計算選股條件

FinlabDataFrame 是 Finlab 在 Pandas DataFrame 基礎上擴展的選股專用工具，讓您用簡短語法完成複雜的選股策略。如果您不熟悉 Pandas，建議先參考10分鐘學會Pandas教學。

快速索引

類別	函式	功能說明
基本運算	+, -, *, /, >, <, &, \|, ~	算術、比較、邏輯運算
選股	is_largest(n)	選出數值最大的 n 檔
	is_smallest(n)	選出數值最小的 n 檔
	average(n)	計算 n 期移動平均
進出場	hold_until(exit)	設定進出場訊號
	is_entry()	提取進場時點
	is_exit()	提取出場時點
趨勢	rise(n)	是否高於 n 期前
	fall(n)	是否低於 n 期前
	sustain(window, count)	持續滿足條件
其他	quantile_row(q)	橫向分位數
	groupby_category()	產業分群
	index_str_to_date()	索引格式轉換

與 Pandas DataFrame 的差異

差異項目	說明
額外函式	提供選股專用函式如 is_largest(), sustain(), hold_until() 等
自動對齊	運算前自動對齊不同頻率資料（日、月、季），無需手動 reindex

創建 FinlabDataFrame

方法一：使用 finlab.data.get()

使用 finlab.data.get() 獲得的資料，自動為 FinlabDataFrame 格式。

方法二：轉換 Pandas DataFrame

import pandas as pd
from finlab.dataframe import FinlabDataFrame

df = pd.DataFrame()
df_finlab = FinlabDataFrame(df)

運算符號

與 pd.DataFrame 類似，對相同位置的元素進行運算。支援以下運算符號：

類型	運算符	說明
算術運算	+	相加
	-	相減
	*	相乘
	/	相除
比較運算	>	大於
	>=	大於等於
	==	等於
	<	小於
	<=	小於等於
邏輯運算	&	且（AND）
	\|	或（OR）
	~	非（NOT）

範例：選出收盤價介於 10 ~ 100 的股票

from finlab import data

close = data.get('price:收盤價')

# 收盤價位於 10 ~ 100 之間
between_10_100 = (close > 10) & (close < 100)

資料頻率自動對齊

當不同頻率資料（日、月、季）進行運算時，FinlabDataFrame 會自動處理對齊：

對齊步驟	處理方式
日期（index）	取聯集，缺值以最近數據填補（forward fill）
股票（column）	取交集，無對應資料的股票會被剔除

範例：結合每日股價與每季財報資料

from finlab import data

# 取得 FinlabDataFrame
close = data.get('price:收盤價')
roa = data.get('fundamental_features:ROA稅後息前')

# 運算兩個選股條件交集
cond1 = close > 37
cond2 = roa > 0
cond_1_2 = cond1 & cond2

下圖為 1101 台泥的訊號示意。可以看到即使 cond1（日）與 cond2（季）頻率不同，也能直接運算：

為何合併後的資料行數變少？

雖然日期取聯集，但實際資料只會保留兩者的重疊時間區間。例如：cond1 從 2010 開始，cond2 從 2013 開始，合併後的資料從 2013 開始。

選股函式

average(n) - 移動平均

計算 n 期移動平均值。

from finlab import data
close = data.get('price:收盤價')
sma = close.average(10)
cond = close > sma  # 股價在10日均線之上

視覺化檢查：

import matplotlib.pyplot as plt

close.loc['2021', '2330'].plot()
sma.loc['2021', '2330'].plot()
cond.loc['2021', '2330'].mul(20).add(500).plot()
plt.legend(['close', 'sma', 'cond'])

is_largest(n) - 數值最大股票

篩選每日數值最大的前 n 檔股票。

from finlab import data

roa = data.get('fundamental_features:ROA稅後息前')
good_stocks = roa.is_largest(10)  # 每日 ROA 前 10 名

輸出範例：

date	000116	000538	000616	000700	000779
2013-Q1	False	False	True	False	False
2013-Q2	False	False	False	False	True
2013-Q3	False	True	False	False	False
2013-Q4	False	False	False	True	False
2014-Q1	True	False	False	False	False

is_smallest(n) - 數值最小股票

篩選每日數值最小的前 n 檔股票。

from finlab import data

pb = data.get('price_earning_ratio:股價淨值比')
cheap_stocks = pb.is_smallest(10)  # 股價淨值比最小的 10 檔

訊號進出場(hold_until)

最重要的策略語法，用於設定進出場邏輯：

from finlab import data

close = data.get('price:收盤價')
buy = close > close.average(5)
sell = close < close.average(20)

position = buy.hold_until(sell)

當 buy 訊號為 True 時買入並持有，直到 sell 訊號為 True 時賣出。

進階參數

參數	說明	範例
stop_loss	停損比例	buy.hold_until(sell, stop_loss=0.1)
take_profit	停利比例	buy.hold_until(sell, take_profit=0.2)
nstocks_limit	最多持有股票數（類股輪動）	buy.hold_until(sell, nstocks_limit=5)
rank	選股優先順序（正值為由大到小）	buy.hold_until(sell, rank=-pb)

完整策略範例

價格 > 20 日均線入場，價格 < 60 日均線出場，最多持有 10 檔，以股價淨值比小的股票優先。

from finlab import data
from finlab.backtest import sim

close = data.get('price:收盤價')
pb = data.get('price_earning_ratio:股價淨值比')

entries = close > close.average(20)
exits = close < close.average(60)

position = entries.hold_until(exits, nstocks_limit=10, rank=-pb)
sim(position)

數值變化趨勢

rise(n) - 數值上升中

判斷當前值是否高於 n 期前的值。

from finlab import data
data.get('price:收盤價').rise(10)  # 是否高於10日前

fall(n) - 數值下降中

判斷當前值是否低於 n 期前的值。

from finlab import data
data.get('price:收盤價').fall(10)  # 是否低於10日前

sustain(window, count) - 持續滿足條件

判斷在 window 期間內，至少有 count 期滿足條件。

from finlab import data
close = data.get('price:收盤價')

close.rise().sustain(2)      # 連續2日上漲
close.rise().sustain(3, 2)   # 3日中有2日上漲

其他實用函式

quantile_row(q) - 股票當天分位數

取得每日橫向的分位數值。

from finlab import data
data.get('price:收盤價').quantile_row(0.9)  # 每日股價前90%分位數

index_str_to_date() - 索引格式轉換

將月季報索引從字串轉為公告截止日。

轉換前	轉換後
2022-M1（月營收）	2022-01-10
2022-Q1（財務季報）	2022-05-15

from finlab import data

data.get('monthly_revenue:當月營收').index_str_to_date()
data.get('financial_statement:現金及約當現金').index_str_to_date()

groupby_category() - 產業分群

按產業別分群資料，類似 pd.DataFrame.groupby()。

from finlab import data
pe = data.get('price_earning_ratio:股價淨值比')
pe.groupby_category().mean()['半導體'].plot()  # 半導體平均股價淨值比

is_entry() - 取進場點

從持倉訊號中提取進場時點。

from finlab import data

position = data.get('price:收盤價').is_largest(10)
entry_signals = position.is_entry()

is_exit() - 取出場點

從持倉訊號中提取出場時點。

from finlab import data

position = data.get('price:收盤價').is_largest(10)
exit_signals = position.is_exit()