Author Archives: 發財橘子

Cybernetic Oscillator 是由技術分析大師 John Ehlers 於 2004 年提出（並在 2024-2025 年進行了現代化優化）的一項指標。它的核心思想源自於「自動控制理論」中的控制論（Cybernetics），旨在透過數位訊號處理（DSP）技術，從混沌的價格數據中精確提取出市場的「週期成分」。

不同於 RSI 或隨機指標（Stochastic），Cybernetic Oscillator 試圖解決「市場趨勢」與「市場週期」相互干擾的問題。

1. 核心處理流程：訊號處理流水線

Cybernetic Oscillator 的運作像是一個精密的過濾器，其處理步驟如下：

1. 二階高通濾波 (2nd-order High-Pass Filter)：
   去除價格中的「直流漂移」（即慢速的趨勢成分），只保留波動訊號。
2. 二階超級平滑濾波 (2nd-order Super Smoother)：
   去除高頻率的雜訊（毛刺），保留平滑的波動曲線，且幾乎不產生延遲。

2. 數學邏輯分析

該指標的核心在於其遞歸係數的設計，利用 alpha係數來精確控制截止頻率（Cutoff Frequency）：

• 高通濾波係數 alpha：

透過調整週期 P（通常設為 20），可以決定要過濾掉多長的趨勢。

• 超級平滑係數：
  利用指數與三角函數計算出 c1, c2, c3，使得濾波器在頻域內具有 12 dB/octave 的衰減率。這比傳統 RSI 的 6 dB/octave 強大得多，能更乾淨地分離出週期。

3. 與傳統指標的效能對比

4. XScript (XQ 語法) 實作代碼

以下是根據 John Ehlers 2025 年最新優化版本撰寫的 XScript 腳本： 

// 名稱：Cybernetic Oscillator (Ehlers 2025)
// -----------------------------------------------------------
Input: HPLen(30, "高通週期"), LPLen(20, "平滑週期"), RMSLen(50, "標準化窗口");
Variable: a1(0), b1(0), c1(0), c2(0), c3(0), x1(0);
Variable: HP(0), LP(0), RMS(0), CyberOsc(0);

// 1. 初始化高通濾波係數
Once begin
a1 = Expvalue(-1.414 * 3.14159 / HPLen);
b1 = 2 * a1 * Cos(1.414 * 3.14159 / HPLen);
c1 = -a1 * a1;
x1 = (1 + b1 - c1) / 4;
end;

// 2. 高通濾波 (去除趨勢)
if CurrentBar > 2 then
HP = x1 * (Close - 2 * Close[1] + Close[2]) + b1 * HP[1] + c1 * HP[2]
else
HP = 0;

// 3. 超級平滑濾波 (去除噪音 - 係數複用)
// 這裡使用簡化的二階平滑邏輯
LP = Average(HP, LPLen);

// 4. RMS 歸一化
RMS = SquareRoot(Summation(Power(LP, 2), RMSLen) / RMSLen);

if RMS <> 0 then 
CyberOsc = LP / RMS
else 
CyberOsc = 0;

// 5. 繪圖
Plot1(CyberOsc, "Cybernetic Oscillator");
Plot2(0, "零軸");

5. 實戰解讀 

• 零軸交叉 (Zero-Crossing)： 當指標由下往上穿過 0，代表週期性動能轉正，是一個極佳的波段買點。
•  Cybernetic Oscillator 值進行排序，數值最高的即為當前「週期動能」最強的標的，這對尋找強勢股的用戶極具吸引力。

Understanding the Two-Pole Oscillator Mechanism

這段影片詳細解釋了二階（Two-pole）濾波器在震盪指標中的運作邏輯，能幫助您理解為什麼 Cybernetic 系列指標在過濾雜訊的同時能保持極低的延遲。

 下面是這個腳本應用在Tesla日線上的對照圖

BBTrend (Bollinger Band Trend) 是由布林通道創始人 John Bollinger 於 2023-2024 年間正式推廣的新一代指標。

可以將其視為「布林通道的進階版」或是「ADX 指標的強效替代品」。傳統的布林通道主要反映波動率（Volatility），而 BBTrend 則進一步量化了趨勢的方向與強度。

1. 核心邏輯：為什麼需要 BBTrend？

傳統布林通道在「擠壓（Squeeze）」發生時，只能告訴投資人「即將有大行情」，但無法預測「方向」。BBTrend 的出現解決了這個痛點。

它基於一個深刻的市場觀察：

 * 多頭趨勢： 短期下軌與長期下軌的距離會拉開（發散），而上軌則相對接近（收斂）。

 * 空頭趨勢： 短期上軌與長期上軌的距離會拉開（發散），而下軌則相對接近（收斂）。

2. 數學公式分析

BBTrend 同時使用了兩套不同週期的布林通道 ：

 * 計算下軌差： LowerDiff = |LowerBB_{短天期} – LowerBB_{長天期}|

 * 計算上軌差： UpperDiff = |UpperBB_{短天期} – UpperBB_{長天期}|

 * 計算指標值： 

 * 大於 0： 代表下軌發散程度大於上軌，市場處於多頭。

 * 小於 0： 代表上軌發散程度大於下軌，市場處於空頭。

 * 數值大小： 遠離 0 軸的距離代表趨勢的動能（Momentum）。

3. XScript (XQ 語法) 實作代碼

// 指標名稱：BBTrend (John Bollinger)
// -----------------------------------------------------------
Input: ShortLen(10, "短期週期"), LongLen(20, "長期週期"), Dev(2, "標準差");
Variable: sUp(0), sLow(0), sMid(0), lUp(0), lLow(0), lMid(0);
Variable: LowerDiff(0), UpperDiff(0), BBT(0);

