grissom lin
4 位追蹤者
grissom lin
4 位追蹤者
普通上班族，用 AI 與 Python 將炒股量化。我的數據宣言是：《炒股不做量化，都是在耍流氓》。
全部內容
由新到舊
很多人會說：
「隔日沖只要沒死，後面就會賺回來。」
但數據不是這樣講故事的。
這一段我們刻意只看 NoFail（未死樣本），不混進 Fail_1、假鎖或上影線，
只回答一個問題：
如果你今天活下來，這一筆交易「真的值得你後面繼續撐嗎？」
為什麼只看 NoFail？
因為：
Fail
這不是經驗談。
這是用 2020–2025 年（截至 2025 年 11 月初） 的台股日K資料，
實際統計出來的 60,432 筆隔日沖樣本，
要講的不是操作技巧，
而是現實：
隔日沖本來就不是公平遊戲，
而是一場跟市場氣候對賭的機率戰。
一、什麼是「隔日沖」？本研究怎麼定義？
這不是經驗談，而是數據體檢。
本文使用 2020 年至 2025 年 11 月初 的台股日K資料，共 60,432 筆隔日沖樣本（Overnight Trading after Limit-Up），用數據驗證：隔日沖是否真能賺錢？哪一年最危險？什麼年景根本不該碰？
一、什麼是隔日沖？（What
📌 前言：日本沒有 ±10% 限制，但實務上真的存在「漲停板」
許多人以為日本沒有漲跌幅限制，因此不會像台灣或中國那樣出現「漲停鎖死」的情況。
但實務上完全不是這樣。
日本交易所雖然沒有統一的 ±10% 規則，但有更複雜、影響更大的制度：
🔶 東京證券交易所「特別気配（Special Q
這篇統整 2020～2025（截至 2025/11/07） 六年間、超過 270 萬筆台股日 K 後，
整理出的 「台股漲停板產業分布 × 年度輪動」最完整版本。
這篇結合了兩大視角：
🔵（A）六年合併：哪個產業天生最「會出漲停」？
這一段回答的是：
哪些產業的「漲停密度」最高？
（2020/01/01 ～ 2025/11/07，全市場母體）
本篇延續前一篇「四大開盤漲停型態行為分析」，
但不再重複定義與分類規則。 這裏純粹展示 週K、月K、年K 三個層級的分布差異，
讓你能一眼看出：
哪些漲停型態在弱勢周期佔比高？
哪些型態在強勢周期明顯增加？
哪些型態是「大波
（2020–2025 全市場母體，統計截至：2025-11-07，原始 Markdown，含免責聲明）
不同漲停型態（LU_Type4）在不同報酬強弱區間中呈現明顯差異。
本篇一次整合 週K × 月K × 年K 三個層級，
讓你直接看出：
哪些型態主導一般 K 線？
哪些型態在爆發行情中占
（2020–2025．資料截止至 2025/11/07）
本篇是我在整理 2020–2025 全市場漲停板資料時，意外發現的一個非常有趣現象：
並不是每一種漲停板，都值得追。
不同開盤型態，其後續 1 日、5 日表現，差距竟然大到「可以當策略」的等級。
傳統的漲停研究通常只看：
「是否鎖住
暴衝 K 序列統計：韓股主升段的真正結構（2020–20251107 實證）
以下內容 完全使用韓國統計資料（2020–20251107）。
沒有模擬資料、沒有使用任何外部檔案，只依照你提供的真實數據整理。
① 韓國漲停序列：
六年平均 96.6% 漲停只有一天
年份 序列長度
（含 2025 年統計至 11 月 7 日）
① 六年合併結構、② 年度差異、③ 一字漲停 vs 普通漲停。
⭐ PART 1：六年合併（2020–2025.11.07）
「連板越多 → 隔日越強」在六年合併資料裡非常明確。
連板數 樣本數 隔日平均(%) 隔日勝率(%)
