投資警語：本文僅供教學參考，不構成投資建議。過去績效不代表未來表現，投資有風險。

低本益比就是便宜？小心掉入價值陷阱

很多投資人看到低本益比（PE）就興奮，以為撿到便宜。但你有沒有想過：為什麼市場給它這麼低的估值？

答案可能是：這家公司正在衰退。

一家 PE 只有 5 倍的公司，如果營收正在萎縮、獲利逐年下滑，那 5 倍的 PE 其實一點都不便宜——市場只是在反映它黯淡的未來。

相反的，一家 PE 25 倍的公司，如果每年獲利成長 50%，那它可能才是真正被低估的。

這就是為什麼彼得·林區（Peter Lynch）在《彼得林區選股戰略》中提出了 PEG（本益成長比） 這個指標：

PEG = PE / 盈餘成長率

當 PEG < 1，代表股價相對於成長性是便宜的；PEG > 2 則可能過貴。

白話解釋： PEG 就像看一間餐廳的性價比 — 不只看價格（PE），還要看份量（成長率）。舉例來說，A 公司 PE 20 倍、盈餘成長率 40%，PEG = 20/40 = 0.5，表示你用半價買到它的成長力道，非常划算。B 公司 PE 30 倍、成長率 10%，PEG = 30/10 = 3，表示股價已經遠超過它的成長速度。

PEG 範圍	解讀	說明
< 0.5	非常便宜	股價遠低於成長潛力
0.5 - 1.0	合理偏低	值得關注
1.0 - 2.0	合理	股價反映成長性
> 2.0	偏貴	股價超過成長速度

今天我們要用數據驗證：**PEG 策略在台股真的有效嗎？**透過 4 輪迭代優化，我們找到了一個年化報酬 25.6%、最大回撤僅 37% 的策略。

PEG 策略在台股的實際表現

在開始優化之前，先看看最基礎的 PEG 策略表現如何。

請用 FinLab 建立一個基礎的 PEG 策略：選出 PEG 最小的 10 檔股票，每月換股。條件：PEG 介於 0~2、營業利益正成長、有基本流動性。

      
        
        顯示程式碼
        
      
      from finlab import data
from finlab.backtest import sim
 
# 取得資料
pe = data.get("price_earning_ratio:本益比")
營業利益成長率 = data.get("fundamental_features:營業利益成長率")
當月營收 = data.get("monthly_revenue:當月營收")
volume = data.get("price:成交股數")
 
# 計算 PEG
peg = pe / 營業利益成長率
 
# 建立條件
cond = (
    (peg > 0) & (peg < 2) &           # PEG 合理範圍
    (營業利益成長率 > 0) &             # 確保正成長
    (當月營收.average(3) / 當月營收.average(12) > 1.1) &  # 營收動能
    ((volume / 1000).average(20) > 300)  # 流動性
)
 
# 選出 PEG 最小的 10 檔
position = (peg * cond)
position = position[position > 0].is_smallest(10)
position = position.reindex(當月營收.index_str_to_date().index, method="ffill")
 
# 回測
report = sim(position, resample="M", stop_loss=0.15, upload=False)
stats = report.get_stats()
print(f"年化報酬率: {stats['cagr']:.1%}")
print(f"夏普比率: {stats['monthly_sharpe']:.2f}")
print(f"最大回撤: {abs(stats['max_drawdown']):.1%}")
    

執行結果：

指標	數值
年化報酬率	9.7%
夏普比率	0.40
最大回撤	50.5%

基礎版策略確實能打敗定存，但有兩個明顯問題：

報酬率普通：9.7% 只比大盤好一點
回撤太大：50% 的最大回撤，一般人很難承受

這就是我們需要優化的地方。

用 AI 迭代優化：從 9.7% 到 25.6%

接下來是這篇文章的核心：4 輪 AI 輔助優化的完整過程。

我設定了三個優化目標：

指標	目標	原因
年化報酬率	> 15%	顯著優於大盤
夏普比率	> 0.6	風險調整後報酬合理
最大回撤	< 40%	一般投資人可承受

迭代 1：探索參數空間

請測試不同的參數組合：更嚴格的 PEG 門檻、加入 RSI 動能、不同持股數量、不同換股頻率。找出哪些因子對績效影響最大。

      
        