// 1. 計算短期布林通道 (10, 2)
sMid = Average(Close, ShortLen);
sUp = sMid + Dev * StandardDev(Close, ShortLen, 1);
sLow = sMid - Dev * StandardDev(Close, ShortLen, 1);

// 2. 計算長期布林通道 (20, 2)
lMid = Average(Close, LongLen);
lUp = lMid + Dev * StandardDev(Close, LongLen, 1);
lLow = lMid - Dev * StandardDev(Close, LongLen, 1);

// 3. BBTrend 核心運算
LowerDiff = AbsValue(sLow - lLow);
UpperDiff = AbsValue(sUp - lUp);

// 進行歸一化 (Normalization)
if sMid <> 0 then 
BBT = (LowerDiff - UpperDiff) / sMid * 100
else 
BBT = 0;

// 4. 繪製柱狀圖
Plot1(BBT, "BBTrend");
Plot2(0, "零軸");

以下是用這個BBTrend指標搭配BBand及BBandwith一起看的圖

納達拉亞-沃森包絡線 (Nadaraya-Watson Envelope) 是近年來在量化交易界（特別是 TradingView 社群）極其熱門的指標。它與傳統布林通道（Bollinger Bands）最大的不同在於，它不依賴簡單的算術平均，而是利用Kernel Regression技術來擬合價格曲線。

1. 核心技術原理：核回歸 (Kernel Regression)

傳統均線（SMA/EMA）是給予過去數據不同權重；而納達拉亞-沃森（NW）則是一種非參數（Non-parametric）的估計方法。

• 數學邏輯： 它在每一個點上，都會觀察全域或局部窗口內的數據，並根據「時間距離」使用一個核函數（Kernel Function）（通常是高斯核 Gaussian Kernel 或有理二次核 Rational Quadratic Kernel）來分配權重。
• 權重公式概念：
  

其中 h是頻寬 (Bandwidth)，它決定了曲線的平滑程度。頻寬越大，曲線越平滑但反應越慢。

NW 包絡線由三條線組成：

1. 中心回歸線： 透過 NW 核回歸計算出的平滑價格曲線。
2. 上下軌道： 通常是中心線加上或減去「平均絕對偏差 (MAD)」或「平均真實範圍 (ATR)」的倍數。

這使得它在視覺上非常緊貼價格，且在識別極端超買/超賣區域時，比布林通道更具適應性，因為它能捕捉非線性的趨勢變化。

2.納達拉亞-沃森 vs. 布林通道

3.XScript (XQ 語法) 實作參考

底下是AI寫的Sample code，我只修改了內建函數及變數的名稱，AI係使用迴圈來模擬高斯核的加權計算：

// 名稱：Nadaraya-Watson Envelope (簡化版)
// -----------------------------------------------------------
Input: h1(8, "Bandwidth 頻寬"), Mult(2, "Multiplier 倍數"), Window(50, "計算窗口");
Variable: i(0), weight(0), sumWeight(0), sumPrice(0), NW_Center(0), MAD(0);

// 1. 計算核回歸中心線
sumPrice = 0;
sumWeight = 0;

for i = 0 to Window begin
// 高斯核權重公式：exp(-(距離^2) / (2 * h^2))
weight = Expvalue(-1 * Power(i, 2) / (2 * Power(h1, 2)));
sumPrice = sumPrice + Close[i] * weight;
sumWeight = sumWeight + weight;
end;

if sumWeight <> 0 then NW_Center = sumPrice / sumWeight;

// 2. 計算平均絕對偏差 (MAD) 作為軌道寬度
MAD = Average(AbsValue(Close - NW_Center), Window);

// 3. 繪製結果
Plot1(NW_Center, "NW 中心線");
Plot2(NW_Center + Mult * MAD, "上軌");
Plot3(NW_Center - Mult * MAD, "下軌");

根據這個腳本計算出來的指標，它的呈現方式如下圖

介紹過TSV 與 MFI 之後，類似概念設計出來的技術指標，還有Chaikin Money Flow (CMF，蔡金資金流量) ，把這三個指標一起應用，可以對個股目前的漲跌量能關係，有更清楚的理解。

CMF 由技術分析大師 Marc Chaikin 研發，它的核心哲學是：「收盤價相對於當天震盪區間的位置，結合成交量，最能揭示機構法人的真實意圖。」 它是判斷「吸貨（Accumulation）」與「派發（Distribution）」最精確的量化工具之一。

一、 CMF 的計算邏輯 (The Formula)

CMF 的計算分為三個步驟，其核心在於 「貨幣流量乘數 (Money Flow Multiplier)」：

1. 貨幣流量乘數 (Money Flow Multiplier, MFM)

這是 CMF 的靈魂，它觀察收盤價落在當天高低點的哪個位置：

MFM ={(Close – Low) – (High – Close)}/{High – Low)

• 如果收在最高點，乘數為 +1。
• 如果收在最低點，乘數為 -1。
• 如果收在正中間，乘數為 0。

2. 貨幣流量金額 (Money Flow Volume, MFV)

