歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
大 聯 大 個股 成交 明細的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理
大 聯 大 個股 成交 明細的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦洪志令吳梅紅寫的 股票大資料採擷實戰 和酆士昌劉承彥的 Python：股票演算法交易實務145個關鍵技巧詳解都 可以從中找到所需的評價。
這兩本書分別來自清華大學出版社 和博碩所出版 。
國立臺北科技大學 人工智慧與大數據高階管理雙聯碩士學位學程 尤信程所指導 高博華的 強化學習與總體經濟指標於股票市場交易之應用 （2021），提出大 聯 大 個股 成交 明細關鍵因素是什麼，來自於深度學習、神經網路、強化學習、政策導向演算法、總體經濟指標。
而第二篇論文亞洲大學 財務金融學系 廖美華所指導 藍宇崙的 外資持股比率對個股期貨標的股票之影響 （2014），提出因為有 外資持股比率、投資績效、流動性、公司特性的重點而找出了 大 聯 大 個股 成交 明細的解答。
股票大資料採擷實戰
為了解決大 聯 大 個股 成交 明細 的問題，作者洪志令吳梅紅 這樣論述：
《股票大資料採擷實戰：股票預測篇/新經濟書庫》圍繞股票大資料採擷技術展開，主要介紹資料採擷的方法及其在股票大資料上的實戰應用。 《股票大資料採擷實戰：股票預測篇/新經濟書庫》共10章。 第1～3章為相關的基礎內容，介紹了資料採擷的基本概念、常用演算法、資料控掘工具及雲計算；然後將股票與資料採擷結合，介紹大資料炒股、股票時間序列、量化投資等；最後介紹與股票相關的資料類型、資料的獲取源及獲取的方法、獲取資料的預處理等。 在第4～10章中，每一章根據股票挖掘的不同目標，介紹相關的資料採擷演算法，同時基於對基礎演算法的優劣分析，提出適用於股票場內實盤交易全景資料分析的新方法，結合新方法在股
票挖掘平臺上的實現，對股票的操作進行實戰的解析。具體包括：分類方法及股票買賣點的判斷；相似/相關匹配方法及股票走勢的預測；相似股票判斷與投資組合；瑪律可夫模型與股票盤面強弱狀態的判斷；關聯規則與股票間的延時漲跌聯動；N-Gram模型與股票的幅值組合關係；深度學習與迴圈滾動預測等。 洪志令，美國加州大學爾灣分校助理科學家、北京大學心理學／北京大學機器感知與智慧教育部重點實驗室博士後，廈門大學人工智慧專業博士。曾先後任職於IBM、美國Comodo、廈門大學軟體學院，現為股票挖掘網（stocktobe.com）創始人。廈門市高層次引進人才，廈門市思明區思明英才，廈門市思明區政協委
員。近年來發表SCI/EI檢索學術論文32篇。目前擁有10項授權的國家發明專利和超過32項的公開實審國家發明專利。 吳梅紅，廈門大學副教授，美國加州大學洛杉磯分校與廈門大學聯合培養博士，師從圖靈獎獲得者Judea Pearl教授，北京大學博士後，美國加州大學爾灣分校訪問學者。福建省新世紀優秀人才，廈門市高層次引進人才。在智慧科學領域有較深入的研究，並在國內外**期刊發表多篇文章。 第1章 資料採擷基礎 1．1 資料採擷概述 1．1．1 資料採擷的過程 1．1．2 資料採擷的任務 1．1．3 資料採擷的應用 1．1．4 資料採擷的存在問題、未來發展和挑戰 1．2 常用的
資料採擷演算法 1．3 資料採擷工具 1．3．1 MATLAB 1．3．2 SAS 1．3．3 SPSS 1．3．4 WEKA 1．3．5 R 1．3．6 工具的比較與選擇 1．4 資料採擷與雲計算 1．5 Mahout分散式框架 1．5．1 Mahout簡介 1．5．2 Mahout演算法集 1．5．3 Mahout系統架構 1．5．4 Mahout的優缺點 第2章 股票大資料採擷 2．1 股票大資料 2．1．1 大數據概述 2．1．2 大資料的處理 2．1．3 大數據炒股 2．2 股票預測 2．2．1 預測基礎知識 2．2．2 股票預測的結構 2．2．3 股票預測技術 2．3 量化投資
