之前在參考這位老兄的文章，
他是以單一檔股票的多日資料去進行機器學習的分析和預測。

**參考欄位是 日期(date)、券商(vendor)、買張(buy)、賣張(sell)、買賣超(BuyOverSell)，
**

可是這樣就只是單純的機器學習，而不是深度學習的時空序列資料了。

翻閱了一些文章，接著找到了這篇，

對耶，地緣券商，很符合這個題目的初衷，券商的地理位置就可以拿來當空間資料。

如果配合上券商的地址、地理位置，是不是就可以做時空序列分析了~!
(感覺會做出很有趣的東西)

這個作者教了許多爬蟲的方法和實例，
接著往前繼續看這個作者的文章，看看他的研究題目的目標和資料欄位是什麼。
在這篇08.爬股市每日價、量看到了我要找的東西，

columns= ['日期', '成交股數', '成交金額', '開盤價', '最高價', '最低價', '收盤價', '漲跌價差', '成交筆數']

兩個都參考了一下，決定欄位暫定成兩種資料

籌碼資料:

股票代號, 日期, 券商, 買張, 賣張, 買賣超資訊, 券商分點位置
ex. 1104, 20231212, 1041臺銀鳳山, 6, 0, 6, XX市YY區ZZ路

要抓的是 2023/12/12這天，
所有券商(例如:1041臺銀鳳山)針對1104這檔股票的買賣張數，以及券商的分點位置。

股價資料:

股票代號, 日期, 開盤價, 收盤價, 最高價, 最低價, 成交量
ex. 1104, 20231212, 23, 24, 27, 21, 5964

另外要抓的是 1104這檔股票，不同日期(看要抓取的目標時間區間)每天的開、高、收、低四個價位。

如果兩份資料合併在一起，大概會像這樣(預想中)

既然欄位決定好了，就可以開始篩選管道和收集資料了~

昨天我們使用FinMind 能拿到股價資料 (不過還需要做前處理來篩選)。

今天來看 FinMind 還可以拿其他資料嗎?

籌碼資料，結果免費仔不行...@@

不過倒是拿到了券商分點的地址，超棒!

這時我們想到了一開始的 買賣日報表查詢系統 !

但很可惜的是，他只能查前一天，不能看其他任意想要查找的日期。

要找找其他辦法，可能要依靠爬蟲了..!

參考資料&資料來源:

1. 14.爬公司資訊，地址、資本額(做地緣券商)
2. 08.爬股市每日價、量

每日記錄:
加權指數:21469，上漲598.9點，主要因美國領失業補助金的人沒有想像中的多，讓市場氣氛高漲。
一個開超高收更高，經濟衰退的疑慮好像又不見了(?