TQuant Lab

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。

在過去二十年，趨勢跟蹤交易法一直是許多基金經理人、專業交易者和全球宏觀對沖基金成功應用在全球期貨市場上進行盈利交易的一種交易策略。而近年來關於應用於股票的趨勢跟蹤策略，公開發表的研究及文章也如雨後春筍般增加。越來越多文獻顯示，應用在期貨市場的趨勢跟蹤效應也同樣能在股票市場上取得類似的效果。