2．3．1 什麼是量化投資 2．3．2 量化投資的特點 2．3．3 量化投資的方法 2．3．4 量化投資選股模型 2．3．5 多因數選股模型 2．3．6 量化模型的建立 第3章 股票資料的準備 3．1 股票相關資料 3．2 資料的獲取源 3．2．1 從雅虎獲取歷史交易資料 3．2．2 從騰訊獲取即時交易資料 3．2．3 從新浪獲取交易資料 3．2．4 從網易獲取成交明細資料 3．2．5 從巨潮資訊獲取基礎資料 3．2．6 多源獲取UGC資料 3．3 資料獲取技術 3．3．1 網路爬蟲技術 3．3．2 HTML解析 3．3．3 XML解析 3．3．4 JSON解析 3．4 數據預處理 3．4．
1 資料清理 3．4．2 資料集成 3．4．3 數據變換 3．4．4 數據歸約 第4章 分類方法與股票買賣點判斷 4．1 分類概述 4．2 樸素貝葉斯 4．2．1 樸素貝葉斯分類演算法的概念 4．2．2 樸素貝葉斯分類器模型 4．2．3 樸素貝葉斯分類器的優缺點 4．2．4 樸素貝葉斯分類器的應用 4．2．5 擴展的分類器 4．3 決策樹 4．3．1 決策樹方法介紹 4．3．2 屬性選擇的度量方法 4．3．3 剪枝技術 4．3．4 常用的決策樹分類演算法 4．3．5 ID3演算法 4．3．6 C4．5 演算法 4．3．7 CART演算法 4．3．8 SLIQ演算法 4．3．9 SPRINT演
算法 4．3．10 PUBLIC演算法 4．3．11 演算法比較 4．4 支持向量機 4．4．1 最優分類面 4．4．2 廣義的最優分類面 4．4．3 序列最小最優化演算法 4．4．4 核函數 4．4．5 SVM參數優化問題 4．4．6 SVM分類器 4．5 評價指標 4．6 基於SVM演算法的股票買賣點判斷 4．6．1 數據預處理 4．6．2 買賣點定義 4．6．3 買賣點判斷 第5章 匹配方法與股票走勢的預測 5．1 目標概述 5．2 模式匹配 5．2．1 模式匹配概述 5．2．2 模式匹配的定義 5．2．3 BF演算法 5．2．4 KMP演算法 5．2．5 BM演算法 5．2．6 BM
H演算法 5．2．7 AC演算法 5．2．8 模式匹配演算法總結 5．3 常用的相似性度量方法 5．3．1 基於距離的度量 5．3．2 基於相似/相關的度量 5．3．3 其他度量方式 5．4 新方法：相似走勢匹配在股票預測中的應用 5．4．1 方法思想 5．4．2 相似匹配的計算步驟 5．4．3 基於最相似走勢的股票短期走勢預測方法 5．4．4 基於多相似股票投票統計的近期漲跌預測方法 5．4．5 基於近期預測漲跌幅及其一致性統計的股票推薦方法 5．4．6 基於同匹配日期相似走勢的股票預測方法 5．4．7 基於強匹配排序的股票趨勢分析與選股方法 5．4．8 基於股票預測走勢進行分類和推薦的方法
5．5 新方法：自身歷史相關在股票預測中的應用 5．5．1 基於自身歷史相關時間點的股票趨勢預測方法 5．5．2 基於自相關排序的股票趨勢分析與選股方法； 5．6 新方法：正負相關走勢在股票預測中的應用 5．6．1 主要思想 5．6．2 計算步驟 5．6．3 方法步驟與創新特徵 5．6．4 輸出結果示例 5．7 新方法：自訂模式匹配在股票預測中的應用 5．7．1 主要思想 5．7．2 計算步驟 5．7．3 方法步驟與創新特徵 5．7．4 輸出結果示例 5．8 平臺實戰解析：搜索相似歷史走勢以替代老司機經驗 第6章 相似股票判斷與投資組合 6．1 目標概述 6．2 DTW動態時間規整演算法
