我認為學習新技術最有效率的方式，就是設定一個要解決的問題。在主管和主管老婆的推坑下，有了學習 Elastic Search 的契機，經過討論，決定將自己兩年前寫的本機選股程式，移植到 Elastic Cloud，開始 30 天的戰鬥！

選股 = 模式 + 數據

掌握股票價格的「模式」和「數據」，就可以有效率的篩選出投資標的。市場上有許多的投資大師教導投資人選股策略，例如最近很紅的「超簡單投資法」，強調透過判斷股價站上 20 週線及成交量放大，搭配趨勢線和型態來篩選股票。其中的「站上」與「放大」就是一種模式，「20 週線」與「成交量」就是數據。讀了很多投資大師的著作，我覺得透過組合不同的模式，進行選股實驗，是一種很大的樂趣，所以開始設計自己的選股程式。

本機選股程式架構

我目前的選股程式是以 Python 開發，透過証交所 API 取得盤後資料，由於打造的目標是快速可用的選股工具，所以沒有設計資料庫，股價的原始資料是以 CSV 格式存放，利用 Pandas 讀入個股資料，並利用 TaLib 進行技術指標計算，最後將選股結果輸出成 HTML。透過這個程式，搭配一些選股策略，也著實替我找到不少「漲」相不錯的標的。

與 Elastic Search 的水乳融合

從系統架構中，可以發現原本的程式有幾個急待改善的地方：

1. 沒有資料庫
2. 缺乏良好的可視化工具
3. 選股追踨需要人力介入
4. 盤後資訊的更新需要手動觸發
5. 本機程式使用上的空間限制

在快速的理解 Elastic Search 的輪廓後，初步的想法是把 ES 當作資料庫，取代原本的 CSV 檔案，另外，利用 Kibana 的強大功能，打造可視化的選股儀表板。原本就打算把我的選股工具上雲，藉這次的機會，也一併實現。由於仍是 ES 領域的新手，還能導入什麼很酷的功能，就在接下來的 30 天持續挖掘吧！