{itemname}
{itemname}
香港二樓書店 > 今日好書推介
區政新角度
定價64.00元
8
折優惠:
HK$51.2
●二樓推薦
●文學小說
●商業理財
●藝術設計
●人文史地
●社會科學
●自然科普
●心理勵志
●醫療保健
●飲 食
●生活風格
●旅 遊
●宗教命理
●親子教養
●少年讀物
●輕 小 說
●漫 畫
●語言學習
●考試用書
●電腦資訊
●專業書籍
靠數據說話!AI時代的量化投資入門實戰:不只問AI該買什麼,更要看懂選股依據、投資風險及策略如何驗證
沒有庫存
訂購需時10-14天
9786264146463
徐振煒(Cary Hsu) 著
博碩
2026年11月04日
227.00 元
HK$ 192.95
詳
細
資
料
ISBN:9786264146463</li><li>規格:平裝 / 368頁 / 18k / 17 x 23 x 1.92 cm / 普通級 / 單色印刷 / 初版</li><li>出版地:台灣
分
類
電腦資訊
>
概論/科技趨勢
>
金融科技
內
容
簡
介
<div class="bd">
<div class="content" style="height:auto;">
<p><br /><br />
觀念入門 × 真實案例 × 踩坑紀錄 × MiniQuant實作<br />
選股要有依據,風險要能辨識,策略要經過驗證<br />
投資不只需要答案,更需要可以檢驗的理由<br />
從選股訊號到回測結果,理解AI能幫上什麼忙,也看見它無法替你承擔的風險<br /><br /><br />
【內容簡介】<br />
選股分數高,就值得買進?回測賺錢,就代表策略有效?有了停損,風險就受到控制?學習量化投資,不是把判斷交給一個看不懂的模型,而是學會追問:資料是否可靠?規則是否合理?結果能否經得起驗證?<br /><br />
AI選出一檔股票之後,你還需要知道什麼?本書從真實系統開發經驗出發,帶你看懂資料、指標與模型如何形成選股依據,理解部位、成本與回撤風險,並學習檢查回測偏誤及策略有效性。透過踩坑案例與MiniQuant教學實作,從理解投資邏輯走向驗證方法。不提供明牌,不保證獲利,而是幫助你對每一個投資答案,提出更有根據的問題。<br /><br />
【本書特色】<br />
?看懂選股依據:認識技術指標、基本面與多因子評分,理解排名如何形成,以及高分不代表什麼。<br />
?認識AI的能力與限制:分辨對話式分析、機器學習排名與情緒分析,不把模型輸出當成獲利保證。<br />
?把風險納入判斷:從部位大小、產業集中度到交易成本與回撤,理解風控不只是設定停損。<br />
?驗證策略,而非只看報酬:辨識未來資料洩漏、過度擬合與樣本偏誤,認識樣本外及滾動驗證。<br />
?從失敗案例學會檢查:看見資料缺漏、模型失效與排程衝突,理解「程式能跑」不等於「結果可信」。<br />
?把觀念串成小型實作:以Python、SQL Server與MiniQuant範例,走完資料、因子、風控、回測及報告流程。<br /><br />
【目標讀者】<br />
?想看懂AI選股的投資入門者:不滿足於一張推薦清單,希望理解資料、選股理由與風險,可先閱讀觀念及案例。<br />
?想檢驗投資方法的自學者:已有投資經驗,希望分辨策略有效、行情有利與運氣之間的差別。<br />
?想把分析系統化的工程師與資料工作者:具備程式基礎,希望把投資想法轉成可重複執行與檢查的流程。<br />
?想動手實作的量化初學者:有Python基礎,希望從小型範例理解系統各模組如何串接。<br /><br /><br /><br /><br />?</p>
</div><div class="type02_gradient" style="display:none;"></div>
</div></div><div class="mod_b type02_m057 clearfix">
<a name="AuthorP00a400020009"> </a>
目
錄
<div class="bd">
<div class="content more_off" id="M201105_0_getProdTextInfo_P00a400020009_h2">
<p><br /><br />
|Chapter 01| 問ChatGPT能選股嗎?先搞懂AI選股到底在做什麼<br />
1.1 你是怎麼決定要買哪一檔股票的?<br />
1.2 那問ChatGPT不就好了?<br />
1.3 市面上的「AI選股」到底在做什麼?<br />
1.4 這個系統每天在做什麼?<br />
1.5 系統從哪些角度幫你看股票?<br />
1.6 光會選股還不夠:風險控制才是關鍵<br />
1.7 市場環境很重要:牛市和熊市要用不同策略<br />
