Demo 系統說明：本系統為展示「特徵工程」與「策略回測」概念的教學工具。受限於 GitHub 硬體資源與儲存空間，目前僅提供 2024-2025 年的歷史數據。完整的生產級系統可擴展至更長時間週期與即時數據。
📌 系統簡介
全球股市特徵引擎是一套結合技術分析與量化回測的策略篩選系統，幫助投資人：
✅ 快速篩選符合技術條件的股票標的✅ 視覺化呈現策略歷史績效分佈
✅ 深度分析技術特徵與報酬的關聯性
✅ AI 輔助自動生成量化策略優化建議
🎯 核心功能
- 多市場支援：台股、美股、陸股、港股、日股、韓股
- 技術指標策略：KD 黃金交叉、MACD 轉正、均線多頭排列
- 背離信號偵測：MACD 底部背離、KD 底部背離、雙重背離
- 動態回測：可自訂評估期間（1-5 天、6-10 天、11-20 天）
- 統計矩陣：特徵與報酬的深度交叉分析
- AI 分析：一鍵生成 ChatGPT 策略優化提示詞
🚀 快速上手：五步驟完整流程
Step 1：選擇市場與時段
進入系統後，在左側欄位選擇：
- 市場：例如選擇「台股 (TW)」
- 年份：2024 或 2025
- 月份：1-12 月
💡 小技巧：建議先從熟悉的市場開始，例如台股投資人可先選台股，觀察策略在本土市場的表現。
Step 2：設定技術指標策略
在「1. 技術指標策略」下拉選單中選擇：
- 無：不做技術篩選，顯示全部標的
- KD 黃金交叉：K 線由下往上穿越 D 線
- MACD 柱狀圖轉正：MACD 柱狀圖斜率 > 0（動能轉強）
- 均線多頭排列：MA20 > MA60（中期趨勢向上）
⚠️ 重要概念：這是「訊號發生當天」的條件，系統會回測該訊號發生後的未來報酬。
Step 3：疊加背離條件（選配）
在「2. 疊加背離條件」中選擇：
- 不限：不考慮背離
- MACD 底部背離：價格創新低但 MACD 未創新低
- KD 底部背離：價格創新低但 KD 未創新低
- 雙重背離：MACD 與 KD 同時出現底部背離
🔍 背離窗口設定
在「∟ 背離發生在最近幾天內？」設定：
- 僅限當天 (共振)：訊號與背離必須同一天發生
- 最近 3 天內：過去 3 個交易日內有背離，今天有技術訊號即符合
💡 策略邏輯：背離常比技術訊號早 1-3 天發生。選擇「最近 3 天內」可提高捕捉率，但可能增加假訊號。建議先從「僅限當天」測試，再逐步放寬。
Step 4：選擇評估期間
在「3. 評估未來報酬區間」選擇觀察週期：
- 1-5 天：極短線，適合當沖或隔日沖
- 6-10 天：波段啟動期，適合短波段操作
- 11-20 天：中期趨勢，適合波段持有
📊 系統會計算：該訊號發生後，在選定區間內出現的「最大漲幅」與「最大跌幅」。
Step 5：分析結果與匯出
點擊「開圖」按鈕可直接跳轉到該股票的技術圖表網站：
- 台股 → 玩股網技術圖
- 美股 → StockCharts
- 港股 → 阿思達克
- 其他市場對應的主流技術分析網站
📊 進階功能：統計矩陣與 AI 分析
📈 報酬分佈圖
系統會自動產生「報酬率區間分佈圖」：
- 藍色柱狀：正報酬區間
- 紅色柱狀：負報酬區間
- 標示每個區間的標的數量與百分比
如何解讀：
- 藍色柱狀集中在右側 → 策略勝率高
- 紅色柱狀佔比大 → 策略可能需要優化
🔬 特徵統計矩陣
展開「特徵統計矩陣」區域，可看到兩張表：
表一：最大漲幅 vs 技術特徵
將標的依「未來最大漲幅」分組，統計各組的技術特徵：
- 平均值：該組的特徵平均水平
- 中位數：排除極端值後的典型水平
- 偏度：是否有飆股（正偏度大代表有極端高報酬標的）
- 峰度：報酬分布是否集中（高峰度代表結果穩定）
表二：最大跌幅 vs 技術特徵
同理，分析「風險控制」層面的特徵差異。
實戰應用：
- 找出「漲幅 >20%」組別與「漲幅 0-5%」組別的特徵差異
- 例如：高報酬組的 MA20 斜率平均是否明顯較高？
- 這些差異就是「量化策略的優化方向」
🤖 AI 量化大師提示詞
系統會自動生成包含以下資訊的提示詞：
- 當前選擇的市場、策略、背離條件
- 完整的統計矩陣數據（CSV 格式）
- 預設的分析問題框架
兩種使用方式：