將乘數乘以當天的成交量：

MFV = MFM * Volume 

3. CMF 指數

通常取 21 天（約一個月週期）的 MFV 總和除以成交量總和：

二、 CMF 的三大核心解讀

對於研究型散戶來說，CMF 提供了比 RSI 更具支撐性的「證據」：

1. 零軸穿越 (The Zero Line)

• CMF > 0： 代表市場處於**累積（吸貨）**狀態。持續在 0 以上代表機構買盤穩定，這是多頭趨勢的健康標誌。
• CMF < 0： 代表市場處於**派發（出貨）**狀態。代表資金正在撤離，即便股價沒跌，也要警惕「拉高出貨」。

2. 指標強度 (Magnitude)

• 高於 +0.20： 極強的多頭動能，代表資金高度集中流入。
• 低於 -0.20： 極強的空頭壓力。

3. 背離訊號 (Divergence) —— 最重要的領先警示

• 多頭背離： 股價創新低，但 CMF 卻在零軸附近攀升或轉正。這通常代表大戶在低檔「接刀」，是中線底部的重要訊號。
• 空頭背離： 股價創新高，但 CMF 卻在走低甚至轉負。這代表股價上漲是靠散戶情緒（Low Quality Volume），大戶已先行撤離。

以下是這個指標的腳本

// CMF 指標實作
input: Length(21, "計算週期");
variable: MFM(0), MFV(0), CMF_Value(0);

// 計算貨幣流量乘數
if High <> Low then 
MFM = ((Close - Low) - (High - Close)) / (High - Low)
else 
MFM = 0;

MFV = MFM * Volume;

// 計算 CMF
if Summation(Volume, Length) <> 0 then
CMF_Value = Summation(MFV, Length) / Summation(Volume, Length)
else
CMF_Value = 0;

Plot1(CMF_Value, "CMF");
Plot2(0, "零軸");

下面是幾張個股跟CMF指標的對照圖，供大家參考

TSV (Time Segmented Volume，時段分割成交量) 是由 Worden Brothers（知名交易軟體 TC2000 的開發者）所研發的一項專利技術指標。它被譽為「量化交易者的導航儀」，因為 TSV 是偵測「機構腳印」的核心工具，特別是在分析中小型科技股 時，它能揭示股價發動前的「隱性買盤」。

一、 TSV 的核心邏輯：成交量的「品質」

傳統的成交量指標（如 OBV）是簡單的累計，而 TSV 則是將成交量進行「分割」與「加權」。

TSV 的基本概念：

• 它將每一時段（通常是日）的成交量與價格變動聯繫起來。
• 如果今日收盤價高於昨日，這段時間的成交量被視為「正向流入」。
• 如果今日收盤價低於昨日，則視為「負向流出」。
• 關鍵差異： 它會根據價格變動的幅度（Price Change）來對成交量進行加權，這使得大漲時的量與微漲時的量在指標中的權重完全不同。

二、 計算公式與 XScript 邏輯

在 XScript 中，TSV 的核心運算邏輯可以簡化如下：

1. 計算每日資金段 (Volume Segment):
   egment = (Close – Close[1]) \times Volume 
2. 計算 TSV 原始值:
   將過去 n天（常用 18 天）的 Segment 進行加總。
    
3. 平滑化 (Smoothing):
   為了過濾雜訊，通常會對 TSV 取 m 天（常用 8-10 天）的指數移動平均（EMA）作為「訊號線」。

三、 TSV 的四大實戰訊號

1. 零軸穿越 (Zero Line Cross)

• 看多： 當 TSV 由下往上穿越 0 軸，代表資金流向轉為淨流入，趨勢轉強。
• 看空： 當 TSV 由上往下穿越 0 軸，代表資金開始撤退。

2. 背離訊號 (Divergence) —— 最強大的領先特徵

• 底部背離： 股價不斷創新低，但 TSV 卻在底部越墊越高（Higher Lows）。
  • 含義： 代表在大眾恐慌拋售時，機構大金主正在「默默吸貨」。這通常是股價大反轉的前兆。
• 頂部背離： 股價創新高，但 TSV 卻走低。代表買盤力道已竭，準備反轉向下。

3. 訊號線穿越 (Signal Line Crossovers)

• 類似 MACD 的用法。當 TSV 原始線向上穿過其移動平均（訊號線），是短線動能轉強的確認。

4. 峰值與谷值 (Peaks and Valleys)

• 極端的 TSV 數值通常對應市場的超買或超賣。當 TSV 達到歷史高位並開始下彎，即使股價還在漲，也要警惕。

四、 TSV vs. 其他量能指標

在產品設計時，您可能會被問到：為什麼不用 OBV（能量潮）或 CMF（蔡金資金流量）？

 以下是用Xscript寫的對應指標腳本

// 指標名稱：TSV (Time Segmented Volume)
// 應用場景：技術分析副圖
// 邏輯參考：Worden Brothers

input: T_Period(18, "TSV週期");
input: S_Period(8, "平滑週期");

variable: V_Segment(0), TSV_Value(0), TSV_Signal(0);

// 核心運算：價格變動(加權) * 成交量
V_Segment = (Close - Close[1]) * Volume;

// 計算 TSV 總和
TSV_Value = Summation(V_Segment, T_Period);

// 平滑處理 (訊號線)
TSV_Signal = Average(TSV_Value, S_Period);

