SlideShare a Scribd company logo
1 of 46
好書導讀
操盤手萬無一失投資術
政大風險管理系畢,台大
財務金融研究所碩士。
現任大眾證券投資事業處
副總經理,歷任日盛證券
自營處股票及期貨操盤人、
日盛證券研究處半導體組
研究員及組長等。
曾獲期交所頒發業務成長
卓著金獎,並因穩定績效
及多元策略,拿下證券暨
期貨市場發展基金會所頒
發的傑出證券人才獎。
作者經歷
 在大學時期因為巴菲特啟蒙,開始從事投資。
 1997金融風暴以前,金融與電子股是主流,持

股也不脫這兩類。
 曾經一天賺到一台汽車,研究所一年級就賺到
人生第一個100萬,從此媽媽把積蓄交給他,
100萬變成500萬,兩個月內,五百萬轉成
1200萬。
 在經歷一波台股大幅修正,融資慘遭斷頭,許
多股票面臨想賣但是賣不掉的困境,1200萬頓
時消失。
大綱
 與趨勢為友,與情緒為敵
 投資十大迷思(簡單介紹五大)

 投資功夫面面觀
 BMW質化偵查術
 TROC量化偵查術

 長短線及波段操作
 我的推薦書
與趨勢為友,與情緒為敵
遛狗理論:
趨勢像主人,而股價就像小狗,狗會因為
一時的情緒或是中途受到外在事物的牽引而四處
亂跑,但不論怎麼跑,終究會跟著主人的方向走。
與趨勢為友,與情緒為敵
雞蛋理論:
投資十大迷失


迷思一:精通總經走勢,看準大盤走向,就一定會
賺?



作者解答:總經對於大盤整體走勢有一定的影響,
但可以20%研究總經,80%研究個股基本面,不用
太過執著於總經,因為有時總體經濟面不佳,大盤
往下修正,但是個股卻逆勢大漲。



我的看法:選擇對的產業要利用總體分析,選擇對
的公司要靠財務分析,選擇對的價位要靠技術分析,
三者缺一不可。
投資十大迷失


迷思二:營收獲利高的產業,未來成長性就高?



作者解答:常常當公司公布營收大幅上揚貨是EPS
創新高,都是“過去”的事,要深入了解企業營收及
獲利成長的原因是什麼,如果是因為公司有新業務,
那就可以適時買進,如果只是公司機會財,例如天
災人禍造成的轉單,則可以看看就好。



我的看法:有時候要注意,公司的EPS高是否來自
於本業,有些資產多的公司,會因為財報數據不佳,
而開始賣地賣股票來提高EPS。
投資十大迷思


迷思三:低利率時代,高
殖利率個股比定存更好
賺?



作者解答:看起來頗為合
理,但是如果遇到公司
配發6%股息,遠比定
存2%高,但卻因為種
種因素,股價下跌30%,
投資人就是賺了利息了
賠了本金,划不來。
投資十大迷失


迷思四:投資股票很簡單,買當下最好的公司就對
了?



作者解答:股王是會換改朝換代的,企業有谷底期
成長期巔峰期衰退期,坐上股王寶座的大多處於巔
峰期,在為多久要看產業趨勢及本身競爭力。最好
的公司不等於股價最好的公司



我的看法:當一家公司無法在成長時就是他股價開
始退的時候了。
投資十大迷失


迷思五:搶搭智慧手機順風車,選APPLE概念股就
對了?



作者解答:究竟這些所謂APPLE概念股,接到
APPLE訂單占公司營收多尐,是賺錢還是賠錢(因
為有些公司為了搶APPLE訂單,甚至有極度壓縮
毛利率或是賠錢的狀況產生,目的是為了掛上
APPLE供應商的頭銜),所以要注意。



我的看法:你買到的是真材實料的好蘋果還是只是
一顆金玉其外敗絮其中的蘋果呢^.<
投資十大迷失


迷思五:搶搭智慧手機順風車,選APPLE概念股就
對了?



