生產力 -

台股板塊圖

史上最強大的台股板塊圖 | 操作說明書

Post author:Ben
Post published:2022-08-02
Post category:Python新手教學 FinLab 量化平台生產力

FinLab 在 2022/7/31 於量化平台的產業評選發佈了完整版台股板塊圖，在 FB 粉絲團的介紹文章引發了不小的迴響，著實嚇了 B...

流動性風險

客製化流動性風險檢測 | 策略可以實戰嗎?

Post author:Ben
Post published:2022-06-27
Post category:FinLab 量化平台 VIP文章生產力選股策略

要讓實戰與回測貼合，流動性風險是必須要解決的，市面上的回測系統卻常忽略台股的流動性風險特性，導致開發者對策略回測的流動性風險是一頭霧水。FinLab對此開發了檢測模組，更細緻化呈現台股策略體質。

多策略sunburst

Plotly-Sunburst｜輕鬆監控多策略部位｜DashBoard 應用教學(5)

Post author:Ben
Post published:2022-06-17
Post category:生產力 FinLab 量化平台 Python新手教學 VIP文章

Plotly - Sunburst 是不是十分絢麗呢！可以作多層次是覺化呈現及圖表互動。利用FinLab套件的 StrategySunburst 可以很輕鬆地將多策略資料漂亮地呈現出來，並觀察裡面的insight，當作其中一個管理多策略的工具，不同的繪圖參數設定能玩出不同的效果，趕快來試試吧！

Qlib-framework

Qlib-巨人級的AI量化投資平台

Post author:Ben
Post published:2022-06-10
Post category:生產力 AI看股票

常有人詢問FinLab如何取得AI量化交易學習資源以持續精進？今天來介紹科技巨頭「微軟」在 Github 佛心開源的 Python AI 導向的量化投資框架～Qlib (Github)，從資料流(美、中股市)、建模流程、策略風控數據分析應有盡有，一條龍處理量化投資的工作。

美國汽車總體經濟指標

FRED總體經濟指標輕鬆抓|美國汽車指標|美股回測外掛教學

Post author:Ben
Post published:2022-05-25
Post category:Python新手教學 VIP文章生產力股票策略財經PYTHON教學

這篇文章涉及FRED API串接、美股股價爬蟲、總體經濟指標繪圖、指標解說、美股回測～一條龍帶大家走一遍，開展了FinLab系統更多的可能性。

融資融券板塊圖

大盤融資維持率｜融資融券主力板塊Treemap｜DashBoard製作教學(4)

Post author:Ben
Post published:2022-05-22
Post category:籌碼面 PYTHON財經生產力

融資融券板塊地圖，KOL觀點實做。

大盤融資維持率

大盤融資維持率｜Plotly-多重圖組｜DashBoard製作教學(3)

Post author:Ben
Post published:2022-05-18
Post category:Python新手教學生產力籌碼面財經PYTHON教學

融資維持率不見得每個券商app都有，透過FinLab API與Plotly，我們可以輕易製作出客製化的圖表來觀察融資維持率，只要有Python的基礎都能輕易上手。

mae_mfe

揭開策略的波動面紗｜MAE&MFE分析圖組使用指南

Post author:Ben
Post published:2022-02-19
Post category:生產力技術面

藉由MAE&MFE分析波動特性做對應操作，不用每次都要堅持跑完煎熬的過程、可能讓我們在更佳點位出場，減少被洗掉、沒高歌離席的遺憾。

徵稿送 FinLab VIP 量化平台會員

Post author:Ben
Post published:2021-11-02
Post category:生產力選股策略

只要你信仰科學投資，千萬別錯過這次發光的機會。 FinLab Package 讓大家用最親民的 Python 程式語言進入量化交易的大千世...

台股超簡單 Python 技巧，三行程式碼：打造年報酬 +20% 的選股策略！

Post author:FinLab - 韓承佑
Post published:2021-10-31
Post category:Python新手教學 PYTHON財經技術面投資新手生產力股票策略

不蓋你，真的只要三行！我創立 FinLab 以來，一直想要打造一個優質的 Python 回測服務，挑戰技術上的突破，為台灣的小資金融做出更進一步的貢獻。只需要 pip install finlab 就可以下載所有歷史資料、經過兩三行的選股程式碼，就可以模擬歷史績效囉！讓你用短短三天的時間，從零到一百，實戰台使用 Python。