TEJ 正式搭上量化投資風潮這班特快車，你準備好一起了嗎？TEJ 每月分享我們在量化金融領域的一些見解與 TQuant Lab 的應用心得，歡迎各位閱讀指教！
歐美成熟市場投資人結構以機構投資人占比最大，許多研究實證指出機構投資人的交易行為對股價具有預測能力。但相對於歐美市場，台股市場組成卻以個別投資人占比最高2，且交易金額居市場之冠3。個別投資人交易行為與顯示非機構投資人的個別投資人在台股市場上具有重要地位。因此，其交易行為與股票期望報酬率的關係是值得進一步去研究。
過去在缺乏個別投資人交易資訊的環境下，學者僅能運用均張、均量的資料進行推估，但隨著委託簿分割技術日趨成熟，這類的特徵因子可能漸漸失去代表性。所幸，台灣集中保管結算所對於資訊揭露不遺餘力，其按週公布的集保股權分散資料為計算個別投資人的交易資訊提供了重要基礎。股權分散表主要依照股東ID歸戶，利用持股數劃分為15個不同級距(1張以下(1-999股)、1至5張、5至10張…1000張以上)，並按此分類披露持股人數、持股股數與持股比率。股權分散資料使我們得以更準確地辨識個別投資人的身分。考量個別投資人(後續簡稱散戶)因缺乏專業的投資知識、通常以小額資金進行投資，故本文將應用股權分散表中1-5張級距的股東做為散戶的代理變數。本文將運用因子分析結果設定買賣條件、投組再平衡時間以及相關限制和費用，透過 zipline-tej 對策略進行模擬回測，以及對回測結果運用pyfolio-tej評估策略風險與績效，判斷投資策略做為實際投資的可行性。
全文連結
如果你接觸投資有一段時間，肯定聽過不少有關程式交易、量化交易的投資方法。對於那些對軟體、程式碼沒有任何研究的新手來說，一開始可能會覺得艱澀，但隨著近年來AI的崛起，投資策略能否更加自動化，或許將成為未來投資者們必須善用的工具。而程式交易一大優勢在於能有效克服「人性弱點」！本篇文章將透過程式交易的教學，帶大家一窺程式交易與人為交易的差別，從程式交易的基礎概念開始，逐漸入門，並掌握程式交易的使用技巧！
全文連結
在機器學習領域上，對於金融市場的衍生性商品之價格預測始終是一塊熱門領域，無數研究皆著眼於如何利用機器學習獲取市場的超額報酬。然而由於金融市場畢竟是人性的集合體，包含許多不規則與不確定因素，普通的機器學習模型如羅吉斯回歸、隨機森林和極限梯度提升等模型，似乎都無法有效捕捉過於複雜的市場規則，到了今日，隨深度學習的蓬勃發展，越來越多時間序列相關的模型的出現，似乎能應用於未來股價的預測中。
全文連結
本集影片介紹甚麼是布林通道(Bolinger Bands)，布林通道的概念和計算方式以及如何利用布林通道去進行市場價格趨勢的判斷，也介紹了 John Bolinger 對金融分析工具獨到的想法。
透過 TQuant Lab 取得已經設定好的因子，只需要簡單導入幾個因子，就可以快速計算出指定時間區間內的上中下軌，省去了程式碼的繁雜，讓使用者能更快進行分析，另外 TQuant Lab 也有提供免費試用，讓你/妳在職場上多一項利器！！
