最近遇到了Azure帳單超出預算的警示mail, 查了一下發現主要原因是跑爬蟲的azure function resource group的頻寬成本大幅增加, 可是我用了好幾年azure function從來沒被收過頻寬費, 再加上我上次deploy新build是2024年11月的事, 怎麼會4/29開始忽然頻寬量大幅增加...
https://azure.microsoft.com/zh-tw/pricing/details/bandwidth/
最近遇到了Azure帳單超出預算的警示mail, 查了一下發現主要原因是跑爬蟲的azure function resource group的頻寬成本大幅增加, 可是我用了好幾年azure function從來沒被收過頻寬費, 再加上我上次deploy新build是2024年11月的事, 怎麼會4/29開始忽然頻寬量大幅增加...
2024投資績效: -3.6%
VTI: 22.17%
SPY: 23.3%
QQQ: 24.84%
績效細項如下:
---
近6年績效:
總結完畢, 2024年績效真的輸大盤輸慘慘, 難得的一個大多頭QQ 以下是落落長的心得文:
因為覺得去年美股大盤漲不少了, 所以想說今年應該大盤不會太好, 就繼續把投資方向放在比較穩定的公司(e.g. SEE, GIS), 結果股價當然穩得跟什麼一樣, 佔不到大盤上漲的便宜...。 另外因為自己習慣價值投資撿便宜, 但今年撿到不少價值陷阱的公司, 要停損又覺得捨不得, 要嘛是營收有持續成長但獲利降低(營運效率變差); 不然就是覺得品牌價值還在, 只要改善營運策略就有機會改善公司營運; 或是原物料相關的公司, 想說原物料價格遲早有回來的一天, 就滿手越來越多虧損大的公司股票了...。
至於選擇權交易今年還是一樣持續賺錢, 不過有少數幾檔價值陷阱的股票是選擇權被行權來的, 如果當時行權後直接停損的話現股的虧損就不會這麼大, 可是也有不少標的是行權後反而大賺的, 所以目前選擇權交易的部分還是不打算改變策略, 至於價值陷阱的心魔這題要怎麼克服, 就是未來的課題了, 到底怎麼區分是未來真的有希望而繼續持有的好, 還是趕緊停損認賠找下一個投資標的好, 真的是好難啊...。 至於高科技成長股要不要投資, 這也是一直以來的課題, 除非真的有非常便宜的機會, 不然感覺自己都不會想去追高買進...。
以下是更細部的投資細項績效:
目前持有虧損大的持股:
今年獲利較多的已實現標的:
2024年的投資績效真的夭壽慘, 希望2025年能比預期好, 好想財富自由ㄚㄚ!
接前篇:
[網站開發] 新增GPT投資助手美股公司分析頁面 (Norn-StockScreener投資網站開發)
上次用GPT幫忙分析整理美股公司資料, 這次想到也可以用GPT幫忙分析美股選擇權估值, 畢竟之前做了不少美股選擇權估值的模型, 如果能把這些資料交給GPT來幫忙分析, 或許可以在做選擇權交易之前看下分析報告, 讓GPT幫忙簡單整理買賣方建議這樣。
關於之前寫的選擇權估值模型的文章, 有興趣的可以也可以參考下:
[網站開發] 美股選擇權定價模型 - 新增隱含波動率計算凱利公式
做好的功能如下:
Norn-StockScreener投資網站:
https://norn-stockscreener.zmcx16.moe/gpt-investing-assistant/
Github:
https://github.com/zmcx16/Norn-StockScreener
https://github.com/zmcx16/Norn-Finance-API-Server
這個頁面的功能參數如下:
'Black Scholes Merton EWMA Historical Volatility', 'Monte Carlo EWMA Historical Volatility', 'Binomial Tree EWMA Historical Volatility', 'Kelly Criterion', 'Probability of Exercise of Option', 'Delta', 'Gamma', 'Vega', 'Theta', 'Rho'
{{"model":"o1-preview","messages":[{"role":"user","content":"Please analyze the option contract for the company with the symbol DIS. Provide a detailed and comprehensive analysis, focusing on the risks—particularly the impact of the earnings date and ex-dividend date—and valuation for both the buyer and the seller. Your task is to thoroughly evaluate the data and generate a report in Markdown format (No need to wrap in code blocks). Here’s the data:\n```\n{\r\n \"symbol\": \"DIS\",\r\n \"currentDate\": \"2024-10-20\",\r\n \"stockPrice\": 97.27999877929688,\r\n \"stockExtraInfo\": {\r\n \"earningsDate\": \"2024-11-14\",\r\n \"exDividendDate\": \"2024-07-08\"\r\n },\r\n \"EWMA_historicalVolatility\": 0.18602714460634165,\r\n \"contract\": {\r\n \"lastTradeDate\": \"2024-10-18\",\r\n \"strike\": 95.0,\r\n \"lastPrice\": 2.95,\r\n \"bid\": 2.91,\r\n \"ask\": 2.99,\r\n \"change\": -0.45000005,\r\n \"percentChange\": -13.235294,\r\n \"volume\": 2330,\r\n \"openInterest\": 7064,\r\n \"impliedVolatility\": 0.3794007373046875,\r\n \"valuationData\": {\r\n \"KellyCriterion_buy\": -10.09725610723297,\r\n \"KellyCriterion_sell\": 0.8934698360970385,\r\n \"KellyCriterion_MU_0_sell\": 0.8250604590273701,\r\n \"KellyCriterion_MU_0_buy\": -5.0543039713639955,\r\n \"KellyCriterion_IV_buy\": null,\r\n \"KellyCriterion_IV_sell\": null,\r\n \"exerciseProbability\": 0.33397,\r\n \"delta\": -0.3079163039792361,\r\n \"gamma\": 0.06899611538229457,\r\n \"vega\": 0.09640010958844103,\r\n \"theta\": -0.10826790796879611,\r\n \"rho\": -0.024593911487068514,\r\n \"Black Scholes Merton EWMA Historical Volatility\": -1.0,\r\n \"Monte Carlo EWMA Historical Volatility\": -1.0,\r\n \"Binomial Tree EWMA Historical Volatility\": 1.0371441540237885\r\n },\r\n \"expiryDate\": \"2024-11-15\",\r\n \"optionType\": \"put\"\r\n }\r\n}\n```"}]}}
這次的結果感覺沒有上次的公司分析整理報告好, 給的建議大多數都是看我原本程式的數據就能得到, 這塊我可能要再思考一下, 繼續改進prompt是否可以得到更有價值的建議...。
好久沒新頁面的靈感了, 以前是有想過用GPT幫忙給投資建議的idea, 不過測試了一下發現意義不大, 基本上給的分數或建議都沒有參考價值, 畢竟GPT的model資料大概都是一兩年前的, 所以真的問GPT給一間公司是否適合投資, 他能回答你的也只有根據那一兩年前的資料生成的建議, 有種garbage in garbage out的感覺, 後來就放棄這個想法了...。
最近則是想到, 我最常用GPT做的事是修英文文法, 效果也很不錯 (不過還是得人工校稿, 有時會修出不得了的東西出來...), 就想到GPT如果單純問問題, 他會用他的知識庫回答你, 但如果我把所有需要的參考資料都給GPT, 讓GPT幫我生成投資分析報告的話那是不是就有參考價值了呢?
這樣GPT提供的功能就像修英文文法一樣, 靠的不是GPT資料庫內過時的公司財報資料, 而是只要GPT提供過去到現在都適用的分析公司&投資方法就好, 由我這邊負責提供最新的資料, 讓GPT幫我整理結果, 感覺這個功能就有點價值~。
做好的功能如下:
Norn-StockScreener投資網站: https://norn-stockscreener.zmcx16.moe/gpt-investing-assistant/
Github: https://github.com/zmcx16/Norn-StockScreener
這個頁面的功能參數如下:
'P/E', 'EPS (ttm)', 'Insider Ownership', 'Shs Outstand', 'Perf Week', 'Market Cap', 'Forward P/E', 'Insider Transactions', 'Shs Float', 'Perf Month', 'PEG', 'EPS next Q', 'Institutional Ownership', 'Short Float', 'Perf Quarter', 'P/S', 'EPS this Y', 'Institutional Transactions', 'Short Ratio', 'Perf Half Y', 'Book/sh', 'P/B', 'EPS next Y_%', 'ROA', 'Perf Year', 'Cash/sh', 'P/C', 'EPS next 5Y', 'ROE', 'Perf YTD', 'P/FCF', 'EPS past 5Y', 'ROI', '52W High', 'Beta', 'Quick Ratio', 'Sales past 5Y', 'Gross Margin', '52W Low', 'ATR (14)', 'Current Ratio', 'EPS Y/Y TTM', 'Oper. Margin', 'RSI (14)', 'Debt/Eq', 'Sales Y/Y TTM', 'Profit Margin', 'LT Debt/Eq', 'EPS Q/Q', 'Rel Volume', 'Sales Q/Q', 'Price', 'SMA20', 'SMA50', 'SMA200', 'Dividend %', 'Quarterly EPS Data'
'Warren Buffett', 'Peter Lynch', 'Ray Dalio', 'Jim Simons', 'Philip Fisher', 'George Soros', 'Carl Icahn', 'Bill Ackman', 'David Tepper', 'Michael Burry', 'Mohnish Pabrai'
