findbillion

findbillion想利用統計和AI等方法估算目標價, 以價值型分析為主
之前的版本大多用matlab和C#做演算法開發
這個版本重寫優化演算法並大量驗證, 嘗試優化準確度, 並且開源

舊的桌機版可在此處下載 http://www.findbillion.com
該演算法從2012年之後就沒有更新

2020/05/22其中一個帳戶績效如下, 累積報酬約150%, 以長線布局為主, 個股大多為2012年之後進場

2020/06/17相隔約一個月之後, 累積報酬來到約171%, 一個月報酬率多20%, 完全是複利的效果所致

程式碼採用平台如下:

Python 3.6.10 以上

目錄結構

data: 相關的數據與資料, 包括2012~2019年部分資產負債表, 損益表, 現金流量表, 月營收, 除權息資料, 月K線
findbillion: 資料讀取, 財務比率計算與預估
analysis: 個股分析, 與全面的分析, 含EPS預估以及現金股利預估

預估EPS (以2330台積電為例):

程式碼如analysis/eps/run_est_eps_2330.py

方法1: 利用平均稅後盈餘淨利率

台灣上市櫃公司有一個特點就是會每月公布月營收, 於是我們利用月營收資訊預估EPS
預估EPS = (平均近4季的稅後盈餘淨利率 x 近12個月的月營收)/股本

以預估台積電2013~2019年的EPS為例, 預估誤差都在5%以下

年份	2013	2014	2015	2016	2017	2018	2019
正確值	7.26	10.18	11.82	12.89	13.23	13.54	13.32
預測值	7.2	9.72	11.84	12.56	13.41	13.64	12.87
誤差	0.48%	-4.49%	0.17%	-2.53	1.37%	0.73%	-3.34%

方法2: (建構中)

預估現金股利 (以2330台積電為例):

程式碼如analysis/yield/run_est_yield_2330.py

方法1: 過去5年平均股利

這是市面上最多人採用的方法, 存股常見的方法
以台積電為例, 2013~2017年股利如下

(圖表來源: 財報狗)

2018年發佈股利: 8.00元
過去五年平均股利: 5.70元
預估誤差: -28.75%
用過去5年平均股利的方法在公司成長時會低估, 公司衰退時會高估

方法2: 預估EPS+平均過去5年配息率

公司的配息率比較固定, 因此可以使用平均配息率做預估
加上前面EPS預估的方法可推估現金配息

2018年發佈股利: 8.00元
過去五年平均股利: 6.48元
預估誤差: -19.03%
相較方法1, 誤差有較縮小, 但誤差還是不低

方法3: 預估EPS+預估配息率

因為EPS變高時, 通常會提高配息率, 因此建立一簡單回歸模型做配息率的預估 2018年發佈股利: 8.00元
過去五年平均股利: 7.86元
預估誤差: -1.71%
預估的誤差值跟前面方法相比大幅減少

預估EPS (2013~2019年的個股驗證):

程式碼如analysis/eps/run_est_eps.py
結果如result目錄下

方法1: 利用平均稅後盈餘淨利率 (全部個股)

預估EPS = 平均近4季的稅後盈餘淨利率 x 近12個月的月營收
驗證2013~2019, EPS預測+-10%內比例大約在35%上下, 並不高

年份	2013	2014	2015	2016	2017	2018	2019
誤差+-10%內比例	35.16%	39.06%	37.76%	35.73%	34.49%	35.83%	36.24%

方法2: 利用平均稅後盈餘淨利率 (過去五年平均ROE>15%)

加入ROE>15%的條件
驗證2013~2019, EPS預測+-10%內比例大約在60%上下
ROE>15%的個股預估較為準確

年份	2013	2014	2015	2016	2017	2018	2019
誤差+-10%內比例	60.84%	64.11%	62.38%	63.36%	58.07%	65.53%	66.21%

預估現金股利 (2012~2018年的個股驗證):

程式碼如analysis/yield/run_est_yield.py

方法1: 過去5年平均股利 (過去五年平均ROE>15%)

驗證2013~2018, 現金股利預測+-20%內比例大約在30%上下, 並不高

年份	2013	2014	2015	2016	2017	2018
誤差+-20%內比例	34.26%	30.83%	28.22%	33.73%	36.02%	40.17%

