Finance

量化投資分析已成為金融領域中至關重要的一部分。其中，完整且豐富的投資資料是建構成功策略的基石。

前言 在當今迅速發展的金融市場中，財務資訊的品質對於制定財務決策至關重要，隨著金融數據的取得成本越來越低，來源 […]

三大法人是台股市場中重要的參與者，個股的三大法人每日買賣超、累積買賣超與持股比例資訊，都是投資人參考的依據。故本文透過分析三大法人在整體股市與各產業的持股市值變化，來梳理三大法人從2015年至今的產業偏好與投資策略差異，期待能為讀者帶來交易上的靈感。

當市場資金過度氾濫時，投資人為了規避系統性風險，常透過資產配置的方式同時建立多空部位，來消除大部份市場風險，獲得穩定報酬。而本文挑選長榮與陽明做為配對交易的股票對，並以單根檢定確定兩檔價差存在定態性，即確認長榮與陽明具有共整合關係，從而在價差偏離時，買進被低估的股票，賣出被高估的股票，並在價差修正時，反向平倉，賺取價差。

投資組合的績效表現受到許多因素影響，我們不容易清楚區分績效表現是源於大盤上漲、交易員的選股能力，還是資產配置或產業配置得宜? 故我們可以透過 Brinson(1985)提出的績效歸因方法，幫助我們將投資組合與標竿指數間的超額報酬拆解為選擇效果、交互效果與配置效果，了解績效歸因來源，作為日後投資決策的參照。

Django為開源的Python基於web開發而設計的應用框架，因為其擁有既定的框架、豐富的函示庫的優點，使用者能夠以更簡單、快速的方式開發網站。

雷達圖為儀錶板上常見的圖表，也是常用於分析財務報表的方式。透過比較公司其他年度、或是同產業公司的表現，可以了解公司相關財務指標的趨勢，與同期同產業公司的相對表現，因此對於基本面分析相當有幫助。

近來演算法興起，發展出各式各樣的數學模型用以分析並解決問題，經典的演算法為「迴歸模型」，但隨著科技的進步，發展出能自我改進學習的算法 — 機器學習(Machine Learning)，發展至今成為最火熱的類累神經網路模型 (Deep Learning)。 本文章介紹樹狀模型 XGBoost，文章將會分兩部分，上半段為環境設定與模組安裝，以及資料庫的介紹。下半段為資料的預處理，模型的訓練、預測和視覺化。

「馬丁交易策略」是從18世紀開始流行的賭博方式，主要方法為當每次虧損時，下次的下注就加倍，如果下次贏的話，不僅能收回先前的損失，還會獲得第一次下注總額的報酬，聽起來是一個穩賺不賠的策略，但其背後隱含著巨大的風險。

TEJ 提供許多透過程式語言來去存取 TEJ 資料庫的方式，像是可以使用 Python 搭配 https存取的 REST API、TEJ API模組導入，或是利用 R語言的 R API，以及 NET語言的 .Net API，雖然運作原理有些不同，但撈取資料的邏輯、參數的讀取還是有許多類似的地方，進而方便使用者能隨時轉換。因此本文以先前做過介紹的REST API、TEJ API進行探討， 看看兩者串接 TEJ 資料庫的差異吧！

吉姆．史萊特(Jim Slater)是英國知名的成長型投資大師，曾替週日電訊報 (Sunday Telegraph) 撰寫投資組合推薦專欄，於 1963至1965年間獲取約 68.9 % 報酬率，與此同時，英國股市僅上漲 3.6%，吉姆．史萊特因此聲名大噪。其最著名的莫過於以「祖魯原則」為依據的投資方法，主張在投資市場向必須學習祖魯族一樣，集中火力在自己選定的利基專門領域，這樣才能發揮優勢。吉姆．史萊特則特別注重中小型公司長期獲利的成長及相對強度，並以本益比/成長率比值(PEG)等作為評價的重要標準，如以下所示 : 過去四年每股盈餘持續成長大於15% 本益比/成長率比值(PEG)小於1.2、預估本益比低於20倍 流動性高、借貸低、現金流量高、過去5年每年皆有獲利 公司有競爭優勢，如能主導市場的強勢品牌 有轉機或有題材：如新產品或新管理階層 市場資本小、股價相對強度高、管理階層持股比重高

華倫．巴菲特 Warren E. Buffett 是全世界有史以來，靠股票賺最多錢的人，1956年回到奧瑪哈以100美元起家，至1999年8月為止，個人資產總額已達360億美元以上，成為全美第二富有的人。巴菲特的投資法則非常簡單，首先不理會股價每日的漲跌，其次，不去擔心總體經濟情勢的變化；再者，以買下一家公司的心態投資而非投資股票