分类
K线图基础

透過過去股價 預測未來走勢

作者 Lee Bohl

TWI705408B - 金融商品價格趨勢的預測方法及其系統 - Google Patents

Publication number TWI705408B TWI705408B TW108115629A TW108115629A TWI705408B TW I705408 B TWI705408 B TW I705408B TW 108115629 A TW108115629 A TW 108115629A 透過過去股價 預測未來走勢 TW 108115629 A TW108115629 A TW 108115629A TW I705408 B TWI705408 B TW I705408B Authority TW Taiwan Prior art keywords price estimated data historical image Prior art date 2019-05-06 Application number TW108115629A Other languages English ( en ) Other versions TW202042160A ( zh Inventor 劉宗聖 黃昭棠 林忠義 廖中維 胡訓方 王紹宇 Original Assignee 元大證券投資信託股份有限公司 Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.) 2019-05-06 Filing date 2019-05-06 Publication date 2020-09-21 2019-05-06 Application filed by 元大證券投資信託股份有限公司 filed Critical 元大證券投資信託股份有限公司 2019-05-06 Priority to TW108115629A priority Critical patent/TWI705408B/zh 2020-09-21 Application granted granted Critical 2020-09-21 Publication of TWI705408B publication Critical patent/TWI705408B/zh 2020-11-16 Publication of TW202042160A publication Critical patent/TW202042160A/zh

透過過去股價 預測未來走勢

Lee Bohl

作者 Lee Bohl

作者 Randy Frederick

Background

哪種類型的分析適合您?

通常您選擇的分析類型取決於您的總體交易策略。從本質上來說,人們認為長遠的投資策略應該把重點放在基本因素上;而短期的投資策略則應該把重點放在技術分析上。然而,這兩種分析方式都很重要,忽略任何一種都可能會忽略寶貴的資訊。此外,由於交易的預期持續時間可能會改變,因此結合採用兩種分析形式可能是您的最佳方法。

首先,了解基本因素分析

  • 第一類,增長型投資者,他們對某一特定公司的未來前景給予更高的優先考慮。
  • 第二類,價值型投資者,他們更優先考慮現時股票價格是否與特定公司的穩健狀況一致。

增長型投資者的策略

價值型投資者的策略

使用基本因素分析篩選股票

Menus

在篩選基本因素時,考慮僅將您的分析限制在嘉信股票評級 (SER)「A」或「B」的股票,因為這些股票被視為「買入」候選股。在以下示例中,使用這個標準將大約 2,800 隻候選股的選擇範圍縮小到約 824 隻候選股。

Screening

增長篩選

由於嘉信股票評級已考慮多項基本因素,為簡單起見,尋找增長股的投資者應考慮那些具有強勁收入增長歷史,以及預期具有強勁收入增長和強勁盈利的股票。在以下示例中,選擇這三個附加標準進一步縮小了選擇範圍,從 824 隻候選股縮小到僅 6 隻候選股。同樣,您還可以透過價值篩選進一步縮小選擇範圍,我會在下方解釋這一點。

Filters

價值篩選

  • 高於平均水準的股息收益率(但不太高)
  • 透過過去股價 預測未來走勢
  • 低市盈率
  • 低於公司帳面價值的價格

當您搜尋的時候,要警惕高股息收益率的股票,因為可能並不真實。同樣,請記住某些股票看起來價格低廉,但其低價可能是由於公司的產品過時、管理不善、過期專利、及待定訴訟等所致。
在以下示例中,選擇這三個附加標準將使選擇從 824 隻減少到只有 5 隻。

Results

接下來,了解技術分析

基於技術分析的選股有三個主要步驟:股票篩選、圖表掃描和交易設定。首先,執行股票篩選,目標是透過使用一系列技術標準快速篩選,獲得 20 或 25 隻候選股清單。其後,嘗試透過圖表掃描來將該清單縮小至 3 到 4 隻候選股。最後,執行更詳細的圖表分析,然後選擇一隻交易股票。

