今天是第十八天！昨天我們幫機器人注入了「三大法人籌碼面」數據，讓我們的看盤報告具備了技術面與籌碼面的雙重判斷！

但是，不論技術線圖畫得再好看、法人買得多熱烈，「企業有沒有賺錢」 永遠是股價最長遠的基石！在台股市場，每個月 1~10 號都是極其關鍵的「營收公佈期」。當一家公司的月營收創下歷史新高，或是年增率（YoY）大幅暴增時，往往就是股價噴發的起漲點！

今天我們的目標，就是在我們的專案架構中，導入「上市櫃個股月營收數據（MoM 月增率 / YoY 年增率）」抓取與診斷邏輯，打造出具備「基本面營收爆發警示」的全方位 Telegram 看盤小幫手！

步驟一：先釐清邏輯
營收診斷與警報的運作邏輯非常清晰直覺：

• 抓取營收數據（fetcher.py）：向數據源（如 FinMind API 或 公開資訊觀測站/Yahoo Finance）抓取個股最新一期的單月營收數字、上月營收與去年同期營收。
• 計算成長率指標：
  MoM（Month-on-Month，月增率）：(本月營收 - 上月營收) / 上月營收 * 100%
  YoY（Year-on-Year，年增率）：(本月營收 - 去年同期營收) / 去年同期營收 * 100%
• 設定基本面門檻與診斷：當 YoY 成長超過 20% 或 MoM 成長超過 10% 時，定義為「營收強勁成長」；超過 50% 則觸發「營收爆發警報」！
• 整合進報告（bot.py）：將營收資訊排版至 Telegram 分析報告中，讓你在盤後第一時間掌握公司的基本面績效！

接下來，知道邏輯後，我們就可以來寫程式碼了！

步驟二：完整實作程式碼
我們同樣繼續維護我們優雅的模組化架構，要改的是 fetcher.py 和 bot.py！

1. fetcher.py
   在 fetcher.py 中新增抓取最新營收資料的邏輯，並計算 MoM 與 YoY：

import pandas as pd
import pandas_ta as ta
import yfinance as yf

def get_stock_data(symbol):
    formatted_symbol = symbol.strip().upper()
    if not formatted_symbol.endswith('.TW') and not formatted_symbol.endswith('.TWO'):
        formatted_symbol += '.TW'

    print(f"[INFO] 正在抓取數據、籌碼與基本面營收: {formatted_symbol}...")

    # 1. 抓取股價歷史資料
    ticker = yf.Ticker(formatted_symbol)
    df = ticker.history(period="6mo")

    if df.empty and formatted_symbol.endswith('.TW'):
        alt_symbol = formatted_symbol.replace('.TW', '.TWO')
        ticker = yf.Ticker(alt_symbol)
        df = ticker.history(period="6mo")
        if not df.empty:
            formatted_symbol = alt_symbol

    if df.empty:
        return None, None, None, None

    if isinstance(df.columns, pd.MultiIndex):
        df.columns = df.columns.get_level_values(0)

    # 技術指標計算
    df['MA5'] = df['Close'].rolling(window=5).mean()
    df['MA20'] = df['Close'].rolling(window=20).mean()
    df['RSI'] = df.ta.rsi(length=14)

    macd_df = df.ta.macd(fast=12, slow=26, signal=9)
    df['MACD'] = macd_df['MACD_12_26_9']
    df['MACD_signal'] = macd_df['MACDs_12_26_9']
    df['MACD_hist'] = macd_df['MACDh_12_26_9']
    df['Vol_MA5'] = df['Volume'].rolling(window=5).mean()

    # 2. 三大法人籌碼模擬數據
    chip_data = {
        "foreign": 1250,
        "investment": 800,
        "dealer": -150
    }
    chip_data["total"] = chip_data["foreign"] + chip_data["investment"] + chip_data["dealer"]

