我們現在處於一個大泡泡中，

全球指數漲翻天，

更不缺像是比特幣、特斯拉這種倍數增長的個股，

你要怎麼在這樣的炒作行情下獲利，甚至是高效獲利，

將小泡泡吹成大泡泡，

就讓我們用數學的方法算給你看！

當前全球股市指數都頻頻創高，

有些人引以為戒，調節部位，

有些人享受當下，乘風破浪，多賺一把，

你是哪一種人呢？

LPPLS 如何幫助我們選股呢？

我們今天要介紹的選股方式，

就是利用泡沫，將你的資產越吹越大！

具體而言要如何辦到呢？

這個影片中你會學到如何用 LPPL 來選股，

找出潛在的泡沫股票，

讓市場的瘋狂將這些標的推升，

在泡沫吹大後，

趁著還沒有爆掉之前，趕快出脫，

再轉手下一檔股票，不斷的轉換！

上禮拜我們介紹了 LPPLS 泡沫檢視器，

可以幫你預測泡沫何時來臨，以及泡沫發生的機率，

並且免費贈送一套工具，讓你診斷，

還沒看的，可以先去看上一集，

看完那篇，就會更瞭解其中的數學原理喔！

LPPLS 要如何檢測是否有泡沫呢？

簡單來講，LPPLS 假如想要預測當下的泡沫

就會使用很多不同大小的時間窗格，

針對每個時間窗格，都去檢測時間序列是否有泡沫，

由於 LPPL 演算法並不穩定，所以每個時間窗格，都會給出不同的答案

有些時間窗格會顯示有泡沫，而有些則不會。

所以 LPPLS 就是將所有的結果匯總起來，

例如範例中，有18個時間窗格，那其中有5個窗格顯示有泡沫，

則發生泡沫的機率就是 5 / 18

那我們就來做實驗吧！

我們實驗涉及了台股2000檔股票、

乘以共3000多天的歷史資料！

乘以每天 18 個時間窗格的分析

總共進行了4 百萬次的 LPPL 分析

只換你一個讚和訂閱就好了，是不是很划算？

用 LPPLS 分析 0050

接下來就讓我們來看一下分析好的結果吧！

我們針對每檔股票 每20天跑一次LPPL，

以台灣50ETF為例子，我們可以看到

紅色的是價格，

而藍色為每20天的 LPPL 的顯示結果，

數值高代表可能有泡沫，

數值低代表是反泡沫，也就是可能會有觸底反彈的事件發生

由於我們是每20天執行一次LPPL

所以訊號會比較稀疏

但大致上還是可以預測低點或是高點

LPPLS 台股總體分析

在下面的圖中，我們針對每一檔股票，

都去執行上述 LPPL 的計算

就可以得到在某個時刻，

台股整體究竟有幾檔股票有泡沫，或是反向泡沫

首先，我們可以以2020年底，繪製出有多少股票可能會有泡沫，並且泡沫的程度是多少。

橫軸是LPPL得分，就跟我們剛剛說的一樣，

數值是正的代表股票越容易有泡沫，

0代表不會有泡沫

數值是負的代表股票可能有反向泡沫，

而縱軸則是得到該分數的股票的數量，

由於2020年底瘋狂上漲，

我們可以看到很多股票都有泡沫的現象

例如滑鼠指的這裡，大約有140檔股票，得分為 1 ，代表140檔股票有潛在泡沫發生，

另外，我們以2020年疫情崩盤為例子，

可以看到 4 月 8 號時的全體台股，LPPL 分佈圖，

這個分佈圖，大部分的股票得分是負的，代表有反向的泡沫，是反向操作的好時機

我們可以將每20天的股票，

所有得分加總起來會得到下圖，

紅色是加權指數報酬率，

藍色是所有股票得分總和，

設計一個簡單的策略，

當得分來到-500以下，

並且分數逐底時，自信進場

這些時刻就是自信進場接刀，賭身家的時間了！（開玩笑的）

平時如何應用泡沫選股指標獲利呢？

但我們可以發現，這種時機點幾年才有一次，

所以平常的時候，要怎麼用LPPL指標獲利呢？

我們這邊可以簡單地來分析一下，

將所有股票依照LPPL的分數，來進行分組，

縱軸是LPPL分數，橫軸持有天數，

而色溫圖則是報酬率

例如，我們看到當LPPL分數為 7 的股票群，未來發生泡沫的機率高，

所以在評分完後的13~19天，可能會崩跌，

另外，當LPPL評分為 -7 ，代表可能有反向泡沫，

雖然會序跌造成虧損，但也會跌深反彈，

我們可以看到滑鼠附近顏色比較跳躍，

代表跌深反彈的時間上非常難抓，

代表接刀困難，很難寫成策略。

不過我們可以看到此圖中最亮的部分，

報酬率平均到達2％之多，很適合高效的選股，

代表這部分的股票，由於上漲的關係

