| 單元 | 章節 | 提供試閱 |
| 介紹 | 投資 | 是 (請點選) |
| 效率市場 | 是 (請點選) | |
| 程式交易 | 是 (請點選) | |
| 交易策略系統 | 是 (請點選) | |
| 配對交易策略 | 是 (請點選) | |
| 還原價 | 除權息計算結果表 | 否 |
| 參考價 | 否 | |
| 還原價 | 否 | |
| 客製化還原價範例 A | 否 | |
| 客製化還原價範例 B | 否 | |
| 報酬 | 報酬率 | 是 (請點選) |
| 投資組合報酬率 | 是 (請點選) | |
| 衡量多重期間的報酬 | 是 (請點選) | |
| 風險與風險貼水 | 是 (請點選) | |
| 套利定價理論 | 套利定價理論 | 是 (請點選) |
| 配對交易的投資組合 | 否 | |
| 現金流與報酬 | 否 | |
| 模型 | 套利定價理論下的模型猜測 | 否 |
| 猜測模型的具體化 | 否 | |
| 線性迴歸 | 否 | |
| 多變量線性迴歸 | 否 | |
| 多變量線性迴歸的應用 | 否 | |
| 線性迴歸與多變量線性迴歸的轉換關係 | 否 | |
| 估計 | 最小平方問題 | 是 (請點選) |
| 普通最小平方法估計量 | 是 (請點選) | |
| 不偏性 | 否 | |
| 一致性 | 否 | |
| 最大概似估計法 | 否 | |
| 相關 | 已知因子時的測量法 | 是 (請點選) |
| 未知因子時的測量法 | 否 | |
| 檢定 | 假設 | 是 (請點選) |
| 混淆矩陣 | 否 | |
| 單尾檢定 | 否 | |
| 單尾檢定特性 | 否 | |
| 雙尾檢定 | 否 | |
| 受限最小平方估計量 | 否 | |
| 線性檢定 | 是 (請點選) | |
| 多重檢定 | 偏度 | 否 |
| 峰度 | 否 | |
| 常態檢定 | 否 | |
| 複檢定 | 是 (請點選) |
課程資訊:瀏覽課程的詳細資訊
Python 初階配對交易[線上課程]
近 17 年 (2003 年至 2020 年 7 月) 發行量加權股價報酬指數 (俗稱:大盤還原價) 平均每年報酬率高達 9.70% (採幾何平均計算,相關資料請參閱:臺灣證券交易所,無日期)。同時,臺灣證券交易參與現狀亦是十分熱絡,平均每兩名成年中就有一人開戶 (陳昱光,民 107 年 2 月 25 日);不重複開戶人數高達 1,053 萬餘人,2019 年每位股民更是平均獲利 67 萬元 (潘智義,民 108 年 12 月 31 日)。顯而易見地,證券交易可說早已是個人理財中的基礎能力。
然證券化和信用擴張的創新、科技與投資理論所催生的新型交易策略 (Bodie et al., 民 101),與如 Covid-19 疫情難以預料的突發事件 (經濟日報,民 109 年 6 月 26 日) 等,致使證券市場充滿了各種快速且複雜的震盪變化,更造成發行量加權股價報酬指數的日報酬率樣本標準差高達 1.17% (2003 年至 2020 年 7 月,相關資料請參閱:臺灣證券交易所,無日期)。 故本門課著重在資產配置上,利用沖銷風險為根基的配對交易 ("配對交易",民 107) 為課程主軸,將以距離方法 (distance method, 相關資料請參閱:"Pairs trade," 2020, para. #Model-based pairs trading) 作為課程完成目標教學。
課程重要注意事項:(1) 此課程原為 Python 初階證券交易分析中數據分析的內容,程式設計部分已移至 Python 初階複合設計模式課程中。修習本課程學員僅須熟悉 Python 語法即可;(2) 本線上課程授課方式為提供已錄製完成的影片,無直播授課;(3) 基於法規限制 (臺灣證券交易所,使用條款,無日期與臺灣期貨交易所,使用條款,無日期),部分數據僅可使用過去已久的舊資料。(4) 結業標準採作業等權重加權後達 70 分,各作業內容與截止日期依當期課程決定。
【線上課程的課程設計為「線上錄影課程」,學員可以透過精心剪輯設計的課程影片不停地複習實作的步驟,確保可以順利完成所有的操作。也可以隨時在線上討論區或作業的討論獲得必要的協助或提示來一起學習怎麼解決實際的問題。此課程結業標準為作業等權重加權達70分。】
※線上課程上課時間:可自行安排時間上課
影片上架進度,請參考備註欄位第(三)點線上課程常見QA連結網址
