跳至主要內容

除權息公告

已通過驗證

上市櫃除權息公告事件流:公告時間、除權除息交易日、現金股利發放日與配息配股內容,事件研究與行事曆訊號的原料。

台股 17 個資料欄位 每日更新

資料快照截至 2026-07-04

除權息公告,記錄的是上市櫃公司「宣布要配息配股」這件事本身:董事會或股東會決議分配後,公司公告每股配發多少現金與股票、哪一天除權、哪一天除息、現金股利哪一天入帳。這是一份事件流資料,每一筆對應一次公告,時間軸從消息公開的那一刻開始。它和股利與除權息資料分工不同:那一頁的權值與息值是把配息接回價格序列、還原含息報酬的原料;本頁則是事件的行事曆與訊號來源,回答「誰宣布了、何時公告、何時除權息」。

這一類資料涵蓋什麼

每一筆公告大致包含三個面向。第一是分配內容:盈餘分配的現金股利、盈餘轉增資配股與公積轉增資配股分列開來,能看出公司是用當期賺到的錢、還是動用老本在配。第二是事件時點:公告時間、權利分派基準日、除權交易日、除息交易日、現金股利發放日,一次公告就攤開整條時間軸。第三是伴隨的籌資資訊:若公司同案辦理現金增資,認股比率與認購價也記錄在同一筆公告裡。除權、除息、殖利率這些名詞的公式定義,可以查名詞解釋

為什麼公告時點這麼重要

除權息公告的價值在「時間差」。市場對配息的反應從公告那一刻就開始,除息日只是股價被機械性調整的日子;公告日到除息日之間往往有一段值得研究的行情,除息之後則是市場熟知的填息與貼息之爭。要驗證這些說法,先要有一份把「何時公告、何時除息」記錄清楚的事件表,才能把每一次事件對齊到正確的交易日,統計事件前後的報酬,讓結論有數據支撐。

最容易踩的雷

第一個雷是前視偏差:除息交易日與基準日都是「事件發生日」,資訊真正公開的時點是公告時間。如果回測把進場訊號對齊到除息日之前好幾天,等於假設你提早知道尚未公告的內容,績效會灌水到實單複製不出來。正確做法是以公告時間當作資訊可得日,之後的交易日才能動作。第二個雷是把事件表當成一檔一筆:同一家公司一年可能公告好幾次,季配息、盈餘與公積分列、增資與配息同案都會各自成列,直接用股票代號去重或樞紐,金額會被覆蓋或重複計算,彙總前要先依股利所屬期間整理。

怎麼接上選股與策略

想看除權息事件實際拿去回測長什麼樣子,可以讀除權息行情策略回測,它用長期真實資料檢驗高殖利率選股與抱息、棄息的迷思;想把「配多少」換算成「貴不貴」,可以用台股殖利率排行工具看全市場的殖利率分布與排行,再回頭挑值得追蹤公告的名單。

怎麼自己取得這份資料

完成 FinLab 安裝設定後,一行就能把整份公告事件表抓回本機,每一列是一筆公告:

顯示程式碼
from finlab import data
 
df = data.get("dividend_announcement")
df[["stock_id", "公告時間", "除息交易日", "盈餘分配之股東現金股利(元/股)", "現金股利發放日"]].tail()

這份資料的涵蓋年限、筆數與更新狀態,本頁下方有即時健檢可以查。不會寫程式也沒關係,頁面下方可以把這件事直接交給 AI,幫你把公告事件抓下來、對齊除息日計算事件前後的報酬,再一步步接成可回測的策略。

除權息公告包含的資料欄位

這個分類是一張完整的資料表,取出整張表後再挑欄位使用。完整涵蓋範圍與更新狀態如下:

欄位數
17 欄
更新頻率
每日更新
狀態
已通過驗證
data.get("dividend_announcement")

如何取得除權息公告

不會寫程式也沒關係,把下面這句話交給你的 AI,它會帶你完成設定並做出第一個策略。

免費試用

用 AI 開始 FinLab

把這句話交給你的AI,它會帶你完成設定並做出第一個策略。

告訴你的AI:

幫我設定 FinLab,取得「除權息公告」資料,挑一個欄位畫出走勢圖,並示範一個用它選股的回測,請讀:https://finlab.finance/setup?relatedUrl=/data/dividend-announcement

想自己寫程式?看取得資料的程式碼

finlab Python 套件用一行 data.get() 就能取得這些資料;第一次使用時 finlab.login() 會自動引導登入,不需要手動處理 token。

from finlab import data

df = data.get("dividend_announcement:")
df.tail()

用除權息公告跑出的研究

財報狗免費選股策略實作:複製價值股選股法,本益比與股價淨值比篩便宜好公司

財報狗免費選股條件也能排列組合出價值股策略:EPS 五年成長 > 1.1、ROE 四季 > 0、流動比率 > 200、本益比 < 15、股價淨值比 < 1.5;半年換股一次回測台股,2009 金融海嘯後反彈強勁,附完整篩選邏輯、權益曲線與每期持股檔數分析。

本益比選股真的有效嗎?PE、PB、PEG 台股 10 年回測

台股 10 年回測比較 PE、PB、PEG 三種估值因子:單看低本益比年化僅 -1.4%、低股價淨值比 7%,唯有 PEG 結合月營收成長動能組合年化拉到 37.1%、夏普 1.08。文中解析三大估值指標公式、適用情境與避免「便宜其實是陷阱」的台股選股實作方法。

自由現金流選股 13 年實測:經典螺絲輸 0050,多因子 FCF 才贏(年化 24%)

把財報狗策略狗的「自由現金報酬率」寫成可重現策略,用 finlab 實測 2013–2026 共 13 年:經典 FCF+本益比+股價淨值比螺絲只有年化 14.22%、夏普 0.94,跑輸含息 0050(21.01%)。真正贏過大盤的是把自由現金報酬率、營收成長、價格動能三個低相關因子疊起來,年化 24.18%、夏普 1.28、回撤還更淺,附可下載 strategy.py 與回測數據。

PEG 策略實戰:用本益成長比挖掘被低估的成長股

PEG = 本益比 / 盈餘成長率,可避開低 PE 價值陷阱。文中用 FinLab 在台股做四輪 AI 迭代優化,從 PEG<2、營收動能、流動性篩選到停損設定,把彼得林區式選股年化從 9.7% 提升到 25.6%、最大回撤壓到 37%、Sharpe 0.93,附 Python 程式。

0056 高股息 ETF 復刻:用量化策略打造進階版

用量化方法復刻 0056 高股息 ETF 選股邏輯,從市值前 150、近三年穩定配息與毛利率成長著手,股池與原版重疊率達 72%。再加入營收成長、長期均線、波動率與殖利率門檻打造進階版,篩出 20 檔兼顧股利與資本利得的標的,附完整 Python 程式碼範例。

市值營收比選股 13 年實測:「便宜高獲利」是 -60% 回撤陷阱,多因子才贏 0050

市值營收比=市值÷近 12 個月營收,是反應速度很快的便宜指標。但用 finlab 實測 2013–2026 共 13 年:把它集中在「便宜+高 ROE」的少數股,最大回撤竟達 -60.58%、夏普只有 0.62,是標準的價值陷阱。低市值營收比要真正能用,得當成分散的多因子濾網,搭配營收成長與動能,才換到年化 21.64%、夏普 1.22、回撤比含息 0050 還淺的成績,附可下載程式碼與回測數據。

更多相關研究(53 篇)

相關資料分類

本頁資料涵蓋範圍與更新時間以實際資料為準,僅供研究與教學參考,不構成任何投資建議。

回資料庫總覽