總結一下前面的參賽內容，並做一些補充說明。

總結

技術指標與技術型態

技術分析主要有兩個體系，分別為技術指標與技術型態。技術指標大部分都是客觀的法則，但少部分是主觀性質（例如：背離）；因此在量化交易或程式交易多用技術指標。技術型態都是主觀性質，型態的建構積木有轉折點、價量關係、趨勢線...等；主觀性質並無法直接有程式處理，需透過「主觀性質客觀化」方式來將圖形或線段轉換為數據。

主觀性質客觀化

在本次參賽中，提到兩種方式進行客觀化：

方式一：將在看盤軟體繪製的圖形與線段以人工方式轉換成數據
方式二：利用演算法以自動化方式來找尋或識別型態

方式二可以說是程式自動化地進行趨勢線繪製或識別模式，可以用演算法（如Day14內容）或用人工智慧技術（如Day29內容）為之。而方式一是轉換股票老師手繪或自動化程序尚未完備時的手段，也是進行機器學習∕深度學習在資料標註上的方法。

案例：方式一（將在看盤軟體繪製的圖形與線段以人工方式轉換成數據）用於追蹤與監控

以下是一個案例，用以說明將主觀性質客觀化如何用於個股的追蹤與監控。程序如下：

• 從股票老師那邊取得圖形，用以做為基準。如下圖所示：

• 將上述圖形轉換成數據，接著在繪製圖形。如下圖所示：

• 估算目標價與停損價，並於突破後的價位買入。
• 到了（或超過）所設定的目標價後，進行賣出。如下圖所示：

量化技術分析

一開始我是想用「量化技術分析」做為參賽題目。但在整理內容後發現我目前系統中的自動化程度還不是那麼的充分（這也是未來要努力的地方），因此改用現在之題目名稱「用Python程式進行股票技術分析」。之後看到「量化交易之路：用Python做股票量化分析」一書後，發現是有量化技術分析的概念。此外該書有個展示網站用以展示「量化分析」，以下的案例就是關於頭肩頂型態的分析，如下圖所示：

而他人的研究與實作可以做為未來完善系統之借鑒與參考。

補充

量化位階評價法

在Day17提到趨勢、位階、型態。其實在位階量化部份國內有人提出〝量化位階評價法〞，可以參考文章「【心法】量化位階評價法，判斷股價甜蜜點」（請注意：在我撰寫程式的時間點（2023年3月）與現時點（2023年9月）之文章描述內容已有所不同，以下會以前者進行說明）文章內容。
這個概念要實作成Python程式碼不是很困難，首先要暸解「標準差」與「常態分佈」：

然後將標準差範圍與位階評價對應起來：

實作之Python程式碼如下所示：

def stock_rank_evaluate(prices_mean,prices_std,price):
    rank = ''
    price_std_range = (price - prices_mean) / prices_std
    if price_std_range < -2.0 :
        rank = '極低'
    elif price_std_range > -2.0 and price_std_range < -1.0 :
        rank = '低'
    elif price_std_range > -1.0 and price_std_range <= 0 :
        rank = '稍低'
    elif price_std_range > 0 and price_std_range < 1.0 :
        rank = '稍高'
    elif price_std_range > 1.0 and price_std_range < 2.0 :
        rank = '高'
    elif price_std_range > 2.0 :
        rank = '極高'
    print("價格 ＝ {:.2f}元（標準差範圍 ＝ {:.2f}） ， 位階評價：{}".format(price,price_std_range,rank))
    return rank

至此完成鐵人賽之30天賽程，感謝各位先進與同好這段時間的支持及指教！