方法2: 預估EPS+平均過去5年配息率 (過去五年平均ROE>15%)

驗證2013~2018, 現金股利預測+-20%內比例大約在35-40%左右, 稍微提升, 但也並不高

年份	2013	2014	2015	2016	2017	2018
誤差+-20%內比例	34.66%	36.25%	36.30%	41.30%	42.98%	40.79%

方法3: 預估EPS+預估配息率 (過去五年平均ROE>15%)

驗證2013~2018, 現金股利預測+-20%內比例大約在50-65%左右, 跟前面的方法相比大幅提升

年份	2013	2014	2015	2016	2017	2018
誤差+-20%內比例	51.39%	56.30%	62.23%	60.89%	56.84%	65.49%

方法4: 預估EPS+預估配息率 (過去五年平均ROE>15% + 過去八季自由現金流量為正)

驗證2013~2018, 現金股利預測+-20%內比例大約在55-70%左右, 跟前面的方法提升大約5%的準確度

年份	2013	2014	2015	2016	2017	2018
誤差+-20%內比例	56.41%	61.20%	68.75%	66.15%	59.69%	70.49%

跟市面上最常見的方法1: 過去5年平均股利相比, 提升20%~30%的準確度

比較現金股利持股績效 (2012~2018年的個股驗證):

程式碼如analysis/yield/run_est_return.py

比較上述

方法1: 過去5年平均股利 (過去五年平均ROE>15)

以及

方法4: 預估EPS+預估配息率 (過去五年平均ROE>15% + 過去八季自由現金流量為正)

以及

方法0: 單純從ROE>15之中任意選股
的方式做比較
假設每年1月公布營收時, 選擇現金殖利率>6.25%的個股, 於1月最高點買進, 持有三年後的報酬率, 任選其中十檔的平均報酬及95%信賴區間如下

任選十檔持有三年後的平均報酬率

年份	2014~2016(預估2013)	2015~2017(預估2014)	2016~2018(預估2015)	2017~2019(預估2016)
方法0: 任意選股	2.06%	10.16%	19.44%	22.82%
方法1: 過去5年平均股利	6.13%	21.36%	51.99%	43.38%
方法4: 預估EPS+預估配息率	9.64%	25.76%	37.12%	36.41%

任選十檔持有三年後的95%信賴區間

年份	2014~2016(預估2013)	2015~2017(預估2014)	2016~2018(預估2015)	2017~2019(預估2016)
方法0: 任意選股	-5.41%~14.93%	5.47%~14.86%	11.84%~25.61%	17.30%~30.84%
方法1: 過去5年平均股利	-17.13%~33.21%	4.69%~41.96%	29.17%~77.72%	36.56%~53.89%
方法4: 預估EPS+預估配息率	-11.14%~46.72%	4.58%~41.96%	24.22%~54.35%	20.21%~53.88%

由分析可見, 透過現金股利的選股, 皆比任意選股績效來的好
方法4: 預估EPS+預估配息率並沒有比方法1: 過去5年平均股利來的好, 主要原因是因為雖然成長性的股票會低估, 但是很難持久

若將持股拉高到30檔, 與0056高股息ETF做比較

年份	2014~2016	2015~2017	2016~2018	2017~2019
0056高股息ETF	15.59%	23.99%	36.63%	40.20%
方法0: 任意選股	3.36%	12.32%	17.04%	23.04%
方法1: 過去5年平均股利	4.70%	22.58%	45.34%	41.34%
方法4: 預估EPS+預估配息率	24.21%	27.24%	36.59%	35.19%

結果發現, 方法1及方法4和0056高股息ETF績效互有領先, 相去不遠, 都遠比任意選股來的好
所以在沒有大量分析的情況下, 買0056是很棒的選擇

計算營收成長率 (以2330台積電為例):

我們利用2次回歸去求得營收成長率, 以2330為例, 將2017/1~2019/12營收做回歸, 推得成長如下圖

並利用微分求得YoY成長率為14.26%

加入營收成長率後比較現金股利持股績效 (2012~2018年的個股驗證):

承上面的分析, 新增方法5: 方法4 + 營收成長率>0%