營收創新高選股：月營收動能優先買營收創 12 個月新高，
年化 52.4%、夏普 1.62

營收創新高本身不是好的選股條件：只買營收創新高的股票，9 組參數只有 4 組贏 0050。但把它放進月營收動能選股當排序條件，候選股裡單月營收創 12 個月新高的先買，其他規則一個字都不改，結果就不一樣了。 2015 年 2 月到 2026 年 10 月回測，年化報酬 52.4%、日夏普 1.62、最大回撤 -32.0%，原版是 45.9%、1.42、-35.6%，同期 0050 含息是 20.2%、1.06、-34.0%。

改善主要來自前半段。2020 年底以後，這個版本的日夏普 1.39 反而略低於原版的 1.47；近 3 年日夏普 1.54，原版和 0050 都是 1.87。全期與 9 組鄰近參數都過了研究前寫定的門檻，已放上策略頁每天更新。本文的原版數字是同一段期間重跑的結果（年化 45.9%、日夏普 1.42），和原版文章標題寫的期間不同。

關鍵數字：本文策略、原版與 0050

全期年化報酬、日夏普與最大回撤都比原版好，淨值成長約 140 倍，原版約 84 倍，0050 含息約 8.7 倍。所有數字都用 finlab 2.2.24、資料截至 2026-10-30 實際跑出，手續費 0.1425% 與證交稅 0.3% 用 sim() 預設值扣除。「近 3 年」指 2023-10-30 到 2026-10-30，「近 5 年」指 2021-10-30 到 2026-10-30。

營收創新高是什麼，為什麼單獨用不夠

營收創新高指的是這個月的營收比過去一段時間每個月都高。本文用「單月營收是近 12 個月最高」，也就是 當月營收 >= 近 12 個月最大值。這個條件很直覺：公司接單、出貨正在擴張，月營收才會一直刷新紀錄。

問題是營收創新高的公司很多。2015 年以來每個月平均約 225 檔上市櫃普通股符合，裡面有真正在成長的，也有只是因為季節性（例如年底旺季）剛好創高的。我們照研究紀錄先測了單獨版：每月 11 日在流動性門檻內，從營收創新高的股票裡挑營收年增率最高的 n 檔。

左邊是單獨版：創新高回看 6、12、24 個月，持股 20、30、50 檔，9 組裡只有 4 組贏 0050 的 1.06，原參數（12 個月、30 檔）是 1.07，後段 1.21 對 0050 的 1.22 也沒贏，三項驗證不成立。持股越少越差，20 檔的三組最高只有 0.96。

右邊是本文的組合版，9 組介於 1.46 到 1.68，全部贏 0050；原版月營收動能持 8、10、12 檔分別是 1.26、1.42、1.49，9 組也全部高於同持股數的原版。營收創新高需要股價趨勢與動能一起確認，才是有用的訊號。

這和Chan、Jegadeesh 與 Lakonishok（1996）在 Journal of Finance 的發現一致：股價動能和盈餘面的動能各自都能預測報酬，兩者並不互相取代。他們研究的是盈餘驚喜與分析師預估修正，本文用的是月營收；台股月營收每月公布，比季盈餘快得多。同一批研究另一個成立的營收驚喜選股，則是Jegadeesh 與 Livnat（2006）營收驚喜的台股月營收版。

原版的交易裡，營收創新高的比較好

為什麼加這一條會有幫助？把原版月營收動能 11 年多的 1,403 筆交易（兩次換股之間的每一檔持有算一筆，停損出場也算），依進場時營收有沒有創 12 個月新高分開：

創新高的交易平均多賺 1.35 個百分點，勝率也高一點。兩組的報酬中位數都是負的，這是動能策略的典型：大部分交易小賠（觸發 10% 停損，或在下次換股時被換掉），靠少數大漲的股票賺錢。創新高那組的大漲股比較多。本文策略做的事，就是在候選股不只 10 檔時，優先買這一組。

策略規則與程式碼

1. 候選股（和原版相同）：收盤價同時站上 20、60、120 日均線，近 3 個月平均營收高於近 12 個月平均營收。
2. 排序：候選股中單月營收創 12 個月新高的上市櫃普通股（排除金融保險與存託憑證）排前面；同一組內依 5 日平均漲跌幅由高到低。
3. 選股：取前 10 檔，等權持有。
4. 換股與停損：每月 11 日換股，單檔跌 10% 停損。