然證券化和信用擴張的創新、科技與投資理論所催生的新型交易策略 (Bodie et al., 民 101),與如 Covid-19 疫情難以預料的突發事件 (經濟日報,民 109 年 6 月 26 日) 等,致使證券市場充滿了各種快速且複雜的震盪變化,更造成發行量加權股價報酬指數的日報酬率樣本標準差高達 1.17% (2003 年至 2020 年 7 月,相關資料請參閱:臺灣證券交易所,無日期)。 故本門課著重在資產配置上,利用沖銷風險為根基的配對交易 ("配對交易",民 107) 為課程主軸,將以距離方法 (distance method, 相關資料請參閱:"Pairs trade," 2020, para. #Model-based pairs trading) 作為課程完成目標教學。
課程重要注意事項:(1) 此課程原為 Python 初階證券交易分析中數據分析的內容,程式設計部分已移至 Python 初階複合設計模式課程中。修習本課程學員僅須熟悉 Python 語法即可;(2) 本線上課程授課方式為提供已錄製完成的影片,無直播授課;(3) 基於法規限制 (臺灣證券交易所,使用條款,無日期與臺灣期貨交易所,使用條款,無日期),部分數據僅可使用過去已久的舊資料。(4) 結業標準採作業等權重加權後達 70 分,各作業內容與截止日期依當期課程決定。
【線上課程的課程設計為「線上錄影課程」,學員可以透過精心剪輯設計的課程影片不停地複習實作的步驟,確保可以順利完成所有的操作。也可以隨時在線上討論區或作業的討論獲得必要的協助或提示來一起學習怎麼解決實際的問題。此課程結業標準為作業等權重加權達70分。】
※線上課程上課時間:可自行安排時間上課
影片上架進度,請參考備註欄位第(三)點線上課程常見QA連結網址
課程大綱
適合對象
- 嫻熟於使用 Python 者
- 證券或相關金融商品交易經驗者
- 對線性代數與機率論基礎有所了解者
開發環境
| Python | 3.9.7 |
| JupyterLab | 3.1.12 |
| yfinance | 0.1.63 |
| NumPy | 1.21.2 |
| NumPy Financial | 1.0.0 |
| SciPy | 1.7.1 |
| Matplotlib | 3.4.3 |
| pandas | 1.3.3 |
線上課程注意事項
●線上課程採遠距教學,無需到班上課!
●線上課程影片無字幕輔助
●線上課程為非同步教學,無法及時互動回覆,請學員需自行評估是否適合自己的學習模式。
● 上課教材、影片:開課當天會發送註冊信至信箱,註冊完畢後即可開始上課。
● 繳交作業期限:依照各班講師規定;通過課程標準才會製作證書。
● 課程影片下架日:結束日後六個月
●學員於開課後登入課程時, 登入帳號務必與報名時所填寫的EMAIL相同!!!
●公務員全程參與課程學習後可於課程結束後申請登錄公務人員學習時數
(一)轉班或退費期限:開課日後⅓時數內,詳情連結
(二)結業狀況:查詢是否合格及證書製作進度,結業名單連結
(三)線上課程上課時間:請參考官網最新消息「線上課程常見QA」,詳情連結
(四)報名備註欄位僅可填寫優惠同行人,收據開立時間及其他問題請直接寄EMAIL向我們聯繫
●經濟部30人以下中小企業數位轉型補助
有與經濟部30人以下中小企業數位轉型補助配合的課程,學員申請補助時請務必主動告知承辦單位所需資料。
(一)收據須載明課程名稱、上課人數及課程單價。
(二)需開立抬頭統編抬
(三)注意事項:未通過課程者,恕無法申請本計畫補助。
近期班次
講師介紹
王冠倫
(一) 學歷:
- 國立交通大學應用數學所碩士學位
- 國立台灣大學資訊工程學系博士班
(二) 經歷:
- 「以多模式大數據分析與分散式區塊鏈運算開發智慧型店頭市場交易與機器人理財系統」計畫研究助理
- 「運用 GPU 平行計算到高頻程式交易」計畫研究助理
- 「分析債務結構,信用風險,及市場投資人行為之關聯性的理論量化模型」計畫研究助理
- 「波動模型的樹狀圖與衍生性金融商品之希臘字母模擬計算方法」計畫研究助理
(三) 專長:
- 統計套利 (statistical arbitrage)
- 配對交易 (pairs trading)
- 計量策略 (quantitative strategies)
(四) 教學經驗:
- 於本訓練班授課時數累計至 2021年6月30日為540小時