雖然被認為是有泡沫發生的可能，但是發生的機率比較低，

適合做趨勢型的追蹤測略，

接下來我們就可以來設計一個策略

每20天換股一次，平均的買入所有 LPPLS 評分為 N 的股票清單

累積報酬率顯示如下：

累積報酬率最好的是LPPLS分數為 2 的股票

其實LPPLS分數為 1～3 的標的，表現的還不錯

但是LPPLS分數為 4、5 的標的，由於泡沫發生的機率增加，

所以導致報酬率小於綠色的大盤

實單做實驗

做實驗就要用真槍實彈，不要紙上談兵，

接下來，我們就真的來買入LPPLS分數為2的這些股票，

我們將這些股票平均分散買入，並且測試看看20天後的報酬率！

下圖是使用這個策略的月報酬率分佈結果，可以看到策略的報酬率分佈偏向右邊，

代表使用這個策略的期望值是正的，是大於 1的。

但是還是有很多個月是小於 1 ，是虧錢的，

這次使用這個策略，每個月的勝率是65％，

對於量化交易來說，我們盡可能製作出一個期望值為正的骰子

但是要獲利的話，短期來說還是得靠運氣

但由於我們做的骰子期望值大於 1

你必需要不斷的骰，持之以恒

才能夠體會它的功效！

結語

在留言區輸入股票代號，我們就會告訴你目前他的泡沫指數是不是2

假如是2，就代表是有小泡沫的股票，適合買入，

假如大於 4，就代表泡沫有潛在破裂的可能，要稍微減碼囉！

趕快來檢驗看看吧！

3步驟帶你分析台積電

這篇文章會分享怎麼研發台積電的投資策略，主要有三個步驟：

1. 使用 Colab 並安裝 yfinance 、 backtesting、talib 的函式庫
2. 下載台積電股價歷史紀錄，研發買賣訊號
3. 回測交易結果分析，並且研究策略如何優化

1. 使用 Colab 並下載環境

要建構一個股票策略，只要會基本的 Python ，就可以開始了，我們使用 Colab 來當作撰寫 Python 的平台，這是 Google 佛心推出的，讓我們可以線上撰寫程式，而且完全免費！我自己已經把幾乎所有程式碼搬到 Colab 上了！雖然速度比桌機稍慢，但是可以雲端任何地點編輯，就算換電腦也不用擔心！

安裝 Package

我們今天要用的 Package，有兩個，一個是 yfinance ，負責下載 yahoo finance 上的股價資料，另外一個是 backtesting，顧名思義就是用來研發策略用的！但研發策略，有時候會需要製作技術指標，並根據技術指標來交易，所以需要用到 talib 這個 Package，我們可以用簡單的三行指令完成安裝：

!pip install yfinance
!pip install Backtesting
!pip install talib-binary

上述三行，只要在程式碼輸入欄輸入，系統就會幫你安裝好這三款 package，這三行的第一個字符是驚嘆號，代表我們要執行 Shell 的語法，不是 Python 的語法！假如你不是用 Colab，而是用個人電腦，也可以在打開 Shell 輸入這些指令，記得將指令的驚嘆號移除喔！

2. 下載台積電股價，研發買賣訊號！

首先，我們先來下載台積電的歷史紀錄，在下方的程式碼中，我們已經幫大家寫好一個函式，叫做「get_historical_data」，可以直接呼叫它來獲取股價。由於 yfinance 的歷史紀錄算是滿豐富的，所以有很多股票都可以下載，包含美股台股，例如蘋果（AAPL），特斯拉（TSLA），微軟（MSFT），然而台股的部分，比較可惜的地方，就是只有上市資料，如台積電（2330.TW），以下是完整的範例。你可以 參考 yahoo finance 來下載你有興趣股票！

import yfinance as yf
import pandas as pd

def get_historical_data(ticker):
  d = yf.Ticker(ticker)
  df = d.history(period="max")
  df.columns = df.columns.str.lower()
  df.columns = pd.Series(df.columns).str.capitalize().values
  return df.dropna()