下面是核心程式，完整版（含統計與輸出檔案）在文末的 strategy.py，原版的對照數字由 research.py 產生：

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")
categories = data.get("security_categories").set_index("stock_id")["category"]
 
# 1. 原版月營收動能的候選股與排序分數
rev_up = rev.average(3) > rev.average(12)
trend = (close > close.average(20)) & (close > close.average(60)) & (close > close.average(120))
momentum = (close / close.shift() - 1).rolling(5).mean()
score = momentum[trend & rev_up]
 
# 2. 單月營收創 12 個月新高（在月表上算），只看上市櫃普通股
excluded = {"金融保險業", "金融業", "存託憑證"}
stocks = [
    s for s in rev.columns
    if len(s) == 4 and s.isdigit() and not s.startswith(("0", "28", "91"))
    and categories.get(s) not in excluded
]
monthly = pd.DataFrame(rev).reindex(columns=stocks)
monthly.index = pd.to_datetime(monthly.index)
new_high = (monthly > 0) & (monthly >= monthly.rolling(12, min_periods=12).max())
 
# 3. 創新高的加 1 分：5 日動能遠小於 1，所以創新高的一定排在前面
bonus = new_high.astype(float).reindex(close.index, method="ffill")
bonus = bonus.reindex(columns=close.columns).fillna(0)
 
position = (score + bonus).is_largest(10).loc["2015-01-01":]
report = sim(position, resample="M", resample_offset="11D", stop_loss=0.1, upload=False)

rolling(12) 要在月表上做：先展開到每日再 rolling 就變成 12 個交易日。加分寫成 score + bonus：創新高的候選股分數是 1 加上 5 日平均漲跌幅，沒創新高的只有 5 日平均漲跌幅，而 5 日平均漲跌幅實際上都遠小於 0.5，所以創新高的一定排在前面，只有創新高的候選股不到 10 檔時才會補進其他候選股。

回測結果：全期勝過原版，最近幾年沒有

12 個年度裡 8 年勝過原版、10 年勝過 0050（2019 與 2025 年各少 1.3 個百分點）。勝過原版最多的是 2015、2016、2019 與 2021 年；2025 與 2026 年則落後原版 21.7 與 36.8 個百分點，是全期落後原版最多的兩年。

最大回撤 -32.0% 發生在 2018-06-25 到 2018-10-26，2019-11-27 回到前高；原版同樣從 2018-06-25 開始下跌，但一路跌到 2020-03-19 的 -35.6%。單月最差是 2020 年 3 月的 -20.8%，最好是 2020 年 8 月的 38.7%。每次換股約換掉 93% 的持股，原版是 96%；回測把兩次換股之間的每一檔持有算成一筆（停損出場也算），共 1,401 筆，其中 46.5% 賺錢。

和原版每天的持股平均有 41.5% 相同，日報酬相關係數 0.77。這仍是同一個策略家族，只是挑法不同；如果你已經在跑原版，換成這個版本的效果主要看候選股多於 10 檔的那些月份。

三項穩健性驗證：鄰近參數、前後兩段、交易成本

「贏」的意思是同一段交易日裡，日夏普高於 0050 含息；日夏普＝日報酬平均 ÷ 日報酬標準差 × √252，不扣無風險利率。本文在跑之前寫定三項驗證，另外加一條：組合版要比原版好，才算新策略。

1. 鄰近參數：創新高回看 6、12、24 個月 × 持股 8、10、12 檔，9 組至少 7 組贏 0050。結果 9 組全贏。
2. 前後兩段：原參數在兩段都要贏 0050。結果兩段都贏。
3. 交易成本：sim() 預設手續費與證交稅。不扣成本時日夏普 1.85，扣了是 1.62。
4. 比原版好：原參數日夏普高於原版 10 檔（1.62 對 1.42），9 組中至少 7 組高於同持股數的原版。結果 9 組都高於原版。