6．2．1 匹配模式 6．2．2 DTW演算法原理 6．2．3 DTW演算法改進 6．3 KNN演算法 6．3．1 KNN演算法簡介 6．3．2 k值的選擇 6．3．3 KNN演算法的改進 6．3．4 KNN演算法的實現 6．4 相似股票的判斷和應用 s．4．1 新方法；用於輔助選股的股票分級活醫度計算方法 6．4．2 新方法：基於股票強相關分析的選股推薦方法 6．4．3 平臺實戰解析 第7章 股票盤面強弱狀態的判斷 7．1 目標概述 7．2 瑪律可夫模型 7．2．1 瑪律可夫模型概述 7．2．2 瑪律可夫過程 7．2．3 瑪律可夫鏈 7．2．4 狀態轉移概率 7．2．5 瑪律可夫鏈在天氣預
報中的應用 7．2．6 瑪律可夫鏈在人民幣匯率上的實證分析 7．3 隱瑪律可夫模型 7．3．1 隱瑪律可夫模型概述 7．3．2 隱瑪律可夫的數學模型 7．3．3 評估問題與前向演算法 7．3．4 解碼問題與Viterbi演算法 7．3．5 觀察序列最大概率問題與Baum-Welch演算法 7．3．6 隱瑪律可夫模型在輸入法中的應用 7．4 新方法：基於狀態轉移的股票長期走勢預測與推薦方法 7．4．1 主要思想 7．4．2 計算步驟 7．4．3 方法步驟與創新特徵 7．4．4 平臺實戰解析 第8章 股票間的延時聯動漲跌規則 8．1 目標概述 8．2 貝葉斯 8．2．1 貝葉斯公式 8．2．2
貝葉斯推斷 8．2．3 貝葉斯應用 8．3 關聯規則挖掘 8．3．1 基本概念和模型 8．3．2 Apriori演算法 8．3．3 FP-tree頻集演算法 8．3．4 關聯規則的應用 8．4 關聯規則在股票預測中的應用 8．4．1 新方法：基於時態聯動挖掘的股票預測方法 8．4．2 新方法：基於股票間同現統計的股票推薦方法 8．4．3 平臺實戰解析 第9章 股票漲跌的幅值組合關係 9．1 目標概述 9．2 n-gram模型 9．2．1 自然語言處理 9．2．2 統計語言模型 9．2．3 n-gram模型簡介 9．2．4 n-gram模型的資料平滑 9．2．5 n-gram模型的解碼演算法
9．2．6 利用n-gram糾正中文文本錯誤 9．3 新方法：個股漲跌的幅值組合關係挖掘 9．3．1 基於類似n元語法統計的股票預測方法 9．3．2 基於類似關聯規則統計的股票預測方法 9．3．3 基於局部及全域語法統計的股票推薦方法 9．3．4 用於股市運行邏輯理解的強關聯規則挖掘方法 9．3．5 平臺實戰解析 第10章 股票的迴圈滾動預測方法 10．1 目標概述 10．2 回歸分析與股票預測 10．2．1 回歸分析概述 10．2．2 一元線性回歸模型 10．2．3 多元線性回歸分析模型 10．2．4 線性相關程度測定 10．2．5 非線性回歸分析 10．2．6 用回歸分析進行股票預測 1
0．3 神經網路與股票預測 10．3．1 神經網路的基本原理 10．3．2 BP神經網路演算法 10．3．3 用BP神經網路進行股票預測 10．4 深度學習與股票預測 10．4．1 深度學習介紹 10．4．2 深度學習的理論基礎 10．4．3 典型的深度學習模型 10．4．4 LSTM遞迴神經網路 10．4．5 新方法：用LSTM網路進行股票預測 參考文獻 股票投資是為了獲得更大的收益，然而由於股票市場具有較大的動態特性，股票投資的收益與風險往往成正比，投資收益越高，存在風險則越大。有效地進行股票價格的預測，最大程度地規避股票風險，增加投資收益，是股票投資者最關注的熱點問題
。 近年來，中國股市起起伏伏，熊冠全球，許多投資者傷痕累累，損失慘重，股市已成為大多數中國股民的傷心地。中國股市的現狀是多方面因素共同作用的結果，作為普通的投資者無法改變這一現實，怨天尤人於事無補；要想在股市中博弈，立於不敗之地，只能從現實出發，從自身做起。 在股票交易交易處理中，每天有大量的交易資訊資料匯人資料倉庫，這些資料無疑有益於股民瞭解股市的走勢，做出正確的投資決策，然而從海量資料中提取有用的並最終可理解的模式才是投資者們最為關心的問題。 在大資料時代，資料採擷無疑是最炙手可熱的技術。資料採擷的作用是從大量的、不完全的、有雜訊的、模糊的、隨機的資料中提取隱含在其中的、
