Top 5
現在虛擬貨幣投資愈來愈熱門
確實有許多研究的空間
例如鏈上數據
k線數據
新聞消息
都有可能拿來當作交易的判斷
我們常常會做很多分析之後來做交易
我們做交易的流程可能是這樣的
1.(幣種 交易週期 當前時間)
2.獲取多方數據
3.聚合數據
4.複雜買賣訊號計算
5.輸出買賣訊號
現在虛擬貨幣投資愈來愈熱門
確實有許多研究的空間
例如鏈上數據
k線數據
新聞消息
都有可能拿來當作交易的判斷
我們常常會做很多分析之後來做交易
我們做交易的流程可能是這樣的
1.(幣種 交易週期 當前時間)
2.獲取多方數據
3.聚合數據
4.複雜買賣訊號計算
5.輸出買賣訊號
最近把策略加入IC , IR的驗證
IC（Information Coefficient）和 IR（Information Ratio）
IC：衡量預測值與實際報酬之間的相關性。
IR：衡量整體預測穩定性，也就是平均IC與其波動的比值。
1. Information Coefficient
最近把策略加入IC , IR的驗證
IC（Information Coefficient）和 IR（Information Ratio）
IC：衡量預測值與實際報酬之間的相關性。
IR：衡量整體預測穩定性，也就是平均IC與其波動的比值。
1. Information Coefficient
上一篇介紹了軟體開發積極度選幣策略
如果還不清楚可以去看我方格子軟體開發積極度選幣策略
https://vocus.cc/article/687ba63efd897800010c00e1
其實簡單來說就是假設項目方比較積極開發的項目比較會漲
而且這比較可能是先行指標 畢竟區塊鏈本質就是一堆程
上一篇介紹了軟體開發積極度選幣策略
如果還不清楚可以去看我方格子軟體開發積極度選幣策略
https://vocus.cc/article/687ba63efd897800010c00e1
其實簡單來說就是假設項目方比較積極開發的項目比較會漲
而且這比較可能是先行指標 畢竟區塊鏈本質就是一堆程
在買股票的時候投資人
常常會評估一間公司是不是真的積極在做事
例如實際去公司考察 或是認識公司內部的人 知道他們很忙
訂單接不完 這種小道消息 之後可能就會參與投資
反之幾乎跟死水一樣的就不要投資
那有沒有什麼方法可以套用到幣圈來呢?
有的 虛擬貨幣本質上就是一堆程式碼
也是有項目方工
在買股票的時候投資人
常常會評估一間公司是不是真的積極在做事
例如實際去公司考察 或是認識公司內部的人 知道他們很忙
訂單接不完 這種小道消息 之後可能就會參與投資
反之幾乎跟死水一樣的就不要投資
那有沒有什麼方法可以套用到幣圈來呢?
有的 虛擬貨幣本質上就是一堆程式碼
也是有項目方工
最近從finlab_crypto在研究基本的雙均線策略
當我把時間刻度調整到每秒一筆出現很奇怪的現象
由於熱力圖 跟 回測 不難 所以我就寫程式自己做了
什麼 難道 在秒級數據上用sma5 sma10 操作就是聖杯嗎?
看看在新的時間段是否有效
我把原始數據 80/20切分 80%用來找最
最近從finlab_crypto在研究基本的雙均線策略
當我把時間刻度調整到每秒一筆出現很奇怪的現象
由於熱力圖 跟 回測 不難 所以我就寫程式自己做了
什麼 難道 在秒級數據上用sma5 sma10 操作就是聖杯嗎?
