跳至主要內容

月營收

已通過驗證

上市櫃公司每月營收與年增、月增、累計營收,台股最即時的基本面訊號。

台股 8 個資料欄位 2005-02-10 ~ 2026-06-10 財報季更新

資料快照截至 2026-06-24

月營收是每家上市櫃公司每個月公布一次的合併營收金額,也就是這家公司一個月內賣出產品或服務總共收了多少錢。它之所以重要,是因為台股財報每季才公布一次,營收卻每月揭露,等於讓你比看季報的人提早幾週,先看到公司營運是在加速還是踩煞車。

月營收怎麼算、為什麼台股特別看重

月營收的定義很單純,就是公司單一月份所有營業收入的合計。台灣有個其他市場少見的規定:上市櫃公司必須在次月十日前,公布上個月的營收。這代表你每個月都能拿到一個最新的營運溫度計,而不用乾等三個月一次的財報。

打個比方,如果把一家公司想成一間飲料店,季報像是每三個月才結算一次的完整帳本,月營收則是每個月底店長告訴你「這個月大概賣了多少杯」。後者不夠精細,卻夠即時,讓你能更早察覺生意是變好還是變差。營收年增率、月增率這些從月營收衍生出來的名詞,定義細節可以參考名詞解釋

怎麼判讀月營收(看真實資料)

光看一個月的數字意義不大,月營收要接成一條時間序列來看趨勢才有用。下面這張圖是台積電(2330)近期每個月的營收長條圖,你可以從柱子的高低變化,直接讀出營收是穩定、是往上爬、還是出現回落。

台積電 (2330) 每月營收

判讀重點不在單一月份的絕對金額,而在「方向」和「和去年同期比」。以這檔近幾個月的數據為例:

公布日 當月營收
2026-01-12 3.35 億
2026-02-10 4.01 億
2026-03-10 3.18 億
2026-04-10 4.15 億
2026-05-11 4.11 億
2026-06-10 4.17 億

注意左邊那一欄是「公布日」,不是營收所屬的月份,這個區別在回測時非常關鍵,下一段會解釋。你也會發現二月、三月之間數字明顯起伏,這正是月營收常見的季節性:單看一兩個月容易誤判,要拉長看趨勢、再和去年同月份對照,才能分辨是真成長還是季節波動。

用月營收最容易踩的兩個陷阱

第一個,也是最致命的,是發布日對齊。台股某個月的營收要到次月十日前才公布,所以「一月的營收」其實是市場在「二月」才看得到的資訊。回測時若把營收掛回它所屬的月份,策略等於偷看了還沒揭露的未來數字,這種前視偏差會讓績效灌得很漂亮,真的下單卻完全複製不出來。上表特地用公布日當索引,就是提醒你資訊何時才真正可用。FinLab 取出的月營收已依實際公布時間對齊,但你若自己串接其他來源,務必親手確認這個時點。月營收公布後還能賺 2%這篇就拆解了營收公布後股價的走勢。

第二個陷阱是只看單月暴增就追。單月營收很容易被一次性大訂單,或是去年同期基期太低墊高,把假成長誤判成真動能。比較穩健的做法是看連續幾個月的年增率是否一致向上,而不是賭單月的跳升。

怎麼用月營收選股

實務上月營收最常見的用法有兩種。一種是當成「篩選器」,把營收持續衰退的公司先排除在選股池之外,只留下基本面還在成長的標的。另一種是當成「動能訊號」,鎖定營收年增率正在加速的公司,押注強者恆強。

這兩種邏輯都不該只憑想像,要用歷史資料驗證。想看不同用法在十幾年資料上的差別,可以讀月營收選股三種方法的實測月營收動能選股的台股回測。訂單能見度高的產業,用流動合約負債挖掘營建業營收領先指標示範了怎麼把月營收和合約負債組合起來;法說會策略優化則把營收動能接上停損。把月營收當成多個選股條件之一,通常比單獨使用更穩;想把這些訊號串成完整流程,可以從台股選股完整指南開始。

怎麼自己取得這份資料

在 finlab 套件裡,取出全台股的月營收只要一行,登入時不需要自己貼任何金鑰,套件會自動引導你完成登入:

顯示程式碼
from finlab import data
 
finlab.login()
revenue = data.get("monthly_revenue:當月營收")

回傳的結果以月份為列、股票代號為欄,可以直接做位移、算年增率或條件篩選。不會寫程式也沒關係,這個頁面下方可以把這件事直接交給 AI 幫你完成。想看更完整的抓取與整理範例,可以參考超簡單用 Python 抓取每月營收

月營收包含的資料欄位

點開任一欄位可看它的完整涵蓋範圍、資料品質檢查與取得方式。程式碼欄位即是用 finlab 取得該資料的 data.get() 代號。

資料欄位程式碼資料量時間範圍狀態
當月營收data.get("monthly_revenue:當月營收")419,8162005-02-10 ~ 2026-06-10 已通過驗證
營收年增率(去年同月增減 %)data.get("monthly_revenue:去年同月增減(%)")419,8162005-02-10 ~ 2026-06-10 已通過驗證
當月累計營收data.get("monthly_revenue:當月累計營收")419,8162005-02-10 ~ 2026-06-10 已通過驗證

真實數字與取得程式碼

上面的圖與下面的數字都是用 finlab 一行程式直接跑出來的真實資料(截至 2026-06-24),不是示意圖。你也可以自己跑一次。

最近幾筆資料
日期數值
2026-01-123.35 億
2026-02-104.01 億
2026-03-103.18 億
2026-04-104.15 億
2026-05-114.11 億
2026-06-104.17 億
產生這張圖的程式碼
from finlab import data

df = data.get("monthly_revenue:當月營收")
s = df["2330"].dropna().tail(16)
s.plot.bar()

名詞速解

揭露與更新上市櫃公司依規定每月 10 日前公布上月營收,是台股最早能看到的基本面數字。

月營收
公司單一月份的營業收入,是台股最早能看到的經營狀況訊號。
營收年增率(YoY)
當月營收和去年同月相比的成長率,用來看成長動能、避開淡旺季干擾。
前視偏差(look-ahead bias)
回測時用到當下還看不到的資訊(例如把財報綁在季末日),會讓績效虛高、實單卻複製不出來。
看完整名詞解釋 →

如何取得月營收

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:

用 finlab 取得「月營收」的資料,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

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("monthly_revenue:當月營收")
df.tail()

用月營收跑出的研究

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。

財報狗選股策略實作:免費複製價值股選股法,本益比與股價淨值比篩便宜好公司

用財報狗免費選股條件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,免費選股工具也能做價值投資。

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。

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。

七七四十九種 PEG 本益成長比實測:打造年報酬率 30% 成長股選股策略

PEG 本益成長比把成長股估值量化,文章測試 7×7 共 49 種預估 EPS 與成長率組合,並搭配月營收年增率濾網篩出最強 PEG 公式。台股訓練集回測年化報酬率約 40%,附完整 Python 實作步驟、訓練測試集切分流程,以及彼得林區 PEG <0.75 的標準在台股的實證應用。

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