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!
過去十年間,隨著機器學習和自然語言處理(NLP)技術的創新,我們對資料的理解和定義已經發生了巨大變化。這些技術使我們能更有效地讀取、儲存和分析非結構化資料(unstructured data),從而挖掘出更多寶貴資訊,並提取出可行的交易訊號。
在非結構化資料方面,TCRI 看門狗資料庫(TCRI Watch Dog 或 TCRI WD,以下簡稱看門狗)提供了一個有趣的視角,它收集公司信用相關的公開資訊,如公開資訊觀測站的重大訊息、企業營運相關新聞及董事會和高管團隊變動等,並將這些重大且攸關的資訊即時傳達給使用者,有助於風險控管和決策制定。
雖然看門狗提供的數據旨在評估信用風險,但公司信用狀況可能與股價波動間存在關聯性,因此這些資訊同樣對投資決策具有參考價值。因此,本文將探討如何將看門狗所提供的信用風險數據轉化為可行的投資策略,並分析這種轉化對於預測市場走向的有效性。舉例而言,若一個公司的信用狀況好轉,可能會對公司的股票價格產生正面影響。透過這種方法,看門狗的數據也許能夠為投資者提供一個嶄新的視角,以判斷市場趨勢與投資機會。
基於以上理由,本文嘗試利用 TQuant Lab 作為分析工具,評估利用看門狗資訊建立投資策略的可行性。
全文連結
你有曾經想過營收會是一種訊號嗎?財報中的營收數字,不僅是公司營運狀況的直接反映,更是預測股價波動的潛在關鍵。本篇文章將利用季報選股,篩選台股上市櫃公司每季營收的前 20%,並進行多頭操作。透過這種基於營收數據的回測方法,我們可以捕捉市場中潛在的強勢股,並透過實際數據驗證此策略的有效性。這不僅簡單,而且能夠為投資人提供一種穩定且具系統性的選股依據,從中挖掘股價漲跌的玄機。
全文連結
在第一篇文章—利用 TQuant Lab 驗證深度學習 LSTM 股價預測成效(一),我們利用預測數據與實際數據的比對,對於訓練好的兩個模型(2618、8615 兩檔股票)有初步的成效評估,效果是不錯的,詳細分析可以點擊以上連結了解更多,篇幅原因就不贅述。
因此在第二篇文章,我們希望不要只是紙上談兵,將模型套用在 out sample 的資料,並根據預測結果決定進場點,實測看看效果是不是也如預期的好。
全文連結
本集影片介紹什麼是 RSI 指標,RSI 指標的概念和計算方式以及如何利用 RSI 判斷市場情緒,也介紹到了 J. Welles Wilder 的經歷。 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,就可以快速計算不同時間點下的 RSI 數值,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/妳在投資分析上多一項利器!!