拒絕「偷看答案」的回測：TEJ Point-in-Time 投資用財務資料庫，根除前視與生存者偏誤 

前言

在量化投資研究中，財務資料是策略開發與驗證的基石。任何一個因子或模型的設計，都必須建立在可靠且完整的財務數據之上。若數據本身存在瑕疵或缺漏，即使再精巧的策略，也可能在實際市場中失靈。因此，建立一個能夠忠實還原歷史真實樣貌的財務資料庫，對於量化投資研究者至關重要。TEJ投資用財務資料庫，基於量化策略研究使用，提供 Point-in-Time（PIT )數據做為回測的基礎。 

為何回測績效，在實盤中總是「打折扣」？ 

傳統資料庫或自行蒐集的資料，往往在回測時能呈現亮眼的績效，但一旦應用到實際市場，成果卻大打折扣。造成這種落差的根源，並非策略邏輯本身有瑕疵，而是來自於數據中隱藏的兩個最致命陷阱：前視偏誤與生存者偏誤。 

• 前視偏誤（Look-ahead Bias） 
  在回測時不經意使用了「未來才會公布的資訊」。這種資訊在歷史時點上並不存在，但卻被錯誤帶入模型，造成回測績效「看似成功」，實際上只是依賴了未公開的未來數據。 

• 生存者偏誤（Survivorship Bias） 
  傳統資料庫常僅保留存續中的公司，將那些已破產、下市或併購消失的企業排除在外。這使得研究樣本與歷史市場實際情況不符，導致投資報酬被高估、風險被低估，研究結論缺乏真實性。 

這兩大痛點正是量化研究與策略回測中最容易被忽略，卻最能影響策略能否在市場中真正落地的關鍵。 

要打造一個能真正反映現實、通過市場考驗的穩健策略，其根基必須建立在一個能「還原歷史當下資訊樣貌」的資料結構之上——這就是 Point-in-Time（PIT）的核心精神。 

為此，TEJ 憑藉三十年的資料處理經驗，專為嚴謹的量化研究與機構級投資回測，打造出「投資用財務－會計師簽證財務資料庫」。本文將深度解析，這套資料庫如何從根本解決上述難題，成為您量化研究中最值得信賴的基石。 

Point-in-Time（PIT）核心架構：還原歷史的真實樣貌

TEJ「投資用財務－會計師簽證財務資料庫」的核心，是一套嚴謹的 Point-in-Time（PIT）資料架構。我們的資料源頭擷取官方申報的 iXBRL 財務報表作為基礎。然而，原始數據並不能直接用於回測，TEJ 的價值在於接下來的兩大核心工程，以確保您的研究能忠實還原歷史全貌。 

杜絕前視偏誤：宣告日時間戳記 & 全版本保留 

對研究員而言，試圖從公開資訊觀測站（MOPS）手動還原歷史是一項極為艱鉅的任務。您會面臨兩種困境： 

• 結構化資料的覆蓋：您在 MOPS 的 XBRL 資訊平台所能取得的財報科目，永遠只會是最新版本。一旦公司發布重編或重分類財報，舊的數字就會被直接覆蓋，無處可尋。 
• 人工追蹤的繁瑣：即使發現財報有異動，研究員也必須手動進入 MOPS 的「財務報告更(補)正查詢作業」、「電子書查詢」或是「歷史重大訊息」等多個不同專區尋找公告與更新後的財報。此過程不僅耗時費力，且極易出錯，大幅拖累研究效率。 

TEJ 的 PIT 架構透過系統化的流程，確保您能取得最真實的歷史剖面： 

• 全版本保留：我們系統性地蒐集並保存公司歷來申報的所有財報版本，無一遺漏。
• 精準公告日：我們為每個版本標註精準的「公告日」。使得在回測的任一時間點 T，回測程式都能自動抓取在 T 點前已公告的正確財報版本。

案例一：汎瑋材料（6967）

該公司因誤植「母公司暨子公司所持有之母公司庫藏股股數」，於 2025/8/14 15:37:02 在 MOPS「歷史重大訊息」發布了更正公告（如圖一）將股數從 25,637 股修正為 500,000 股。

圖一：MOPS 對於汎瑋材料（6967）2025Q2 財報的更正公告

在 TEJ 的資料庫中（如圖二），我們保留了兩個資料時間點，這項處理方式確保了： 

• 在 2025/8/14 15:46:34 之前的任何回測，所讀取到的庫藏股股數仍是舊的 25,637 股。 
• 在 2025/8/14 15:46:34 之後，才會採用重編後的 500,000 股。 

圖二：TEJ 資料庫完整保留汎瑋材料（6967）2025Q2 前後版本資料

更值得注意的是，此項更正資訊並未完整在英文版的公告或其他電子檔公告中揭露，因為財務報表原始電子檔沒有錯誤。這凸顯了官方資訊來源的破碎化與不一致的問題，研究員極易遺漏此類關鍵變動。TEJ 的系統化蒐集流程，正是為了解決此類資訊不一致的痛點。 