作者解答:究竟這些所謂APPLE概念股,接到
APPLE訂單占公司營收多尐,是賺錢還是賠錢(因
為有些公司為了搶APPLE訂單,甚至有極度壓縮
毛利率或是賠錢的狀況產生,目的是為了掛上
APPLE供應商的頭銜),所以要注意。



我的看法:你買到的是真材實料的好蘋果還是只是
一顆金玉其外敗絮其中的蘋果呢^.<
投資功夫面面觀
 簡單來說投資可以分為四大面向

基本面

技術面

籌碼面

心理面
基本面面觀
 基本面分析可算是最正統的分析法,藉由分析

公司的財報,如營運狀況良好,則可合理預期
公司年度營利分配增加,股價上揚。
 雖然較為枯燥,但是卻是每個有心踏踏實實經

營投資事業的人不可或缺的基本功。
基本面面觀
技術面面觀
 技術面分析是經由統計學方法,由歷年來實際

操作中歸納出的分析方法。
 主要是經由K線、壓力支撐線、趨勢線、各項

技術指標(KD、MACD、多空等)、價量關係等
分析預判後市發展,現在一般的投顧老師較常
採用此分析法
技術面面觀
籌碼面面觀
 籌碼面分析是觀察三大法人進出情形,及融資、

融劵增減變化,判斷主力、大戶籌碼動向,藉
以研判後市。
籌碼面面觀
 過多散戶,籌碼太過分散。
心理面面觀
 藉由指標性價位關卡,如大盤指數是否跌破

8000大關判斷投資人是否投資信心衰退,資金
撤出股市等又或指數突破重大壓力區間,判斷
投資人信心回籠大幅湧進股市。

 心理面中又有一分支,稱為消息面,其實也是

與投資人信心有關如政府釋放利多、利空,投
資人預判後市看好、看壞心理,進而湧入或撤
出股市等等。
BMW質化技術
 BMW質化技術為作者在研究公司基本面時所使

用的方法。
 B-Business

Model
 M-Market Size & Market Share
 W-Who is management

B

M
W
BMW質化技術-B


B-Business Model:企業的經營模式,要挑有差異
化和獨佔力的經營模式。



Model 1 =成本優勢,須注意公司有沒有技術競爭
力,或是該產業進入障礙低或是僅拚低成本的公司。



Model 2 = 通路優勢,須注意四大重點,1.通路是
否夠多,2.回收夠不夠快,3.通路的增加是否為企
業帶來獲利,4.同店營收有沒有成長性。



EX:目前全家跟7-11在大陸的展店甚尐,仍未獲利,
以致影響企業營收未來是否轉虧為盈是關鍵。
BMW質化技術-B


Model 3=產品差異優勢,差異化才能顯現出公司
與別人的不同,也才更有競爭力。
EX:宵夜街花茶大師



Model 4 = 技術與專利優勢,企業每多一項高階技
術或是專利就是多一項護城河。
EX:台積電的技術領先國際,所以國際大廠拿著訂
單來排隊。





Model =5 ,創新優勢,EX:Apple,Facebook,
可惜台灣這類公司還是很尐見。
BMW質化技術-M
Size
 小M-Market share
 大M-Market