df = get_historical_data('2330.TW')
df

策略訊號研發

有了股票的歷史紀錄，就可以來研發策略了，由於 Python 是個執行速度很慢的語言（比起 C、C++），所以我們不太使用 for 迴圈 來回測，而是用向量矩陣的方式產生訊號，速度會快很多，其中的「sma1」、「sma2」、「signal_long」、「signal_short」都是時間序列，下方為均線為範例，假如你不喜歡均線，可以參考 talib 來製作你有興趣的技術指標喔！

import talib

# compute simple moving average using talib
sma1 = talib.SMA(df.Close, timeperiod=20)
sma2 = talib.SMA(df.Close, timeperiod=60)

# compute buy and sell signals (golden cross and death cross)
signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())

# combine long and short signals
signal = signal_long.copy()
signal[signal_short] = -1

程式碼看不懂嗎？沒關係，我們將這些時間序列 2020 年的數值繪製出來：

df.Close['2020'].plot()
sma1['2020'].plot()
sma2['2020'].plot()
signal['2020'].astype(int).plot(secondary_y=True)

• 藍色：df.Close —–> 台積電的股價（一飛沖天！）
• 黃色：sma1 —-> 20日均線
• 綠色：sma2 —-> 60日均線
• 紅色：signal —-> 買賣訊號

接下來，我們就可以根據上圖中，紅色訊號為 1 時買入， -1 時賣出，這樣的的方式來交易，但是效果會如何呢？沒有人知道，所以我們還要進行「回測」，也就是將此策略放在歷史上模擬交易的報酬率！

3. 回測和參數優化

接下來我們就可以來測測看，究竟這樣子買台積電效果如何？我們可以用 backtesting 這個工具來幫我們回測，完整的程式碼如下，雖然有點長，但你會發現核心程式碼，跟剛剛是非常類似的！所以不用擔心太複雜！你也可以參考 backtesting 的官方教學，來獲得更詳細的用法喔！

from backtesting import Backtest, Strategy

class Strategy(Strategy):
    
    n1 = 20
    n2 = 60
    
    def init(self):
        super().init()
        
        # Precompute the two moving averages
        close = pd.Series(self.data.Close)
        sma1 = talib.SMA(close, timeperiod=self.n1)
        sma2 = talib.SMA(close, timeperiod=self.n2)

        # Precompute signal
        signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
        signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())

        # combine signal
        signal = signal_long
        signal[signal_short] = -1
        
        # plot sma
        self.I(lambda x: sma1, 'sma1')
        self.I(lambda x: sma2, 'sma2')

        # set signal to trade
        self.signal = self.I(lambda x: signal, 'signal')

    def next(self):
        super().next()

        entry_size = self.signal[-1]

        if entry_size > 0:
            self.buy()
        elif entry_size < 0:
          for trade in self.trades:
              trade.close()

bt = Backtest(df, Strategy)
result1 = bt.run()
bt.plot()

上圖就是我們的回測結果，這是一個動態的圖表，所以我們可以將一部分放大：

上圖從上到下，總共有五個小圖，我們一張一張解釋：

圖一：為最後的總績效結果（藍色線段），代表策略的報酬率，從2000到現在可以獲利約400％，而當中的紅色水平線段，代表最久沒有創新高的時間段，這段時間可能會讓你懷疑，這個策略有沒有效果，而放棄策略，這段時間當然是越短越好！

圖二：有很多的三角形，假如是正三角就是做多，倒三角就是做空，我們這次寫的策略是做多的策略！所以不會有做空的倒三角喔！另外顏色代表獲利或是虧損，綠色為獲利，紅色為虧損，這些三角形的高度代表獲利或虧損的程度，以虛線做區分，虛線上方是獲利，而虛線下方式虧損，可以看到這種交易方法 2008 年以後每次虧損不會太多，獲利有時候還滿驚人的！

圖三是交易的明細，除了股價 K 棒外，我們也看到了兩條均線（藍色跟橘色），方便我們核對交易的時間，另外我們可以看到綠色和紅色的虛線，每一條虛線都代表一次交易，虛線的起始和結束，代表交易的價格跟時間，綠色代表獲利，而紅色代表虧損。

