資訊分享

近年來，隨著資料科學與計算能力的快速發展，越來越多投資人與資產管理機構開始採用機器學習模型來輔助投資決策。儘管傳統的因子投資方法在長期表現上具備穩定性與可解釋性，但為了更有效捕捉市場中的非線性結構與因子間的交互作用，結合機器學習的多因子模型已逐漸成為學術與實務研究的重要方向。

TEJ新報本周為您精選財金新知。1. ‍集團觀察-金車集團案例分析 - 以「水酒一家」為發展策略，敢於放眼全球市場的飲料集團 2. 【系列專文】快來看集團個案集，一同揭示台灣企業集團間的關聯脈絡，協助您快速理解產業競合格局與企業治理重點…

TESG 永續發展指標，2025/11/3公布了最新評等結果。TESG永續發展指標本次評等共計 2,527家公司，新增47家樣本，其中559家公司升等、618家公司降等。其中評等變動兩級者占 4.99%，顯示整體永續資訊揭露已帶動企業競爭力提升。

券商分析師對標的公司財務表現（如EPS）或股票目標價的預測，是否會影響該公司未來的股價報酬，向來是投資人關注的重點議題。本研究聚焦於分析師對台灣上市櫃公司每股盈餘（EPS）的預測，透過預測變動幅度與分析師間意見分歧程度進行分組，進一步探討兩種投資策略是否能獲得優於市場的投資報酬。

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。   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。

TEJ新報本周為您精選財金新知。TEJ正規劃透過AI工具，將法人說明會逐字稿延伸為多元應用情境，例如：會議重點摘要/語意分析與量化資料庫/產業趨勢與競爭分析。想搶先看法說會逐字稿的資料範例嗎？或是對法說會資料有任何建議嗎？ TEJ期待您的回饋與建議，作為後續規劃資料建置的重要參考！

在金融市場中，風險與報酬的關係並非總是正向線性。實證研究顯示，低風險資產往往能獲得更佳表現，此現象被稱為「低波動性異象」。本文以台灣市場為研究對象，檢視該異象的表現與特性，並特別關注「特質波動度（Idiosyncratic Volatility）」這一因子，評估其作為投資工具的可行性與應用價值。

TEJ新報本周為您精選財金新知。1. ‍產業筆記-從美國三大充電業者的商業模式，觀察電動車普及背後的挑戰與營運啟示 2. 【官網會員限定好文】塑化業的多重困境 - 原油價格震盪、美國關稅與能源政策，中國擴產壓力齊襲…

ESG主管的設置與異動情況，不僅是合規需求，也能反映企業在永續策略上的穩定性與執行力。透過TEJ TESG永續資料集 -「台灣永續治理主管資料庫」和「台灣資訊安全主管資料庫」，即可運用結構化的數據，快速了解企業ESG主管的設置，並可一站式追蹤職位異動狀況。