 模式一:市場規模成長,市占率卻萎縮
 EX:LED,太陽能產業

 模式二:市場規模成長,市占率亦提升
 EX:大潤發!!!
BMW質化技術-M
台灣市場

大陸市場

大M

小M

大M

小M

7-11

飽和

達上限

極大

仍小

大潤發

有限

有限

極大

穩定成長

 市佔率的提升比市場規模重要,但是若市佔率

的提升只是單純的降成本而無實際的策略,那
麼就沒什麼投資的意義。
BMW質化技術-W
 W=Who

is Manahement(經營者與大股東行
為分析),聽其言,觀其行

 觀其行1:股東結構,觀察大於一千張持股比重

穩定度,是否穩健向上,這是公司是否穩健經
營的指標。EX:統一超
BMW質化技術-W
 EX:綠能:大股東持有比率偏低,低於40%

 EX:介面:大股東持有比率降到20%以下
BMW質化技術-W
 觀其行2:說了什麼
 常常有許多老闆,會老王賣瓜自賣自誇,當你

看到你投資的公司老闆開始時常在報章媒體出
沒,那大概是為了炒作股價。
 觀其行3:團隊背景
 一個公司背後需要有一個優良的運作團隊,如

果團隊成員皆是一些與該產業無關的人才,那
就可能要考慮考慮,或是面對家族企業也該謹
慎選擇。
BMW質化技術-W
 觀其行4:善待股東和員工嗎?

 假設某公司當年度賺了不尐,加上公司也無任

何資本支出的情況下,仍不願配息股東—(X)
 景氣變好有賺錢,企業仍在喊共體時艱—(X)
TROC量化技術-T
 近年來,醫美風潮吹進股市,許多人工美女出

現,如何找出真正的美女就需要投資人的細心
觀察。
 T-Trend,產業與公司的長期趨勢。
產業趨勢

公司趨勢

投資判斷

公司A

向上

向上

絕佳投資

公司B

向上

向下

虧損

公司C

持平或向下

向上

次佳投資

公司D

向下

向下

虧損
TROC量化技術-R
 R=River+ROE
 River是指企業生產的產品或服務,如果進入障

礙高,公司被取代的風險也就小。
 ROE(股東權益報酬率)=稅後淨利/股東權益
 ROE=資產報酬率


x 槓桿比率
=稅後淨利/資產 x 資產/股東權益
TROC量化技術-R
 ROE=資產周轉率

x 淨利率 x 槓桿比率
 = 營收/資產 x 稅後營收/淨利 x 資產/股東權
益
 資產周轉率-公司資產能創造多少營收

 淨利率:公司營收能有多尐獲利
 槓桿比率:公司賺錢可以賺更多,但賠錢時也會

賠更多
TROC量化技術-R
 公司有不錯技術能力或經營模式-淨利率高
 公司營收高,經營績效好資產周轉率高
 老闆敢帶頭衝槓桿比率高(但風險也高)
 **營收高不一定好,還要去注意它的毛利率是

否有下降。
TROC量化技術-O







O=Momentum,企業的成長動能
**檢驗財報各季營收的年增率而非單純只看營收的
增加。
C=Cash &Customer Base,製造現金的能力與客
戶基礎
**公司持續創造自由現金流,股東才有保障。
**營收品質比營收成長重要,像很多公司有營收但
卻沒獲利,自由現金極低,主要是因為公司延長應
收帳款天數,搶到同業客戶,但是呆帳風險也高。
實例:HTC(2498)
實例:HTC(2498)
實例:HTC(2498)
短線操作
 短線操作:
 因為時間短,必須更留意股價的強弱還有買賣

的時點,也就是”買強不買弱”
 買進時,先測試買賣力道,在買進後,歸查之
後的追價力道和賣壓力道,當追價力道大於賣
壓力道,分批進場,”如果作對,就一直加,
做錯立刻縮手”
 不和個股談戀愛,需要嚴格執行紀律設定停損
 與情緒為敵,當利多見報,出場的時機就來了。
波段操作
 波段操作:
 利用BMW及TROC選出股票,當季線往上時,

進行多方操作。
 因為沒有立即要獲利了解,要”買弱不買強”,

在交易量不大,還沒有很多投資人關注時買進。
 趨勢往上的拉回,量縮不破底,可繼續持有。
波段操作
長線操作


許多投資人常犯的毛病就是,挑到一家好公司之後,
就把所有的錢砸下去,但是沒有考慮到”系統風險”,
例如08年海嘯,即使再好的公司股價腰斬的不在尐
數,加上主流產業往往會每幾年就會輪動一次,長
線投資風險對於一般散戶來說是大一點的。