人們事先不知道的，但又是潛在有用的資訊和知識的過程。資料採擷技術剛好解決了資料利用的問題，所以資料採擷與股票投資便很自然地結合在一起。但資料採擷在國內也是一個新領域，加上較早之前計算能力的限制，尚未見關於股票投資與資料採擷相結合的相關書籍，以及股票大資料領域的規模應用案例。雖然有一些量化投資方面的著作，但是量化投資和股票挖掘還是存在相當大的差別。在這樣的背景下，本書將結合豐富的金融業資料資源，以及構建的股票大資料採擷平臺，介紹如何利用資料挖掘技術進行股票挖掘和投資實踐。 首先需要學習資料採擷技術。資料採擷是一個交叉學科，融合了統計分析、模式識別、機器學習、資訊檢索、資料庫、資訊理論和最優
化演算法等領域的學習思想，其基礎理論比較多，但卻很分散。其次要學習資料採擷技術怎麼應用到股票投資領域。對於有興趣進行資料採擷應用實踐的讀者來說，他們常有這樣的困惑，如何將實際問題和已經學到的方法、原理聯繫起來，如何將資料採擷技術有效地運用在實際應用中，給使用者帶來價值。 本書以筆者團隊的資料採擷工作為基石，架設起研究和應用的橋樑，説明讀者從應用實例中學習資料採擷和股票投資方法。具體而言，本書從不同的角度，以股票實際應用為導向，始終以實際案例講解應用之下的技術和理論。本書對每個股票應用案例都有詳細的解析，全面介紹了如何將一個實際問題抽象和轉化為資料採擷的問題，讓讀者明白來龍去脈。在過去的1
5年裡，筆者一直從事資料採擷和股票投資方面的學習和研究，本書也算是筆者本人過去多年學習和研究的總結。
強化學習與總體經濟指標於股票市場交易之應用
為了解決大 聯 大 個股 成交 明細 的問題，作者高博華 這樣論述：
人工智慧試圖讓電腦像人類一樣的思考，使得機器可以根據所收集的資訊，模擬人類的決策，不斷自我調整與進化。近年來由於DeepMind AlphaGo 和OpenAI Five 等成功案例的出現，使得深度強化學習受到大家的重視，相關的技術發展也廣泛應用於金融詐騙偵測、零售採購預測、醫療、軍事、能源…等領域。強化學習技術可應用在電腦遊戲上:首先，透過對遊戲環境的觀察取得資訊;其次，決定採取的步驟並執行;再來則是針對採取步驟後獲得此遊戲的回饋報酬是正向或負向，以及報酬程度的大小，調整決策後採取下一個步驟，並再次考量此步驟獲得的回饋報酬的方向與程度，再次調整決策後採取下一個步驟，如此不斷調整以追求在電腦
遊戲中獲得最多的獎勵回饋。強化學習亦可應用於金融市場股票交易:就像遊戲玩家在股市這個遊戲環境裡，透過對某些特定的股票執行[買、賣、不買不賣]三個動作，盡量獲得最多的報酬。本研究使用Open AI的開源框架當作開發平台，使用PPO2演算法訓練交易代理人Agents進行股票交易操作。在股票市場環境的取樣上，採用了自2006年至2022年2月，美國股票市場的各產業類型代表性股票，每個交易日開盤、收盤、日中最高、最低價格、成交量資料，加上技術指標，作為取樣1。另加上美國主要市場指數、貨幣供給總額M1&M2、波動率指數(VIX)、10年期公債殖利率、美元指數等各市場指數與總體經濟指標資料，作為取樣2。並
以最後兩年的資料作為測試驗證，其餘作為訓練使用。我們讓Agent在「無總經指標」與「有總經指標」的資料集分別訓練後，分別進行三次的測試，再將三次的測試績效報酬率的算術平均數拿來比較，採用平均年化報酬率(即期末增加或減少的資產除以期初資產)的差異，探討增加的各市場指數與總體經濟指標，對交易代理人Agents交易股票之報酬率差異進行分析評估。股票標的選擇了在美國股票市場掛牌，交易量較大或較具代表性的10家企業，包括資訊科技、金融服務、健康照護、週期性消費(零售商、汽車與零組件製造、餐廳、旅遊服務業者等)、防禦型消費(家居、飲食、包裝、煙草、個人產品等製造商、教育訓練服務業者等)、能源、工業、基礎材
