iT邦幫忙

鐵人檔案

2026 iThome 鐵人賽
回列表
Software Development

台股日頻量化交易:開發一條從資料、特徵、模型到每日下單清單的產線 系列

量化交易系統本質上就是一套 ML 系統:爬蟲是資料管線,因子是特徵工程,回測是離線評估,每日訊號是線上推論。30 天,用 AI Engineering 的方法蓋一條台股日頻產線,終點是每天早上一張下單清單。

資料自己爬 TWSE 與 TPEx,處理民國年、CP950 編碼與存活者偏差,再把除權息接回日線算還原股價。接著是因子工程、LightGBM 排序模型,與一套含成本、漲跌停的回測引擎。

參賽天數 19 天 | 共 19 篇文章 | 3 人訂閱 訂閱系列文 RSS系列文 團隊 會後不散場
DAY 11

Day 11 - 大盤在想什麼:十一個指標猜不到漲跌,但猜得到風暴

擇時的第一個問題不是「用哪個指標」,是「大盤到底能不能猜」。 我把手上能從自己資料庫算出來的大盤狀態指標全部列出來,一共十一個,每一個都拿去對未來 60 個交易...

2026-09-03 ‧ 由 kater1122 分享
DAY 12

Day 12 - 133 個特徵,數量最多的那一類最沒用

論文裡餵給模型的特徵有 133 個,分五類:股價技術指標、成交量指標、基本面指標、風險指標、月營收指標。133 這個數字聽起來很厚實,拆開看是這樣: 技術指標...

2026-09-04 ‧ 由 kater1122 分享
DAY 13

Day 13 - 選股訊號在什麼行情有效:大盤跌的時候

Day 12 挑出六個獨立特徵——低波動、殖利率、E/P、距 52 週高點、營收加速度、短期反轉——各做橫斷面排名後等權疊成一個分數。2013 年以來每週算一次...

2026-09-05 ‧ 由 kater1122 分享
DAY 14

Day 14 - 時序資料的 k-fold,切錯就全錯

同一批資料——Day 12 的 48 個特徵、2013 到 2019 年、110 萬列——同樣三個 LightGBM 模型,只換交叉驗證的切法。隨機 k-fol...

2026-09-06 ‧ 由 kater1122 分享
DAY 15

Day 15 - LightGBM 一個打九個嗎?順便定一把尺

論文的核心設計是九個模型的集成:AdaBoost、CNN、DNN、GBDT、LSTM、Random Forest、ResNet、SVR、LightGBM,各自預...

2026-09-07 ‧ 由 kater1122 分享
DAY 16

Day 16 - 昨晚的美股,開盤那一秒就用完了

費城半導體指數昨晚跌 3.6%,台股今天開盤跳空 −1.1%。然後呢? 然後就沒有然後了。從開盤到收盤的那六個半小時,跟昨晚美股漲跌的相關是 0.00。 這篇用...

2026-09-08 ‧ 由 kater1122 分享
DAY 17

Day 17 - 34 個產業,輪動是真的,但一個月只值 0.8%

2021 年 4 月,鋼鐵股一個月漲 36%、航運 33%、電器電纜 31%,同一個月觀光和文創是負的。那種時候你會覺得選股不重要,選對產業就好。2026 年...

2026-09-09 ‧ 由 kater1122 分享
DAY 18

Day 18 - 指數創新高的時候,有幾檔股票在創新高

2025 年 9 月 23 日,加權指數收在一年新高。那天上市股票裡,同樣收在自己一年新高的有 1.6%——一千零二十三檔裡十六檔。一般股票(中位數)離自己的高...

2026-09-10 ‧ 由 kater1122 分享
DAY 19

Day 19 - 擇時訊號的守門員:先去改善 0050 給我看

擇時層在整套系統裡的位置是:看大盤狀態,決定曝險,不碰個股。它有沒有用,不能用「套上去之後選股績效變好了」來證明——選股績效變好可能是選股的功勞,可能是矇對兩次...

2026-09-11 ‧ 由 kater1122 分享