iT邦幫忙

時空序列分析-關鍵籌碼分析相關文章
共有 30 則文章
鐵人賽 Python DAY 7

技術 LSTM的變形? 認識 CNN+LSTM 和 ConvLSTM之間的差異

今天來介紹 CNN + LSTM 和 ConvLSTM 之間的差異,文章有點長,謝謝耐心觀看兩種都是在深度學習中常見的網路架構,也都可以處理時空序列的資料! L...

鐵人賽 Python DAY 4

技術 題目的靈感來源? 其他人都是怎麼做股票分析的?

禮拜日還要寫文章,各位好~ 一開始做這題目的靈感來源從這篇文章而來,ML and FinTech: Project by 徐培修(上面這篇幾年前的文,資料我嘗試...

鐵人賽 Python DAY 1

技術 時空序列分析是甚麼? 籌碼分析又是甚麼?

由於自己本身對於股市非常有興趣,平時也有在做一些小小的投資自己買股票,再加上現在在本科專業上學到一些人工智慧相關的技術,打算相結合一起來研究,實作看看會碰撞出什...

鐵人賽 Python DAY 8

技術 FinMind拿資料,只提供部分免費功能!

繼大前天的爬蟲拿資料? 來學習怎麼畫股價K線圖! Step(1/2): 認識K線圖,在學習怎麼繪製股價K線圖, 今天延續一下,繼續研究 FinMind, 為了知...

鐵人賽 Python DAY 10

技術 爬蟲拿資料? 來學習怎麼畫股價K線圖! Step(2/2): 自己爬股價

繼前天 用 FinMind 可以拿到股價資料,昨天參考到的文章內也有教學如何使用爬蟲來抓取資料, 除了用FinMind,今天我們來研究一下如何用爬蟲抓股價好了~...

鐵人賽 Python DAY 2

技術 關鍵分點,籌碼分析的核心概念? 怎麼運用在時空序列分析上?

今天繼續來跟大家一起學習~ 先來介紹關鍵分點 ~ 關鍵分點 這個詞主要是從權證小哥的影音學習而來,我個人認為,觀察這點的概念可以進行延伸,權證只是其中一個操作的...

鐵人賽 Python DAY 12

技術 爬蟲很好玩,獲取籌碼資訊有解? 動態網頁的爬蟲方式!

還記得之前提到了兩個籌碼資訊的困難點 在DAY3的文章 實作簡單的籌碼分析,資料從哪裡收集? 有資料集還是要自已爬? 的時候, 證交所的買賣日報表查詢系統只能...

鐵人賽 Python DAY 3

技術 實作簡單的籌碼分析,資料從哪裡收集? 有資料集還是要自已爬?

突然發現網路上這種東西都被那種大師和財經達人拿來賣課程@@我們就這樣直接分享出來會不會破壞行情xd 所以籌碼分析到底要怎麼開始? 從別人的文章或是教學來找靈感...

鐵人賽 Python DAY 5

技術 爬蟲拿資料? 來學習怎麼畫股價K線圖! Step(1/2): 認識K線圖

參考了昨天那篇文章的欄位,發現最後有進行回測績效,要做回測績效,當然也要先有股價資料才可以回測! 有時候看這種網站和APP看久了,也會突發奇想,想要自己畫一個。...

鐵人賽 Python DAY 9

技術 決定欄位! 天下沒有白吃的午餐,股價、籌碼資料的其他來源?

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(...

鐵人賽 Python DAY 14

技術 含金量滿滿的文章? Step(2/4): 關鍵分點籌碼爬蟲,券商分點地圖視覺化

昨天將券商分點的地理位置處理過,再用google map API 把經緯度爬下來, 今天來把這些資料,視覺化成券商分點地圖 這邊除了會用matplotlib以外...

鐵人賽 Python DAY 13

技術 含金量滿滿的文章? Step(1/4):關鍵分點籌碼爬蟲,之前拿到的券商地點,要怎麼處理?

各位日安,還記得在這篇文章的時候決定欄位! 天下沒有白吃的午餐,股價、籌碼資料的其他來源? , 透過 FinMind 拿到了證券商資訊表,裡面內含著券商分點的地...

鐵人賽 Python DAY 11

技術 python繪製股票K線圖第二彈! 上櫃與上市公司的股價爬蟲

基於昨天可以把上市公司的股價爬蟲寫出來,今天把上櫃公司也做一遍~ 延續昨天的那份程式,上面這邊套件引用、圖表設定的,影響不大的都保留著 import panda...

鐵人賽 Python DAY 15

技術 含金量滿滿的文章? Step(3/4):關鍵分點的籌碼資訊,ChromeDriver你幹嘛!

回顧[爬蟲很好玩,獲取籌碼資訊有解? 動態網頁的爬蟲方式!]這篇文章,(https://ithelp.ithome.com.tw/articles/103439...

鐵人賽 Python DAY 6

技術 欄位應該有哪些? 我需要什麼資料? 時空資料的特性與要求

昨天利用FinMind的工具可以取得股價和K線圖, 但無論是進行機器學習或是深度學習,我們都會需要資料集以進行模型的訓練。 我們的目標是要 預測未來一段時間內,...