1.8 為什麼用LINE來通知?<br />
1.9 任何人都可以做這件事嗎?<br />
1.10 本書地圖<br />
1.11 本章小結<br /><br />
|Chapter 02| 資料是一切的基礎:你的系統有多好,取決於你的資料有多乾淨<br />
2.1 台股的資料從哪裡來?<br />
2.2 資料處理最麻煩的地方:格式不統一<br />
2.3 資料怎麼存?用資料庫管好你的數據<br />
2.4 每天自動跑的資料管線<br />
2.5 資料品質怎麼顧?<br />
2.6 設定管理:讓系統能在不同環境跑<br />
2.7 踩坑紀錄<br />
2.8 動手做做看:用爬蟲抓下你的第一筆股價<br />
2.9 本章小結<br /><br />
|Chapter 03| 看懂股票的「體檢報告」:技術指標入門<br />
3.1 最常聽到的幾個指標<br />
3.2 波動率和趨勢強度<br />
3.3 讓電腦看懂K線圖<br />
3.4 不只看自己,也要看全世界<br />
3.5 看起來最簡單的,反而最有用<br />
3.6 從幾個指標到數十個以上<br />
3.7 踩坑紀錄<br />
3.8 動手做做看:讓程式看懂三種K 線型態<br />
3.9 本章小結<br /><br />
|Chapter 04| 多因子投票:從「一個指標選股」到「數十個以上因子一起決定」<br />
4.1 從五個角度看一檔股票<br />
4.2 怎麼把因子變成分數?<br />
4.3 因子會過期:怎麼知道一個因子還有效?<br />
4.4 不同的市場環境,用不同的權重<br />
4.5 怎麼新增一個因子?<br />
4.6 踩坑紀錄<br />
4.7 一個因子從誕生到上線的完整旅程<br />
4.8 動手做做看:用三個因子投票選出今日首選<br />
4.9 本章小結<br /><br />
|Chapter 05| 市場環境判斷:牛市和熊市要用不同的策略<br />
5.1 四種市場環境<br />
5.2 怎麼判斷現在是哪一種環境?<br />
5.3 連續化評分:不只是非黑即白<br />
5.4 不同環境下,系統會怎麼調整?<br />
5.5 環境判斷的時間問題<br />
5.6 踩坑紀錄<br />
5.7 動手做做看:讓程式判斷現在是牛市或熊市<br />
5.8 本章小結<br /><br />
|Chapter 06| 機器學習:讓電腦幫你找出最有潛力的股票<br />
6.1 ML能預測股價,但準確度是關鍵<br />
6.2 模型如何運作:排名式選股<br />
6.3 Stacking:讓多個模型互相幫忙<br />
6.4 深度學習:另一個視角<br />
6.5 模型的保鮮期:自動重新訓練<br />
6.6 只有10%,為什麼還要用?<br />
6.7 踩坑紀錄<br />
6.8 ML的未來走向:給讀者的建議<br />
6.9 動手做做看:用隨機森林排序股票<br />
6.10 本章小結<br /><br />
|Chapter 07| 風險管理:活下來比賺錢更重要<br />
7.1 個股層級:何時該認賠?何時該收手?<br />
7.2 組合層級:不要把雞蛋放在同一個籃子<br />
7.3 跨帳戶統一風控<br />
7.4 壓力測試:如果金融海嘯重來<br />
7.5 踩坑紀錄<br />
7.6 動手做做看:寫一個最小風控模組<br />
7.7 本章小結<br /><br />
|Chapter 08| 從模擬到實戰:讓系統每天自動運轉<br />
8.1 模擬撮合:假裝真的在買賣<br />
8.2 盤中即時交易:每分鐘持續檢查<br />
8.3 每天的自動排程:從早上6 點到深夜<br />
8.4 踩坑紀錄<br />
8.5 動手做做看:做一個紙上交易帳本<br />
8.6 本章小結<br /><br />
|Chapter 09| 情緒分析:讓機器讀懂新聞和PTT<br />
9.1 新聞情緒分析:一篇報導到底是利多或利空?<br />
9.2 PTT社群分析:散戶在討論什麼?<br />
9.3 每日熱門小道消息<br />
9.4 情緒因子在選股中的角色<br />
9.5 踩坑紀錄<br />
9.6 動手做做看:用PTT統計散戶看多看空的情緒<br />
9.7 本章小結<br /><br />
|Chapter 10| 使用者介面:從沒有畫面到操盤手工作站<br />
10.1 第一代介面:LINE推播—最偷懶但最實用的通知方式<br />
10.2 第二代介面:LINE互動機器人—從「推給你」到「你來問」<br />
10.3 第三代介面:Web Dashboard—因為有些事情手機做不了<br />
10.4 從自動化到介面:回顧整段演化<br />
