券商共識

本研究所探討之「券商共識資料」，主要彙整市場上各家證券商對上市櫃公司之目標價預測與投資建議（評等）資訊，藉由凝聚市場多數分析師的群眾智慧，以排除單一券商的極端預估偏誤，並提供具客觀性的市場預期指引。 上篇檢定顯示，單因子如評等強度（rating_rank）與廣度指標（noa2）易受同分擁擠與偏態干擾；目標價分歧度（disp1）具短線動能催化效果；變動因子（Revision）則因訊號稀疏難以有效選股。為克服單一指標受樂觀偏誤與極端雜訊影響之缺陷，本研究進一步透過因子工程進行多因子交叉組合。 多因子（複合因子）的檢定結果顯示，同時結合「評等強度」與「市場樂觀一致性」兩項資訊的複合因子 comp_D（投資建議分數 × 淨樂觀券商占比）表現最為突出，不僅有效排除了少數極端報告的雜訊，其報酬結構更呈現極為穩健的單調遞增特性，並以 0.2179 的 ICIR 表現位居所有因子之首，證實其兼顧勝率與穩定性的優勢。 本篇（下篇）將進一步邁向實戰，把此一表現最穩定的 comp_D 因子導入真實的交易回測架構中。我們將在納入完整的台股標準交易成本（含證券交易稅與手續費）與滑價限制等實務考量下，檢驗該策略在 2020～2025 年多空循環下的真實獲利與風險承受能力。更重要的是，本篇將深入剖析該策略在不同市場流動性分層（前 100 至前 600 大標的）下的績效表現，探討這套基於群眾智慧的選股邏輯，其超額報酬（Alpha）究竟在何種流動性結構下才能發揮最大實戰價值。

在效率市場假說（Efficient Market Hypothesis, EMH）的理論架構下，股票價格應能充分反映所有可得資訊。然而，實際資本市場中仍普遍存在資訊不對稱現象，不同市場參與者對企業價值之認知與資訊掌握程度亦存在差異。賣方分析師作為資本市場重要的資訊中介者，透過產業研究、企業訪談及財務模型建構，持續提供財務預測、投資評等與目標價等資訊，對市場定價具有一定影響力。然而，單一分析師之觀點仍可能受到承銷業務關係、從眾行為（Herding Effect）或模型假設偏誤等因素影響，進而限制其預測能力與資訊品質。 基於上述考量，本研究以「群眾智慧（Wisdom of Crowds）」概念為出發點，整理「券商共識資料」，將市場中大量且分散的券商研究報告轉化為可量化分析之結構化訊號。理論上，當多數機構法人對特定個股同時形成一致性的樂觀預期時，可能反映市場資金配置方向與未來股價表現之潛在趨勢，因此具備作為量化投資因子的研究價值。 本研究採用量化投資領域廣泛使用之 Alphalens 因子檢定框架，針對 2020 年 1 月至 2025 年 12 月之台灣股票市場進行實證分析，系統性檢驗券商共識資料於不同維度下之 Alpha 預測能力。研究面向涵蓋絕對水準（Level）、變動幅度（Revision）、分歧程度（Dispersion）與市場廣度（Breadth）等四類核心指標，並進一步探討其於實際投資策略建構上的應用價值。