AI 選股機器人 · Rolling ML × ETF

讓 機器學習
替你篩選台股

我們結合多因子特徵選擇、機器學習模型與每月滾動再訓練，打造一套可回測、可驗證的台股 AI 選股流程——用數據做決策，讓策略隨市場一起進化。

看策略績效 查看當前觀察清單
策略績效速覽 · 2023.01 – 2026.08
94.9%
年化報酬（CAGR）
81.8%
月勝率（36 / 44 個月）
−8.7%
最大回撤（月頻）
+24.3%
最佳單月（2026.04）
專案介紹

不靠單一指標，用資料驅動投資決策

傳統選股常仰賴單一財務指標、技術指標或人為經驗，但市場會隨景氣循環、資金流向與產業趨勢快速改變。 StarkLab 的 AI 選股機器人以台灣股市為研究場域，整合基本面、技術面與動能等多類型特徵， 透過 PCA、GA、CART 等方法進行特徵篩選，再結合多個機器學習模型建立選股預測架構。 系統採每月滾動訓練與定期再平衡，讓模型持續回應市場變化，兼顧報酬與風險控管。

📊
多因子資料整合
整合基本面、技術面、動能與市場結構等資料，建立更完整的股票特徵資料庫，避免只依賴單一指標判斷。
🔬
多方法特徵選擇
以 PCA、GA、CART 篩選具預測力的關鍵特徵，降低雜訊與冗餘變數，提升模型穩定性與解釋能力。
🤖
滾動式機器學習模型
每月滾動訓練、定期再平衡，使模型隨市場環境調整，改善固定模型在長期投資中失效的問題。
📈
績效與風險評估
以累積報酬、年度報酬、Sharpe Ratio、最大回撤與勝率等指標，對照 0050、0056 檢視策略表現。
年度戰績

連續三年繳出破百戰績

近 12 個月累積報酬
+158.2%
2025.09 — 2026.08 · 勝率 10/12
近三年累積報酬
約 10 倍
2023.01 起 +1,054.7%（複利）
最大回撤（月頻）
-8.7%
高報酬同時控制波動
各年度策略年度報酬（實際每月選股組合，月報酬複利）
2023 全年
+26.9%
2024 全年
+118.5%
2025 全年
+126.2%
2026 1–8 月
+84.2%
2026 對決 0050（1–8 月累積報酬，同期同方法）
AI 選股機器人
+84.2%
0050 元大台灣50
+52.6%

超額報酬 +31.6 個百分點。0050 以「對齊機器人持有起訖日的實際收盤價」重算，方法一致、可查證。

年度績效

逐年實際績效

年度策略年度報酬策略 Sharpe Ratio
2023＋26.9%2.11
2024＋118.5%5.66
2025＋126.2%3.41
2026*＋84.2%2.58

* 2026 為 1–8 月累積報酬；Sharpe Ratio 為年化（rf=0），依實際每月選股組合月報酬計算。

研究流程

從資料到選股的七個步驟

01🗄️市場資料蒐集
→
02⚙️特徵工程
→
03🔬特徵選擇
→
04🤖模型訓練
→
05🏆Top 20 選股
→
06🔄投組再平衡
→
07📊績效評估
技術架構

系統怎麼運作

資料層
🗄️台股市場資料
→
🧹資料清理 · 特徵工程
→
📋基本面 · 技術面 · 動能特徵
→
🔬PCA · GA · CART 特徵選擇
模型層
🤖多模型 ML 訓練
→
🗳️自適應加權投票
→
🏆Top 20 股票清單
輸出層
🔄每月再平衡
→
📊績效與風險評估

系統以台股市場資料為基礎，透過特徵工程與多方法特徵選擇找出具預測力的訊號，再結合多個機器學習模型產生選股結果。 每月滾動更新與再平衡機制，使策略能持續回應市場變化，並透過績效與風險指標進行驗證。

相關連結

媒體報導與學術研究

新聞報導
AI 機器人選股，解決投資 ETF 的痛點
點我前往 →
研討會論文
Predicting period stock spread ranking using revenue indicators and machine learning techniques
點我前往 →
觀察清單

看看機器人這個月選了什麼

每月更新的選股觀察清單，公開透明地記錄策略實際選出的個股與歷史軌跡。

查看當前觀察清單 查看歷史觀察清單
⚠️ 投資風險提醒：本頁績效數據來自策略實際每月選股組合紀錄（2023.01–2026.08），純屬學術研究與教育用途，不是報明牌、不是薦股、也不是叫任何人買進或賣出任何標的。所有內容不構成投資建議或獲利保證；過去績效不代表未來表現，投資決策與盈虧由投資人自行負責，投資前請審慎評估自身風險承受能力。