料(包括原物料探勘、開發、加工、精煉成為製成品)等八個產業：Apple Inc. (AAPL)、Micro Soft Corp. (MSFT)、J.P. Morgan (JPM)、Johnson & Johnson (JNJ)、United Health Group Inc. (UNH)、Home Depot Inc. (HD)、Walmart Inc. (WMT)、Exxon Mobil Corp. (XOM)、Union Pacific Corp. (UNP)、BHP Group Ltd. (BHP)。實驗結果如下：在D1的部分，加入各市場指數與總體經濟指標後，Agent對實驗所選的10檔
股票操作績效年報酬率合計約為408.22%，相較於無加入各市場指數與總體經濟指標的情況下，Agent對實驗所選的十檔股票的操作績效合計約為434.57%，總報酬率約減少了26.35%，亦即減少了6.06%的原始報酬。在D2的部分，加入各市場指數與總體經濟指標後，Agent對實驗所選的10檔股票操作績效年報酬率合計約為124.76%，相較於無加入各市場指數與總體經濟指標的情況下，Agent對實驗所選的10檔股票的操作績效合計約為124.15%，總報酬率約增加了0.61%，亦即增加了0.49%的原始報酬。整體而言，依據實驗設計的環境、演算法與兩類資料集進行實驗的結果，我們觀察到實驗所增加的各市場指
數與總體經濟指標等環境參數項目，對Agent加以訓練後沒有讓Agent的股票投資操作績效更好。可能的原因有：股價與各項指標在變化的方向、持續性、幅度上的相關性不高。或是單一股票價格與成交量的變化，在各個時間區段對各市場指數與總體經濟指標的敏感度差異有可能並不十分一致。另外也可採用例如MlpLstmPolicy、CnnPolicy…等不同的Policy進行交易、或是交易過程中對於投資部位大小的控制、標的風險值與波動率的影響、交易策略的選擇與適用、投資過程中累積損益的變化與穩定性…等，未來都值得我們進一步研究探討其帶來的效益。
Python：股票演算法交易實務145個關鍵技巧詳解
為了解決大 聯 大 個股 成交 明細 的問題，作者酆士昌劉承彥 這樣論述：
想要活用Python實作金融科技與資料分析嗎？ 藉由145個技巧與案例的逐步演練及說明，帶領你進入程式交易的殿堂 金融科技是結合金融與科技的新興產業，包含支付、理財、交易、信貸等多個層面，其中與一般用戶相關性最高的就是交易與理財。透過程式進行交易可避免貪婪與恐懼所造成的損失，且能摒除人性、嚴守紀律、增加獲利的機會。 交易演算法是結合金融交易、程式撰寫與數據分析等三大領域的新興產業，具有較難進入的門檻。本書從數據分析的角度切入，以不同的範例讓你了解概念，並能照著案例實作。 內容由最基本的股票交易規則開始，逐步切入程式撰寫，來計算技術指標，並能進行歷史回測，最後透過下單函數進行程
式交易。藉由案例的逐步演練，可降低學習的門檻，帶領你進入程式交易的殿堂。 拿起這本書，你將學到： ◎Python內建的計算函數功能。 ◎資料的輸入與輸出。 ◎金融圖表的繪製。 ◎金融工具的分析與取用。 ◎金融演算法的建構。 ◎回測系統的建構。 ◎下單函數的撰寫。 ◎實單交易系統。 本書特色 ◎循序漸進的範例教學，按部就班就能上手 ◎了解交易的規則與數據內涵，學習正確的金融演算法 ◎以業界實務應用的案例介紹股票程式交易的領域 ◎結合Line訊息推播，發送交易訊號即時通知 作者簡介 酆士昌 畢業於清華大學數學研究所應用數學組
，專注於系統規劃、軟體開發與金融交易系統。目前任職金融科技公司CEO，在系統建構上有二十餘年的經驗。近年來潛心於金融科技領域，將金融大數據應用於策略回測、推進分析與實單交易的領域。 目前著作共有九十餘本，在多所學校演講並擔任業師，講授大數據分析、程式交易、作業系統、程式語言等相關課程。 Chapter 01 認識Python的基本語法 技巧1 【觀念】Python的創生與發展 技巧2 【操作】安裝Python的基本環境 技巧3 【操作】Python語言的基本操作 技巧4 【操作】執行Python語言的方式 技巧5 【操作】Python的基本運算與科學函數 技巧6 【操作】基本變數
