身在股海的投資者們，無非是想透過參與證券市場的投資來創造財源，過去亦有許多相關研究論述如何挑選績效優異的因子作為建構選股模型的依據，隨著人工智慧的興起，量化與程式交易可以藉由調整各類因子與變數，並篩選出績效優異的選股模型將歷史股價進行回測，有助於投資者作為投資股票前的判斷。
而本研究欲尋求基本面之高成長-高價值之投資標的，又財務報表係為公開資訊且容易取得，故以財務報表中之經營獲利指標為基礎，藉由其指標能夠從中尋找出績效表現優異的因子，進一步作為建構選股模型的因子，並以長期歷史股價進行回測分析，提供給投資人或資訊使用者作為投資研究的參考。
本研究主要以台灣證券交易所上市及上櫃之股票，將2008年01月01日至2019年03月31日共44季，將每季財務報表公布之數據進行回測，利用七項主要的選股指標進行分析與優化，七項指標分別為股價淨值比、股價營收比、本益比、營收成長率、股東權益報酬率、資本報酬率、盈餘產出率，運用股數最少的投資組合以年化報酬率的評比方式選出績效表現最佳的單因子，再以中位數和80百分位數減20百分位數的方式驗證單因子績效的表現後，選擇出表現最優異的單因子結合成為雙因子模型。
模擬結果發現股價淨值比、股價營收比、股東權益報酬率以及盈餘產出率是其中績效表現最優異的單因子，將其績效表現最優異的單因子，分別以價值因子和成長因子區分後，結合成雙因子模型再進行選股回測，實證結果發現雙因子模型在每一個風險價值之下能創造出的超額報酬皆顯著優於單因子模型。
最後加入成交量的限制後，雙因子選股模型年化報酬率的表現上，最佳的組合為股價營收比(PS)和盈餘產出率(EY)。

With the rise of AI, to benefit investors for stock market investing beforehand, quantitative and program trading can filter outstanding performance model of screen stocks by adjusting factors and variable and backtesting historical stock price.
My research mainly focuses on stocks of listed and emerging company at Taiwan Stock Exchange. From 1st January 2008 to 31st March 2019 (44-season), I backtest data of seasonal financial statement with seven main index: price-book-ratio, price-to-sales-ratio, price-to-earning-ratio, revenue growth rate, ratio-of-return-on-equity, ratio-of-return-on-capital, ratio-of-earnings-output-rate.
I screen the best performance of single factor with annualized return in my portfolio with least shares. Afterwards, I use median and eighty percentile minus twenty percentile to verify the performance of single factor. At last, with the backtesting methods ahead, I screen the best performing single factors and combine them to Two-Factor-Model.
In my simulation result, the best performing single factors are price-book-ratio, price-to-sales-ratio, ratio-of-return-on-equity, and ratio-of-earnings-output-rate. Thus, I categorize them into value and growth factor, and combine them into Two-Factor-Model.
In backtesting result, excess return of each value at risk of Two-Factor-Model is significantly superior than Single-Factor-Model.
Finally, by adding limitation of volume, performances of annualized return in Two-Factor-Model the best combination are price-to-sales-ratio and ratio-of-earnings-output-rate.

論文審定書 i
致謝辭 ii
摘要 iii
Abstract iv
目錄 v
圖目錄 vii
表目錄 ix
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的與問題 2
第三節 研究架構 3
第二章 文獻探討 4
第一節 股票投資分析類別 4
第二節 單因子的相關文獻 4
第三節 雙因子的相關文獻 5
第三章 研究方法 7
第一節 資料收集 8
第二節 資料篩選與缺值整理規則 9
第三節 選股因子的定義與解釋 10
第四節 交易策略 13
第五節 選股策略結合績效評估 14
第四章 模擬結果與分析 17
第一節 單因子選股策略回測結果分析 17
第二節 選出績效最好之因子綜合成為雙因子模型 37
第三節 雙因子選股策略回測結果分析 38
第四節 單因子模型與雙因子模型綜合結果分析 50
第五節 探討績效最佳之雙因子模型 53
第六節 加入限制成交量的必要性 60
第五章 結論 63
參考文獻 64
附錄 66

【1】 吳盛富、葉怡成. (2016). 台灣股市何種選股模型行得通?. 臺北：財經傳訊. 財團法人台灣金融研訓院.
【2】 吳盛富、葉怡成. (2018). 美股研究室：用19年大數據，精準分析60種選股操作優劣，散戶、投顧都要看的股票操盤書. 臺北：財經傳訊.
【3】 林泓寬. (2016). F-Score 及多因子擇股模型於台灣股票市場之實證. 成功大學經營管理碩士學位學程 (AMBA) 學位論文, 1-59.
【4】 高惠娟, 王澤維, & 陳建葦. (2013). 價值型投資策略之探討-以本益比, 市價淨值比, 市價銷貨比為例. 嶺東學報, (34), 1-35.
【5】 陳文岷. (2014). 運用 Fama and French 模型與財務指標建構股票投資策略之研究---以台灣五十指數成分股公司. 臺北大學國際財務金融碩士在職專班學位論文, 1-73.
【6】 張光廷. (2011). 股價營收比-以台灣股市進行驗證. 國立高雄應用科技大學金融資訊研究所, 1-60.
【7】 楊乃维. (2008). 選股策略應用於固定比例投資組合保險之實證研究. 臺灣大學財務金融學研究所學位論文, 1-75.
【8】 葉怡成. (2014). 誰都學得會的最強選股公式GVI：每月選股1小時，勝過每天盯盤8小時。股市新手平均報酬15%!. 臺北：財經傳訊.
【9】 葉怡成. (2016). 誰都學得會的「算股」公式：成長與價值的綜效之路，新手也可以創造15%投報率. 臺北：財經傳訊.
【10】 鄧毓雯. (2010). 台灣股市價值投資之實證研究. 臺北科技大學商業自動化與管理研究所學位論文, 1-123.
【11】 蔡國豐. (2012). 中國概念股股價報酬率決定因素之探討. 國立中正大學財務金融研究所, 1-44.
【12】 賴松鐘、藍毓莉、林慈輝(2013). 「股價淨值比率應用於投資策略之研究：以台灣上市電子類股為例」. 慈濟技術學院學報. 第二十期, 97-136.
【13】 謝聰敏. (2005). 「考量企業評價與經營效率下之股票價值分析」. 國立中正大學經濟所碩士論文, 1-59.
【14】 蘇柏勳, 謝邦昌. (2018). 蘇葛林布雷投資策略搭配停利停損機制在台灣股市之優化實證研究. Journal of Data Analysis, 151-182.
【15】 蘇建欽. (2015). 運用價值與成長因子建構台灣股市投資模型. 中原大學資訊管理研究所學位論文, 1-61.
【16】 鐘麗文. (2014). 選股策略-台灣股市之實證研究. 中山大學經濟學研究所學位論文, 1-46.