第四和第五張圖，則是成交量以及 signal 訊號，此策略就是模擬 signal 訊號為 1 時買進，而 -1 時賣出，比對其他圖片的數據，非常合理！

策略效果不夠好？尋找最佳參數！

剛剛我們用的均線是20日跟60日，來做交易，然而這是最好的均線嗎？我們可以將這兩個參數，當成策略的參數，分別叫 n1 和 n2 ，透過暴力枚舉（range(5, 200)），來從 5 到 200 裡面挑出 Sharpe ratio 比較好的參數：

result2 = bt.optimize(n1=range(5, 200, 10),
                      n2=range(5, 200, 10))
result2._strategy

# 程式碼顯示結果：
<Strategy Strategy(n1=165,n2=5)>

以上，就是整個優化的過程，程式碼非常簡潔，最後優化完的數字是

• n1 = 165
• n2 = 2

眼尖的人會發現，奇怪怎麼長短週期倒過來了？代表我們死亡交叉買入，而黃金交叉賣出，這種交易比較像是均值回歸，在低點買，高點賣，屬於逆勢策略，我們用這兩個新的參數，來測測看結果如何？

雖然報酬率雖然比較低，但是交易的風險小滿多的，我們可以將順勢跟逆勢策略結合，獲得更穩定的報酬率，下方就是程式碼

((result1._equity_curve.Equity + 
result2._equity_curve.Equity)/2).plot()

基本上2008 到現在，沒什麼虧損過，台積電上漲時，會追蹤到漲幅，而下跌時也會危機入市，算是一個非常簡單，但績效很舒服的策略，分享給大家，現在就打開現成的 Colab 直接運行程式碼。假如大家對於我們這樣的分享有興趣，可以幫我們推廣一下！我們也有其他類似的文章可以參考：

• 低風險高報酬投資組合，股債平衡策略研發
• 避開危險的投資時機 – 夏普指數策略
• 找出會加速的股票 – 加速度指標實做

該買哪些書

書一本的價格，比上課程還要划算很多，
增廣見聞沒什麼不好，付一點小錢，但獲得整本知識，採到雷不心疼（相較於課程）！

但是呀～我得說網路上就已經有很多很棒的免費資源了，看書之前，
去翻一翻網站，研究一下，說不定也有很不錯的收穫
例如「TEJ」這個策略庫，裡面就將近百種策略任均挑選，根本來不及買書呀！

買書也好，上網看也很不錯，但重點在於自己要有辨別策略的能力！

該相信哪些老師

對於量化策略這個學門來說，我們不相信老師，只相信策略！
經過長久驗證的策略，用歷史回測，這種最客觀的方式，
來檢驗一堂課程、一個老師是否值得你相信，

為何我們不相信老師？因為就算您真的很幸運，遇到很有實力的老師，
他能夠辨別產業狀況，個股之間的優勢，但有辦法完全複製這個老師的能力嗎？
我個人是持保留得態度，
假如不能複製他的能力，那就只能聽他的意見買賣股票，就變成單純老師說什麼買什麼，
得一輩子付費上課才行，沒辦法獨立。

所以該怎麼辦才好？

不要相信老師，相信你的代碼和策略吧！

量化策略的好處是，你可以完全的複製和累積經驗！
做研究也非常爽，每一次回測就可以抵過別人實戰多年的經驗
這個月研究「技術指標」成為技術指標高手
下個月研究「三大法人」成為籌碼高手
再花半年研究一下「基本面」成為偽價值型投資人XD

每一次回測都獲得很多經驗，知道哪些指標該怎麼用，能夠長期獲利！
最重要的好處是不用實彈演練，將 $ 投入茫茫大海，就已經學習到買股票的經驗了～

我最近開了堂課程，也變成大家口中的「老師」了…XD
但在此堂課程中，你可以完全不用相信我，相信歷史績效和程式碼就可以了！
課程中，我們教您所有的代碼、也教你怎麼從無到有建構一個策略，
程式碼是無情的，絕對公正，就像是照妖鏡一樣！
好的策略一一現形，壞的策略一網打盡～

歷史回測績效，比對帳單好

量化投資中，我們會模擬策略在過去幾年的歷史績效，
歷史績效是更有效的對帳單！為什麼這麼說？
首先，你怎麼知道所謂的「老師」總共有幾個投資帳戶？
說不定對帳單都拿會賺的，賠的都沒秀出來，尤其是多空都包含的策略，超容易做對帳單
首先，只要一個帳戶看多，一個帳戶看空，最後看哪個賺得多，就秀哪個就可以了…

