鐵人檔案
討論算法交易，從交易基礎、Python工具與資料處理，從市場概念、API資料擷取、網路爬蟲到交易策略，包含趨勢跟隨、統計套利、高頻交易。從策略回測、績效評估、到滾動式優化。
Python 中常用的回歸模型函式庫 要在 Python 中執行線性回歸，主要有以下幾個熱門函式庫： Statsmodels: 提供 statsmodels...
資產定價模型描述了系統性風險與資產（特別是股票）預期報酬之間的關係。 1. 資本資產定價模型 (CAPM) CAPM 是金融學的基石，用於為風險資產定價並計算預...
普通最小平方法 (OLS) 回歸的理論基礎，並透過 statsmodels 函式庫執行 CAPM、三因子與五因子模型。 1. 關鍵回歸假設 (Key Assum...
回歸診斷是檢查模型是否符合基本假設的過程，主要透過分析殘差 (residuals, $\hat{\epsilon}$) 來進行。 1. 異質變異數 (Heter...
使用 Python 生態系中的主要工具來解決單變量時間序列 (univariate time series) 的預測問題。金融量化研究員的目標是透過統計時間序列...
視覺化是理解時間序列資料的關鍵第一步。 1. 基本圖表 線圖 (Line Plot): 最直觀的圖，觀察數據隨時間的變化、趨勢和季節性。 直方圖 (His...
1. 時間序列的組成成分 一個時間序列可以被分解為四個部分： 水平 (Level): 序列的平均值。 趨勢 (Trend): 序列長期向上或向下的走向。...
1. 基準模型：持續性模型 (Persistence Model) 建立一個簡單的基準模型對於評估複雜模型的性能至關重要。持續性模型假設下一個時間點的值與當前時...
金融市場的報酬率序列往往同時存在自我相關性 (autocorrelation) 和波動率群聚 (volatility clustering) 的現象。單獨使用...
