iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 1
2
Elastic Stack on Cloud

Elastic 戰台股系列 第 1

[Day01] 土砲盤後選股工具邂逅 Elastic Search

  • 分享至 

  • xImage
  •  

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。
https://ithelp.ithome.com.tw/upload/images/20200914/20129624cZTqhHzof6.png

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!


下一篇
[Day02] 盤後資料上 ES Cloud - 認識 ES 資料架構
系列文
Elastic 戰台股30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言