有歷史績效，每一筆交易都是清清楚楚，沒有含糊的餘地，
每一個策略買賣時機也非常明確，不會有事後諸葛的嫌疑～
我們的課程中，甚至回測程式碼都給你了，
當中大部分的code上課都有教，直接毫無作假寫給你看！
假如有問題早就被抓出來，歷史績效是經的起考驗的！

所以我也請大家不用相信我，相信你自己跟code吧～

投資課程究竟該便宜該貴

投資課程也算是一種商品，例如手機好了，有人喜歡買「iphone」，但買「小米」手機的人也不少，課程定價本來就可以很浮動，重點是要「超值」！

例如我開的「python投資：小資族選股策略」，就是走「小米」發燒友路線
強調「動手做實驗」的精神，並且買一次終身受用。
當然「發燒友」的意思就是，必須要有「研究精神」的人來學習會比較好，
課程中比較沒有華麗的GUI介面，有的是很紮實的選股程式碼，
還附上了一個策略並且實際驗證給大家看，策略的有效程度！

我個人覺得滿超值的！尤其是對有研究精神的人～

一般非量化課程問題在於，你只能相信老師說得話，但無法驗證他說的是否正確，
也見過很多策略，理論可行，論述有理，但回測起來績效不好，

更可怕的是
之前看過一個直播，講師的策略簡單，歷史績效超好，曲線超美！
但詭異的地方是我無論怎麼做，就是完全無法還原他的績效…
可能我資質愚鈍吧XD

以上的例子就是在說：你以為「超值」的課程，最後有可能沒那麼「超值」
在這種情況下，比起一開始買5萬塊的課程，我覺得先從3000左右價位的課程開始嘗試，也不失是個好主意呀！以成本來說

• 五萬塊的課程：相當於50萬要獲利10％才能回本
• 三千塊的課程：相當於30萬只要獲利1％就能回本

以上的例子就可以發現，考量到自己的投資總額，也是非常重要的喔！
最近3千這個價位的課程也越來越多了，這是個好現象！讓大家以比較低的成本，學到有用的知識！

為何這堂課程這麼便宜

這堂課程目前真的是破盤價，其中包含一個永久可以使用的回測框架
還有其代碼，這些程式碼一般在外販售絕對是更貴的價格！
為什麼我們可以賣這麼便宜？

我們開這堂課的初衷就是：「希望將量化投資帶入平常百姓家」
在課堂中，幾乎毫無保留，把所有的程式碼都教了，盡力做到完整！
因為我們希望「大家上完這堂課，能夠獨立做財經研究，往財富自由的路上邁進」
投資不應被高價課程或軟體壟斷，我們想讓大家用最少的成本，換取最大的福利，

而且我們不擔心全部教完，大家學會就跑走了～
反而就是希望你再也不用依靠任何人、任何軟體，也不用再來上我的課，
可以自行研究投資這門學問，對自己的獲利負責～
我們希望越來越多人利用量化投資獲得穩定合理的報酬！
對於改善台灣的投資環境盡一份心力。

FinLab的課程之所以可以橫空出世，闖出一片天，
其實反映出台灣股票軟體高昂、財經資訊較封閉的缺點，
投資界的「iphone」已經夠多了，我們就來當超高CP值的「小米」吧！

初學者投資SOP

我們的SOP將投資分為三個步驟，學習時期、實驗時期（模擬）、投資時期（實戰），將投資當成個人專案，好好經營，按照以下SOP，在股海茫茫中找到穩定獲利的投資模式。

1. 第一步：基礎知識建立

首先身為一個初學者，得先瞭解投資人都在說什麼，先瞭解K線圖、技術指標、財報關鍵數據。各種名詞可能讓你馬上暈倒，但不用擔心，你就蜻蜓點水般看過去，不求樣樣精通，只是在腦海裡有個印象，對選股最基本的感覺就可以了！

這階段你會參考很多不同的免費網站學習，知識不一定全部正確，甚至看一個忘一個，都沒有關係的！這個階段，只是要讓你對投資有個感覺，知道依照數據，被動的買入賣出。

 為什麼要看數據被動的買賣呢，主動投資難道不好嗎？

主動投資說的簡單一點，就是看很多指標、新聞，然後憑吸收的知識，與你已知的投資經驗來買賣股票，主動投資需要花比較多時間研究個股，有一些主觀投資的高手，教你數十種指標，面面俱到，但在教學上，會延伸出幾個問題：

