這個月我們發佈了許多研究與教學，希望讓大家上手 FinLab量化平台 ，並示範如何用Python實作出量化策略，除了程式範例，我們也在下述「關鍵研究報告」的文章中詳細寫出策略背後的巧思，讓你不僅知道如何寫程式，更進一步了解設計原理與細節規劃。 FinLab量化平台 的訂閱服務與過往課程最大的不同是內容會不斷加值並推陳出新，觀察市場變化，研發新的武器，陪大家在程式交易的路上一起成長茁壯！ 如果您前些日子因忙碌而錯過內容，隨時都可以再回來複習，以下為本月研究月報。
策略回測最怕測到快樂表，什麼是快樂表？簡而言之就是紙上談兵的表現嚇嚇叫，但實際操作時卻很難貼合回測，通常這類情況多是流動性風險問題，而另一種快樂表就是回測數據的解讀錯誤，像是看到超高年化報酬率就很嗨，卻沒注意到在勝率普通的情況下，高報酬是不是剛好靠幾檔交易重壓而生成？若真是如此，那運氣成分可能佔比很大。 本文會利用一些簡單的技巧去避免統計的陷阱，讓你注意到策略中因持股重壓導致的失真問題。
FinLab 策略實驗室 的選股策略程式範例琳瑯滿目，初來乍到，你是否有選擇障礙的困擾？感覺每一道都很厲害，但又不確定適不適合自己的口味與程度？擔心程式太難，導致自己體會不出精妙所在，該如何由淺入深來學習策略思維與程式？
FED 打通膨不擇手段地升息，開始影響到實體經濟，除了一連串財爆，10-11月許多著名科技業如 Twitter、Meta都開始為了蹲節而裁員滾滾，從 裁員統整網站 資料可以見到一串觸目驚心的數字，10月的美國失業率是3.7%，還不是特別高，這個月失業率會不會噴出要等12月初才知道。究竟美國失業率要如何應用到策略上？FinLab量化平台能否支援 S&P 500指數 的回測？本篇文章帶給你相關洞見與程式撰寫方法。
有時我們有了初始策略輪廓，寫出來發現年化報酬率不錯，但夏普率不高、最大回撤率過大，若拿去實戰，持有歷程會遇上信心考驗，績效跳動範圍也大。有沒有辦法讓策略能夠報酬率更高、波動更低？ 本篇範例會利用基礎的機器學習演算法 Kmeans 分群 mae_mfe 指標，製作決策樹使用的 Labels，優化原本的"本益成長比"策略，示範 scikit-learn 搭配 finlab 模組是多麼強大又簡單！
利用上一篇「Python爬蟲教學｜台灣貨幣總計數 M1B & M2」的資料，我們可以用來回測該指標是否為具有領先性的大盤濾網，並測試看看資金流動性指標是否能優化股價動能策略，在市場資金變保守時，能否減低動能策略回檔的殺傷力？
「希望加入同業本益比及股價淨值比資料，這將對台灣價值股的相關策略研發十分有幫助。 有此資料便可排除產業帶來的本益比及淨值比差異。」 「我想寫成挑出每個低於個別產業平均本益比之個股所組成的投資組合。」 這是 FinLab 高手用戶在 Discord 許願池 寫下的願望，許願池的用意在有些特殊功能在外面的產品找不到，或是程式比較難撰寫，只要你的想法具有研究價值與具體描述，那願望成真不會是夢。 產業面選股加上個股因子的進階策略怎麼開發？馬上來實現～
在先前的文章中，我們示範了如何使用FinLab串接永豐的API，並上傳至Google Cloud Platform (GCP)，實現全自動交易。
考量到也有同學是使用Fugle進行交易，因此決定再寫一篇Fugle版本的教學文章，針對其中不一樣的地方進行演示，希望對大家有所幫助!
前陣子在FB粉專發的，【從零開始！10萬塊開局的程式交易實戰週記】 EP4 - 
步驟達成全自動買賣！受到大家的廣泛迴響，因此我寫了一篇串接自動交易的完整教學，希望對大家有所幫助！
本篇文章將會帶大家瞭解，如何將寫好的FinLab選股策略上傳至雲端，進行全自動的交易。讓電腦連你在睡覺時，都能幫你交易賺錢，再也不用天天盯盤手動下單了，實現真正所謂的躺著賺XD
