FinLab 財經實驗室

Python 低風險高報酬投資組合

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？

今天我們來看一下市場上常見的風險與報酬指標：夏普比率（sharpe ratio），這是一個風險跟報酬的比例，有了夏普比率，你就知道為什麼要投資美股而不是台股了！

為什麼美股大跌，在台灣的投資人要很緊張？原因就是相關性！想知道台股跟哪國指數最同步嗎？不是S&P 500美國指數，也不是深圳指數，那究竟是哪國呢？這篇文章我們就來研究一下吧！