10.5 踩坑紀錄<br />
10.6 動手做做看:用LINE Messaging API把選股結果推到手機<br />
10.7 本章小結<br /><br />
|Chapter 11| 回測和績效驗證:數字會說話,但也會騙人<br />
11.1 什麼是回測?為什麼重要?<br />
11.2 回測的陷阱:看起來很好,其實是假的<br />
11.3 和大盤比:你的系統真的有贏嗎?<br />
11.4 Regime對回測的影響<br />
11.5 每日風險度量:持續監控上線後的表現<br />
11.6 踩坑紀錄<br />
11.7 動手做做看:跑一個最小回測器<br />
11.8 本章小結<br /><br />
|Chapter 12| 軟體工程:好的交易系統首先是好的軟體<br />
12.1 專案怎麼組織?從一團亂到有結構<br />
12.2 參數管理和變更紀錄<br />
12.3 錯誤處理和監控<br />
12.4 日誌和除錯<br />
12.5 環境和部署<br />
12.6 踩坑紀錄<br />
12.7 動手做做看:把小系統拆成可維護的模組<br />
12.8 本章小結<br /><br />
|Chapter 13| 工程實務拆解:從架構圖到一行能跑的程式<br />
13.1 系統全景:六層架構與模組地圖<br />
13.2 資料如何流動:一筆股價從證交所到LINE<br />
13.3 三個關鍵模組的設計與程式片段<br />
13.4 系統的骨架:讓它每天穩定運轉的工程細節<br />
13.5 踩坑紀錄<br />
13.6 實作篇:用一套最小系統把前面章節串起來<br />
13.7 本章小結<br /><br />
|Chapter 14| 回顧與展望:二年多的真實心得<br />
14.1 成功的部分<br />
14.2 失敗的部分<br />
14.3 給想要開始的你的建議<br />
14.4 系統的未來<br />
14.5 讀完這本書後,你可以檢查什麼?<br />
14.6 本章小結<br /><br />
|Appendix A| MiniQuant實作:做出你的第一套小型量化系統<br />
15.1 MiniQuant的系統地圖<br />
15.2 第一步:把參數集中管理<br />
15.3 第二步:準備一份可重現的資料<br />
15.4 第三步:計算技術指標<br />
15.5 第四步:把指標變成因子分數<br />
15.6 第五步:加入市場環境<br />
15.7 第六步:加入風控<br />
15.8 第七步:建立回測帳本<br />
15.9 第八步:產生報告<br />
15.10 實際執行一次<br />
15.11 三個最值得做的實驗<br />
15.12 MiniQuant沒有做什麼?<br />
15.13 從MiniQuant走向自己的系統<br />
15.14 本章小結<br /><br />
|Chapter A| 附錄:環境安裝、完整程式碼與練習題<br />
A.1 環境安裝總覽<br />
A.2 安裝Python<br />
A.3 建立虛擬環境<br />
A.4 安裝Python套件<br />
A.5 安裝SQL Server Express<br />
A.6 建立測試資料庫<br />
A.7 Python連線SQL Server<br />
A.8 安裝VS Code與建議擴充套件<br />
A.9 驗證MiniQuant可以執行<br />
A.10 環境安裝常見問題<br />
A.11 為什麼把完整程式碼放進附錄?<br />
A.12 第2章範例<br />
A.13 第3章範例<br />
A.14 第4章範例<br />
A.15 第5章範例<br />
A.16 第6章範例<br />
A.17 第9章範例<br />
A.18 第10章範例<br />
A.19 MiniQuant 範例?<br />
A.20 MiniQuant 範例?<br />
A.21 MiniQuant 範例?<br />
A.22 MiniQuant 範例?<br />
A.23 MiniQuant 範例?<br />
A.24 MiniQuant 範例?<br />
A.25 MiniQuant 範例?<br />
A.26 MiniQuant 範例?<br />
A.27 MiniQuant 範例?<br />
A.28 讀者作業總表與驗收流程<br />
A.29 常用指令速查<br />
A.30 命名與檔案整理規則<br />
A.31 MiniQuant常見問答<br />
A.32 附錄小結<br /><br /><br /><br /><br />?</p>
</div>
書
評
其 他 著 作