Fintech練功坊

如果你接觸投資有一段時間，肯定聽過不少有關程式交易、量化交易的投資方法。對於那些對軟體、程式碼沒有任何研究的新手來說，一開始可能會覺得艱澀，但隨著近年來AI的崛起，投資策略能否更加自動化，或許將成為未來投資者們必須善用的工具。而程式交易一大優勢在於能有效克服「人性弱點」！本篇文章將透過程式交易的教學，帶大家一窺程式交易與人為交易的差別，從程式交易的基礎概念開始，逐漸入門，並掌握程式交易的使用技巧！

隨著 2023 年以來 AI 人工智慧相關應用的大量問世，加深市場對於科技產業的關注熱度，諸如緯穎、緯創等資通訊產業類股，其股價上漲的幅度令股東欣喜若狂，也令大多股民望而卻步，擔憂追高殺低進場後被套在了相對高點的價格。本文嘗試找出尚未被市場關注但股價逐漸走高的個股，利用券商分點以及動能因子進行選股回測，並對該複合因子行回測分析。

隨著深度學習的蓬勃發展，越來越多時間序列相關的模型的出現，似乎能應用於未來股價的預測中。本文利用 LSTM 時間序列模型進行深度學習 LSTM 股價預測，使用前 5 日的開高低收成、年化ROE、動能因子及 RSI 指標預測隔日收盤價。

近年來隨著AI熱門股的股價不斷創新高，投資人除了關注這些公司的營運狀況，也更加關注這些公司內部人的交易行為，因為公司內部人相對外部投資人來說擁有較多資訊，使其在交易公司股票時更具有資訊優勢。為了防範非法的內線交易，以及提升證券市場的資訊公平程度，各國的金融監管部門均設有重法加以限制。

台大黃仁勳演講，公布了在台商業夥伴的名單，讓網上開始瘋傳「地表最強AI ETF」，這項舉動對於商業夥伴的股票影響究竟是好是壞? 我們將利用 TEJAPI 來計算夏普值，以判斷影響好壞。並且視覺化觀察到的結果。

本篇將介紹透過Google Colab ，來進行TQuant Lab 的簡易測試教學，我們選擇任意產業營收最高的5間公司，進行報酬率的回測!讓我們可以在 Google Colab 上直接使用，無需設定虛擬環境，大大降低了使用門檻!

近期全球掀起AI熱潮，台灣電子業以完整的供應鏈，受到許多機構投資者之青睞。這些投資者除了可以在集中市場透過一般交易方式買賣股票外，亦可在買賣達一定規模以上時，使用證交所提供的鉅額交易方式進行大額委託買賣。

在金融市場中，精確的價格預測和有效的交易策略是投資成功的關鍵。本文介紹了一個利用 ADF 檢定（Augmented Dickey-Fuller Test）和 ARIMA-GARCH 模型進行股票價格預測的策略。ADF 檢定用於測試時間序列的平穩性，而 ARIMA-GARCH 模型則結合了 ARIMA 和GARCH，以捕捉股票收益率的波動性。

Joseph Piotroski 提出的 F-score 策略，透過 9 項財報條件的評估，幫助投資人深入了解公司的獲利性、安全性及成長性。本文使用 TQuant Lab 建構 F-score 策略，幫助投資人深入了解 F-score 所能帶來的投資效益。