使用技術分析篩選股票

  • 價格和市值。這是不錯的開始,可以讓您立即篩出大量股票。例如,如果您對價格超過 100 美元的股票不感興趣,您可以在篩選時篩出它們。
  • 板塊和行業。使用 StreetSmart Edge® 板塊工具,如果您想買入,可以尋找強勢板塊和行業組,如果您想沽出,可以尋找弱勢板塊和行業組。勢頭。技術交易者通常想要找出強勁、上漲趨勢的股票作為潛在的買進對象,而找出疲軟、下降趨勢的股票作為空頭對象。要找到符合這些模式的股票,考慮移動平均數分析。移動平均數是跟蹤趨勢的指標,能夠平滑每日的價格變動,讓您可以對趨勢一目了然。同時,它們也可以充當支撐位和阻力位。簡單的移動平均數是透過一段時間內的收盤價來計算平均值,並對每次收盤給予相等的權重。

長遠來說,如果準備買入,您可以考慮高於 20 天移動平均數,且 20 天移動平均數高於 50 天移動平均數的股票。對於空頭股,您可以考慮低於 20 天移動平均數,且 20 天移動平均數低於 50 天移動平均數的股票。如果注重流動性,您可以選擇每天至少交易 透過過去股價 預測未來走勢 200,000 股的股票。許多交易者都使用這些數值,但您可能需要根據自己的需要對其進行調整。

篩選圖表

長遠來說,對於買入的突破點,考慮在股票橫盤幾天後第一或第二新高進入。對於空頭突破,考慮在橫盤幾天後第一或第二新低進入。在回調策略下,您會希望看到股票在幾天內朝著與趨勢相反的方向糾正。然後您可以考慮就多頭的短期弱勢買入,就空頭的短期強勢賣出。

交易設定

接下來,檢查已通過第二步的股票圖表,並選擇第二天要交易的股票。為便於討論,我們假設您偏愛回調選項,並將您的選擇縮小到兩隻買入候選股,股票 A(圖1)和股票 B(圖2)。為幫助您做出決定,使用價格模式、成交量、移動平均數和一項額外的工具,隨機指標

使用隨機指標

隨機指標比較的是在特定時段內,證券的價格相對於其價格範圍的情況。一個版本包括兩條線、%K(快線)和 %D(慢線)。數值可以從 0 到 100,讀數超過 75 表示該股票可能被「超買」,並可能在上漲時過度延長。讀數低於 25 表明該股票處於「超賣」狀態,並可能在下跌時過度延長。

在評估回調時,尋找回調僅僅是回調而非反轉的跡象。雖然您無法確定,但如果股票已回調到支撐位,如移動平均數或原低點,反轉的機會就會減少。此外,如果該股能夠突破前一天的高點,則可能是回調即將結束的信號,且已準備好恢復上漲趨勢。觀察圖 1 和圖 2,我們可以看到 A 股和 B 股均出現了回調,且已持 20 日移動平均數。到目前為止都還不錯。

現在,查看每隻股票的最後交易日。股票 A 在盤中或收盤時均無法超過前一天的交易高點。此外,該股收盤時與開盤位置相差無幾,且在窄幅區間的中間位置收盤,所有這些跡象都表明買家缺乏信心。

仔細觀察,%D 線表明股票沒有超賣,形勢大好,典型的上漲趨勢。然而,隨機分界線並沒有交叉;如您所見,%K 仍低於 %D。如果 %K 已越過 %D,那將顯示出更強力的上漲趨勢。

B 股的最後交易日大有不同。該股不僅能夠在盤中突破前一天的高點,而且還設法收盤於該高點之上。此外,該股擁有寬幅日,收盤接近頂部。這些均表明,買家已獲得控制權,回調可能已經結束,尤其是因為這一價格行動是在高於平均成交量的情況下實現的。同時,隨機數據顯示,%K 和 %D 均未超賣,表明強勢。另外,%K 已越過 %D,這是另一看漲跡象。

