🔗 StockRevenueLab 資源傳送門
- 🚀 立即開啟：StockRevenueLab 線上儀表板 （無需安裝，點擊即可直接操作互動圖表）
- 📂 GitHub 完整專案原始碼 （包含
app.py核心邏輯與所有環境設定檔） - 🐍 Google Colab 自動化抓取程式碼 （一鍵開啟 Colab，自動抓取財報與股價存入資料庫）
一、 為什麼你需要這個儀表板？
傳統看財報最怕「數據孤島」，也就是營收歸營收、股價歸股價。本系統透過 「漲幅分組（Binning）」 技術，將台股過去五年的數據重新解構，讓你一眼看出：「那些漲了 300% 以上的股票，在起漲前的營收特徵到底是什麼？」
二、 核心功能與操作指南
進入 Streamlit 儀表板 後，你可以執行以下操作：
- 調整觀測維度：在左側選單選擇年度（2020-2025）與指標（YoY 年增率或 MoM 月增率）。
- 熱力圖分析：縱軸是股價漲幅（下跌 10% 一級、上漲 100% 一級），顏色越紅代表營收表現越強。
- AI 智能診斷（推薦使用 🤖）：
- 展開「AI 智能分析助手」。
- 點擊 「複製完整分析指令」 並貼給 ChatGPT。
- AI 會根據當前顯示的 12 個月統計摘要，告訴你這一年「股價表現與業績」的關聯性。
- 深度挖掘區間公司：在頁面底部選擇特定漲幅區間，系統會列出該區間的所有公司與其最新的營收備註（如：CoWoS 訂單增加、新機出貨等）。
三、 程式碼技術說明 (開發者視角)
這套系統的後端邏輯由 Python 撰寫，整合了從數據抓取到雲端展示的完整 Pipeline：
1. 數據精煉 (Local Refinery)
我們在 Colab 腳本中實現了從台灣證交所與 Yahoo Finance 的自動化抓取。最核心的邏輯在於 「還原股價清洗」，我們設定了 PINGPONG_THRESHOLD（40%），自動剔除因減資或併購產生的極端異常震盪，確保分析的是「真實漲幅」。
2. 資料庫與雲端同步 (Supabase)
利用 SQLAlchemy 將清洗後的數據同步至 Supabase 雲端資料庫。這讓前端 Streamlit App 能以極高的效率讀取數十萬筆記錄，並支援多種統計模式（中位數、變異係數、偏度等）。
3. 動態分組 SQL (Binning Technology)
為了實現細緻的對照，我們在 SQL 查詢中使用了複雜的 CASE WHEN 邏輯：
- 下跌區間：每 10% 一個間隔，反映市場對虧損的敏感度。
- 上漲區間：每 100% 一個間隔，精準定位「超級飆股」的營收分佈。
4. 智慧 Prompt 生成器
app.py 內建的提示詞生成函數 generate_ai_prompt 會自動將統計結果轉化為 Markdown 表格，這解決了數據量太大無法直接餵給 AI 的問題，讓 AI 能根據「摘要數據」進行專業級的量化診斷。
四、 結語
本專案已完全開源，你可以直接使用我的線上儀表板進行分析，也可以下載程式碼到 Colab 建立屬於你自己的台股基因庫。
