2025
機器學習算法 XGBoost 提升技術指標一目均衡表的投資績效
在金融市場中,技術分析一直是投資人用來判斷市場趨勢與制定交易策略的重要指標。其中,一目均衡表(Ichimoku Kinko Hyo) 透過五條均線與雲層結構,分析股票的支撐、阻力與趨勢變化,幫助交易者快速辨識多空方向。然而,傳統的 Ichimoku 策略主要依賴固定參數(9-26-52)與視覺判讀,無法靈活適應不同市場環境,且在震盪行情中容易產生虛假信號,導致錯誤交易與資本回撤。
隨著機器學習技術的發展,XGBoost(Extreme Gradient Boosting)已經成為量化交易領域中最受歡迎的訓練模型之一。它透過梯度提升決策樹(GBDT)學習不同數據間的高維關係,並優化交易信號的篩選與決策邏輯。因此,相比於單純依賴技術指標,XGBoost 能綜合不同市場變數,如價格動能、成交量變化與市場情緒等,找出不同資料與未來股票報酬間的關聯度,從而提高交易策略的準確度與穩定性。