// 繪製圖表
Plot1(TSV_Value, "TSV");
Plot2(TSV_Signal, "TSV訊號線");

2025年的投資焦點在科技股，2026年，這股風潮方興未艾，Whale Rock Capital是一家專注投資科技股的避險基金，它的投資哲學是尋找處於S曲線10-50%滲透率階段的企業，今天來跟大家討論S曲線的概念，並且請AI分析幾個主要的產業概念股，目前在S曲線的位置。

S曲線是投資科技股很常被提到的概念，在龍捲風暴這本書中，講的很詳細，它的數學公式如下：

Whale Rock Capital就是根據這個公式，認為滲透率到了50%之後，成長速度就會減緩，滲透率太低，又怕這個科技無法跨越鴻溝，所以它們專押滲透率在10-50%的科技產業。

根據經典的「羅傑斯創新擴散理論（Rogers’ Diffusion of Innovation）」，S曲線可依據累積滲透率劃分為五個關鍵群體。

Whale Rock Capital專注投資早期採用者，確定會過渡到早期大眾的科技領域，這裡要說的是，一味追求破壞式創新，但不是所有破壞式創新都能被大眾所採納，3D列印及植物肉就是很好的例子

那怎麼判斷滲透率會從10%以下往50%走呢? 有一個很有趣的方法： 觀察供應鍊中亞洲代工廠及上游關鍵零組件設備商的資本支出。

因為亞洲的這些代工廠通常是不見兔子不撒鷹，任憑你美國公司講的多厲害，除非看到趨勢很明顯，不然不會真金白銀的擴充產能，因為一個廠蓋起來，機器設備買進來，沒有幾年好光景，是不會真的賺錢，陪公子哥兒試產可以，用現有生產線量產也可以，要我蓋新廠，除非我真的也看好。

所以，台灣的確是站在投資美國科技股，一個很重要的觀察位置，當然這裡說的是硬體，如果是Saas，那就得找其他方法了。

我先前有跟大家介紹XS開始支援Group這個函數，可以把細產業成份股裡的特定欄位拿來一起做計算，所以我們就可以畫出特定細產業的合計資本支出長期走勢圖，像下面這張就是封測的長期資本支出走勢圖

從這張圖就可以看出，2024年第四季，台灣的封測產業就用真金白銀押AI不是泡沬

畫出上面這張圖的指標腳本，我附在下面

Group: _group();//宣告群組
var: _i(0), _size(0);
_group = GetSymbolGroup("成份股");//指定群組的商品
// 檢查是否有資料
_size = GroupSize(_group);
if _size = 0 then return;
// 迴圈運算前，初始化變數
value1 = 0;
value2 = 0;
value3=0;
// 迴圈計算每一檔成份股數值
for _i = 1 to _size begin //大迴圈會跑遍每一檔成份股
if CheckSymbolField(_group[_i], "Close") then begin //確認股票當天有資料
// 實際要計算的內容===開始===
// STEP 1 換期時數值歸零
if GetSymbolFieldDate(_group[_i], "資本支出金額", "Q") > value1 then begin //如果成份股有人提前公佈數值，目前計算的都歸零
value1 = GetSymbolFieldDate(_group[_i], "資本支出金額", "Q");
value2 = 0;
value3 = 0;
end;

// STEP 2 同樣期別時，數值計算
if GetSymbolFieldDate(_group[_i], "資本支出金額", "Q") = value1 then begin //依最新的資料期別進行統計
value2 = value2 + 1;
value3 = value3 + GetSymbolField(_group[_i], "資本支出金額", "Q");
end;
// 實際要計算的內容===結束===
end; 
end;
// 要繪製的指標
// 
plot(1, value3, "整體資本支出金額");




不過這邊要特別強調兩點
一，代工廠及零組件廠第一次FOR特定科技板塊作資本支出的統計值才有意義，代表是在S曲線要起飛的那一段
如果是加碼投入，那可能滲透率都已經過五成了
二，資本支出一季才公佈一次，要即時掌握新興科技是否進到S曲線迷人的那一段，觀察新聞中相關供應鍊資本支出的消息，應該會更即時。
下面是我請AI幫我分析目前幾個大的科技板塊在S曲線中的位置，供大家參考。

2026 科技賽道 S 曲線現狀評估表 (Benchmark)

我請Gemini幫我分析ondas大漲的原因，歸納出中小型科技股飆股具備那些共同特徵，最好是可以用XS，寫出中小型科技飆股的選股腳本，或是直接告訴我，還有那些股票具備這些共同的特徵，AI告訴我，Ondas大漲的三大要件是一，具有強大政策/預算支持的利基市場，二，擁有專利或獨特行業認證，三，具備具體的「催化劑」(Catalyst) 事件，然後出現合約負債及營收高成長，以及機構法人持股比例穩定上昇等現象。以下是Gemini的回答

Ondas Holdings (ONDS) 在 2025 年至 2026 年初的表現，是典型的「高風險、高回報」小型科技股（Small-cap Tech）從邊緣走向市場焦點的教科書案例。其股價在一年內漲幅超過 700%，並在 2026 年初持續維持強勁動能。

