Fintech練功坊

MACD代表“移動平均收斂/發散指標”（Moving Average Convergence Divergence），是一種常用於技術分析的工具，用於衡量一個資產的趨勢變化和動能。

TQuant Lab 提供強大的量化回測系統，高精確度的績效風險計算、高品質的資料來源、高擬真度的交易環境模擬，幫助使用者快速部屬各樣的交易策略，歡迎各位點擊進入文章了解更多資訊。

震盪技術指標（Oscillator Technical Indicator）是一種用於分析金融市場的技術指標，用於衡量資產價格在一段時間內的超買和超賣情況。震盪指標可以幫助交易者識別市場轉折點或價格趨勢的反轉。 震盪指標的計算通常是將某種價格指標（例如收盤價、開盤價、最高價或最低價）進行處理，使其在某個範圍內波動，有些指標可能有負值。震盪指標通常是以線性的形式展示。 本次將會為各位其中的一種震盪技術指標——阿隆指標。

『損失規避』在投資的世界中是一個關鍵的議題，無論是對於新手投資者還是經驗豐富的專家都是如此。在我們追求投資回報的同時，損失的風險也時刻存在。因此，採取有效的損失規避策略至關重要，以保護我們的資金並提高投資成功的機會。

「前視偏誤」（Look-ahead bias）指的是在歷史分析或決策過程中，不知情地使用未來或無法獲得的資料或信息的錯誤。它出現在當資訊或數據在特定時間點上是未知或不可得知的情況下，被用於做出決策或進行評估，就好像這些資訊在當時已經知道了一樣。 前視偏誤可能會導致結果扭曲和誤導，因為它違反了只使用分析時可用的資訊的原則。它可能出現在各個領域，包括金融、經濟和數據分析，並可能影響投資策略、交易系統的回測、績效評估和研究研究。 本次實作將展現金融領域中一個常見的前視偏誤 ━ 在測試交易策略時使用歷史價格或交易數據，但該數據包含未來價格變動的信息，而這些信息在當時是不可得知的。這可能導致人為膨脹的績效結果和對策略盈利能力的不切實際的期望。

蒙地卡羅模擬法被廣泛運用於財務金融領域，股價路徑預測 中我們已經介紹如何使用蒙地卡羅模擬預測股票價格，今日我們將推廣到更難的選擇權定價模型。在 CRR模型 與 Black-Scholes 模型與 Greeks 兩篇文章中，我們分別使用二元樹原理與 Black-Scholes 公式解計算買賣權理論價格，其中也解釋了許多選擇權相關的基礎知識，若對選擇權一知半解的小夥伴，建議先閱讀完這兩篇文章後，再回來閱讀本篇文章。於之後的章節，我們會先演示如何使用蒙地卡羅法預測股價，再來推廣到歐式選擇權定價，最後介紹一些變異數縮減方法輔助我們使用蒙地卡羅模擬。

倖存者偏差（Survivorship bias）是指在研究或觀察中，只有成功或倖存下來的事物或個體被考慮，而那些失敗或消失的事物或個體被忽略或排除在外的一種誤差。這種偏差可能導致對整體情況的誤解，因為僅僅觀察到成功或倖存下來的事物可能並不代表整個群體的特徵或真實情況。

STREAMLIT 是一個在 2018 年誕生的 python 套件，它有許多內建工具提供使用者進行操作，由下方範例顯示，左側的控制台可以針對右側dashboard進行設置，工具包含下拉式選項、滑桿…種種工具讓使用者可以自由編排、調整版面，輕鬆完成一個小型的 APP 專案，更多工具可以參考以下網站，接下來將以實作展示如何使用 Streamlit 套件結合 TEJ API 達成視覺化應用。

本益比是最常用來判斷股價是否合理的指標之一，其公式為本益比=每股股價/每股盈餘。若本益比太高代表目前的股價高估、偏離合理的價格，當前獲利狀況不足以支撐如此高的股價，未來股價修正、下跌的機會高；反之，若本益比太低代表目前股價低估、偏離合理的價格，股價並未充分反映目前獲利狀況，未來股價回升、上漲的機會高。