    # 3. 最新月營收基本面數據 (單位：千元)
    # 實際運作時可連接 FinMind API 或 MOPS 數據
    revenue_data = {
        "month": "2026-09",
        "revenue": 75000000,    # 本月營收 750 億
        "mom": 8.5,             # 月增率 MoM +8.5%
        "yoy": 32.4             # 年增率 YoY +32.4%
    }

    return formatted_symbol, df, chip_data, revenue_data

2. bot.py
   要更改 generate_report_text 函式，將「營收數據區塊」與「基本面評語」加入其中：

def generate_report_text(symbol, df, chip_data=None, revenue_data=None):
    latest = df.iloc[-1]
    prev = df.iloc[-2]

    rsi_val = latest['RSI']
    latest_vol = latest['Volume']
    vol_ma5_val = latest['Vol_MA5']

    caption = f"【{symbol} 盤後三維度全方位分析報告】\n"
    caption += f"日期：{df.index[-1].strftime('%Y-%m-%d')}\n"
    caption += f"收盤價：{latest['Close']:.2f}\n"
    caption += f"5MA: {latest['MA5']:.2f} | 20MA: {latest['MA20']:.2f}\n"
    caption += f"RSI(14)：{rsi_val:.1f}\n"

    # 籌碼面區塊
    if chip_data:
        caption += f"-----------------------------------\n"
        caption += f"【三大法人籌碼動向】(單位: 張)\n"
        caption += f"外資：{chip_data['foreign']:+d} | 投信：{chip_data['investment']:+d}\n"
        caption += f"法人合計：{chip_data['total']:+d}\n"

    # 基本面營收區塊
    if revenue_data:
        caption += f"-----------------------------------\n"
        caption += f"【最新月營收報告】({revenue_data['month']})\n"
        caption += f"單月營收：{revenue_data['revenue'] / 100000:.2f} 億元\n"
        caption += f"MoM (月增率)：{revenue_data['mom']:+.1f}%\n"
        caption += f"YoY (年增率)：{revenue_data['yoy']:+.1f}%\n"

    caption += f"-----------------------------------\n"

    signals = []

    # 基本面訊號判斷
    if revenue_data:
        if revenue_data['yoy'] >= 30:
            signals.append("[基本面] 月營收年增率 (YoY) 突破 30%，營收強勁成長！")
        elif revenue_data['yoy'] <= -15:
            signals.append("[基本面] 月營收年增率 (YoY) 衰退超過 15%，留意基本面利空！")

    # 籌碼面訊號判斷
    if chip_data:
        if chip_data['foreign'] > 0 and chip_data['investment'] > 0:
            signals.append("[籌碼] 外資與投信同買，法人作多力道強勁！")

    # 技術面與量能訊號
    if prev['MA5'] <= prev['MA20'] and latest['MA5'] > latest['MA20']:
        signals.append("[MA] 5MA 向上突破 20MA（黃金交叉）")

    if latest_vol > vol_ma5_val * 1.5:
        signals.append("[量能] 今日成交量爆發（高於 5 日均量 1.5 倍）！")

    if not signals:
        caption += "評語：技術面、籌碼面與基本面處於平穩狀態，建議持續觀察。"
    else:
        caption += "關鍵訊號彙整：\n" + "\n".join(signals)

    return caption

解釋一下程式碼吧！
三維度整合（技術面 + 籌碼面 + 基本面）：
報告從單一的 K 線圖，升級成「技術面 (MA/RSI/MACD/量能)」、「籌碼面 (三大法人)」與「基本面 (月營收 YoY/MoM)」的三合一報告。

營收單位換算與格式化：
原始營收金額通常很大，我們在輸出時除以 100,000 轉換成習慣閱讀的「億元」單位，搭配 {revenue_data['yoy']:+.1f}% 自動標示正負號，讓資訊更加清晰！
步驟三：執行與測試
在終端機輸入：

python main.py

最後會像這樣!
小結一下：
月營收 YoY 成長率是觀察長線趨勢最重要的指標之一，當看到「YoY > 30% 且 法人同買」時，通常代表公司有實質業績支撐!
今天我們成功將「月營收 YoY / MoM」納入機器人的診斷系統，達成「技術面 + 籌碼面 + 基本面」的全方位三維度分析！