跳至主要內容

處置股名單(處置股票事件紀錄)

用白話徹底搞懂處置股名單(處置股票事件紀錄)是什麼、怎麼判讀,以及怎麼用它在台股選股,並附上可以自己驗證的真實資料。

處置股是被證交所或櫃買中心暫時改變交易方式的股票:連續達到注意標準後,改用分盤撮合(例如每 5 或 20 分鐘撮合一次)、預收款券等措施,處置期間通常是十個營業日。這一頁的資料涵蓋 2001 年起的每一筆處置公告,包含處置條件、措施、起訖日期與公告原文,每個交易日更新;把起訖日期跟今天比對,就能即時算出「目前處置中」的完整名單。

這份資料裡有什麼

處置股事件資料(disposal_information)是一張事件表,每列是一筆處置公告,共八個欄位:證券名稱、處置條件(為什麼被處置)、處置措施(第一次處置或第二次處置)、處置內容(公告原文,含分盤間隔與預收款券細節)、處置開始時間、處置結束時間、分時交易(分盤撮合參數)、排除處置股(濾網欄位)。截至 2026 年 8 月累計超過 7,900 筆、覆蓋 2,200 多檔股票,在 finlab 一行取出,完成安裝設定後登入即可:

顯示程式碼
finlab.login()
df = data.get("disposal_information")

要看「今天有哪些股票正在被處置」,用起訖日期過濾即可,頁面下方的程式碼區塊有完整寫法。

怎麼判讀這份資料

台股歷年處置件數統計,2001 年起

上圖是歷年處置件數:過去 25 年多數年份在 500 件以下(最冷清的 2008 年只有 59 件),2020 與 2021 年(疫情與航運行情)衝上 784 與 708 件,而 2026 年只統計到 8 月中就已經超過 1,000 件,創 25 年新高。處置件數本身就是市場過熱程度的溫度計:行情越熱、短線資金越集中,被抓進分盤的股票越多。

判讀時要抓住它的機制順序:股票先因為漲跌幅、週轉率或成交量異常達到注意標準(記錄在注意股名單),連續多日達標才升級成處置;第一次處置通常是每 5 分鐘分盤,若處置期滿三十個營業日內再犯,第二次處置會更嚴(分盤間隔拉長、全面預收款券)。歷史上第一次處置約佔五成、第二次約佔三成,剩下是預收款券等其他措施。

用這份資料最容易踩的兩個陷阱

第一個陷阱:把處置當成基本面警訊。處置是交易熱度的管制,不是公司體質的判定;許多股票是因為短線暴漲被處置,跟財報好壞無關。要判斷處置股解除後的走勢,靠的是統計而不是印象,我們在處置股進出場時機實測用這份資料實際回測過:進場時點差五天,近五年報酬差距可以到二十倍。

第二個陷阱:事件表直接丟回測。這是一張公告表,不是日頻矩陣;回測時要先把每筆的處置起訖日期展開成逐日的「處置中」狀態,再跟股價對齊,而且處置期間預收全部款券、分盤撮合會墊高實際進出成本,回測沒有把這些摩擦算進去的話,結果會比實單樂觀。

怎麼自己取得這份資料

處置的前一站是注意股,兩份資料合起來才能完整監控「過熱到被管制」的過程,涵蓋欄位見注意股名單;用這份資料做策略的完整實例在處置股進出場時機實測,回測方法的基礎可參考什麼是回測。名詞定義可查詞彙表;不想寫程式的話,頁面下方可以把取資料、過濾處置中名單與統計直接交給 AI 完成。

自己動手取得這份資料

用 finlab 一行就能把整段歷史抓下來。不會寫程式也沒關係,把下面這句任務交給你的 AI,它會帶你完成。

免費試用

30 秒,用 AI 跑出你的第一個台股回測

把這句話貼給你的 AI,它會裝好 FinLab、抓台股資料,跑出一份你能下載的回測。

告訴你的AI:

幫我設定 FinLab,取得「處置股名單(處置股票事件紀錄)」(disposal_information)這份資料,先畫出走勢與分布圖,再示範一個用它來選股的簡單回測,請讀:https://finlab.finance/setup?relatedUrl=/data/trading-attention-stocks/disposal-stocks