📌Factor Library因子資料庫 – 涵蓋動能、股息率、價值、成長等九大因子分類，高效率實踐因子投資

案例二：台積電（2330）

 TEJ對公告日的處理兼顧了歷史的完整性與最高的精確度。自 2013 年（財報的封面年月）起的資訊，公告時間均精準至時、分、秒，讓回測精準度可提高至日內價價格變動 。

圖三：TEJ投資用財務資料庫，2013年財報起的財報公告日可提供至時分秒

根除偏誤：打造完整統一的樣本空間

一個真實的投資環境，包含了成功擴張的企業、因各種因素下市的公司，以及不同營運模式的金融與一般產業。若研究樣本有所偏廢無疑會扭曲策略的真實報酬。為建立一個公正、完整且高效的回測環境，TEJ 會計師簽證財務資料庫從兩個維度確保了樣本的完整性：

• 時間維度—根除生存者偏誤：本模組的收錄範圍涵蓋了2005年以來「所有曾經上市櫃」的公司，其中完整包含了目前已下市的企業（在 TEJ「IFRS 合併為主財務資料庫」中無法取得下市企業）。 
• 產業維度—解決資料分散痛點：過往在 TEJ「IFRS 合併為主財務資料庫」中，金融業與一般產業的公司分散在多個模組，使用者必須自行合併。而本資料庫則將所有產業（含金融業）的公司樣本全部集中在同一個模組中。 

這兩點結合，意味著您用以建構投資策略的樣本空間，將與歷史任一時點的真實市場完全一致。無論是計算市場的平均報酬，或是進行大規模、跨產業的因子排序，您的研究結論都將建立在一個完整、無偏且易於使用的基礎之上，大幅提升其可信度與效率。

以因收購而下市的矽品（2325）為例，在本資料庫中，矽品的完整財報歷史被忠實保留（如圖四）。 更重要的是，在同一個資料庫中，您也能直接查詢到如國泰金（2882）等金融股的資料（如圖四）。這徹底解決了過往需整合不同產業模組的繁瑣步驟，讓全市場的因子篩選與回測變得無比簡便。 

圖四：TEJ 資料庫中，可同時查詢到已下市一般股（矽品）與金融股（國泰金）的資料

TEJ 的加值工程：不只是數據，更是研究效率的倍增器

TEJ投資用財務資料庫除了提供一個公正、無偏誤的回測基礎，我們亦提供了一系列加值特色，旨在將原始數據轉化為「立即可用」的研究素材，讓您專注於策略開發，而非繁瑣的資料前處理。

標準化的會計科目：實現真正的可比性 

量化研究不僅需要原始的財務科目，更需要大量由這些科目衍生而出的財務比率作為因子。研究員往往需要自行抓取多個欄位，並手動進行計算，過程不僅繁瑣，在處理不同期的科目時也容易出錯。為此，TEJ 在公開資訊觀測站MOPS 標準化的會計科目基礎之上，進一步為您預先計算與分類了市場最常用的財務比率與分析指標，總計提供超過 300 個欄位，涵蓋了研究中最關鍵的幾個面向： 

• 資產負債表：現金及約當現金、存貨、應付帳款及票據等。 
• 損益表：營業收入淨額、營業毛利、歸屬母公司淨利（損）等。 
• 現金流量表：處分投資損失－CFO、新增投資－CFI、發行公司債－CFF等。 
• 獲利能力指標：ROA、ROE、稅後淨利率等。 
• 經營能力指標：應收帳款週轉率、存貨週轉率、總資產週轉率等。 
• 成長率指標：營收成長率、營業利益成長率、稅後淨利成長率等。 
• 償債能力指標：流動比率、速動比率、利息保障倍數等。 
• 成本費用率指標：營業費用率、研究發展費用率等。 
• 每股比率指標：每股淨值、每股營業額、每股營業利益等。 
• 金融業專屬：貼現及放款_銀行、金控、營業成本_保險、收益合計_證券等。 

這些立即可用的指標，能讓您將想法快速轉化為可回測的因子。而最關鍵的保障在於：當這些衍生科目涉及跨期計算時，我們同樣採用嚴謹的 Point-in-Time 方法，確保衍生因子本身也杜絕了前視偏誤，維持了資料庫的高度一致性與可靠性。 

跨會計準則的橋樑：GAAP 全面調整為 IFRS 版本

台灣在 2013 年針對上市櫃公司全面導入 IFRS 會計準則，這在財務數據上形成了一道歷史的斷層。對於需要長年期數據（如 15 年、20 年）進行深度回測的研究員而言，自行弭平 GAAP 與 IFRS 時代的科目差異，是一項極為專業且艱鉅的工程。

TEJ 已為您舖平了這條道路：我們將 2012 年以前的 GAAP 財報資訊，依據 IFRS 精神進行了專業的標準化調整。 這讓您可以進行無縫的跨時期分析，策略的有效性不再因會計準則的變動而受到干擾。 

