集保與股權分散

集保與股權分散資料，是把一檔股票的所有股東，依照持股張數分成數個級距，再列出每個級距各有多少人、持有多少比例。它最直接的用途，是讓你一眼看出這檔股票的籌碼，究竟是集中在持有千張以上的大戶手裡，還是分散到一堆持股不滿十張的小股東身上。集中度的高低與變化方向，往往領先股價透露主力進出的痕跡，這正是它在台股籌碼分析裡無可取代的地方。

這份資料裡有什麼

資料來源是集中保管結算所每週揭露的股權分散表。它的結構很單純，把股東依持股張數切成多個級距，例如一到五張、五到十張，一路往上到一千張以上，每個級距對應兩個數字，一個是該級距的股東人數，一個是該級距的持股佔全體股本的比例。

把這些級距加總或分群，就能算出常用的兩個觀察指標。一個是大戶持股比例，通常看四百張或一千張以上的合計佔比，代表資金雄厚者握有多少股權；另一個是散戶持股比例，看小級距的合計佔比，代表籌碼有多分散。集保、大戶這些名詞的完整定義，可以參考名詞解釋。

怎麼判讀這份資料

判讀的第一個原則，是看趨勢而不是看單週的快照。集中度的絕對水準，在不同股本和不同產業之間落差很大，一檔小型股的大戶比例本來就會比權值股高，拿單週數字去比多空意義不大。真正帶有訊息的，是同一檔股票的大戶比例連續幾週往上或往下，方向性的變化，才反映籌碼正在被收攏或被倒給市場。

第二個原則，是把人數和比例一起看。當大戶持股比例上升、同時持有大戶級距的人數卻在減少，代表股權正往少數人集中；反過來，大戶比例下降、小股東人數暴增，常見於除權息或現金增資之後的籌碼稀釋。只看其中一個欄位，很容易誤判。

這份資料最容易踩的陷阱

最常見也最致命的陷阱，是發布日對齊造成的前視偏差。集保資料以週為單位結算，公告會落後資料基準日數個交易日才公開。回測時若把資料貼回基準日當天就接進策略，等於讓策略提前看到當時還沒公開的籌碼，績效會被嚴重高估，實際上線後卻完全複製不出來。正確做法，是把每一筆分級資料平移到它真正可被取得的日期，再去和股價對齊。前視偏差的細節，名詞解釋裡有更完整的說明。

另一個容易忽略的，是除權息與增資對級距比例的擾動。這類公司事件會在短時間內改變股東結構，讓比例出現跳動，這種跳動來自股本變化而非真正的籌碼移動，分析時要把事件日附近的異常值另外看待。

怎麼用這份資料選股

實務上的用法，是把籌碼集中度當成一道過濾或加分條件，而不是單獨拿來決定買賣。一種思路是順著大戶走，篩出大戶持股比例連續數週上升的股票，假設資金雄厚者的加碼領先股價；另一種思路剛好相反，是當散戶持股比例衝到極端高、籌碼極度分散時，把它當成過熱的反向訊號。

這兩種邏輯都有對應的台股實作可以參考。想看散戶比例怎麼被做成可回測的訊號，可以讀散戶反向策略：融資、當沖、集保數據的賺錢密碼，裡面把集保散戶比例和其他籌碼面資料一起接進策略。把籌碼面接進完整的選股流程，則可以從台股選股策略 2026：單因子全輸 0050，複合策略在風險調整後勝出入手，了解單一因子和多因子組合在風險調整後的差異。

怎麼自己取得這份資料

完成 FinLab 的安裝設定後，登入只要一行，再用 data.get 把分級欄位取出來。集保資料已經整理成可以直接用的佔比欄位，大戶看四百張以上、散戶看小級距，兩個一起拿就能描繪籌碼集中度：

finlab.login()
 
big_holder = data.get("etl:inventory:大於四百張佔比")
small_holder = data.get("etl:inventory:小於五十張佔比")

想知道還有哪些分級欄位可以用，可以用 data.search 把名稱列出來：

data.search("inventory")

想看原始的集保戶股權分散表怎麼從來源抓下來，可以參考Python爬蟲教學｜台股集保戶股權分散表抓取實作。不會寫程式也沒關係，頁面下方可以把這件事直接交給 AI 幫你完成。