從 Ondas 的崛起過程，我們可以歸納出這類小型科技股要迎來「大漲」（甚至成為數倍股）通常需要具備的五大關鍵條件：

1. 核心業務切入「剛需且高增長」的宏觀敘事

小型股若要大漲，單靠技術是不夠的，必須站在當前的「風口」上。

• Ondas 的做法： 該公司從單純的工業無線技術轉向 「無人機防禦 (Counter-UAS)」 與 「國防自動化」。在 2025 年地緣政治緊張、無人機威脅激增的背景下，這類需求從「選配」變成了各國政府的「標配」。
• 關鍵條件： 公司的主攻市場必須具備高度的宏觀確定性（例如：國防預算增加、AI 應用落地、能源轉型），且市場天花板（TAM）要足夠大。

2. 從「概念」轉向「訂單」的實質拐點

小型股常被批評為「講故事」，要破解這一點，必須有明確的業績爆發。

• Ondas 的表現： 2025 年第三季營收年增率高達 581%。更重要的是，它在 2025 年底連續拿下價值千萬美元的合約（如歐洲機場無人機防禦、政府邊境保護專案）。
• 關鍵條件： * 營收增速： 出現「曲棍球棒式」的增長。
  • 待執行訂單 (Backlog)： 訂單量遠超當前市值所隱含的預期。
  • 落地能力： 產品從測試階段進入正式的大規模部署。

3. 關鍵權威的「背書」與「驗證」

小型科技股面臨最大的問題是信任。

• Ondas 的突破： * 監管驗證： 旗下的 Optimus 系統是首個獲得美國 FAA 認證的小型全自動無人機系統。
  • 巨頭合作： 與 Palantir 的策略合作，將 AI 能量導入其無人機平台，這等於是得到了業界頂級玩家的認可。
• 關鍵條件： 是否獲得政府（國防部、交通部）的正式許可？是否與產業龍頭簽署合作協議？這些都是股價脫離「投機」進入「投資」範疇的訊號。

4. 戰略性的組織優化與品牌升級

這類公司往往需要展現出「我準備好長大了」的姿態。

• Ondas 的動作： 2026 年初更名為 Ondas Inc.，並將總部遷往佛羅里達州的西棕櫚灘（國防科技與金融人才匯集地），同時任命前美軍高級將領（如 Patrick Huston）擔任營運長。
• 關鍵條件： * 管理層換血： 引入具備規模化運作經驗、或具備深厚產業人脈（如軍方背景）的高層。
  • 業務集中化： 剝離非核心資產，專注於利潤最高、增長最快的產品。

5. 機構投資者的「共識」形成

當散戶還在猶豫時，大資金的入場是推升股價的主力。

• Ondas 的數據： 在 2025 年下半年，包括 Renaissance Technologies (文藝復興)、Citadel (城堡) 與 Vanguard (先鋒) 等知名機構都顯著增加了持股。
• 關鍵條件： 成交量異常放大、機構持股比例上升、且券商（如 Needham, Oppenheimer）開始調升目標價。

總結分析表：小型科技股大漲的篩選清單

風險提示： 小型科技股大漲後通常伴隨著高波動與股權稀釋（Ondas 亦有多次增資）。分析這類標定時，除了看增長，也要注意其 現金流消耗率 (Burn Rate) 是否能支撐到盈利。

 要將 Ondas (ONDS) 的大漲邏輯轉化為 XScript 選股腳本，我們需要將「產業風口、營收爆發、機構進場」這些抽象概念，轉譯為市值、營收動能、籌碼集中度與價格結構等量化指標。

以下為您整理出四個核心維度的 XScript 邏輯與腳本範例：

1. 規模與流動性：鎖定「小而美」的標的

Ondas 的起漲點市值通常在 2 億至 5 億美元之間。在台股環境中，我們可以鎖定股本較小但具備基本流動性的標的。

• XScript 邏輯：
  • 總市值介於 20 億至 100 億台幣。
  • 股本小於 20 億。
  • 每日成交量大於 500 張（確保不是殭屍股）。 

2. 營收拐點：尋找「曲棍球棒式」增長

Ondas 的關鍵在於營收從幾百萬跳升至數千萬。這在 XScript 中可以用「單月營收年增率」與「營收創高」來捕捉。

• XScript 邏輯：
  • 最新單月營收年增率 (YoY) > 50%。
  • 營收連續 2-3 個月遞增。
  • 營收創下近 12 個月新高。 

3. 機構共識：法人與主力大戶的佈局

小型股若無法人背書，容易變成一日行情。我們需要監控「投信」或「關鍵主力」的連續買超。

• XScript 邏輯：
  • 投信近 5 日買超佔成交量比例增加。
  • 大戶持股比例（如 400 張以上大戶）開始上揚。 

4. 價格動能：技術面突破

當基本面與籌碼面準備就緒，我們需要一個「發動訊號」，通常是帶量的價格突破。

• XScript 邏輯：
  • 股價站在 60 日線（生命線）之上，且 60 日線趨勢向上。
  • 股價突破過去 20 日的整理區間。
  • 量比（當日成交量 / 均量）顯著放大。  

操作建議與進階思考

1. 「合約負債」指標： 對於像 Ondas 這種接單型的科技股，您可以額外加入 GetField(“合約負債”, “Q”) 的判斷。若合約負債年增率大增，通常代表未來幾個月的營收非常有保障。
2. 停損與波動： 小型科技股漲起來很快，跌起來也毫不留情。建議搭配 ATR (真實平均幅度) 來設定移動停損，不要單純看百分比。
3. 產業過濾： XS 選股可以設定「產業細分類」，您可以勾選「半導體」、「通訊網路」或「電腦週邊」，以符合 Ondas 的科技屬性。