        顯示程式碼
        
      
      # 測試週換股 + RSI 動能濾網
rsi = data.indicator("RSI", timeperiod=14)
roe = data.get("fundamental_features:ROE稅後")
 
cond_rsi = (
    (peg > 0) & (peg < 1.5) &
    (營業利益成長率 > 5) &
    (當月營收.average(3) / 當月營收.average(12) > 1.1) &
    ((volume / 1000).average(20) > 500) &
    (roe > 5) &
    (pe > 5) & (pe < 30) &
    (rsi > 50)  # RSI 動能向上
)
 
position = (peg * cond_rsi)
position = position[position > 0].is_smallest(10)
position = position.reindex(當月營收.index_str_to_date().index, method="ffill")
 
# 週換股
report = sim(position, resample="W", stop_loss=0.10, upload=False)
    

測試結果發現一個重要現象：

配置	年化	夏普	MDD
月換股（基礎）	9.2%	0.38	49.6%
週換股 + RSI	28.8%	0.83	54.8%

發現：換股頻率提高後，年化報酬從 9.2% 暴增到 28.8%！但最大回撤也達到 54.8%，仍超過目標。

迭代 2：嘗試降低回撤

試著用各種風控手段降低回撤：更嚴格的停損、移動停損、止盈。

      
        
        顯示程式碼
        
      
      # 測試不同停損/移停配置
configs = [
    {"stop_loss": 0.10, "trail_stop": None},   # 基準
    {"stop_loss": 0.08, "trail_stop": None},   # 嚴格停損
    {"stop_loss": 0.10, "trail_stop": 0.05},   # 移停
    {"stop_loss": 0.10, "take_profit": 0.20},  # 止盈
]
 
for cfg in configs:
    report = sim(position, resample="W", **cfg, upload=False)
    # ... 記錄結果
    

結果令人意外：

風控方式	年化	MDD	結論
10% 停損	28.8%	54.8%	基準
8% 停損	27.9%	58.3%	MDD 反而上升
5% 移停	14.1%	63.2%	大幅惡化
20% 止盈	28.5%	53.2%	小幅改善

發現：傳統的停損/移停對成長股策略無效！因為成長股在系統性下跌時會同步下跌，停損只會鎖定虧損。

迭代 3：調整策略結構

既然風控無效，那就從策略結構本身著手。

測試不同的換股頻率（週、雙週、月、季）和持股數量，觀察對 MDD 的影響。

      
        顯示程式碼
        
      # 測試雙週換股
report = sim(position, resample="2W", stop_loss=0.12, upload=False)

換股頻率	年化	夏普	MDD
週換股	28.8%	0.83	54.8%
雙週	24.9%	0.83	48.4%
月換股	16.0%	0.57	55.0%
季換股	25.6%	0.93	37.0%

關鍵發現：降低換股頻率可以有效降低 MDD！季換股的 MDD 只有 37%，而且報酬還維持在 25%+。

回測結果

經過 4 輪迭代，我們找到了達標的策略配置。

指標	基礎版	優化版	目標	狀態
年化報酬率	9.7%	25.6%	> 15%	✅
夏普比率	0.40	0.93	> 0.6	✅
最大回撤	50.5%	37.0%	< 40%	✅

策略解析：為什麼季換股 MDD 最低？

這個發現反直覺：降低交易頻率反而能降低風險？原因如下：

避免追漲殺跌：高頻換股容易在股價高點買入、低點賣出
減少交易成本：頻繁換股累積的手續費和滑價會侵蝕報酬
讓贏家充分發揮：好股票需要時間發酵，太早賣掉反而錯過大波段
過濾短期雜訊：季度層級只看中期趨勢，不被日常波動干擾

成長股策略的 MDD 很難用傳統風控降低，必須從策略結構本身著手。

PEG 策略實戰：用本益成長比挖掘被低估的成長股