古有草船借箭，今有AI借鏡 - 訊號撰寫

在 古有草船借箭，今有AI借鏡 寫到如何將CNN訓練好的模型訊號以一個新商品的方式匯入成歷史資料，藉此當為進場訊號的輔助，本文就簡單示範，當匯入訊號後，策略的程式如何撰寫。

首先描述這個模型的特性及策略的設計，CNN模型以「市場輪廓圖」為基礎訓練圖形，以「日」為單位，預測接下來的行情是否發生反轉，訊號的產生也是以日為單位產生，但日資料拿來當交易的週期太長，於是就另外再加入一條五分K的資料數列，當為進出場時間的依據。

本策略為示範說明用，因此只簡單定義了停損及移動出場二個參數，因為CNN的模型判斷是以「日」為單位，在程式中，就以判斷是否換日當條件，當換日的K棒時，就讀入CNN的模型訊號，以CurrentDirection來儲存目前CNN的訊號方向，當方向有發生變化時，就將NeedChange的值，設為CNN預做的方向，讓5分K在開盤時，可以依據NeedChange的值來觸發進場訊號，當CNN的訊號不變或預測為盤整時，就將NeedChange值設定為0，則不會觸發方向。

當MarketPosition不為零時，即代表目前有部位，則將停損及移動出場的參數傳入出場的函式中，在此特別說明：

If Date ＋ 19000000 >= 20230408 And Time >= 1300 Then

這是因為CNN的最後日期只到 2023/04/08， 因此當大於這個日期時，若手中有部位，則在 13:00時就發出平倉的訊號，避免一直持有讓倉位。

在MC的日期起始日期是 1900年，因此我們可以將系統日期，加上19000000後，就可直接與目前的日期比較，不用再手動計算，目前日期與1900年的年份差距，增加程式的可讀性。

若不使用加 19000000的方式，則需表示為1230408，不常撰寫策略的開發者很容易搞錯年度，在此就運用了這個小技巧，讓日期可以直接以西元年的方式來表示。

本篇只是以一個簡單的範例說明如何結合AI的模型訊號，筆者可依此進行擴充，以結合更多的外部模型，充分發揮MC的強項。