iT邦幫忙

鐵人檔案

2026 iThome 鐵人賽
回列表
Build on Google AI

基本面與技術面組合投資模型建置 系列

本模型結合基本面、技術面與風險管理,先分析近三年財務報表、產品營收、產業需求及供應鏈,並以未來五年現金流折現估算合理價值;再運用近兩年K線、成交量及二十日、五十日、二百日均線,搭配重大事件觀察價格反應。買賣決策須同時考量估值安全邊際、趨勢強弱與事件風險,並限制單一標的及產業曝險。模型應透過歷史回測、樣本外驗證與持續優化,提升選股、進出場及部位配置的有效性,並利用Google AI熟悉AI Agent的實務應用。

參賽天數 5 天 | 共 27 篇文章 | 0 人訂閱 訂閱系列文 RSS系列文
DAY 5

工作流程編排:使用 Vertex AI Agent Builder 或 LangGraph 串接各代理,進行訊息傳遞並輸出最終決策。

第十二天 09/26在建置多代理(Multi-Agent)金融決策系統時,前述的基本面、技術面、產業事件與主要風險代理(CRO Agent)必須透過強大的編排架...

DAY 5

工作流程編排:使用 Vertex AI Agent Builder 或 LangGraph 串接各代理,進行訊息傳遞並輸出最終決策。

第十三天 9/27/2026在量化交易與 AI 多代理(Multi-Agent)決策系統中,將最終決策的「決策依據(Reasoning Trace)」、「情境假...

DAY 5

驗證里程碑 2:使用 5 檔範例股票測試完整代理鏈;調整提示以修正邏輯錯誤。

第十四天 09/28/2026驗證里程碑 2:使用 5 檔範例股票測試完整代理鏈;調整提示以修正邏輯錯誤。在進行「驗證里程碑 2」時,透過 5 檔具備不同產業與...

DAY 5

回測策略引擎:使用標準化的 BigQuery 資料實作交易模擬迴圈。

第十五天 09/30/2026回測策略引擎:使用標準化的 BigQuery 資料實作交易模擬迴圈。在建置 AI 多代理(Multi-Agent)交易系統的最後一...

DAY 5

消除後見之明偏誤:財務資料嚴格依公開公告日期,而非季度結束日期。

第十六天 09/30/2026消除後見之明偏誤:財務資料嚴格依公開公告日期,而非季度結束日期。在量化交易與 AI 估值系統中,實作「消除後見之明偏誤(Look-...

DAY 5

消除存活者偏誤:將已下市、被收購或破產公司的資料納入回測樣本範圍。

第十七天 10/01/2026消除存活者偏誤:將已下市、被收購或破產公司的資料納入回測樣本範圍。消除存活者偏誤(Survivorship Bias)是量化回測與...

DAY 5

納入交易摩擦:從每筆模擬交易的買進/賣出中扣除券商手續費、稅費與市場滑價。

第十八天 10/02/2026納入交易摩擦:從每筆模擬交易的買進/賣出中扣除券商手續費、稅費與市場滑價。在 AI 量化交易系統的建構中,將交易摩擦(Transa...

DAY 5

首次回測執行:進行初始 3 年歷史回測;分析 Alpha 衰減與訊號有效性。

第 19 天 10/03/2026首次回測執行:進行初始 3 年歷史回測;分析 Alpha 衰減與訊號有效性。在完成了交易模擬迴圈、消除資料偏誤與納入交易摩擦後...

DAY 5

模型調整 1:找出表現較弱的參數;校準多代理模組的評分權重。

第 20 天 10/04/2026模型調整 1:找出表現較弱的參數;校準多代理模組的評分權重。在進行 3 年歷史回測後,系統會顯露出某些因子或微調參數表現低於預...

DAY 5

驗證里程碑 3:驗證偏誤控制;在歷史回撤事件(例如 2022 年市場下跌)期間對代理進行壓力測試。

第 21 天 10/05/2026驗證里程碑 3:驗證偏誤控制;在歷史回撤事件(例如 2022 年市場下跌)期間對代理進行壓力測試。在建置 AI 多代理(Mul...