TL;DR： 個股「總評 → 訊號」頁頂層是「參考總結」四張時段卡(極短期 / 短期 / 中期 / 長期),把多面向資料按頻率分類進對應時段。卡底接 4 大引擎評分(企業體質 / 安全邊際 / 動能籌碼 / 風險警戒) + 估值位階(5 模型 1Y 百分位)。整頁從上到下 3 區:參考總結 → 4 引擎 → 估值位階。
觀念篇
為什麼用「時段卡」而不是「指標清單」?
短期關注的東西和長期不同。傳統儀表板把所有指標攤在一頁,讀的人要自己分辨「這是技術指標 → 看短期」「這是估值 → 看長期」。新版直接按時段分四欄,每欄只放該時段關心的東西。
四個時段:
| 時段 | 副標 | 主導訊號 |
|---|---|---|
| 極短期 | 週 ~ 月 | 走勢 / 價格面 / 法人 5-20d / 風險面 |
| 短期 | 月 ~ 季 | 走勢 / 價格面 / 法人 10-60d / 預測 60d |
| 中期 | 季 ~ 半年 | 基本面 / 法人 20-120d / ETF / 預測共識 |
| 長期 | 1 年 + | 基本面 / 序位 / 營收 / 法人 60-250d / 估值投影 |
每張卡頭固定顯示 verdict 籌碼(看多 / 偏多 / 中性 / 偏空 / 看空 + 分數),卡內按「9 分類順序」鋪內容:
- 短時段(極短/短):走勢 → 價格面 → 法人籌碼 → ETF → 基本面 → 序位 → 風險面 → 預測 → 評價警示
- 長時段(中/長):基本面 → 序位 → 營收 → 法人 → ETF → 走勢 → 價格面 → 風險面 → 估值投影 → 評價警示
Verdict 怎麼算出來的?
每個時段:
- 拉對應 facets(技術動能、VWAP 偏離、法人 N 日累積、風險、基本面、序位、ETF、營收)各自 0-100 分
- 依時段加權:極短 / 短期偏重技術籌碼(權重 0.5);中 / 長期偏重基本面 / 序位 / ETF
- 加總 0-100 分對映方向:≥75 看多 · 60-75 偏多 · 50-60 中性 · 40-50 觀望 · 25-40 偏空 · <25 看空
「⚠ 分歧」是什麼?
卡內塊同時出現「看多 / 低風險」(+)和「看空 / 高風險」(-)時,卡頭亮「⚠ 分歧」。例:極短期走勢「偏多」+ 風險面「高風險」− → 分歧。
不抹平、不強壓單一結論,讓使用者自己判斷:「技術強但風險升高」這種訊號,要不要進場由你決定。
4 大引擎(每日更新)
時段卡之下接 4 個獨立 0-100 分引擎,每張卡點開有指標細項:
| 引擎 | 看什麼 | 涵蓋 |
|---|---|---|
| 💪 企業體質 | 公司財報實力 | 5 維(獲利 / 成長 / 財務 / 現金流 / 股利);成長性占 40% |
| ⚖️ 安全邊際 | 估值便不便宜 | 5 模型隱含價百分位(P/E、P/B、EV-EBITDA、DCF、DDM、GGM 五大隱含值 1Y P-rank) |
| 🚀 動能籌碼 | 市場動能 + 法人 | 23 技術指標(MA、MACD、RSI、Bollinger…)多空比 |
| 🛡️ 風險警戒 | 拿著會不會跌 | 39 風險指標(波動 / VaR / CVaR / MDD / Sharpe / Beta / Altman Z…) |
估值位階(5 模型 1Y 百分位)
頁面最底是 5 條橫條:P/E、P/B、EV/EBITDA、DCF 隱含、DDM 隱含 各自 1Y 歷史百分位(P0–P100)+ 區間最低/最高參考值。一眼看出「現在這檔估值在 1 年內什麼水位」。
操作篇
怎麼讀順?
- 先看 4 張卡的 verdict 連起來:都偏多 → 趨勢明確;有分歧 → 慎重
- 看你關注的時段卡內 9 分類:短線就看極短/短期卡,長期投資看中/長期卡
- 驗證 4 引擎:卡的方向跟引擎一致 → 強訊號;衝突 → 卡共識 > 引擎平均
- 查估值位階:現在貴或便宜?是高百分位的看多還是低百分位的看多?
- 點塊內的「↗」:跳對應分頁(走勢 / 風險 / 籌碼 / 基本資料)看細節
「評價警示」要怎麼用?
中/長期卡的「評價警示」塊是規則引擎自動生成:紅 dot = 需注意、黃 dot = 留意、綠 dot = 利多。例如:「FCF 為負 — 自由現金流惡化」、「P/E 處於 1Y P100 頂部」、「ROE 同業 P92 前段」。
警示不是建議,是把資料中的紅黃綠燈號標出來,你自己判斷要不要納入決策。
常見問題
Q1:為什麼 4 張卡可能方向不同?
正常。短期看技術籌碼(可能因為動能強而看多),長期看基本面(可能因為估值高而中性)。這正是「時段切片」的價值。
Q2:某張卡為什麼少幾個塊?
該時段沒有對應頻率的資料就跳過。例:極短期不會有「年營收年增」(年資料),長期不會強調「VWAP 5d 偏離」(日資料)。
Q3:分數怎麼算?
每張卡 verdict 用後端 calc_horizon.py 的 WEIGHT_MATRIX 加權各 facet score 後得 0-100 分,對映到方向。引擎分數另由 4 個獨立評分模型給出,跟 verdict 不互相影響。