 我根據上述的這些條件，及Gemini寫的Xscript腳本，寫了一個選股腳本如下

 // 合約負債年增率 > 30% (代表訂單能見度高)
Condition1 = GetField("合約負債", "Q") > GetField("合約負債", "Q")[4] * 1.3;
// 監控價格異常波動但尚未噴發 (帶量橫盤)
Condition2 = Volume > Average(Volume, 20) * 2;
Condition3 = High < Highest(High, 60) * 1.05; // 在高點附近整理，等待突破 
Condition4=getfield("普通股股本", "Q")<100;
if condition1 and condition2 and condition3 and condition4
then ret=1;

但因為目前XS的選股腳本，美股無法使用合約負債這個欄位，所以甘脆請AI幫我找出還有沒有像ONDAS這樣的股票，以下是它的回答

根據您提供的篩選邏輯——「強大政策預算支持」、「專利/行業認證」以及「具體催化劑 (Catalyst)」，在 2025 年末至 2026 年初的市場環境下，除了 Ondas (ONDS) 之外，以下幾家專注於國防科技、潔淨能源 (SMR) 與生物醫療的中小型科技股也展現了極其相似的增長路徑：

1. 國防與無人機防禦系統 (C-UAS)

這個領域與 Ondas 的路徑最為接近，主要受到 2026 年美國 $1.5 兆美元歷史性國防預算的直接推動。

• ParaZero Technologies (PRZO)
  • 政策支持： 全球軍事預算轉向「不對稱作戰」，對小型自動化無人機防禦系統需求大增。
  • 技術認證： 專精於智能自動化無人機降落傘與安全系統，擁有專利保護。
  • 具體催化劑： 2025 年底成功完成其 DefendAir C-UAS 平台的首次實機展示，正式從研發階段進入訂單落地期。
• Red Cat Holdings (RCAT)
  • 政策支持： 受益於美國政府對於「非中國製」無人機供應鏈的強制性要求（NDAA 合規）。
  • 技術認證： 旗下的 Teal 2 無人機具備美軍最高等級的 ISR（情報監偵）認證。
  • 具體催化劑： 2026 年初預計拿下美國陸軍大規模採購合約的最後驗證階段。

2. 小型核子反應爐 (SMR) 與微反應器

這類公司符合「政策支持（零碳排政策）」與「剛需（AI 資料中心巨大的耗電量）」兩大條件。

• NANO Nuclear Energy (NNE)
  • 政策支持： 2026 年初美國國會舉行聽證會，旨在簡化 SMR 的監管障礙以支持 AI 資料中心供電。
  • 技術認證： 正在開發 KRONOS 便攜式微反應器，與頂尖大學進行專利技術合作。
  • 具體催化劑： 2026 年 1 月的政策聽證會與其原型機驗證里程碑。
• NuScale Power (SMR)
  • 政策支持： 能源部（DOE）的多項補助計畫支持。
  • 技術認證： 第一家獲得美國核能管理委員會 (NRC) 設計認證的小型模組化反應爐公司。
  • 具體催化劑： 與大型科技公司（如 Amazon 或 Google）簽署電力採購協議（PPA）的落地預期。

3. 精準醫療與專業認證設備 (MedTech)

醫療科技股的大漲往往來自於 FDA 認證（即最強大的行業進入許可）。

• KORU Medical Systems (KRMD)
  • 政策支持： 醫療保險 (Medicare) 對於「居家輸液」報銷政策的擴大支持，旨在降低醫院負擔。
  • 技術認證： 2025 年 12 月 30 日向 FDA 提交了其 FreedomEdge 系統的 510(k) 認證申請，用於遞送乳癌標靶藥物。
  • 具體催化劑： 預計 2026 年上半年獲得 FDA 正式核准，將產品線從小眾市場擴大至高獲利的腫瘤科市場。

用AI+XQ作功課，目前的心得是透過跟AI的對話，比之前更快更廣泛的找到一些會影響股價的關鍵要素，慢慢的整理出，在什麼樣的盤勢下，在什麼樣的投資哲學下，應該用那些選股條件來架構自己的交易策略，我一直在思考及實驗AI對於金融操作者會帶來什麼影響，以上是到目前為止的小小心得。

