在科技股加速趕底的強烈賣壓下，台股高價族群成拋售重災區。台股周五(11/6)股王信驊（5274）跳空鎖死11375元跌停價位，股后川湖（2059）摜跌停7200元，近午盤敲開往上拉。 其餘高價指標股包含散熱大廠健策（3653）依舊鎖住跌停5225元，奇鋐(3017)也亮燈2310元倒地，創意（3443）、大立光（3008）、台光電（2383）、聯發科（2454）、台達電（2308）等，盤中全數高掛跌停，不過近午盤也都跌幅縮小至5-6%。至於半導體晶圓測試解決方案廠漢測(7856) 再度跌停來到2270元，直逼2250元承銷價，獲利空間沒了，而當初參與競價拍賣的中實戶慘遭套牢，以平均得標價4,272.7元計算，若持股至今未賣出，每張帳面虧損高達200萬元。
日期：2026-11-06
全球市場本周迎來多重考驗，包括Alphabet、亞馬遜及微軟三大科技巨頭將公布財報，市場高度關注龐大的資料中心與AI資本支出，能否持續轉化為獲利成長以支撐股市。美國聯準會、歐洲央行和日本央行的利率決策者則將陸續宣布政策決定，預期都將按兵不動。
日期：2026-10-27
每當市場訊號陷入混亂、多重因素交互影響、多空消息對價格影響被放大時，資本市場中羊群、狼群都進入高度活躍期，我常常想起一篇文章：錢穆先生對於歷史大潮流的觀察，寫下了題為「現狀與趨勢」一文。他說到，在觀察時代演變的過程中，切莫因為短期的「現象」，誤判了長期的「趨勢」。貞觀初期的蕭條凋零，掩蓋了唐帝國即將噴發的生機；而乾隆時期的錦繡盛世，卻早已埋下了大清帝國走向崩潰的制度死結。
日期：2026-10-27
「我們曾經拜訪一家市值非常大的台灣上市公司，他說去香港辦法說會，才剛坐下來，國際投資人第一句話就問：『你們公司未來幾年的資本支出規劃是什麼？』結果他只能回答：『我不能講。』當場就被人家洗臉！」臺灣證券交易所總經理李愛玲分享了一段令台灣頂尖企業相當無奈的真實窘境。當時在場的國際機構法人紛紛質疑：「在場這麼多國際競爭對手都可以講，為什麼就你不能講？」該企業代表只能苦笑解釋，這是因為台灣法規不允許。沒想到話才說完，現場外資接下來就「懶得理他了」。
日期：2026-10-21
台股周四收46,969.87點，大跌1,655.96點或3.41%，創史上第6大單日跌點紀錄，成交量高達1.31兆元，匯市方面，台幣兌美元同步呈現重貶，終場重貶1.92角、收在32.265元，成交金額為70.3億美元。台股崩跌禍首之一，就是外資大撤退，單日賣超金額高達3,025億元，一舉刷新今年7月17日股災賣超1,890億元的紀錄，改寫台灣證券史上最大單日賣超紀錄。外資拋售潮中，權王台積電（2330）首當其衝遭外資重點調節，單日賣超高達34,111張，提款主力高度集中於高權重ETF與半導體、傳統產業龍頭。
日期：2026-10-15
在少子化與高齡化夾擊的長壽時代，單靠勞保與勞退制度，往往僅能支應基本生活開銷。若想退休後維持既有生活品質，關鍵仍在個人投資策略與資產累積效率。退休規劃師葉俊佑指出，面對未來通膨與長壽風險，投資人必須建立階段性資產配置觀念，妥善運用政府政策新工具，以具紀律提領法則打造不間斷的現金流，才能真正實現安心退休目標。
日期：2026-09-24
勞工保險、勞退自提是勞工準備退休金的兩大支柱。然而，全台高達六成勞工退職後勞保月領不到2萬元，勞退自提率亦僅有17.5%。退休規劃達人葉俊佑指出，若以一般退休族每月需要5萬元生活費計算，30年需要準備1800萬，但透過投資可大幅減半至930萬元。再加上勞保、勞退的妥善規劃，不僅享有保本節稅紅利，也能進一步算出退休安全水位，降低準備退休的焦慮感。
日期：2026-09-14
台股重返47000點之上，面對下半年及第四季的投資佈局，「PCB女王」統一投顧總經理廖婉婷，在TVBS財經節目《財經鈔能力》中，剖析下半年至2027年PCB產業面貌。廖婉婷指出，台股目前基本面強勁無虞，第四季衝上5萬點大關機率極高，投資人應把握任何拉回小跌的加碼時機。她點出，從技術面觀察，大盤均線已在4萬5千點至4萬6千點附近糾結墊高，拉回極難跌破4萬5千點，「第二隻腳基本上已經過了，如果聯準會發言偏鷹或9月短線升息引發回檔，反而是非常好的加碼時機」。面對下半年及第四季的投資佈局，除了欣興(3037)、南電(8046)、景碩(3189)盤面熱門焦點外，廖婉婷根據第二季財報毛利率表現、獲利上修趨勢與估值修復空間，精選出5檔值得重點關注的PCB黑馬股，包括富喬（1815）、聯茂（6213）、騰輝-KY（6672）、健鼎（3044）、尖點（8021）。
日期：2026-09-10
看到台北市無人自動公車要試行上路的新聞，我還挺興奮的，我一向是對新的科技事物充滿好奇心，也樂觀擁抱。說著說著，學工程的兒子給我澆了一盆冷水，「一片葉子飄過來、大棵路樹受到一陣強風在剛進/離站的公車前、突然地雷陣雨、台灣路上三寶特多，你覺得機器要多久才能學會辨識？物理AI真的很複雜。」好問題！但我認為正因為充滿了挑戰，同時也充滿了機會！
日期：2026-09-01