豐富的時間序列頻率：單季、累計與 TTM

原始的財報數據在頻率上往往無法滿足所有研究需求。特別是MOPS 並不直接提供第四季（Q4）的單季財務資料，也未提供連續12個月（TTM）的數據。TEJ 為您補足了這些缺口，提供三種時間長度資訊，並在資料庫中以「期間別」欄位（A / Q / TTM）標示（如圖五）： 

• 累計（A, Accrued）：提供財報發布時的原始累計值。例如：採曆年制公司的 Q3 累計值，其損益涵蓋期間為 1 月至 9 月。 
• 單季（Q, Quarterly）：透過當期累計值減去前期累計值運算而得。我們以此為基礎，為您推算出官方未提供的 Q4 單季數據，讓各季度的比較基礎保持一致。例如：採曆年制公司的 Q3 單季值，其損益涵蓋期間為 7 月至 9 月。 
• 連續12個月（TTM, Trailing Twelve Months）：取最近四個單季數據加總而得，能有效消除季節性因素干擾，洞察公司長期營運趨勢，是價值型與成長型因子研究的利器。例如：採曆年制公司 Q3 的 TTM 值，其損益涵蓋期間為去年 10 月至本年 9 月。 

圖五：TEJ 資料庫中提供台積電（2330）完整的 A / Q / TTM 期間別資料 

深入產業細節：支援金融業專屬會計科目

不同產業的營運模式與關鍵績效指標大相逕庭。若僅使用一般性會計科目，難以深入評估金融等特殊產業。為此，本模組額外收錄了如銀行、保險、金控與證券產業的重要專屬會計科目（如圖六）。這讓您可以建構更貼近產業本質的分析因子，擴展您策略的深度與廣度。 

圖六：TEJ 投資用財務資料庫中的金融業專屬會計科目範例

案例：在樂陞案（3662）的風暴中，看見 Point-in-Time 的價值

歷史上著名的樂陞案（現名為齊民，3662），不僅是一場併購騙局，更是檢驗回測數據嚴謹性的絕佳試金石。2016 年，市場因樂陞科技大股東日商「百尺竿頭數位娛樂有限公司」宣布以巨幅溢價公開收購樂陞而陷入瘋狂，但這場美夢最終在同年 8 月底以收購方違約告終，導致公司股價崩盤，投資人損失慘重。

圖七：樂陞股價與事件時間軸

事件過後，更深層的數據問題才浮出水面。如下圖八所示，樂陞在 2016 年 5 月 16 日 公告的第一季 EPS 仍為正值（0.1）；然而，在騙局被揭發後，公司才於 2017 年 8 月 14 日，追溯公告 2016 年第一季的 EPS 實為鉅額虧損的 -16.55。更詳細的分析內容可見賴德隆與陳惠玲於2017年所著《泡沫製造機：併購－樂陞案啟示》。

圖八：樂陞（現名為齊民，3662）2016Q1 EPS 的多重歷史版

這個案例揭示了兩種截然不同的回測情境： 

1. 受污染的回測（使用一般財報資料庫）： 
   若您的財報資料庫只保留「最新版本」，在 2017 年 8 月後進行回測時，您會看到 2016 年 Q1 的 EPS 就是 -16.55。您的模型或許能因此避開樂陞，但這是一個被未來資訊污染的「偽成功」，因為在 2016 年的當下，市場無人知曉此數據。 
   
2. 真實的回測（使用 TEJ 會計師簽證資料庫）：
   本資料庫忠實還原了歷史。在回測 2016/05/16 至 2017/08/13 這段期間，您的策略讀取到的 EPS 只會是 0.1。直到 2017/08/14 之後，代表鉅額虧損的 -16.55 版本才會依其公告日被納入。

這正是我們所強調的「全版本保留」與「精準宣告日」的核心價值。TEJ Point-in-Time 財務資料庫確保您的回測只使用當時市場已知的公平資訊，從而得到真正穩健、可信的策略績效。

從數據使用者，升級為數據駕馭者

量化研究的成敗，始於數據的品質。一個看似微小的數據瑕疵，都可能讓一個完美的策略邏輯付諸流水。 本文深度解析的 TEJ「投資用財務－會計師簽證財務資料庫」，其核心價值不僅是提供數據，而是提供一套完整的解決方案，旨在系統性地根除研究中最頑固的兩大偏誤： 

• 前視偏誤 (Look-ahead Bias) 
• 生存者偏誤 (Survivorship Bias) 

透過還原歷史全貌的 Point-in-Time 架構，以及提升研究效率的各式加值工程（如 IFRS 標準化、TTM 衍生、產業專屬科目等），我們將您從繁瑣、易錯的數據清洗工作中解放出來。 

使用正確的工具，讓您能更專注於策略開發與因子挖掘的核心價值上。TEJ 投資用財務－會計師簽證財務資料庫，是您在競爭激烈的市場中，打造穩健 Alpha 的最可靠基石。 

💡了解更多TEJ 量化資料庫的應用

TEJ 參加 Neudata 香港資料高峰會，展示台灣市場的量化研究實力