在Tread 上看到有網友分享大陸股神楊永興的尾盤選股八法，試著嚐試AI+XQ，把這套交易方式寫成XS的腳本，以下是這次實驗的過程。

Tread上的文章說楊永興在短短 16 個月內，把 100 萬做到 1 個億，他的方式特別適合散戶去操作，尤其是資金量不大、偏好短線操作的人。

Tread介紹尾盤選股八大步驟如下

1、收盤前半小時打開漲幅排行榜，把所有漲幅 3%–5% 的加入自選。

2、量比小於 1 的全部剔除。

3、換手率低於 5%，以及高於 10% 的全部剔除。

4、市值低於 50 億，以及高於 200 億 的全部剔除。

5、成交量持續放大的留下，不穩定的剔除。

6、選出短期均線搭配 60 日線向上 的。

7、判斷分時圖，強於大盤 的留下。

8、剩下的尾盤創新高就是目標，不跌破均線再進場。

於是我就把Tread的文章複製貼上給Gemini

底下是它的回覆

這套由「民間股神」楊永興總結的尾盤選股法，核心邏輯在於**「避開盤中的波動風險，捕捉次日的溢價機會」**。

這種策略非常適合追求資金效率、不希望承受盤中劇烈洗盤壓力的短線投資者。以下我為你深度解析這八大步驟背後的交易邏輯，並整理成易於實踐的檢查清單：

? 楊永興「尾盤選股法」邏輯拆解

這套方法本質上是在尋找**「強勢且有資金持續流入的中小盤股」**。

? 為什麼這套方法對散戶有效？

1. 時間成本極低：
   只需要在收盤前 30 分鐘集中操作，不需要全天盯盤，避免了盤中被洗盤（Whip-saw）的心理折磨。
2. 確定性更高：
   尾盤的價格最接近收盤價，主力在尾盤的動作通常代表了對隔天走勢的態度。如果能在收盤前維持在高位，說明主力有信心承受隔天的拋壓。
3. 複利效應：
   楊永興的核心在於「快」。如果不漲就走，漲了就留，這種高周轉率在行情好時能產生驚人的複利。

⚠️ 實務操作中的隱藏陷阱

雖然步驟明確，但在執行時要注意以下幾點：

• 止損是靈魂： 短線操作的靈魂在於止損。如果隔天沒有出現預期的跳空高開或衝高，應果斷離場。
• 環境優先： 如果大盤（加權指數）當天放量大跌，即使個股符合這八條，也建議空倉。
• 「市值」的定義： 楊永興當時操作的是 A 股，市值 50-200 億人民幣（約 200-900 億台幣）。如果你操作的是台股，建議將市值範圍微調為 50 億至 300 億台幣。

這套選股邏輯非常清晰，非常適合將其寫成自動化選股腳本（如 XScript）。

您會希望我嘗試將這套「尾盤八步」邏輯轉化為具体的選股腳本（如 XScript 或 Python 邏輯），方便您直接在平台上測試嗎？

我請Gemini寫成Xscript的腳本，它寫了一個選股腳本及一個策略雷達腳本給我，選股腳本完全沒有問題，但策略雷達腳本則因為引用了一些沒有支援的欄位而Fail

不過AI給的code附註還蠻清楚的，所以很快就依著它給的code改成可以跑的程式碼

我把尾盤八法分成選股腳本+盤中策略雷達兩部份

選股腳本如下

// 邏輯：漲幅、量比、換手率、市值、趨勢、強於大盤

input: MinMarketCap(50, "最低市值(億)");

input: MaxMarketCap(500, "最高市值(億)");

// 1. 量比 > 1 (今日成交量高於過去 5 日平均量)

variable: VolRatio(0);

VolRatio = Volume / Average(Volume[1], 5);

condition1 = VolRatio > 1;

// 2.換手率在 2% - 10% 之間

// 注意：需確保欄位有資料，若無資料可改用 (成交量 / 發行張數)

variable: TurnoverRate(0);

TurnoverRate =getField("週轉率", "D");

condition2 = TurnoverRate >= 2 and TurnoverRate <= 10;

// 3. 市值篩選 (預設台幣 50 億 - 500 億)

condition3 = GetField("總市值(億)", "D") >= MinMarketCap 

         and GetField("總市值(億)", "D") <= MaxMarketCap;

// 4. 成交量持續放大 (今日量大於昨日量，且呈現溫和遞增)

condition4 = Volume > Volume[1] and Volume[1] > Volume[2] * 0.8;

// 5. 均線多頭排列 (短期均線 > 60日線，且 60日線向上)

condition5 = Average(Close, 5) > Average(Close, 20)

         and Average(Close, 20) > Average(Close, 60)

         and Average(Close, 60) > Average(Close, 60)[1];

// 綜合判斷

if condition1 and condition2 and condition3 and condition4 

   and condition5  

then ret = 1;

outputfield(1, VolRatio, 2, "量比");

outputfield(2, TurnoverRate, 2, "週轉率");

outputfield(3, GetField("總市值(億)", "D"), 0, "市值(億)");

策略雷達腳本如下

// 腳本名稱：楊永興尾盤強勢股監控
// 執行頻率：1分鐘線
// 適用對象：台股上市櫃股票

input: MonitorTime(130000, "監控開始時間(HHMMSS)");

// ---------------------------------------------------------
// 基礎過濾條件
// ---------------------------------------------------------

// 取得當前價格與昨日收盤價計算即時漲幅


// 1. 漲幅在 3% - 5% 之間
condition1 = (closed(0)/closed(1)-1)*100>=3
and (closed(0)/closed(1)-1)*100<=5;


// 2. 即時量比 > 1 (今日成交量高於過去 5 日平均量)
variable: AvgVol5(0);
AvgVol5 = Average(GetField("成交量", "D")[1], 5);
condition2 = GetField("成交量", "D") > AvgVol5;

// 3. 成交量持續放大 (今日量大於昨日量)
condition3 = GetField("成交量", "D") > GetField("成交量", "D")[1];


// 4. 價格位置：位於當日高點附近 (尾盤創新高之意) 

condition4 = Close >= (High * 0.98) ;

// ---------------------------------------------------------
// 觸發時機控制
// ---------------------------------------------------------