的使用 技巧7 【操作】tuple、list與dictionary的應用 技巧8 【操作】list comprehension的應用 技巧9 【程式】文字檔的讀取與寫入 技巧10 【操作】字串處理的應用 技巧11 【操作】使用Python的外掛套件 技巧12 【觀念】時間的應用 技巧13 【操作】time套件函數的應用 技巧14 【操作】datetime套件函數的應用 技巧15 【操作】資料的分割與合併 技巧16 【程式】判斷的結構與範例 技巧17 【程式】迴圈的結構與範例 技巧18 【觀念】建立函數的方法 技巧19 【程式】建立函式庫並取用 技巧20 【操作】MySQL資料庫的基本操作 技巧
21 【程式】使用Python存取MySQL Chapter 02 Python的圖表繪製 技巧22 【觀念】了解股票成交資訊 技巧23 【程式】取用股票成交資訊 技巧24 【操作】安裝基本的繪圖套件 技巧25 【程式】繪製價格折線圖 技巧26 【觀念】折線圖與MA的關聯性 技巧27 【程式】逐筆計算移動平均價格 技巧28 【程式】繪製價格與MA重疊圖表 技巧29 【程式】繪製價格線圖及量能圖 技巧30 【觀念】了解內外盤的含義 技巧31 【程式】繪製價格與內外盤的走勢圖 技巧32 【程式】繪製價格以及標記大單位置 技巧33 【觀念】K線圖的解讀 技巧34 【程式】計算K線指標 技巧35 【
程式】繪製K線圖 Chapter 03 進行歷史數據回測 技巧36 【觀念】認識歷史回測 技巧37 【觀念】回測演算法架構 技巧38 【觀念】建構回測流程 技巧39 【觀念】時間單位不同的差異 技巧40 【操作】計算技術指標的Talib套件介紹 技巧41 【操作】轉換Talib技術指標的K線格式 技巧42 【操作】Talib技術指標計算 技巧43 【操作】Talib技術指標回測應用 技巧44 【程式】歷史策略回測－固定時間買進賣出回測 技巧45 【程式】歷史策略回測－價格突破區間順勢策略 技巧46 【程式】歷史策略回測－MA+RSI順勢策略 技巧47 【程式】繪製價格走勢圖搭配技術指標 技巧
48 【程式】繪製價格走勢圖並標上買賣點 技巧49 【程式】繪製績效圖表 Chapter 04 選股策略制定 技巧50 【觀念】理解股票交易規則 技巧51 【觀念】認識實單程式交易流程 技巧52 【觀念】為何要選股？股票市場與期貨市場的差異 技巧53 【觀念】選股的方法？取得免費網站公開資訊 技巧54 【觀念】了解爬蟲基本概念 技巧55 【觀念】網頁的組成結構 技巧56 【觀念】網頁的標籤介紹 技巧57 【觀念】BeautifulSoup套件簡介 技巧58 【觀念】Selenium套件簡介 技巧59 【程式】Python異常處理的應用 技巧60 【程式】基本面選股－取得產業別股票清單 技巧6
1 【程式】基本面選股－個股本益比 技巧62 【程式】基本面選股－殖利率 技巧63 【程式】基本面選股－股價淨值比 技巧64 【程式】技術面選股－取得單日熱門股進出 技巧65 【程式】籌碼面選股－取得當日權值股 技巧66 【程式】籌碼面選股－取得外資買賣超排行榜 技巧67 【程式】籌碼面選股－取得自營商買賣超排行榜 Chapter 05 取得即時報價與指標運算 技巧68 【觀念】了解資料的取得與來源 技巧69 【操作】透過下單機來訂閱商品報價 技巧70 【觀念】報價揭示資訊欄位 技巧71 【操作】取得即時報價的方式 技巧72 【程式】報價取得函數撰寫 技巧73 【觀念】何謂技術指標 技巧74
【程式】Python的類別（class）應用 技巧75 【程式】計算K線（開高低收量資訊） 技巧76 【程式】計算內外盤 技巧77 【程式】計算價格MA指標 技巧78 【程式】計算量MA指標 技巧79 【程式】計算MACD指標 技巧80 【程式】計算布林通道 技巧81 【程式】計算KD指標 技巧82 【程式】計算威廉指標 技巧83 【程式】計算RSI指標 技巧84 【程式】計算乖離率指標 Chapter 06 判斷漲跌的趨勢 技巧85 【觀念】趨勢的發生與判斷 技巧86 【觀念】趨勢在策略中的應用 技巧87 【程式】取得股票日K 技巧88 【程式】日週期－開盤價格跳空判斷 技巧89 【程式