• 指標這麼多，到底要用哪幾個？新聞又佔幾％呢？
• 新手容易在買賣之間慌張做決定
• 賺錢了固然好，賠錢的話，是高手遜嗎？還是自己沒學好？分不清楚…

當然，主動投資也有很多很厲害的高手在，但是複製他們的能力很難！
相反的，假如我們是被動的買賣：

• 依據少數指標，邏輯清晰
• 買賣坦然買入，不帶感情
• 虧錢了，當然是策略不好～直接換一個！

這樣的方法比較適合新手，之所以強調被動的買賣股票，是因為我們希望可以機械式的操作，不要有任何感情，才能把高手的策略原封不動，複製過來！

 最近股市大好，我先來練練盤感？

此期間，不要實戰買賣股票！網路上有很多無法獲利的方法，照著用真的只會賠錢，或是浪費時間，我們在下一個階段會教你如何破除這些陷阱。但請不要現在就等不急開始買賣，尤其是你覺得最近行情大好，更不可以輕舉妄動，請記住：我們是新手，而市場就是一個心裡學戰場，專門騙新手進去賠錢的！

 任務：養成閱讀理財知識的習慣

要養成每天花一點投資的好習慣，聽起來累，其實不然，我們只希望你每天能花十分鐘看一篇文章：瞭解一些指標，以及如何運用，以下就是一些入門的文章，看文章時，記得把一些有趣的選股方法給存起來喔！之後會用到喔～

財經數據雖然背後有很多複雜的邏輯！對簡單的被動投資而言，每個財務名詞就是一個數字，數字大於或小於多少，就買進賣出。如此而已。

• 股票是否買貴了？最應該瞭解的股價淨值比（PB）和本益比（PE）：
  • 財報狗：用股價淨值比找出買賣點
  • 股價淨值比有這麼神？
  • 用股價淨值比來判斷大盤漲跌
  • 大盤要跌了嗎？利用企業本益比分佈來判斷！
  • 本益比能幫你選出優質股？
  • 本益成長比真的越低越好！？
• 企業是否能獲利，重點盈利指標：
  • 買股票只考慮ROE是不夠的！
  • EPS跟ROE哪個比較好用？
  • 財報狗：為什麼 ROE 不是越高越好？（甚至越高越不好！）
  • 絕無僅有的超強指標！
  • 三種看月營收的進階方法！
  • 市值營收比-幫你找到便宜獲利股
  • 持續營收成長的股票真的比較好嗎？有一個風險一定要小心
  • 財報狗：用自由現金流避開地雷股
• 幫你衡量企業體質：
  • 用杜邦分析加強你的選股技巧（上）
  • 用杜邦分析加強你的選股技巧（中）總資產週轉率
  • 用杜邦分析加強你的選股技巧（中）權益乘數
  • 用杜邦分析加強你的選股技巧（中）淨利率
  • 用杜邦分析加強你的選股技巧（下）回測
  • 用自由現金流避開地雷股
• 買股的時機如何決定呢，看技術指標吧：
  • 如何定義KD鈍化
  • 坊間沒在教的RSI選股技巧
  • 超短線上影黑密技！

目前大多數為FinLab自己的文章，有空再補齊其它網站的文章，也請大家有好文章多多分享喔！

好了！既然一個月過去了！相信你已經獲得了一些寶貴的知識，也養成每天碰一點投資的習慣，準備磨刀霍霍，小試伸手！

2. 第二步：策略實驗階段（一個月到半年）

這邊主要分為三個部分，就跟打桌球、網球同樣的道理，你必須先有裝備，才能上場打球！買賣股票也是一樣：

1. 找一種你喜歡的球類（選好一個選股策略）
2. 買一個好球拍（找到適合的選股工具）
3. 開始訓練（用股市大富翁模擬）

有了財經知識，就可以開始建構自己的策略囉！

 任務：找到至少5種被動的選股策略

這個時期有一個重要的一點，就是找到自己滿意的投資模式，假如你是新手，建議可以先利用量化策略下手，因為量化策略獨有可複製性，不論智商、不論經驗，只要照表操課就行了。然而哪裡有還不錯的量化策略呢？有一些上網看到的策略，在這邊舉例：

• FinLab上公開的免費的策略：
  • 教你用財報狗巴菲特免費選股
  • 價值股策略
  • 14年14倍的選股策略！
  • 小資族也可以使用的選股法！
  • 回測框架介紹
  • 腦力激盪的外資策略！
  • 外資大賣，反而要買！？

