在最後的10天，我想挑戰一下實踐maching learning。

Project: 打造一個可以幫助預測股票走向的model

如果時間允許的話，我也想能夠根據理想的回報時間框架切換投資模式，如下所示：

• 日內交易（每日）
• 中期交易（每周）
• 長期交易（每月）

1-確定目標和範圍：

• 每日交易
• 投資類型：加密貨幣
• 策略：買低賣高，以30%的止損限制

2-數據收集：

從各種來源收集歷史和實時的金融數據。我需要有關歷史價格的數據。可靠的數據來源包括API、金融新聞源和金融數據庫。
為了進行這個練習，我將使用Python的yfinance模塊。

參考：https://medium.com/codex/10-best-resources-to-fetch-cryptocurrency-data-in-python-8400cf0d0136

3-股票指數（或稱股市指數、股價指數）是衡量交易所一組股票價格表現的指標：
我將用以下指數：

• 移動平均（SMA）：簡單但有效的指標，可以過濾噪音並突顯整體趨勢。對於這個項目，我們將使用每3天的簡單移動平均來進行加密操作。
• On-Balance-Volume（OBV）：基於交易量的指標，反映價格和交易量。它應該指示買入和賣出壓力。當交易量高且價格上漲時，它表示買入壓力，反之亦然。
• 蠟燭圖監控：監控前一個間隔的價格，以決定下一筆交易。為了進行交易，如果過去2天的價格上漲，則有可能繼續上漲。
  參考：https://www.tokenmetrics.com/blog/best-indicators-for-crypto-trading-and-analysis
  https://blog.quantinsti.com/candlestick-trading-a-momentum-strategy-with-example-excel-model/#:~:text=Candlestick%20trading%20is%20a%20strategy,that%20it%20will%20rise%20further

4-模擬加密平台選擇Roostoo

為了測試我的模型，我將手動提取數據以進行檢查。如果時間允許，我將使用Roostoo，並使用這個Rooster-API來測試模型。

5-要使用的模型

我將主要使用Python，我想要試試以下模型來做我的model:

• ARIMA / SARIME 用移動平均來訓練以及預測股票走向
• scikit-learn - 用於構建分類器的最基本的機器學習算法

由於我是初學者，我將參考和模仿其他專家在線上分享的方法。這個旅程將更多是一種練習以及學習心得。

對 dbt 或 data 有興趣？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加
Ref:

https://levelup.gitconnected.com/20-pandas-functions-for-80-of-your-data-science-tasks-b610c8bfe63c