免安裝,開啟 FinLab Studio
在 FinLab Python 套件中取得
data.get("disposal_information")

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 2026-08-19),不是示意圖。你也可以自己跑一次。

最近幾筆資料
日期數值
2021-01-01708.00
2022-01-01250.00
2023-01-01333.00
2024-01-01513.00
2025-01-01400.00
2026-01-011,039.00
產生這張圖的程式碼
from finlab import data

df = data.get("disposal_information")
import pandas as pd
today = pd.Timestamp.today().normalize()
start = pd.to_datetime(df["處置開始時間"], errors="coerce")
end = pd.to_datetime(df["處置結束時間"], errors="coerce")
active = df[(start <= today) & (end >= today)]   # 目前處置中
print(active[["stock_id", "證券名稱", "處置開始時間", "處置結束時間"]])
想自己寫完整程式?

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("disposal_information")
df.tail()

資料規格與品質

已通過驗證
市場
台股
資料筆數
7,925
涵蓋檔數
2,213 檔
時間範圍
2001-01-02 ~ 2026-08-18
更新頻率
每週更新
最近更新
2026-08-19

資料快照截至 2026-08-18

依實際爬蟲排程與資料寫入狀態自動檢核:

  • 更新排程正常執行 最近成功執行:2026-08-19
  • 資料更新於預期週期內 最近寫入:2026-08-19
  • 資料非空 7,925 列

用處置股名單(處置股票事件紀錄)跑出的研究

資產配置實戰:年報酬 40%、回撤 -13.75% 的策略組合方法

把 13 支 FinLab 選股策略視為資產,用 Hierarchical Clustering 與 Random Search 找最佳權重,打造 CAGR 40%、最大回撤僅 -13.75% 的穩健投資組合。完整實作腳本公開,示範如何用相關性與效率前緣降低同漲同跌風險。

分散風險不是越多越好:分散投資如何攤薄你的超額報酬

分散風險不是越多越好。用真實台股回測驗證:同一套營收動能策略,持股從 10 檔加到 100 檔,年化報酬 45.4% 被攤薄到 26.3%,波動率卻在 40 檔之後幾乎不再下降;夏普比率最高的甜蜜點落在 20~40 檔。文內含分散投資檔數建議、多策略疊加前的強度檢查清單與可下載回測程式碼。

低波動選股有效嗎?台股 18 年實測:純低波輸 0050,優化版年化 33%

用 finlab 實測台股 2008–2026:每月選波動率最低的 30 檔年化 4.9%,最高的 30 檔年化 -5.1%、回撤 -90%,低波動異象確實成立。但純低波動年化只有 4.9%,其實輸給含息 0050 的 14.8%。真正有用的是改選風險調整報酬最高的股票,加上品質與動能後年化 33.3%、日夏普 1.13、回撤收斂到 -38%。

客製化流動性風險檢測:你的台股策略真的能實戰嗎?

營收動能策略回測 CAGR 47%、Sharpe 1.6 看似漂亮,流動性熱力圖卻揭露收盤價追漲停機率達 13.26%、處置股與小型股比例偏高,實戰必然失真。本文示範如何用 finlab 自製漲跌停、處置股、成交量等多項風險檢測模組,讓台股策略回測更貼近實戰。

常見問題

處置股名單(處置股票事件紀錄)的資料從哪一年開始?

FinLab 的處置股名單(處置股票事件紀錄)資料涵蓋 2001-01-02 至 2026-08-18,可直接用於長期歷史回測。

如何用 Python 取得處置股名單(處置股票事件紀錄)?

安裝 finlab 套件後,用 data.get("disposal_information") 即可取得整段歷史資料;第一次使用時 finlab.login() 會自動引導登入。

處置股名單(處置股票事件紀錄)多久更新一次?

這份資料每週更新,資料快照截至 2026-08-18。

處置股名單(處置股票事件紀錄)資料免費嗎?

finlab 免費方案即可取得歷史資料進行回測;VIP 方案提供每日更新與更完整的盤後資料。

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。

回注意股名單