前段（2015-02-11 至 2020-12-18）本文策略 1.94、原版 1.38、0050 0.87；後段（2020-12-21 至 2026-10-30）分別是 1.39、1.47、1.22。後段兩個版本都贏 0050，但本文策略低於原版 0.08。研究前寫定的門檻比的是 0050 與 9 組鄰近參數，沒有要求每一段都贏原版，所以照規則算通過；但如果你在意的是最近五年，原版的表現比較好。

回測方法與限制

月營收用 FinLab 的鎖定版，數值以公告後第一個開盤前的最後一次寫入為準。少數公司晚於期限才公布，這幾筆在本文會被當成期限日就知道。每月只持有 10 檔，單一股票對結果影響很大，本文沒有估算策略容量。同一批研究測了 7 個月營收訊號的單獨版與組合版，只有這個組合版和營收驚喜單獨版過關；在同一段資料上測很多訊號，總有幾個會碰巧過關，這種風險可以看回測過度擬合的機率。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：已經在用月營收動能、想加一個簡單排序條件的人；能接受每月換股、單月可能跌兩成的人；想把營收創新高用在選股上，但不想只靠這一個條件的人。

不適合：特別看重最近幾年表現的人，2025 與 2026 年原版明顯比較好；要求回撤或波動比 0050 小的人，年化波動 29.8% 比 0050 的 19.8% 高很多；資金很大、需要分散到幾十檔的人。

常見問題

營收創新高的股票可以直接買嗎？

本文的單獨版說明不行：只從營收創新高的股票裡挑年增率最高的，9 組參數只有 4 組贏 0050，20 檔版本的日夏普最高只有 0.96。營收創新高要搭配股價站上均線與短期動能，才在 9 組參數都贏。

為什麼是 12 個月新高？

12 個月是原始設定，並且同時測了 6 與 24 個月。組合版三種回看長度的 9 組都贏原版，最好的是 12 個月持 12 檔的 1.68，最差的是 6 個月持 8 檔的 1.46。

和站上的「營收篩選創新高策略」有什麼不同？

創新高策略看的是股價創新高，再用營收（近 3 月平均創 12 個月新高）確認，跟著月營收公布日換股。本文的底是月營收動能，股價條件是站上三條均線、按 5 日動能排序，營收創新高只拿來排先後。兩者條件與換股方式都不同。

和「營收連續成長創新高」又有什麼不同？

AI 量化研究那篇的策略要求近 3 月平均營收創 12 個月新高、年增率連續兩個月高於門檻，而且股價創新高，條件是全部同時成立才買。本文不要求股價創新高，也不要求連續年增，只把營收創新高當成排序的優先權。

原版近幾年比較好，要選哪一個？

全期與鄰近參數都是本文版本比較好，後段與近 3 年是原版比較好。兩者有約四成持股相同，差異集中在候選股多於 10 檔的月份。本文無法告訴你未來哪一段會重演，本文策略頁與原版策略頁都會每天更新，可以並列追蹤。

最大回撤 -32.0% 為什麼比原版淺？

原版在 2018 年 6 月到 2020 年 3 月經歷了一段很長的回撤，最深 -35.6%；本文版本在 2019 年就回到前高，2020 年 3 月的疫情下跌沒有創新的最大回撤。這是這段期間的結果，不代表加了營收創新高就一定比較抗跌。

這個策略可以直接照做嗎？

這是研究與回測結果，不是投資建議。實際操作要考慮滑價、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。
• 月營收進階訊號回測：營收加速、累計年增、由負轉正、連續年增、產業擴散等訊號的完整結果。
• 營收驚喜選股：同一批研究裡另一個成立的策略，和月營收動能幾乎不重疊。
• 可轉債選股：另一個加在月營收動能上的條件，避開可轉債發行公司。
• 用 Python 做月營收選股的三種方法：年增率、創新高與動能三種寫法的比較。
• 股票選股完整指南：基本面、技術面、籌碼面選股方法的總覽。
• 月營收資料：FinLab 月營收資料欄位說明。

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 -32.0%，2025 與 2026 年明顯落後原版月營收動能。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：2015-02 ～ 2026-10｜作者：FinLab 量化研究團隊（經量化研究員審閱）