股價淨值比能找到好股票?用歷史數據讓你感受它的厲害!
股價淨值比(PB),可以用來判斷公司是被高估還是低估,簡單來說,有點像是股票的 CP 值(但是反著看),股價淨值比小於1代表划算的生意,大於1則是賠本生意。更深入一點的講法,就是公司「股市中的總價值」除以「實體的價值」,其中「股市中的總價值」就是股價X發行量,也就是市值。而「實體價值」就是指不動產 廠房及設備、債務...等的總價值,也就是資產負債相底後,真正留下的價值。
股價淨值比(PB),可以用來判斷公司是被高估還是低估,簡單來說,有點像是股票的 CP 值(但是反著看),股價淨值比小於1代表划算的生意,大於1則是賠本生意。更深入一點的講法,就是公司「股市中的總價值」除以「實體的價值」,其中「股市中的總價值」就是股價X發行量,也就是市值。而「實體價值」就是指不動產 廠房及設備、債務...等的總價值,也就是資產負債相底後,真正留下的價值。
Pandas 的 DataFrame 可以很方變得幫我們處理時間序列,只需要短短幾行,就能達到在其他程式語言要寫數十行的功能,但是DataFrame就夠了嗎?當我們在處理財務金融時,常常會需要分析時間序列(例如股價)但是有時候用dataframe來計算,還是免不了寫一些數學計算,增加程式碼的複雜度,讓閱讀程式碼變得比較辛苦。
投資可以很複雜,超多的商品選擇,分批持有買賣點設定等等,但是每天花這麼多心力,真的有比大盤好嗎? 其實投資也可以很簡單的,我們可以稍微更智慧一點,投資「大盤」跟「公債」!
今天終於要來介紹加速度指標,這個指標的用處,在於可以篩選出「止跌回升」或「加速往上漲」的股票,經過回測驗證是有效的。搭配其他指標,可以獲得約20%的年報酬率。接下來我們就來用 python 實做它吧!
機器學習究竟能不能輔助人類買賣股票?答案一定是可以的,我們可以藉由機器學習歸納出結果,來優化我們的選股方式,今天這篇文章沒有非常高深的數學,也沒有困難的程式,只會有做完研究的心得,幫助大家選股更順利!
你為什麼要用Python投資?Python投資有什麼好處?處在訊息萬千的時代中,如何不被淘汰?雖然本blog都一直在宣揚python,但是我們似乎漏掉了最重要的一點,「為何要用Python來投資」?那今天就讓我娓娓道來吧!
大家都在說房價市場恢復景氣,然而真的是這樣子嗎?你有沒有覺得,怎麼每個人說的話都不一樣?數據雖然都是實價登錄,但有些人就是看到漲,有些人就是看跌?究竟誰說的對,還是必須要親自研究一下數據,才會知道!
賺了一輩子的錢,還不如買對一戶房! 非常誇張,但又滿有道理的!假如一定要買房子,要買在哪裡呢?隨著屋齡不同,房價應該要如何變化呢?這些問題,可能只有房地產專家為你解惑,但一般人要買房,除了相信專家以外,還能怎麼辦呢?
這一篇文章中,我們要針對以往的labeling方式進行優化,讓訓練出來的模型,可以有更準確的預測。沒有參加課程的同學,也可以跟我們一起學習,下方的程式碼都是完全公開的!請大家自行拿取玩玩看喔!
文章導讀:機器學習用來投資一直都是非常熱門的學問,近年來深度學習模型開始受到非常多的矚目,尤其是在電腦視覺方面,所以接下來導讀的這篇文章,就是提供了一個全新的方式,將目前最火紅的 視覺神經網路CNN,用來預測股票的漲跌。
上一篇文章中,帶大家寫了一個簡單的策略,然而,在現實生活中並沒有這麼管用,20年才賺三倍!?所以這篇文章將帶介紹如何利用修改參數,來調整策略,進而達到更好的績效!
上一集我們介紹了Sharpe ratio,可以用來衡量風險跟報酬的指標(也就是報酬 / 風險),這集我們就利用Sharpe ratio來進行台股的模擬買賣,假裝我們這20年來,都使用sharpe ratio的策略,可以得到多少獲利呢?