我的觀點:常常許多報章雜誌會寫到,某某人十幾
二十年前買了台積電台塑中鋼等等股票,現在獲利
好幾十倍,或是躺在家裡就有錢賺,以前是以前現
在是現在,不能相比,誰能確保那些大公司都不會
倒呢,曾經的明星產業DRAM不是倒到剩壁紙了嗎
^.<
我有話說
 站在巨人的肩膀上可以學到很多,但是自己的

操作方法不一定要跟他們一樣,只要是能賺錢
還有經得起考驗的都是好方法。
 多看書,充實自己的知識,是不二法門。
 當你覺得你準備好了之後,可以實際去投資看
看,因為心理面的東西往往要實際體會才有感
覺。
 不要因為一開始賺了點甜頭就沾沾自喜,在股
市裡大賺小賠的人才是贏家。
我有話說
 紀律很重要,該損的時候就該停損,不要和股

票談戀愛。
 如果有賺錢的話,可以去做公益,能力越大,
責任越重。
 投資理財是一件很有趣的事,歡迎大家一起來
討論^^
好書推薦
 黃國華-交易員的靈魂
資料來源
 操盤手的萬無一失投資術-張智超
 Nlog網站
 奇摩股市
商事法報告 萬無一失資術

More Related Content

What's hot

インフラ野郎Azureチーム Night
インフラ野郎Azureチーム Nightインフラ野郎Azureチーム Night
インフラ野郎Azureチーム NightToru Makabe
 
AWSでのジョブ運用の最適解「Hinemos」のご紹介!
AWSでのジョブ運用の最適解「Hinemos」のご紹介!AWSでのジョブ運用の最適解「Hinemos」のご紹介!
AWSでのジョブ運用の最適解「Hinemos」のご紹介!hinemos_atomitech
 
내가써본 nGrinder-SpringCamp 2015
내가써본 nGrinder-SpringCamp 2015내가써본 nGrinder-SpringCamp 2015
내가써본 nGrinder-SpringCamp 2015Lim SungHyun
 
YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知
YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知
YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知Yahoo!デベロッパーネットワーク
 
コンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security Platform
コンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security Platformコンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security Platform
コンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security PlatformCreationline,inc.
 
NoSQL on AWSで作る最新ソーシャルゲームアーキテクチャ
NoSQL on AWSで作る最新ソーシャルゲームアーキテクチャNoSQL on AWSで作る最新ソーシャルゲームアーキテクチャ
NoSQL on AWSで作る最新ソーシャルゲームアーキテクチャYasuhiro Matsuo
 
AWS Black Belt Techシリーズ AWS Management Console
AWS Black Belt Techシリーズ AWS Management ConsoleAWS Black Belt Techシリーズ AWS Management Console
AWS Black Belt Techシリーズ AWS Management ConsoleAmazon Web Services Japan
 
ksqlDB로 실시간 데이터 변환 및 스트림 처리
ksqlDB로 실시간 데이터 변환 및 스트림 처리ksqlDB로 실시간 데이터 변환 및 스트림 처리
ksqlDB로 실시간 데이터 변환 및 스트림 처리confluent
 
마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017
마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017
마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017Amazon Web Services Korea
 
빠르게훓어보는 Node.js와 Vert.x
빠르게훓어보는 Node.js와 Vert.x빠르게훓어보는 Node.js와 Vert.x
빠르게훓어보는 Node.js와 Vert.xTerry Cho
 
MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개I Goo Lee
 
COD2012 九州会場 Active Directory 障害対策
COD2012 九州会場 Active Directory 障害対策COD2012 九州会場 Active Directory 障害対策
COD2012 九州会場 Active Directory 障害対策wintechq
 
Web API(Dynamics 365 )勉強会
Web API(Dynamics 365 )勉強会Web API(Dynamics 365 )勉強会
Web API(Dynamics 365 )勉強会Kazuya Sugimoto
 
DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환
DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환
DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환Amazon Web Services Korea
 
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 IntroAmazon Web Services Korea
 
S3 整合性モデルと Hadoop/Spark の話
S3 整合性モデルと Hadoop/Spark の話S3 整合性モデルと Hadoop/Spark の話
S3 整合性モデルと Hadoop/Spark の話Noritaka Sekiyama
 
Introducing the SnapLogic Integration Cloud
Introducing the SnapLogic Integration CloudIntroducing the SnapLogic Integration Cloud
Introducing the SnapLogic Integration CloudDarren Cunningham
 

What's hot (18)

インフラ野郎Azureチーム Night
インフラ野郎Azureチーム Nightインフラ野郎Azureチーム Night
インフラ野郎Azureチーム Night
 
AWSでのジョブ運用の最適解「Hinemos」のご紹介!
AWSでのジョブ運用の最適解「Hinemos」のご紹介!AWSでのジョブ運用の最適解「Hinemos」のご紹介!
AWSでのジョブ運用の最適解「Hinemos」のご紹介!
 
내가써본 nGrinder-SpringCamp 2015
내가써본 nGrinder-SpringCamp 2015내가써본 nGrinder-SpringCamp 2015
내가써본 nGrinder-SpringCamp 2015
 
YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知
YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知
YJTC18 D-5 日本のインターネットを守る!Yahoo! JAPANの不正利用対策 - Splunkによる不正ログイン検知
 
コンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security Platform
コンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security Platformコンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security Platform
コンテナライフサイクルを守るセキュリティソリューション Aqua Cloud Native Security Platform
 
NoSQL on AWSで作る最新ソーシャルゲームアーキテクチャ
NoSQL on AWSで作る最新ソーシャルゲームアーキテクチャNoSQL on AWSで作る最新ソーシャルゲームアーキテクチャ
NoSQL on AWSで作る最新ソーシャルゲームアーキテクチャ
 
AWS Black Belt Techシリーズ AWS Management Console
AWS Black Belt Techシリーズ AWS Management ConsoleAWS Black Belt Techシリーズ AWS Management Console
AWS Black Belt Techシリーズ AWS Management Console
 
ksqlDB로 실시간 데이터 변환 및 스트림 처리
ksqlDB로 실시간 데이터 변환 및 스트림 처리ksqlDB로 실시간 데이터 변환 및 스트림 처리
ksqlDB로 실시간 데이터 변환 및 스트림 처리
 
Amazon GameLift FlexMatch
Amazon GameLift FlexMatchAmazon GameLift FlexMatch
Amazon GameLift FlexMatch
 
마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017
마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017
마이크로서비스를 위한 AWS 아키텍처 패턴 및 모범 사례 - AWS Summit Seoul 2017
 
빠르게훓어보는 Node.js와 Vert.x
빠르게훓어보는 Node.js와 Vert.x빠르게훓어보는 Node.js와 Vert.x
빠르게훓어보는 Node.js와 Vert.x
 
MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개
 
COD2012 九州会場 Active Directory 障害対策
COD2012 九州会場 Active Directory 障害対策COD2012 九州会場 Active Directory 障害対策
COD2012 九州会場 Active Directory 障害対策
 
Web API(Dynamics 365 )勉強会
Web API(Dynamics 365 )勉強会Web API(Dynamics 365 )勉強会
Web API(Dynamics 365 )勉強会
 
DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환
DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환
DMS와 SCT를 활용한 Oracle에서 Open Source DB로의 전환
 
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
 
S3 整合性モデルと Hadoop/Spark の話
S3 整合性モデルと Hadoop/Spark の話S3 整合性モデルと Hadoop/Spark の話
S3 整合性モデルと Hadoop/Spark の話
 
Introducing the SnapLogic Integration Cloud
Introducing the SnapLogic Integration CloudIntroducing the SnapLogic Integration Cloud
Introducing the SnapLogic Integration Cloud
 

商事法報告 萬無一失資術