Methodology & disclosures
策略說明
AI 崩跌扣分模型怎麼選股、怎麼給評等、怎麼下單，以及回測績效與已知限制。本頁的參數由每天的模型輸出自動帶入，和「今日行動」「AI 持股建議」「模型帳戶」使用同一套規則。
01Model
模型架構
大漲模型P(大漲)未來 5 個交易日報酬進入全市場前 10% 的機率
−
崩跌模型λ × P(崩跌)落入後 10% 的機率；λ 依市場狀態 0.25～0.5
=
選股分數每日排名在成交金額前 300 大中由高到低排序
兩個模型都是梯度提升樹（HistGradientBoosting），輸入技術面、三大法人、融資融券與月營收共 106 個特徵，每天先把全市場換算成相對排名再預測。月營收在次月 11 日之後才納入，避免用到當時還沒公布的資料。
模型每年 1 月自動重新訓練，只用前一年底以前的資料，並在訓練資料與新年度之間保留 10 個交易日的緩衝，確保模型沒看過年度內的答案。回測也用同樣的滾動方式（每年只用當年以前的資料訓練），所以回測數字是完全樣本外的結果。
02Ratings
評等定義
| 評等 | 條件 | 模型的動作 |
|---|---|---|
| 載入中… | ||
03Universe & sizing
選股範圍與資金分配
選股範圍
部位權重（依買進當天排名）
| 排名 | 權重倍數 | 佔總資產 | 總資產 100 萬時 |
|---|
04Regimes
市場狀態與崩跌扣分 λ
| 市場狀態 | 判斷條件（以 0050 為準） | λ | 對選股的影響 |
|---|
判斷順序：急跌 → 崩跌後反彈 → 偏空／權值股獨強 → 普漲多頭。市場狀態只改變 λ；是否開新倉另由「0050 收盤是否站上 20 日線」決定。
05Execution
執行與交易成本
回測、模型帳戶與「今天可以買的股票」的建議股數都用同樣的成本假設；零股以盤中零股交易，價格可能與開盤價不同。
06Backtest
回測摘要
績效與風險指標
| 指標 | 模型 2015 起 | 0050 2015 起 | 模型 2019 起 | 0050 2019 起 |
|---|---|---|---|---|
| 載入中… | ||||
—
年度報酬（2015 起）
| 年度 | 模型 | 0050 | 差距 |
|---|
滑價敏感度
強勢股開盤搶進的實際滑價可能大於 0.2%；滑價越大報酬越低，這是回測最主要的高估來源。
模型帳戶（2026 年起）完整紀錄 →
—
07Risks & disclosures