 要選擇適合的策略

上面提供了一些策略，但不代表你一定要使用，可以隨時新增其它你覺得有可能獲利的策略！但並不是所有的策略都能使用喔！必須要滿足以下條件：

1. 同時至少持有5檔股票以上，最好有10檔以上
2. 最好是週期性的，例如7天、20天、60天換一次手上所有股票，不然會太累
3. 假如不嫌累，可以找每天更換持股的策略（非常不建議XD）

 先不要自創選股方法

這個階段，你還是先效法別人的方法就好，因為自創的方法有非常大的風險，會把策略搞爛！
根據我的經驗，一個好的策略，隨便加一個條件，都很有可能導致策略績效變差（差很多）！
假如你是第一次買股票，可以就照著別人的策略跑就可以囉！
網路上已經很多策略了，真的有好的策略在裡面，只怕你挑不到而已XD

找到了5個策略，就可以開始實做選股的功能了！

 任務：實做5種策略的選股功能

實做策略的方式有很多種，每一種都不錯：

1）用別人的軟體

又可以分成免費或是付費的，免費的好處就是不用錢，但壞處就是有些功能比較寒酸一點…。花錢買的軟體，優點是功能較多，缺點是要繳月費、年費。

2）自己寫程式！（前期很累、後期很輕鬆）

你可以利用python自行打造一套選股軟體，我們finlab提供了各式各樣的教學，讓你每天可以把最新的資料爬下來，自己作分析，甚至自己追蹤個股漲跌！每天按一個鍵，自動策略策略，所需花費 0 元！當然剛開始的付出是肯定多的，並畢竟要學一門程式語言！但不用擔心，我們也提供文章引導你慢慢學習python：

• 財經python教學：
  • 超簡單台股每日爬蟲教學
  • Python 時間序列實做！
  • Python 簡單158種技術指標計算
  • Python：利用Pandas輕鬆選股
  • Python 財報爬蟲
  • 自動下單（1）用Python爬取交易記錄
  • 利用Pandas輕鬆取得股價並回測
  • Python-簡單的月營收選股！
  • 超簡單用python抓取每月營收
  • 用數學計算日馳何時崩盤！
  • Python 簡單選股和回測
  • 讓Machine Learning幫你看財報！
  • 利用Machine Learning 選股新手教學
  • Machine Learning 表示：看季線最無用！
  • 用深度學習幫你解析K線圖！

不論你是用免費、付費、或是python，都要達到在1分鐘內找出當天的股票清單

既然我們已經能夠選出股票清單，就可以開始利用虛擬大富翁，檢測5種測略是否獲利。

 任務：股市大富翁模擬這5種選股策略

這個階段，就開始真正選股並模擬操作，離實戰不遠了！也恭喜你一路堅持，這個步驟非常重要！在股市大富翁裡面，你會得到虛擬的帳戶，並且有虛擬的金錢來投資股票，開5個虛擬帳戶，並且依照5種策略分別選股，並且分別監控獲利狀況！聽起來是一件非常累人的差事，其實五個策略一個小時以內就能設定完成！只要你的策略買賣頻率低一點，不會太辛苦的。

你也可以利用python取代股市大富翁的功能，程式碼也還算簡單！這樣就能達到每天按一個鍵，自動模擬並追蹤策略的績效了！但我們先從股市大富翁講起：

 我沒辦法在股市大富翁開那麼多帳戶？

不用擔心，你真正的帳戶只需要一個，因為大富翁遊戲裡的虛擬子帳戶，是可以同時開很多個的！把每個帳戶的初始金額，設定在你自己投資的金額上，將五個虛擬帳戶重新命名，就可以開始玩囉！

 同時監控5個策略也太累了吧！

假如你覺得很累，那可能有以下幾點原因，你誤解了我們的遊戲規則：

1. 策略買賣頻率太高了：最好要降低一點，假如你20天換一次持股，代表三個禮拜只需要一天換股就好了，很輕鬆的
2. 你用主觀的方式篩選股票：假如你是股票的新手，請不用做這件事情，短時間或許讓你獲利，但十有八九長期績效會輸給策略，我自己就曾經犯過這樣的錯，浪費好多時間斟酌，還拖累了原本的策略。
3. 天生就是懶：那你非適合學python，目前我手上有18個股票策略每天更新，自動監測獲利狀況，也不用管策略買賣頻率到底高不高，每天都只按一個鍵！

請持續約60天以上的模擬，並且與大盤比較績效，當然你有心力，還可以增加策略數，別人用金錢測試繳交學費，你用的是股市大富翁模擬，學費0元！別人一次測試一個策略，你一次就測了五個，快速累積經驗！

