最近市場行情不好，多多研發新的選股策略，開發新功能，你一定要知道的市場週期，並且順應市場週期的發展，才不會每次都錯失良機，甚至是買在高點。你可以跟著 FinLab 加強策略，隨著我們研發新功能，都會是用戶最需要的，也是我們覺得可以幫到大家的，所以趁現在瞭解一下有哪些新功能吧！趁著現在熊市。
熊市做什麼
1. 熊市是給你研發選股策略用的
很多人遇到熊市就去放假去，好好平復心裡的創傷，對於投資理財放了個假，過個一年半年，回來看，股市又不知到去哪裡了。
2. 機會是給準備好的人的
不要等到牛市一頭熱，別人做什麼交易，自己也要跟著做，哪裡有好康到處尋覓，可能聽到的好康，都是別人已經要倒貨的好康。
3. 萬年如一日，一日如萬年
發揮十年磨一劍的精神，要做就做用好幾年的策略，而不是看最近什麼好做，而做什麼，這樣容易迷失在交易得到路上，學而不精。
4. 永遠都在研發策略
你說你爆虧了一波，我也是呀！心境上除了比較少看價格的波動以外，我還是不斷的在改良交易策略，研發新的功能。先把下一階段的策略都佈局好，等到行情一來，抓的早，佈得滿，抱到好。
就算你有再好的策略，但是因為人性，還是可能佈局在高點，停機在低點。所以現在不要再猶豫了，現在把策略都研發好，等到該賺的時候才賺得到。
策略新功能
回測要有好的穩定的績效，要有更多讓績效變穩定的功能，針對熊市行情，大家比較保守，希望產業可以平均分配，希望可以融券對沖風險，我們都聽到了，所以特別研發了一些功能，廢話不多說，趕快來揭曉這禮拜的新功能。介紹 0.32.2.dev 版本的 FinLab Package 有什麼樣的新功能！
1. SunBurst 讓你一眼看出目前股票部位的產業偏好
這是我們神燈精靈 Ben 做的新功能，可以顯示當前的股票，有哪些產業，產業的偏重是哪一塊，詳細內容請見這一篇完整的文章！
2. 回測支援多空對沖
FinLab Package 終於支援做空了，假如你原本就有一個好策略，可以做空 0050 試試看，雖然報酬率可以能會下降，但是風險也會大幅縮小！非常適合我們做多檔股票資產配置使用，
我只是很納悶，怎麼好用的功能，我怎麼不早點來做？XD
做空的方式如下：
from finlab import data
from finlab import backtest
close = data.get('price:收盤價')
position = close < 0
position['2330'] = 0.5
position['1101'] = -0.5
r = backtest.sim(position)
r.display()
另外值得一提的是，新的版本 position 除了以前的布林訊號 (True/False) 外，也可以使用權重！所以上方程式碼，就是 50% 比重給 2330 做多，50% 給 1101 做空。
這樣的權重分配方式，完全兼容之前的版本，也就是 position 是 True / False 的狀況，因為 True 在電腦運算中，本來就代表 1 ，而 False 代表 0。權重都是 1 的情況下，程式就會跟以前一樣平均分配資產喔。
以下是我最近在研發的台股策略，假如額外去空 0050 做對沖，會如何呢？
由於這個策略績效滿好的，所以我拿出20%來融券 0050，效果如下
可以發現報酬率大幅縮水了，但是回測期間的最大跌幅 (Max Drawdown) 只剩下 -10%，對沖掉大盤的風險，心情更不容易起伏，但是要注意的是，這邊回測時，程式並不會幫你模擬融卷回補喔！所以真正操作的時候，可能要稍微留意融券回補的那幾天，可能會無法像是模擬一樣，實際操作可能要用其他的方式，例如期貨或是同類型 ETF 的融券。另外，另外要注意的地方是，不論是現貨、融券部位，在此並不是以「張」為單位，而是「資金比例」，在實際操作時，要記得隨時檢查比例不要差太多，因為融券放空，虧損時，部位會增加喔！也就是越虧風險越高，大家要注意比例並且在融券虧損時減碼喔！
3. 支援 Pandas_ta 計算技術指標
Pandas_ta 最近一兩年算是計算技術指標的後起之秀，原因在於 TaLib 有時候實太難安裝了，而且技術指標就只有那100個，都是老調重彈，沒有更新。有鑒於此，Pandas_ta 採用純 Pandas 計算技術指標，跟不同的作業系統有比較好的相容性。另外，Pandas_ta 也有很多最新的技術指標，例如 supertrend indicator。有非常多沒有看過的指標，像是「Even Better Sinewave 」，聽起來實在是非常有趣呀！這些都可以在 Pandas_ta 文檔中找到。
我們將 Pandas_ta 與 Finlab 整合，使用方式非常的簡單，就跟以前一模一樣，用一行簡短的程式，就可以計算兩千檔股票的數值：
from finlab import data
values = data.indicator('supertrend')此時，程式會優先搜尋 TaLib 中是否有對應的函式，假如沒有的話，就會搜尋 Pandas_ta。可以讓你一次把所有股票的技術指標一次計算出來。缺點是 Pandas_ta 計算的速度比較慢，所以運算時要稍微等待一下。
下一個階段做什麼？
既然現在回測已經支援權重，那是不是該回測一些權重分配的演算法呢！我們將陸續整合資產配置演算法，PyPortfolioOpt，將股票權重做更有效的配置。看看究竟原本的策略平均分配，用風險報酬最佳化後，產生的權重，是否會有更好的表現？
假如有任何的想要新增的功能，也歡迎在 discord 給我們一些建議喔！
