復刻與優化 00900 ：使用 IC Decay 優化高股息策略成「長跑軍火庫」
封面圖片 前言 市場上的高股息 ETF 各有特色，這次將以富邦特選高股息30（00900）為例，分析其追蹤的「臺灣指數公司特選臺灣上市上櫃...
Qlib 與 FinLab 整合，展現 AI 選股的神蹟。
雖然 FinLab 支援 Qlib 很久了，但一直沒有好好的跟大家介紹如何使用，於是乎，最近中小股票真的表現令人窒息，所以就好好做研究，相...
Information Coefficient 是什麼，要如何使用？
Information Coefficient (IC) 我很早就知道它了，但是一直沒有時間將它整合到交易系統裡面，今年正好有這樣的機遇，...
業外收入比例：用3個財報數據，選出年化報酬率 22％ 以上的投資組合！
介紹三種財物數據，並且建構一個有效的選股因子，展示了如何利用一些簡單的財務指標來進行投資選擇，並且用歷史數據來驗證這些選擇的效果。不管是有經驗的投資者，還是剛開始學習的人，都可以通過這些實驗來增進對市場的理解。最重要的是，保持輕鬆的心態，享受這個過程，這樣才能在學習和投資中找到樂趣！
揭開 OpenFE 在量化交易中的神秘面紗：高效自動化特徵生成的原理與實踐
量化交易的核心在於數據分析和模型建構，而特徵工程是連接原始數據與模型性能的關鍵環節。隨著數據規模和複雜度的增加，手動特徵工程變得越來越困難且耗時。OpenFE（Open Feature Engineering）作為一個高效的自動化特徵生成工具，為量化交易中的特徵工程提供了全新的解決方案。本文將詳細介紹 OpenFE 的原理，並探討其在量化交易中的應用。