第三步：真槍實彈上場

恭喜你至少有了5種策略，並且對它們有深刻的瞭解，可以根據最近的績效，選擇1～2個策略，真槍實彈上戰場！

 任務：選1～2個策略上戰場吧！

要怎麼選呢？首先你得看策略的風險是不是你可以承受的，先說在前，由於大部分的策略可能是做多，金融海嘯時無可避免的會很慘（可能有30%以上的財產損失），所以應該要預留一些資金，等金融海嘯結束時，再進場投資便宜股。或許你想問，既然金融海嘯跌這麼慘，那為什麼還要投資呢？因為長期來說，擁有一個好策略，能獲利的機會滿大的！

 是否選擇獲利高的策略越好？

還有很多面向可以考慮，例如sharp、最大跌幅、波動率…等等，但由於五種策略的實驗時間很短，用這麼多指標來量化績效有沒有必要，也有待商榷。簡單來說，就選擇績效筆直向上的策略，就可以了！記得跟大盤的報酬率比較一下，看看你的策略是否大於大盤的策略，例如考慮近60天，我有11個策略勝大盤，7個輸大盤，最高的報酬率是17％，最低的是-4％，同期大盤2.5％。

 如何分配每檔股票花多少錢？

剛開始一定是平均分散的概念，將金額等分給每支持有的股票，當然有時候金額會不夠，這時你可以摒棄價格太高的股票，再平均分配。
等你熟練之後，可以再依照額外的選股指標調整比例。

 任務：監測你的策略

上線之後，依照你的策略更新持股的頻率，監測它的報酬率，假如近期報酬大於0則很好，要是虧損，也不必太擔心，可以在上線策略前，先寫好萬一虧損的方針：

防止策略大跌：設定止損點

對於那些上線的策略，你可以設定一個門檻，例如10%，假如策略近期（例如：60天）跌幅超越了10%，則立即終止運作。
另外，其實每個策略在大盤不好的時候，都會有嚴重的虧損。另一種風險控管，是把策略跟大盤做比較，近期內虧損比大盤嚴重則停止使用。

發現更好的策略：替換方式

假如你發現其它模擬的策略，有些跑得比上線的策略還好很多，可以非常緩慢的把策略1慢慢更新成策略2。為什麼要緩慢的移動，不能一次到位呢？因為就算我們已經有好策略，還是有可能高買低賣，緩慢的更新讓你有充裕的時間分析自己的決策是否正確，讓你有臨陣回頭的餘地。

什麼叫做慢慢更新呢？例如你有100％的投資金額，正在用策略1，想換成策略2，則可以先設定成60％，40％的比重。然後每個月或每週，參考績效撥10%給另一個策略。

別忘了只顧著你上線的策略，模擬的策略也要記得顧喔！

 任務：繼續模擬策略

這個時期，就算有些策略沒有上線，還是要繼續模擬喔！因為或許某個策略只是最近較差，說不定哪天會噴高。你可以把模擬當做事練兵的感覺，強將手下無落兵，必須偶爾練練兵，甚至要增加新兵（新策略），並汰弱留強。依照自己的能力，手上至少保持5個策略在模擬。

假如你是用python選股，那更好，可以自動模擬選股，並把績效存起來！我手上的18支策略每天都會自動更新，也不用我去管它，只要最後看它們績效，決定用哪支就好了！這也是學python最大的好處之一喔！

不要隨意更動策略

在設定SOP時，你可能覺得止損點-10％還可以承受，但碰到實戰，往往跌了5%就快受不了了，這時候，就是深呼吸沉住氣，策略還沒跌到停損點，不要直接替換策略，因為你很有可能會賣在策略的低點喔！稍微耐心點，跌到止損點前，就祈禱它慢慢補回來吧！

結語：不斷進化的SOP

現在就把這個SOP加入最愛吧！我們會依照大家的建議不斷更新此SOP喔！這個SOP的三步驟，其中的步驟一跟二，我自己親身經歷，覺得學到很多東西，投資功力大增！推薦給大家，讓大家用很短暫的時間，超越大部分的投資新手，然而第三步驟，也是我還在嘗試的階段，不敢說寫到最好，但力求完善，之後隨著我的見識更廣，會慢慢將SOP越修越好！不知道大家對這個SOP有什麼看法？會不會覺得太難，在下面留言，讓這個SOP變得更好吧！