// 僅在 13:00 之後且 13:25 之前觸發 (尾盤黃金 25 分鐘)
if CurrentTime >= MonitorTime and CurrentTime <= 132500 then begin
if condition1 and condition2 and condition3 and condition4 

then Ret = 1;
end;

把選股腳本用在策略雷達的腳本作為run的標的，就可以很接近尾盤八法的精神

當然參數的部份要請大家自己再視台灣的情況及自己的經驗去調整

這是我這陣子實驗AI+XQ的過程中，一個比較可以拿出來分享的例子，心得是AI寫的XS code，最常犯的毛病，是常常用getfield  get盡世間萬物，也許可能把它當成AI在對著XQ語法團隊許願吧。 不過用這個方式去學習的好處是，AI吐出來的XS Code真的是整整齊齊，從宣告參數變數到附註，蠻多寫法對我這個文組生，都是一種學習。

以上是透過AI+XQ學習尾盤八法的過程，報告完畢。

台積電到底還能不能繼續抱？是這兩天股票市場最熱門的話題之一，  我想透過7 大市場力量這本書的理論框架，為台積電設下幾個觀察點， 用來決定台積電能不能繼抱 。

在七大市場力量這本書裡，所有擁有未來超額利潤的公司，可以整理出七大驅動獲利優於市場預期的力量，茲以台積電為例，說明這七大力量的定義

1. 規模經濟 (Scale Economies) 

• 分析： 半導體製造是典型的「高固定成本」產業。台積電透過巨大的產量分攤了昂貴的研發與設備費用。
• 量化數據：
  • 資本支出 (CapEx)： 2025 年預計投入 400 億至 420 億美元（高於 Intel 與三星），其中 70% 用於先進製程。
  • 市場份額： 在純晶圓代工市場市佔率約 72% (2025 Q3)，先進製程（7nm 以下）幾乎處於壟斷地位。
  • 利潤表現： 毛利率長期穩定在 53%-60%，展現了極強的營運槓桿，即營收增加時，單位成本顯著下降。

2. 網路效應 (Network Economies) 

• 分析： 台積電創立了 OIP (Open Innovation Platform)。當越多晶片設計公司（Apple, Nvidia）使用台積電，就有越多 EDA 工具商（Synopsys）和 IP 授權商（ARM）為其優化。
• 力量點： 競爭對手（如 Intel Foundry）不僅要蓋工廠，還得建立這套數十年的生態系。對設計商而言，在台積電投片意味著有最豐富的「現成工具」可用。

3. 轉換成本 (Switching Costs)  

• 分析： 晶片設計與製造是高度耦合的。一旦 Nvidia 的架構是基於台積電的製程參數（PDK）設計的，要轉向三星製造，需要重新設計電路，並面臨產品延遲的風險。
• 量化指標： 產能利用率 與 長期合約。台積電與大客戶（如 Apple）的合作深度，使其客戶在產品週期內幾乎不可能轉單。

4. 流程能力 (Process Power)  

• 分析： 這是台積電最難被模仿的力量。同樣一台 ASML 光刻機，台積電的良率 (Yield) 就是比對手高。這種「組織知識」存在於數萬名工程師的日常作業細節中。
• 量化數據： 台積電的 ROIC（資本回報率） 長期遠高於資本成本（WACC），這證明了其製造效率的卓越。例如 3nm 製程的量產速度與穩定度遠超同業。

5. 反向定位 (Counter-Positioning) 

• 歷史分析： 這是台積電 Power 的起源。當年 Intel 是 IDM（自己設計、自己製造），它不敢轉型代工，因為怕幫對手代工會損害自己的晶片競爭力。台積電選擇「純代工（Pure-play）」且「不與客戶競爭」，這讓 Intel 明知代工是好生意，卻因為利益衝突（Cannibalization）而遲疑了 30 年。

6. 壟斷資源 (Cornered Resource) 

• 分析： 台灣擁有全球最密集的半導體人才庫與產業鏈集群。
• 力量點： 這種「工程師紅利」與「24 小時輪班文化」是稀缺資源，對手即便在美國砸錢蓋廠，也難以複製這種高效率的人才密度。

7. 堅實品牌 (Branded Capital) 

• 分析： 台積電的品牌價值在於「技術領先」與「誠信」。
• 表現： 在科技圈，”Made by TSMC” 代表了品質保證。這種品牌力讓它在產能吃緊時擁有強大的 定價權 (Pricing Power)，客戶願意支付溢價以確保產能。

根據這本書上的說明，我們可以整理出這七大力量，具體表現在財報數據上，大致如下表

把這樣的概念套在台積電上面，我們就可以做出以下的台積電長線檢查表

台積電選股指標檢核表

台積電下週四要開法說會（1/15），很多朋友聚焦在未來的資本支出金額上，我比較想要了解的還是在上面這張表的這五項，特別是後面這兩項。

這本書帶給我們的最大啟發是，科技股在每個品類上，幾乎都是贏者全拿，於是我們在投資科技股時，可以聚焦在挑戰原本王者，且具備其他六種力量其中幾種的公司，然後看這家公司是不是持續在增強這七種力量，力量愈全面，其長期創造的利益愈大。

我們每天看到一堆的新聞及市場觀點，也可以去審視這些新聞對這家公司的這七大力量有沒有影響？ 過去的美積電事件，未來特斯拉自駕系統能帶來多大的效益，OpenAI與Googl在LLM上 誰會勝出，都一樣可以在這樣的標準下來審視。