關於

專題簡介

主題介紹: (1) 在台灣股市茫茫大海的數據中，找到與股價關聯性高的指標; (2) 透過程式，縮短與減少人為判斷的時間和錯誤可能性; (3) 探索金融產業與大數據、AI模型結合的成果經驗
實作歷程: (1) 資料簡介：臺灣證券交易所、Goodinfo股市資訊網、FinMind; (2) 萃取/清理資料過程：

・資料清洗：將所需的特徵欄位資料轉換成正確的格式，方便後續使用
・人為篩選所需的特徵資料，並且剔除離群值、維度調整; (3) 數據分析的方法：

・利用Python中的TA-Lib和台股的日交易資料去建立技術面的特徵點
・使用隨機森林、XGBoost找出與股價關聯係數高的特徵
・利用找出來的特徵去跑LSTM模型預測股價; (4) 資料視覺化：透過HTML、D3.js架設數據可視化的網站，提供方便快速的資料閱覽來源
價值分析: (1) 提供一目了然的資訊看板; (2) 透過機器、深度學習模型的輔助，建立投資人理性投資的起點; (3) 結合量化交易，在股海中建立投資策略，實現財富自由

成員