利用機器學習預測漲跌-優化方式
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!
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!
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!
這個單元我們要利用 for 迴圈將所有的歷史數據爬下來,並且繪製所有的歷史股價。我們也會介紹一些 for 迴圈的進階技巧,並且將這些技巧結合起來,完成這次的功能,想要學習python,就慢慢跟著我們一步一步來吧!
我們已經知道怎麼抓取任意一檔股票歷史價格了,但有時候我們一次需要很多檔股票,怎麼辦呢?難道每個股票我們都要寫這麼多行,才能抓下來嗎?今天我們教你如何將上一次的功能包裝成 function,然後一次下載全球指數!
Python 超簡單新手教學!這個系列文章的第一篇,我們要來介紹如何使用 Python 製作爬蟲爬取股價!而且全球股價都適用喔!今天讓我們回到原點,從最簡單的程式開始教起,想要做股票數據分析,一定要先得到股票資料,所以我們就從股票資料如何獲取開始吧!
這篇文章是2018年剛發表的paper,算是非常新但是滿有趣的方法,針對一般的股票建構一個預測隔日價格的LSTM模型,以下就是他的方法思路。
今天要介紹VIX,以及查看VIX如何幫助我們做美股長期投資。首先,究竟是什麼是VIX呢?VIX是一個預估12個月的波動程度,假如市場上的不確定因素越高,代表將來的股價會有非常高的不確定性,則VIX越高,假如市場普遍穩定,則VIX就會比較低。
這篇文章是印度指數預測,2015年發表的就能有191個citation,算是很有名的paper之一,全文特點是只使用了技術指標,來預測大盤每天漲跌,提出了一個有效的優化方式。
多虧了python,用最先進的統計模型來預測股價,程式交易超簡單!不用安裝程式,今天我們雲端寫code,適合完完全全的初學者!非常多非常多的人都用 python 在開發程式,因此,有很多高深數學軟體,都會有很多民間高手來實做,而我們只要會用就好了!學python從這篇開始!