跳至主要內容
關於TEJ
最新消息
解決方案
企業信用風險解決方案
TCRI 台灣企業信用風險指標
TCRI 看門狗
集團觀察家
ESG 永續發展解決方案
TESG 永續發展指標
TESG 永續資料集
TESG 事件雷達
TCFD 氣候變遷風險解決方案
TCFD 轉型風險情境分析報告
TCFD 實體風險災害損失解決方案
企業商情解決方案
中小企業異動雷達
企業訴訟資料集
量化金融解決方案
TQuant Lab回測系統
Factor Library因子資料庫
評價分析解決方案
企業評價
價格分攤與減損
無形資產評價
PRIS 金融資產評價
法遵科技解決方案
BIS 資本適足率計提系統
Censrisk 市場風險評估系統
審計品質分析解決方案
全部產品介紹
資料銀行
全部證券金融市場
台灣證券金融市場
中國證券金融市場
香港證券金融市場
韓國證券金融市場
日本證券金融市場
總體經濟
專家觀點
客戶專區
服務提供方式
影音學習
下載專區
範例報表下載
操作手冊下載
技術手冊下載
E SHOP
常見Q&A
繁體中文
English
聯絡我們
Home
>
python
>
Page 5
python
03
/
08
2024
TQuant Lab 股價動能因子策略,強者恆強的市場天擇
本次動能因子策略運用動能因子「之前表現好的股票,未來也會表現好,反之亦然」的觀念模擬回測,在紀錄月紀錄三個月來的每檔股票動能,等到交易月進行下單,驗證「強者恆強、弱者恆弱」在台股之可獲利性。
02
/
22
2024
TQuant Lab 華倫.巴菲特企業投資法則
本文精選巴菲特企業投資法則中的五大選股條件,從利用 TejToolAPI 抓取財務資料與標的篩選,到使用 TQuant Lab 回測標的的投資風險與績效,我們將一窺巴菲特的投資風格,並體會企業投資法則帶來超額報酬的能力。
01
/
25
2024
TQuant Lab RSI 均線策略,找出低檔反向操作
以RSI 均線策略來製作收斂策略。RSI 是震盪技術指標的一種,代表市場中買賣雙方的力量拉扯比較。由於 RSI 本身不具備方向性,而均線具備判斷市場趨勢方向的特性。
07
/
18
2023
如何避免投資人常犯錯誤-損失規避
『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。
01
/
25
2022
三大法人都買哪些產業?
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。
01
/
11
2022
配對交易
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。
12
/
28
2021
Brinson Model 績效歸因
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。
12
/
21
2021
RSI指標回測實戰
RSI是判斷股市當中買賣雙方力道強弱的動量技術指標,綜合考量上漲下跌的幅度和天數,評估市場買賣超的情形,決定進出場的策略。
11
/
23
2021
Django與TEJ API (Part 1)
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。
11
/
09
2021
建構公司儀表板 以雷達圖為例
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。
10
/
26
2021
KD指標回測實戰
本文主要透過TEJ的股價資料庫,計算出KD指標後產生訊號,接著再利用函數計算出報酬率。KD指標是技術分析常見的指標之一,主要用於判斷股價當前的強弱程度、可能反轉的時機,接著再產生進出場的訊號。
10
/
19
2021
XGBoost 演算法預測報酬(下)
上一篇講解了如何創立新環境並安裝模組 XGBoost,環境的設定是基礎,一開始出問題的話,後面會有許多奇奇怪怪的 Error,如果還沒看過上一篇的話,可以點這這裡,這一篇我們要對資料做一些處理,完成後再帶入模型裡讓機器去學習,學習後可以去預測未來的報酬,也可以看哪一個因子對預測是最有效果的!
<
1
...
3
4
5
6
7
8
>
Procesing