28歲青年鑽研「Python+股市」,開課教學生打造「選股策略」賺進千萬身價
28歲青年鑽研「Python+股市」,開課教學生打造「選股策略」賺進千萬身價

在線上募資教育平台Hahow的所有課程中,以學生人數來排名,第5名與第13名的課程「用Python理財:打造小資族選股策略」與「用Python理財:打造自己的AI股票理專」的教師是同一人——年僅28歲的韓承佑,靠著這兩堂熱門課程,為他帶來千萬等級的收入。

結合Python與理財教育,兩堂課加起來共有7,688名學生,原先以為教師就算年輕,應該也是個在股海呼風喚雨的「名師」,韓承佑卻是個在2017年才投入股市的「新手」。

不過,他並不強調自己的股市操作的「實績」,更希望推廣的是用Python將選股策略「具象化」的過程。在課程內韓承佑也不強調操作的結果,讓數據說話,就是他最大的代言人。

遠赴法國唸書,為了讓資產「增值」投入股市

韓承佑就讀中央大學電機系、台灣大學電子所,打下了程式設計的基礎。在2017年更遠赴法學巴黎南區大學資工所攻讀博士學位。

當時,韓承佑是拿著獎學金前往法國,他同時在思考雖然有獎學金,但在國外的消費仍然相當高,是不是能透過投資讓留學生活好過一些。

於是他拿了其中一小部分的資金開始投入股票市場,「但講真的,一開始操作股票有點蠢。」韓承佑說,「就上網看有名的大師,再加上自己胡亂分析,覺得好像有在分析,但其實都是道聽途說。」

原先想要靠著投資,在國外能過上好一點點的生活,但卻只帶來更加不安定的紛擾。「每天都想看盤、想知道漲跌,沒辦法放寬心。」韓承佑說。

而在最後虧損的的情況下,韓承佑認賠殺出,下定決心好好研究股市,同時搭配程式設計,希望能透過程式來決定投資的選股標的。

從鑽研股市到開設線上課程

除了了解選股的基本面、籌碼面、技術面之外,韓承佑也開始拆解市面上的選股程式,「有些選股程式每年要6,000元,但是功能真的很簡單。」那段時間是韓承佑寫選股程式最有動力的時刻,因為他知道短短幾行程式,每年可能就有6,000元的訂閱價值。

他開始把不同的選股策略編寫成程式,再去回測股市的歷史走向,慢慢綜合出自己的選股策略。同時,他也撰寫FinLab部落格,將Python與股市的結合心得,分享給所有人。

到了2018年初,在朋友的建議下,韓承佑到Hahow開設課程,「剛好也可以有個比較系統性的教學,部落格東一篇爬蟲、西一篇策略太亂。」韓承佑花了兩個禮拜把募資頁面的資料填完,在目標開課人數那欄,他只填了30人。「有人來上就很開心了啦,只是希望可以把Python結合投資的概念推廣出去。」

舉例來說,他用自由現金流健康、股東權益報酬率正向、營業利益成長率等指標篩選出值得關注的股票,同時也會講解選擇這些指標的原因。但重點不在最後的選股結果,而是如何「篩選」的過程,他希望所有學生能從上百種選股策略中選出自己喜歡的,也有能力製作成程式自動篩選。

最後,在募資的30天期間,共有超過2,800人報名Python理財的課程,高達9300%的完成率。之後的兩個月內,韓承佑在白天上完博士班的課程後,下課回家就埋首於課程製作,是他認為最辛苦的一段時間。

不是報明牌,而是希望學生能打造自己的選股策略

之後的故事也就像一開始說的,第一堂Python理財課已經有5,000+人購買、第二堂課也將近3,000人,直到訪問當天,每月都還有近100人購買課程。

對於非股市名師出身的韓承佑認為,自己的課程最站得住腳的地方,就是透過程式讓「財經數據」自己說話。如Python理財課,他會告訴所有學生每一條選股策略寫成程式的方法,以及套用在歷史數據上獲得的報酬率。標準的「給釣竿」類型。

「 我們的實力不重要,而是真實、客觀地呈現數據的真實性,我喜歡做武器的製造商,讓學生們都擁有自己的武器 。」韓承佑說,「我們不是要發放股票清單,而是讓所有人都能找到適合的策略,寫成程式。」而靠著兩堂線上課程拿到一大桶金的他,也決心未來會投入創業,持續鑽研程式與股市。

最後問到韓承佑目前的投資狀況,他點開了對帳單,今年的報酬率站上了雙位數比例。但就算如此,投資理財有賺有賠,買了課程也無法保證照做就一定賺錢。打開訂閱學習平台PressPlay,頭部的教師也有相當高的比例是財經類型,也有將近5,000人訂閱的熱門財經課程。

購買理財課程是一種集體恐慌,又或者證明了台灣真的普遍缺乏理財教育?難以下一個定論,唯一確定的是,又誕生了一位30歲以下的千萬富翁。

責任編輯:蕭閔云

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