鐵人賽 Python DAY 16

技術 含金量滿滿的文章? Step(4/4):關鍵分點的籌碼資訊,你也可以自己拿!

今天來完成最重要的步驟,除了昨天看過的土銀-白河 對 所羅門(2359)個股 單一券商歷史明細 https://fubon-ebrokerdj.fbs.com....

鐵人賽 Python DAY 17

技術 ConvLSTM模型訓練時空資料? 工兵隊Debug中

延續昨天,我們拿到了各個券商分點5/13~5/16 對所羅門進行買賣的籌碼資訊,既然資料收集的部分解決了,下一步來做資料前處理,接著用模型來訓練。 原本DAY1...

鐵人賽 Python DAY 20

技術 資料欄位重新轉置,重新訓練時空資料的ConvLSTM模型!

鑒於昨天做了個神奇的結果出來,跟朋友討論了一下, 決定先保留三個維度的資料就好 (時間、空間、籌碼) (如下圖) 這個例子是以 所羅門(2359)起漲的三天(5...

鐵人賽 Python DAY 22

技術 四顧模型迎來的春天,時空資料的ConvLSTM模型訓練成功!

分析在昨天和前天的模型當中,預測結果出現NaN, 可能是這幾個原因造成的: 資料一次顯示太多,圖表無法正常顯示,可以只列出部分先觀察。 資料中可能有NaN值...

鐵人賽 Python DAY 26

技術 時空序列分析-關鍵籌碼分析的結論心得與未來方向

這篇以前的流程,如果運用適當的時間段資料->訓練模型->評估->調整,重複這個過程不斷去嘗試,應該可以做出不錯的預測。 隔日沖 說到現在市場上...

鐵人賽 Python DAY 27

技術 番外篇1 - 用 python 程式撰寫一般交易回測-Moving Average Strategy(1/2)

針對昨天文章 subaru219 的留言,因為網站的規則,我現階段沒辦法留言和回覆,因此在這裡回覆您! 謝謝您提出的想法! 在更早之前我也有想過這個問題, 其實...

鐵人賽 Python DAY 28

技術 番外篇1 - 用 python 程式撰寫一般交易回測-Moving Average Strategy(2/2) 策略優化與視覺化

昨天遇到的這個問題, KeyError: 'Close'---> signals = generate_signals(all_data, short_...

鐵人賽 Python DAY 18

技術 配合ConvLSTM模型,資料應該是什麼形狀?

東西做多了思路容易亂,回顧一下 LSTM的變形? 認識 CNN+LSTM 和 ConvLSTM之間的差異DAY7 寫這篇的時候, 參考到幾篇其他人的文章,例如這...

鐵人賽 Python DAY 30

技術 番外篇3 - 簡單LSTM模型預測結果+策略回測 (暨30日完賽心得)

今天原本想做LSTM模型來預測籌碼資訊,但突然想到一個更想做的, 就是把模型預測的結果,再去結合交易策略(不一定要是前面的雙均線策略), 再進行回測,一個簡單的...

鐵人賽 Python DAY 19

技術 Debug工兵隊收隊,開始訓練時空資料的ConvLSTM模型!

昨天把模型重新理解了一次,用程式碼來實際修改成適合ConvLSTM模型的樣子,前天後續衍生的bug也一個個解決掉,最後的程式碼如下。 引入必要的套件,用來操作、...

鐵人賽 Python DAY 25

技術 時空序列ConvLSTM模型-預測結果解讀與視覺化(2/2)

今天來把最後分析完成, 單純只看文字和地址,還是很難聯想,那我們就把這些地址都視覺化吧! 同樣用到 DAY14提到的matplotlib和folium兩種工具:...

鐵人賽 Python DAY 23

技術 ConvLSTM模型預測結果-券商分點的買賣超籌碼預測視覺化

基於昨天把訓練出來的模型結果預測出來後,對結果不太滿意,又重新訓練了一下,結果那一點的誤差還是很大@@ 而單純看索引根本就不知道是誰(哪個券商分點)。 所以把對...

鐵人賽 Python DAY 24

技術 時空序列ConvLSTM模型-關鍵籌碼預測結果之分析與解讀(1/2)

歷經前面的千辛萬苦,終於可以來對預測的結果做進一步的分析了! (突然聯想到 牽心萬苦,現在還有人知道這首歌嗎(R.Chord的歌真的是一代經典,雖然現在有很多爭...

鐵人賽 Python DAY 29

技術 番外篇2 - 用簡單的LSTM模型預測股價

前天 在回應留言的時候,提到可以用 LSTM 模型來預測籌碼資料,而一般比較常有人用來預測股價,今天來實作一下用LSTM來預測股價。 而預測股價,又可以分成多種...

鐵人賽 Python DAY 21

技術 將圖像轉換成空間特徵,再次重新訓練時空資料的ConvLSTM模型!

昨天發現到, 資料的輸入應該是用2D圖(空間資料)+籌碼買賣超資料(時序資料)當作輸入。 另外,資料也沒有切訓練集、測試集。 具體步驟: 將時間序列資料擴展...