看看在新的時間段是否有效
我把原始數據 80/20切分 80%用來找最
前幾個章節我們已經實驗了
用一些技術指標 丟入 隨機森林 跟SVM硬train一發
看看這樣做出來的策略效果怎樣
其實都沒有說有非常好的效果
用技術指標去預測漲跌基本上跟看著後照鏡開車差不多
因為技術指標都是用過去的價格走勢算出來的
但是也有一套說法是說 歷史會不斷重演
所以也許在擬合
前幾個章節我們已經實驗了
用一些技術指標 丟入 隨機森林 跟SVM硬train一發
看看這樣做出來的策略效果怎樣
其實都沒有說有非常好的效果
用技術指標去預測漲跌基本上跟看著後照鏡開車差不多
因為技術指標都是用過去的價格走勢算出來的
但是也有一套說法是說 歷史會不斷重演
所以也許在擬合
上一章嘗試了用隨機森林模型預測漲跌
這一張要嘗試用SVM
SVM是一個參數化模型 跟隨機森林不同
SVM內部會學一個權重用來把數據分成兩類
SVM在學的就是找一個W值使得 2/w愈大愈好 w愈小愈好
通常具有良好的汎化能力
一樣SVM模型繼承自BaseStrategy這個類別
首先
上一章嘗試了用隨機森林模型預測漲跌
這一張要嘗試用SVM
SVM是一個參數化模型 跟隨機森林不同
SVM內部會學一個權重用來把數據分成兩類
SVM在學的就是找一個W值使得 2/w愈大愈好 w愈小愈好
通常具有良好的汎化能力
一樣SVM模型繼承自BaseStrategy這個類別
首先
前面介紹了幾種基於規則的策略
https://vocus.cc/article/685d463dfd89780001f3d7fd
並驗證了它們在比特幣上的表現
其實多數都是虧錢的
這一章開始用隨機森林來測試機器學習有沒有幫助
一樣沿用之前的
定義一個隨機森林策略
準備資料
注意機器學
前面介紹了幾種基於規則的策略
https://vocus.cc/article/685d463dfd89780001f3d7fd
並驗證了它們在比特幣上的表現
其實多數都是虧錢的
這一章開始用隨機森林來測試機器學習有沒有幫助
一樣沿用之前的
定義一個隨機森林策略
準備資料
注意機器學
前面介紹了三個策略
MACD RSI 還有一個玩股網部落格作家的的策略
那到底怎麼知道有沒有用呢?
這個時候就要來回測了
我要寫一個函數 丟入策略 資料 本金 起始日期 結束日期等等
他就會告訴我在這個時間段 使用這個策略在這個本金下 在這些資料上進行買賣
最後的下場是什麼
首先把三個
前面介紹了三個策略
MACD RSI 還有一個玩股網部落格作家的的策略
那到底怎麼知道有沒有用呢?
這個時候就要來回測了
我要寫一個函數 丟入策略 資料 本金 起始日期 結束日期等等
他就會告訴我在這個時間段 使用這個策略在這個本金下 在這些資料上進行買賣
最後的下場是什麼
首先把三個
好前面定義完了什麼是交易策略那可以做什麼
早期剛接觸交易的時候會看玩股網
裡面許多投資人都會把交易邏輯寫成程式
像以下這個公開的文章
其實就可以用前一章做的策略類別去實作
由於他這個只有進場策略但是根據我的觀察
他都是根據這個進場策略進場之後漲7%或是7天內一定離場
印象中好像也有停損
好前面定義完了什麼是交易策略那可以做什麼
早期剛接觸交易的時候會看玩股網
裡面許多投資人都會把交易邏輯寫成程式
像以下這個公開的文章
其實就可以用前一章做的策略類別去實作
由於他這個只有進場策略但是根據我的觀察
他都是根據這個進場策略進場之後漲7%或是7天內一定離場
印象中好像也有停損
其實一直以來都很喜歡研究量化交易 自動化交易 或是任何用程式邏輯來做交易的領域
但是一直沒做出一個很大型的python套件 或是持久運行的網站
最近給自己一個目標 來寫部落格 從零開始記錄自己實現每個元件的過程
我的想法是先從每個元件功能開始著手 例如做一個"策略"類別
策略類別是一個父類別
其實一直以來都很喜歡研究量化交易 自動化交易 或是任何用程式邏輯來做交易的領域
但是一直沒做出一個很大型的python套件 或是持久運行的網站
最近給自己一個目標 來寫部落格 從零開始記錄自己實現每個元件的過程
我的想法是先從每個元件功能開始著手 例如做一個"策略"類別
策略類別是一個父類別
這個簡陋的網站是我做的簡單幾個功能
1.股票走勢圖配上買賣點
2.近期買賣信號機率
參考自這篇論文:
https://www.researchgate.net/profile/Omer-Sezer/publication/324802031_Algorithmic_Financial_T
這個簡陋的網站是我做的簡單幾個功能
1.股票走勢圖配上買賣點
2.近期買賣信號機率
參考自這篇論文:
https://www.researchgate.net/profile/Omer-Sezer/publication/324802031_Algorithmic_Financial_T
Backtrader 是一個非常受歡迎且功能強大的 Python 回測框架，主要用於量化交易策略的開發、測試與實盤交易。它支援各種市場資料（如股票、期貨、外匯、加密貨幣等）以及多種回測功能，並且能夠輕鬆地擴展以適應各種交易策略。
Backtrader 的核心概念與結構
Backtrader 主要
