股票量化分析與選股日報
把個人使用的分析腳本，整理成每日自動更新、可對外瀏覽的資料產品。
研究中技術實驗專案
本案例為 GWP4 自行開發的產品或研究專案，並非外部客戶委託案。列出的內容用於呈現實際技術能力與做法。
- 財務資料處理
- 評分模型
- 排程任務
- 報表產出
背景與問題
分析用的腳本能算出結果，但只能在自己電腦上跑：別人要用得自行安裝環境、申請資料來源、設定排程。分析邏輯有價值，交付方式卻沒有。
原本的處理方式
本機執行 Python 腳本，產出靜態報告自己看。
設計目標
- 每日自動取得財報資料並產出評分
- 結果能公開瀏覽，不需安裝任何環境
- 評分邏輯模組化，方便新增不同的分析框架
解決方案
將分析流程拆成資料取得、指標計算、評分模型與報表產出四段，以排程每日執行並輸出靜態報表；後續研究如何以任務佇列與訂閱制的形式提供服務。
核心功能
- 台股與美股財報資料自動取得
- 多組量化評分模型
- 新聞風險評估
- 每日自動產出報表
系統架構
排程任務 → 財報資料取得 → 指標計算與評分 → JSON 資料產出 → 靜態報表頁面。SaaS 化的架構研究另以 Python Worker + 任務佇列 + NestJS API 的形式評估。
技術選擇
- Python 分析引擎
- 排程自動化
- 評分模型模組化設計
- 靜態報表產出
開發過程與限制
- 財報資料來源有取得限制與延遲，需處理缺漏
- 評分模型屬於研究性質，不構成任何投資建議
- SaaS 化涉及金流與訂閱，目前仍在架構評估階段
可驗證指標
以下皆為可查證的技術事實，不含未經驗證的成效數字。
- 資料範圍
- 台股與美股財報
- 更新頻率
- 每日自動執行
- 專案狀態
- 研究中，對外提供靜態報表
可以延伸到哪些產業
- 金融與投資研究
- 任何需要定期產出量化報表的團隊
- 需要把內部腳本產品化的組織