前言

初步推算出大盤與台積電有很大的正相關，然後看看資金雄厚，影響市場非常大的三大法人，哪些東西可以適合我們，當我們第一個訊號燈。

本日程式碼使用：d17_TaiexAndLegal.ipynb

取得比對資料：加權指數、三大法人期選留倉

在這邊我們先簡單的取今年，2021年的資料做比較，是不是今年的趨勢可以用三大法人的留倉來看。因此我們分別取三大法人的期貨、選擇權留倉來跟加權指數比較。

首先分別取他們今年的資料：

# 取得三大法人留倉的資料
df_legal = pandas.read_sql("SELECT * FROM LegalDailyFutureOption WHERE TradeDate >'2021-01-01'", con=conn)
# 取得加權指數的資料
df_taiex = pandas.read_sql("SELECT * FROM StockTransactionInfo WHERE TradeDate >'2021-01-01'", con=conn)

因為三大法人資料，裡面有三個群組，分別是：投信、自營商、外資，我們把資料單獨抓出來，因此用dataframe.loc[]的方式取得資料，括號裡面飯我們的欄位條件，也就是我們分群組的欄位TradeGroup，因此程式碼就會是這樣：

# 投信 資料
df_investment = df_legal.loc[df_legal['TradeGroup'] == "投信"]
# df_investment.head()  #查看資料

# 自營商 資料
df_self = df_legal.loc[df_legal['TradeGroup'] == "自營商"]
# df_self.head()    #查看資料

# 外資 資料
df_foreign= df_legal.loc[df_legal['TradeGroup'] == "外資及陸資"]
# df_foreign.head()     #查看資料

就會有三個dataframe個別存三大法人資料。

畫圖與比較

資料整理後，就可以進行三大法人與加權指數的比較囉。

目前還不知道到底是「期貨留倉」與加權指數關係比較密切，還是「選權權留倉」，所以這次把這兩個都畫出來，跟加權指數的圖比看看，就知道是要擇一還是都用。

#畫圖：投信
df_investment.plot("TradeDate", "FutureOINetQty")
df_investment.plot("TradeDate", "OptionOINetQty")

#畫圖：自營
df_self.plot("TradeDate", "FutureOINetQty")
df_self.plot("TradeDate", "OptionOINetQty")

#畫圖：外資
df_foreign.plot("TradeDate", "FutureOINetQty")
df_foreign.plot("TradeDate", "OptionOINetQty")

# 畫圖：加權指數
df_taiex.plot(x="TradeDate", y="Taiex")

畫出來的圖都是折線圖，但是參數的方式給的不一樣，三大法人用的是沒有帶參數名，預設就會認為第一個是X軸，第二個是Y軸的資料；而加權指數的方式，是給予X和Y名稱，因此可以不用按照順序給予資料，這樣我們也很清楚給的X與Y分別取得哪些資料。

回到圖表，可以看得出來，選擇權的關係遠遠不如期貨，期貨跟大盤的圖看起來十分地接近，所以我們這邊可以淘汰選擇權的資料，直接用期貨的資料來做訊號囉！

後記

其實選擇權也有其意義存在，不能小覷，因為可以把選擇權當作期貨的避險商品，所以也在某種程度反映著大盤。但這邊也不會細講這個部分。期貨也是類似的概念，初期是規避風險而發展，但現在卻可以當作現貨的先行指標，反映未來，其中的奧妙，但詳情也不在這說明，有興趣的可以上網查查資料吧～說下去會說到天荒地老...

這邊只把很清楚的趨勢來出來講，也就是期貨看起來與大盤有很大的正相關