略相同的 2018-01 到 2026-09 再看一次：

排雷策略唯一占優的是年化波動較低（18.60% 對 21.36%），年化報酬、夏普、索提諾與最大回撤全部輸給 0050。站內推薦策略要求日夏普或索提諾至少 1.5，這個策略的日夏普 0.98、月索提諾 1.49 都在門檻之下，用較低的波動換來每年少 8 個百分點的報酬，所以本文把它當成因子檢驗與反面教材，不列入推薦策略。互動式回測報告放在下方，每一筆換股與持股都可以核對：

回測方法與限制

**2026-10 更新與基準更正：**資料延長到 2026-09-30。上一版（資料截至 2026-06-09）的 0050 基準比比較對象早一季起算：五分位層用 2010-01-04，策略層用 2013-07-01，但五分位的第一個季底換股日是 2010-03-31，排雷策略是 2013-09-30。本版改為同一天起算，以上一版同一截止日重算，0050 年化由 16.43% 變為 16.98%、由 20.41% 變為 20.59%。同一截止日重跑時，各組年化報酬的差異都在 0.5 個百分點以內（個別年度報酬最多約差 0.9 個百分點），例如最低 PB 五分位 14.13% 變為 14.28%、PB<0.5 由 7.06% 變為 7.52%、排雷策略由 15.13% 變為 15.27%，可能來自 finlab 歷史資料修補或套件版本更新，本文無法逐項拆解；把 strategy.py 的 DATA_END 改成 2026-06-09 即可重跑這組對照。五組全輸 0050、排雷版全輸 0050 的結論沒有改變；新增的發現是 2024 年以後 PB 排序反轉。上一版可下載的 strategy.py 只印出部分數字，現在執行後會印出本文每一張表。

想自己跑一遍？

整份回測從資料到圖表都來自文末的 strategy.py，不需要自己爬公開資訊觀測站。執行後會印出本文每一張表的數字；資料截止日釘在 2026-09-30，改成 None 就能用最新資料重跑，改一行就能測試你自己的門檻、持股數或排雷條件。如果你是從零開始，量化交易完整指南有從環境安裝到第一個回測的入門路徑；想看 PB 與其他因子怎麼搭配成完整的選股流程，可以從台股選股方法的系統性回測接著讀，把估值當成多因子裡其中一票的做法，在多因子選股策略教學有完整示範。

常見問題 FAQ

股價淨值比多少算合理？

沒有跨時間通用的絕對標準。2026 年 9 月底台股全市場 PB 中位數是 1.83，2015 年 8 月股災時只有 0.99。實務上建議跟兩個對象比：跟「同一時點的全市場分位數」比（本文用最低 20% 分位當低 PB），以及跟「同產業、同商業模式」比，資產輕重不同的產業 PB 天生不可比。

PB 小於 1 的股票可以買嗎？

跌破淨值代表市場用低於帳面的價格定價這家公司，原因可能是真的錯殺，也可能是淨值陷阱：公司持續虧損，帳面淨值正在縮水。本文實測 PB<0.5 全持有的年化只有 7.25%、最大回撤 -48.51%，PB<1.0 全持有的年化 13.41% 也輸給同期 0050 的 17.24%，無差別買進破淨股不是好策略。至少要確認獲利能力（如 Piotroski 的 F-Score 九項財報體檢）再談便宜。

股價淨值比和本益比哪個更適合選股？

兩者衡量的東西不同：PE 用獲利定價，對虧損公司失效；PB 用淨資產定價，對輕資產高成長公司失真。站內三大估值因子的十年對照回測顯示，台股單用低 PE 或低 PB 近年都跑輸大盤，估值指標更適合當組合裡的一個維度，不適合當唯一條件。

低 PB 選股為什麼 2024 年之後大幅落後大盤？

2024 年到 2026 年 9 月底的台股由 AI 與半導體權值成長股主導，0050 這段期間累積上漲 254.46%，而這些領漲股的 PB 普遍偏高，低 PB 組合系統性缺席，同期只上漲 32.38%。同期最高 PB 組反而上漲 54.24%，五組裡最低 PB 組墊底，代表這段行情獎勵的是貴的股票。價值因子在歷史上多次經歷數年的低潮再回歸，但回歸的時點無法預測，這也是單因子策略最大的心理成本。

股價淨值比可以用來判斷大盤位置嗎？

可以當溫度計參考。全市場 PB 中位數在恐慌時貼近 1、過熱時走高，符合低 PB 門檻的股票檔數也和大盤明顯反向。站內有專文用 PB 中位數回測大盤買賣訊號，把這個直覺做成可驗證的規則。

低 PB 在美股還有效嗎？

美股的價值因子研究最完整，但近十五年同樣經歷成長股主導的長期低潮。我們用同一套 finlab 工具跑過美股股價淨值比選股的回測，結論是美股連排序資訊都很薄，比台股更弱。

金融股的 PB 要怎麼看？

金融業的資產負債表結構特殊，淨值受利率與資產評價影響大，市場慣例是金融股之間互比 PB，不與電子股混比。本文回測未排除金融股；實測金融保險業平均約占最低 PB 組檔數的 5.9%，排除後重新分五組，最低組年化 13.99%，與未排除的 14.17% 相差不到 0.2 個百分點，金融股不是低 PB 組輸給 0050 的原因。

想驗證文中的數字，要從哪裡開始？

完成 AI 輔助安裝 後下載文末的 strategy.py 執行，就會印出本文每一張表；每日淨值與全市場 PB 分位數在 data.csv，全部指標在 metrics.json。對量化名詞不熟，可以先查量化名詞表。想看更多用同一套方法檢驗市場傳言的例子，財報狗式價值選股的免費複製版是不錯的下一步。

延伸閱讀

• 台股選股全攻略：單因子與複合策略的同窗口實測
• ROE 搭配 PB 選便宜好股的回測
• 美股回測：股價淨值比在美股還有效嗎
• 量化交易完整指南

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，未經樣本外驗證；低 PB 因子 2024 年以來明顯落後大盤且排序反轉，請勿將歷史排序視為未來報酬的保證。

最後更新：2026-10｜回測區間：2010-03～2026-09（資料截至 2026-09-30，2026-10-11 重跑；排雷策略自 2013-09 起）｜作者：FinLab 量化研究團隊（經量化研究員審閱）