預測股價可以更準嗎?Google提出TFT新解法

預測股價可以更準嗎?Google提出TFT新解法

如何藉由過去數值的變化趨勢來預測未來,這在許多領域都是一件重要的事情,例如精準地預測商品未來的銷售量會對公司帶來多大的幫助。在統計與機器學習領域中,這類的問題被稱為時間序列分析(Time Series Analysis)。除了過去一些經典的統計模型(e.g. ARIMA)外,在深度學習當道的時代,同樣也有新的模型架構被提出,本次為讀者們介紹的就是Google團隊提出的temporal fusion transformers (TFT)模型。

  1. 時間序列問題中,我們可能會希望讓模型同時觀察到 a. 不隨時間改變(time-invariant)的特徵, b. 隨時間變化的歷史特徵(observed inputs), 以及 c. 已知的未來特徵(future inputs)。由於這三類輸入特徵在時間上數量不同,因此單純將所有特徵合併在一起處理可能並非最好的做法。
  2. 除了單純預測未來某一天的數值,若能預測未來一段時間的數值(multi-horizon forecasting)對於實際使用上可能更有幫助。另外在預測數值上,除了預測單一數字(e.g. 平均數)外,提供一個數值可能坐落的範圍(區間估計)也能增加應用的決策彈性。
  3. 現有常見的模型解釋方法(e.g. LIME, SHAP)並不適合用於時間序列問題上。

更重要的是,由於TFT設計的特化模組Variable Selection Network與自注意力機制的性質,使用者可以針對模型進行預測所使用的特徵做觀察,達到傳統機器學習中萃取特徵重要程度(feature importance)的作用。在文章的範例展示中,也可以透過TFT來觀察資料內含的時間趨勢,例如電力使用會以天為單位做循環、而店家的銷售量會以週為單位做循環等,以及時間序列資料中是否有突發的事件。不免俗地,在文章提到的四個公開資料集中,TFT都拿到了最佳成績。目前在github上無論是tensorflow或是pytorch都有較完整實作TFT的程式碼,在Python的Darts套件中,也有納入TFT模型供使用者快速使用。

財團法人人工智慧科技基金會(AIF)以促進產業之人工智慧科技提升、應用發展及社會永續為宗旨,以客製化訓練、知識推廣及專案服務,賦能企業建立自己的 AI 團隊,發揮既有優勢、提升價值並促進轉型。AIF 技術發展中心不僅關注科技技術的提昇,也持續致力於科技人才的培育,為台灣的科技生態注入新的能量。

TWI705408B - 金融商品價格趨勢的預測方法及其系統 - Google 透過過去股價 預測未來走勢 Patents

Publication number TWI705408B TWI705408B TW108115629A TW108115629A TWI705408B TW I705408 B TWI705408 B TW I705408B TW 108115629 A TW108115629 A TW 108115629A TW 108115629 A TW108115629 A TW 108115629A TW 透過過去股價 預測未來走勢 I705408 B TWI705408 B TW 透過過去股價 預測未來走勢 I705408B Authority TW Taiwan Prior art keywords price estimated data historical image Prior art date 2019-05-06 Application number TW108115629A Other languages English ( en ) Other versions TW202042160A ( zh Inventor 劉宗聖 黃昭棠 林忠義 廖中維 胡訓方 王紹宇 Original Assignee 元大證券投資信託股份有限公司 Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.) 2019-05-06 Filing date 2019-05-06 Publication date 透過過去股價 預測未來走勢 2020-09-21 2019-05-06 Application filed by 元大證券投資信託股份有限公司 filed Critical 元大證券投資信託股份有限公司 2019-05-06 Priority to TW108115629A priority Critical patent/TWI705408B/zh 2020-09-21 透過過去股價 預測未來走勢 Application granted granted Critical 2020-09-21 Publication of TWI705408B publication Critical patent/TWI705408B/zh 2020-11-16 Publication of TW202042160A publication Critical patent/TW202042160A/zh