{ "model":"gpt-4o", "messages":[ { "role":"user", "content":"Analyze the following stock data for company with the HPE. Focus on key areas such as P/E, EPS (ttm), Insider Own, Shs Outstand, Perf Week, Market Cap, Forward P/E, Insider Trans, Shs Float, Perf Month, PEG, EPS next Q, Inst Own, Short Float, Perf Quarter, P/S, EPS this Y, Inst Trans, Short Ratio, Perf Half Y, Book/sh, P/B, EPS next Y_%, ROA, Perf Year, Cash/sh, P/C, EPS next 5Y, ROE, Perf YTD, P/FCF, EPS past 5Y, ROI, 52W High, Beta, Quick Ratio, Sales past 5Y, Gross Margin, 52W Low, ATR (14), Current Ratio, EPS Y/Y TTM, Oper. Margin, RSI (14), Debt/Eq, Sales Y/Y TTM, Profit Margin, LT Debt/Eq, EPS Q/Q, Rel Volume, Sales Q/Q, Price, SMA20, SMA50, SMA200, Dividend %, eps_q_data and provide an overall analysis of the stock. Here is the data:\n```\n{\r\n \"P/E\": 14.62,\r\n \"EPS (ttm)\": 1.4,\r\n \"Insider Own\": 0,\r\n \"Shs Outstand\": 1300000000.0,\r\n \"Perf Week\": 0.0134,\r\n \"Market Cap\": 26510000000.0,\r\n \"Forward P/E\": 9.65,\r\n \"Insider Trans\": -0.1258,\r\n \"Shs Float\": 1290000000.0,\r\n \"Perf Month\": 0.157,\r\n \"PEG\": 4.54,\r\n \"EPS next Q\": 0.56,\r\n \"Inst Own\": 0.8270000000000001,\r\n \"Short Float\": 0.031000000000000003,\r\n \"Perf Quarter\": -0.023,\r\n \"P/S\": 0.92,\r\n \"EPS this Y\": -0.0889,\r\n \"Inst Trans\": -0.0075,\r\n \"Short Ratio\": 2.62,\r\n \"Perf Half Y\": 0.13390000000000002,\r\n \"Book/sh\": 17.0,\r\n \"P/B\": 1.2,\r\n \"EPS next Y_%\": 0.07980000000000001,\r\n \"ROA\": 0.0316,\r\n \"Perf Year\": 0.1999,\r\n \"Cash/sh\": 3.01,\r\n \"P/C\": 6.79,\r\n \"EPS next 5Y\": 0.032,\r\n \"ROE\": 0.08689999999999999,\r\n \"Perf YTD\": 0.20199999999999999,\r\n \"P/FCF\": 9.74,\r\n \"EPS past 5Y\": 0.0461,\r\n \"ROI\": 0.0618,\r\n \"52W High\": -0.10560000000000001,\r\n \"Beta\": 1.2,\r\n \"Quick Ratio\": 0.61,\r\n \"Sales past 5Y\": -0.0106,\r\n \"Gross Margin\": 0.3271,\r\n \"52W Low\": 0.41100000000000003,\r\n \"ATR (14)\": 0.6,\r\n \"Current Ratio\": 0.94,\r\n \"EPS Y/Y TTM\": 0.7161,\r\n \"Oper. Margin\": 0.0751,\r\n \"RSI (14)\": 63.4,\r\n \"Debt/Eq\": 0.53,\r\n \"Sales Y/Y TTM\": -0.0194,\r\n \"Profit Margin\": 0.0641,\r\n \"LT Debt/Eq\": 0.36,\r\n \"EPS Q/Q\": 0.0902,\r\n \"Rel Volume\": 0.46,\r\n \"Sales Q/Q\": 0.09330000000000001,\r\n \"Price\": 20.41,\r\n \"SMA20\": 0.09630000000000001,\r\n \"SMA50\": 0.09910000000000001,\r\n \"SMA200\": 0.1375,\r\n \"Dividend %\": 0.0255,\r\n \"Quarterly EPS Data\": {\r\n \"2024-07-31\": 0.39,\r\n \"2024-04-30\": 0.24,\r\n \"2024-01-31\": 0.3,\r\n \"2023-10-31\": 0.5,\r\n \"2023-07-31\": 0.36\r\n }\r\n}\n```" }, { "role":"system", "content":"Act as an Investors Group consisting of expert gurus such as Warren Buffet, Peter Lynch, Benjamin Graham. Your task is to analyze the stock data thoroughly and present a comprehensive analysis report in a visually appealing Markdown format (no need code block wrapped)." } ] }