】日週期－開盤與日移動平均線判斷 技巧90 【程式】日週期－RSI判斷當日走勢 技巧91 【程式】日內判斷－時間區段價格走勢判斷 技巧92 【程式】日內判斷－根據內外盤總量判趨勢 Chapter 07 規劃進場的時機 技巧93 【觀念】何謂進場 技巧94 【觀念】進場點及成交價迷思 技巧95 【觀念】逐筆判斷或新的K棒才判斷 技巧96 【程式】固定時間進場 技巧97 【程式】MA快線追慢線進場 技巧98 【程式】MA第二次穿越進場 技巧99 【程式】MA延遲進場第二次穿越進場 技巧100 【程式】爆量進場 技巧101 【程式】突破支撐壓力線進場 技巧102 【程式】MACD進場 技巧103
【程式】布林通道進場 技巧104 【程式】KD進場 技巧105 【程式】威廉指標進場 技巧106 【程式】乖離率過大進場 技巧107 【程式】RSI輔助順勢進場 Chapter 08 設定出場及停損停利的條件 技巧108 【觀念】何謂出場 技巧109 【程式】MA慢線追過快線出場 技巧110 【程式】內外盤量反轉出場 技巧111 【程式】RSI指標反轉出場 技巧112 【程式】爆量出場 技巧113 【程式】MACD出場 技巧114 【程式】布林通道出場 技巧115 【程式】KD出場 技巧116 【程式】威廉指標出場 技巧117 【程式】乖離率過大出場 技巧118 【觀念】何謂停損與停利 技巧
119 【程式】價格停損與停利 技巧120 【程式】移動停損出場 Chapter 09 串接券商實單委託及帳務查詢 技巧121 【觀念】程式下單機的運作機制 技巧122 【觀念】實單委託的市場機制 技巧123 【操作】程式下單操作介紹 技巧124 【操作】如何透過Python進行實單委託 技巧125 【程式】建立委託、取帳務函數 技巧126 【程式】送出限價委託及取得帳務回傳 技巧127 【程式】取消委託函數 技巧128 【觀念】認識交易指令 技巧129 【程式】限價單到期刪單 技巧130 【程式】移動市價單 技巧131 【觀念】何謂帳務 技巧132 【程式】取得總帳務明細 技巧133 【程
式】取得庫存資料 Chapter 10 實單交易的策略範例 技巧134 【觀念】真實市場考慮因素 技巧135 【觀念】重要的是價格還是進場時機？ 技巧136 【操作】建構人生第一個Python策略 技巧137 【程式】開盤買收盤賣策略 技巧138 【程式】開盤跳空策略 技巧139 【程式】順勢交易策略 技巧140 【程式】MA交叉買進賣出策略 技巧141 【程式】布林通道逆勢策略 技巧142 【操作】執行策略吧！ 技巧143 【操作】程式交易串接Line Notify推播訊息 Appendix A 股票當沖規則及GOrder下單機 技巧144 【觀念】股票當沖規則簡述 技巧145 【操作】
GOrder下單機介紹及權限開通
外資持股比率對個股期貨標的股票之影響
為了解決大 聯 大 個股 成交 明細 的問題，作者藍宇崙 這樣論述：
本文研究外資持股對個股期貨標的股票投資績效與流動性之影響，以作為投資人在股票市場上的投資依據。隨著2010年2月個股期貨陸續上市，逐漸在台灣金融市場有舉足輕重的地位。本文以2010年至2014年臺灣股票市場中有個股期貨標的股票為研究對象，觀察個股期貨標的股票中外資持股對投資績效與流動性之影響，發現外資持股高的樣本中，外資持有愈多，下一個月調整風險後異常報酬愈高，其他樣本則不受外資影響。但外資持股對流動性有影響，特別是外資持股確實會影響下一個月交易量，推論外資可能利用有個股期貨的現貨進行避險。因此，本研究認為外資持股可作為投資人觀察臺灣股票市場成交量變動的指標。