- 手動複製：點擊「📋 複製提示詞到剪貼簿」，貼到 ChatGPT
- 一鍵跳轉：點擊「🔥 ChatGPT 分析」，自動帶入完整指令
AI 會回答：
- 哪些特徵對高報酬有顯著影響
- 如何結合技術策略與背離條件
- 策略的風險報酬特性
- 優化建議與改進方向
點選上圖中chatgpt分析按鈕將提示詞帶入gptchat，如下圖
💡 實戰案例：如何設計一個高勝率策略
案例：尋找「波段強勢股」
目標：找出未來 6-10 天內漲幅 >10% 的標的
設定步驟：
- 市場：台股
- 時段：2025 年 1 月
- 技術策略：均線多頭排列 (MA20>MA60)
- 背離條件：MACD 底部背離
- 背離窗口：最近 3 天內
- 評估期間：6-10 天（波段啟動期）
分析流程：
- 觀察符合條件的標的數量
- 查看報酬分佈圖 → 是否有明顯右偏（多數標的上漲）
- 進入統計矩陣 → 比較「漲幅 10-20%」組與「漲幅 0-5%」組
- 發現：高報酬組的 MA20 斜率平均 > 2.5，低報酬組 < 1.0
- 優化策略：加入條件「MA20 斜率 > 2.0」
驗證：
- 用其他月份回測相同條件
- 觀察勝率是否穩定
- 調整參數後再次測試
⚙️ 系統限制與注意事項
📅 數據範圍
- 時間跨度：僅 2024-2025 年
- 原因：GitHub 免費方案的儲存與運算資源有限
- 實際應用：生產級系統建議擴展至 5-10 年數據
🚧 技術限制
- 延遲更新：數據並非即時，約有 1-2 天延遲
- 僅供回測：不提供未來預測功能
- 教學性質：著重展示「特徵工程」與「回測方法論」
⚠️ 投資風險提醒
- 歷史績效不代表未來表現
- 任何策略都有失效風險
- 建議搭配其他分析工具與風險控制
- 本系統僅供研究學習，不構成投資建議
📚 延伸學習資源
🎓 什麼是「特徵工程」？
特徵工程是將原始數據（價格、成交量）轉換成更具預測力的數學指標，例如：
- MA20 斜率 = (今日 MA20 - 昨日 MA20) / 昨日 MA20
- MACD 柱狀圖斜率 = 線性回歸計算動能變化率
- 背離信號 = 價格與指標的趨勢背離
這些特徵比原始價格更能反映市場動能與趨勢變化。
🔧 如何打造自己的回測系統？
- 數據來源：選擇 API（如 yfinance, tushare）或爬蟲
- 特徵計算：用 pandas 計算技術指標與衍生特徵
- 策略邏輯：定義進出場條件
- 績效評估：計算勝率、最大回撤、夏普比率
- 視覺化：用 Streamlit 或 Dash 建立互動介面
參考本專案的 GitHub 原始碼，可學習完整的實作流程！
🔗 相關連結
- ⚙️ 環境與 AI 設定教學：點此查看
- 📖 六國回測儀表板：點此查看
- 💻 GitHub 專案原始碼：Global-Stock-Feature-Engine
- 💝 打賞支持作者：點此打賞
❓ 常見問題 FAQ
Q1：為什麼只有 2024-2025 年的數據？
A：這是教學型 Demo 系統，受限於 GitHub 的儲存與運算資源。實際應用可擴展至更長時間。
Q2：可以用這個系統做實盤交易嗎？
A：建議僅供學習研究。實盤需考慮滑價、手續費、流動性等現實因素。
Q3：背離窗口選 0 天和 3 天差在哪？
A：0 天代表「共振」（訊號與背離同時發生），3 天代表「背離可早於訊號 1-3 天」，後者捕捉率較高但可能增加假訊號。
Q4：統計矩陣的偏度和峰度怎麼看？
A：
- 偏度 > 0：有飆股潛力（右尾長）
- 峰度 > 3：結果穩定可預測（分布集中）
Q5：如何判斷策略是否有效？
A：
- 報酬分佈圖藍色柱狀佔比 > 60%
- 統計矩陣中高報酬組與低報酬組特徵差異明顯
- 跨月份測試勝率穩定
💬 結語
全球股市特徵引擎不只是一個選股工具，更是一套量化思維的訓練系統。透過：
- 視覺化的回測結果
- 深度的特徵分析
- AI 輔助的策略優化
幫助你建立數據驅動的投資決策流程，而非憑感覺交易。
記住：最好的策略，是你真正理解並能持續優化的策略。
祝你在量化投資的道路上，越走越穩健！ 🚀
喜歡這個專案嗎？歡迎 ⭐ Star GitHub 專案，或透過打賞支持作者繼續開發！