最近看書時想到, 當我們看到某個產業想要投資時, 往往會比較該產業的哪一間公司最值得投資, 其中會看本益比, 股價淨值比, 自由現金流, 股息殖利率, 空頭比率等等..., 可是比較的時候自己的量尺很多時候不是用一個慣例的數字(e.g. 本益比小於7.5~15, 股價淨值比小於2等等)就是靠直覺, 但是每個產業的這些指標適用標準卻不盡相同。
舉例來說, 目前軟體開發產業的平均本益比為73.52, 而大型銀行產業的平均本益比為10.1, 奢侈品產業的平均本益比為11.3, 如果單純用本益比小於7.5~15作為選股準則的話, 那軟體開發公司就幾乎進不到自己的選股清單, 也可能就錯失了投資優秀公司的好機會。
想到這邊就想說, 既然這樣就來做個同業比較頁面吧! 將各種個股指標除以產業指標, 看大於1或小於1就能比較是優於產業平均或是劣於產業平均, 在簡單做個投票加總, 就可以將個股在該產業上的優劣排序出來, 想投資該產業的話就可以從排序高的公司開始研究, 先做一次排序過濾也可以節省花費在各個公司的研究分析時間。
簡單做完的成果如下:
Norn-StockScreener投資網站: https://norn-stockscreener.zmcx16.moe/stock-peer-comparison/
Github: https://github.com/zmcx16/Norn-StockScreener
其中提供了以下個股/產業指標比較:
還有一個欄位Better Than Average, 會統計有多少個指標優於產業平均, 其中綠色代表優於, 紅色則代表劣於, 以基本面投資來說, 會傾向選擇P/E, P/B低的公司, 可是股息殖利率則是會傾向越高越好, 所以上面的欄位判斷優於/劣於的公式只有股息殖利率大於1是綠色(優於), 其他都是小於1是綠色(優於)。
另外需要特別一提的是, P/E, P/B這類基本面指標並不是說一定越低越好, 還是得看該公司是處於什麼時期以及投資人是基於什麼目的想投資這間公司, 所以這些個股指標/產業指標也都有做開關, 可以將自己不想比較的指標關掉不要一起比較分析。
說明完後就來實際使用這頁面分析看看吧! 首先從上圖看, 表格總共有4206檔美股資料, 其中Better Than Average = 10全部優於產業平均的有19檔, 其中有一檔是TSM, 也就是我們的護國神山台積電 (抖抖), 既然這樣我們就來分析半導體產業吧, 表格的最後一行有一個Detail欄位, 點擊後可以直接過濾出該產業的所有個股, 以下是半導體產業的比較表格:
可以看到半導體產業只有TSM是所有指標都優於產業平均, 代表如果單純用同業比較選股的話, 那台積電就可以列為優先考量, 可是看了下發現台積電的ADR股價位於52週高點-5.7%, 如果現在選擇投資台積電, 是否可能買在高點溢價過高?
如果我們繼續往下看, 可以看到排行前面的還有ASX (日月光), TSEM (高塔半導體), INTC (INTEL), 其中ASX, TSEM的股價也都是在近幾年高檔, 只有INTC的股價從52週高點已下跌近40%以上。 如果佔在撿便宜的角度, 可能就會想投資INTC了, 不過在做進一步研究後, 會注意到近期INTC大跌是從4/3開始:
(1) 數據的差距必須要夠大, 且樣本數要夠多
(2) 不能有人為操控
(1) 的說明我直接貼wiki, 最簡單明瞭XD
關於班佛定律更詳細的說明, 有興趣可以參考下面兩個文章:
其中第二篇還有附Python程式碼, 並且用Fibonacci數列作為demo展示:
講解完班佛定律之後, 再來就是怎麼套用在投資上了, 看介紹班佛定律很適合用來分析財務報表上的數字, 如果SSE很高就代表財報受操弄的機率可能較高, 就決定來玩玩看, 並整合到自己寫的投資網站上, 做完的成果如下:
Github: https://github.com/zmcx16/Norn-StockScreener
另外我以前也有實作另一套偵測財報造假的公式: Beneish M-Score模型, 有興趣的人也可以看看:
Blog文章: Beneish Model - 一個簡單識別公司財務報表是否造假的公式
公式網站: https://project.zmcx16.moe/?page=investment-formula
回歸正題, 這次整合班佛定律的財報來源是從Yahoo財經取得, 分析數據是標準的財報三表: 損益表, 資產負債表, 現金流量表。 而Yahoo的金融頁面的財報可以分別看季報跟年報, 並且最多可以分別看最近4期的財報, 所以這次整合班佛定律會分別計算以下SSE:
接前篇:
[網站開發] 2022年最有價值品牌 (Norn-StockScreener投資網站開發)
最近發現Interbrand已經發表2023全球最有價值品牌TOP100了:
https://interbrand.com/best-global-brands/
Norn-StockScreener投資網站: https://norn-stockscreener.zmcx16.moe/ranking/
Github: https://github.com/zmcx16/Norn-StockScreener
這次新入榜的有以下兩間公司: