前言

在建置這個模型的過程中，挑選和計算關鍵特徵很重要。這些特徵不只可以幫助我們的模型更懂市場趨勢，還能掌握投信的進出動作，讓我們在預測股價走勢時更有把握。本篇我想來聊一下我們手上已經有的數據，以及接下來要怎麼利用這些數據來計算出一些進階特徵。

現階段我們有的數據

我們擁有台灣股市從2020年1月2日至2024年9月27日期間的每日交易數據，涵蓋所有具有投信買賣紀錄的股票。這些數據其實已經可以幫我們做一些基本的技術分析，接下來還可以用來算出更進階的特徵。

現在有的欄位大概如下：

• 交易日期 (date)：每筆交易的日期
• 股票代號 (stock_id)：每支股票的代號
• 每日成交量 (Trading_Volume)：當天的總成交量
• 開盤價 (open)：當天的開盤價格
• 最高價 (max)：當天的最高價格
• 最低價 (min)：當天的最低價格
• 收盤價 (close)：當天的收盤價格
• 投信每日買賣超淨額 (Buy_Sell_Net)：投信當天的買進減去賣出的淨額

有了這些欄位之後，我們就可以進一步來算一些更有用的進階特徵。

如何利用這些數據來算進階特徵

為了讓LSTM模型能更精準地預測未來股價，我們可以利用現有的數據來計算以下幾個進階特徵。這些特徵可以幫我們更好地理解市場趨勢，並分析投信的行為。

1. 投信介入力道

   • 每日買賣超淨額佔總成交量比例：
     這個特徵可以幫我們了解投信對這支股票的影響力。程式大概這樣寫：

     投信介入力道 = Buy_Sell_Net / Trading_Volume
     

     比例越大，表示投信對這支股票的「力道」越強。

   • 累積買賣超淨額：
     我們可以累積投信過去幾天的買賣超淨額，這樣可以看到他們是否持續佈局這支股票。這個特徵不僅能幫助我們看到投信的長期佈局，還能偵測到投信的「突然介入」。當某天的買賣超淨額突然大增，累積數值會在短期內跳升，這可能是投信大幅進場的跡象。

     計算方式大概這樣：

     累積買賣超淨額_5天 = Buy_Sell_Net.rolling(window=5).sum()
     

     假設要偵測到投信突然大幅介入，你可以這樣設定條件：

     if 累積買賣超淨額_5天 - 累積買賣超淨額_5天.shift(1) > 某個閾值:
         print("投信突然介入")
     

     當累積買賣超淨額在短時間內大幅上升時，我們就可以捕捉到投信的突擊佈局。

2. 葛蘭必突破
   葛蘭必突破中很重要的是移動平均線（MA），用來觀察價格的趨勢，之前我們有寫過一篇專門在講葛蘭必突破的計算方法，可以參考這裡。這邊我再將長中短均線的計算方式列出來：

   • 短期MA (MA30)：
     短期MA能幫助我們看短期內價格的波動。假設要計算MA30，程式是這樣：

     MA5 = close.rolling(window=30).mean()
     

   • 中期MA (MA100)：
     MA100用來判斷中期的趨勢，常常用來看股價變動的方向，程式大概這樣：

     MA50 = close.rolling(window=100).mean()
     

   • 長期MA (MA200)：
     MA200則是用來看長期趨勢，幫助我們判斷市場的整體走向：

     MA200 = close.rolling(window=200).mean()
     

3. RSI (相對強弱指數)
   RSI可以幫我們判斷這支股票是「超買」還是「超賣」。RSI值通常在0到100之間，計算方式稍微複雜一點，但程式如下：

   delta = close.diff()
   gain = (delta.where(delta > 0, 0)).rolling(window=14).mean()
   loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean()
   RS = gain / loss
   RSI = 100 - (100 / (1 + RS))
   

   當RSI超過70時，表示股票可能超買，價格可能會回調；如果低於30，則可能是超賣，價格有機會反彈。

4. 帶寬指標值（Bandwidth Indicator）
   帶寬指標值用來衡量布林通道的波動範圍，並且將這個範圍標準化，使其相對於中線（通常是20天移動平均線）。這樣可以幫助我們更好地比較不同時期或不同股票的波動性。計算方式如下：

   帶寬指標值 = (上軌 - 下軌) / MA20