Backtrader 是一個非常受歡迎且功能強大的 Python 回測框架，主要用於量化交易策略的開發、測試與實盤交易。它支援各種市場資料（如股票、期貨、外匯、加密貨幣等）以及多種回測功能，並且能夠輕鬆地擴展以適應各種交易策略。
Backtrader 的核心概念與結構
Backtrader 主要
最近發現一個雲端
Cloud Application Platform | Render
非常的好用可以把我之前做的自動化交易程式做部屬
用不到150行python代碼打造專屬你自己的自動化binance自動下單交易程式
使用教學
1.建立專案
2.選Cron job
最近發現一個雲端
Cloud Application Platform | Render
非常的好用可以把我之前做的自動化交易程式做部屬
用不到150行python代碼打造專屬你自己的自動化binance自動下單交易程式
使用教學
1.建立專案
2.選Cron job
一個實用的python程序快速幫你過濾出成交量大增的虛擬貨幣
金融界有一句很知名的話 量先行
通常成交量放大伴隨而來的就是股價的拉抬
重點就在這裡,但是投資人總不可能一擋一擋去看成交量吧太花時間了
這段程式碼就是快速篩選出市場上成交量徒增的虛擬貨幣
from binance.client
一個實用的python程序快速幫你過濾出成交量大增的虛擬貨幣
金融界有一句很知名的話 量先行
通常成交量放大伴隨而來的就是股價的拉抬
重點就在這裡,但是投資人總不可能一擋一擋去看成交量吧太花時間了
這段程式碼就是快速篩選出市場上成交量徒增的虛擬貨幣
from binance.client
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:25的時候
對加權指數選擇權報價截圖,關注的點為15450的put單價格為96
接下來在12點33再次觀察關注的點為15450的put單價格為105
105-96 = 9點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:25的時候
對加權指數選擇權報價截圖,關注的點為15450的put單價格為96
接下來在12點33再次觀察關注的點為15450的put單價格為105
105-96 = 9點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:18的時候
對加權指數選擇權報價截圖,關注的點為15300的put單價格為15
接下來在11點31再次觀察關注的點為15300的put單價格為5.7
5.7-15 = -9.3點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:18的時候
對加權指數選擇權報價截圖,關注的點為15300的put單價格為15
接下來在11點31再次觀察關注的點為15300的put單價格為5.7
5.7-15 = -9.3點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：05藉由這門課程的人工智慧機器人給出建議賣出指示
於是在接近09：56的時候
對加權指數選擇權報價截圖
15600對應的put價格是71
接下來在接近11點45再次觀察
15600對應的put價格是160
160-71=89點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：05藉由這門課程的人工智慧機器人給出建議賣出指示
於是在接近09：56的時候
對加權指數選擇權報價截圖
15600對應的put價格是71
接下來在接近11點45再次觀察
15600對應的put價格是160
160-71=89點
單純進行程式觀察實驗
非投資操作建議
這是我跟chatgpt協作整理出來的一些知識:
蠻神奇的事情是我記得CHATGPT無法連網,他居然能知道我這個專案是做
投資建議訊號推送的telegrambot機器人,我完全沒有頭緒他怎麼知道的
這是我跟chatgpt協作整理出來的一些知識:
蠻神奇的事情是我記得CHATGPT無法連網,他居然能知道我這個專案是做
投資建議訊號推送的telegrambot機器人,我完全沒有頭緒他怎麼知道的
在這篇文章中，我們將介紹如何使用Python來創建自動化的Binance交易程式。我們將利用Binance API，這是一個允許我們通過程式訪問Binance交易所的接口。這樣，我們就可以在程式中設定交易策略和條件，自動下單交易。
在開始之前，您需要先申請一個Binance交易所帳戶。
在這篇文章中，我們將介紹如何使用Python來創建自動化的Binance交易程式。我們將利用Binance API，這是一個允許我們通過程式訪問Binance交易所的接口。這樣，我們就可以在程式中設定交易策略和條件，自動下單交易。
在開始之前，您需要先申請一個Binance交易所帳戶。
Top 5
現在虛擬貨幣投資愈來愈熱門
確實有許多研究的空間
例如鏈上數據
k線數據
新聞消息
都有可能拿來當作交易的判斷
我們常常會做很多分析之後來做交易
我們做交易的流程可能是這樣的
1.(幣種 交易週期 當前時間)
2.獲取多方數據
3.聚合數據
4.複雜買賣訊號計算
5.輸出買賣訊號
現在虛擬貨幣投資愈來愈熱門
確實有許多研究的空間
例如鏈上數據
k線數據
新聞消息
都有可能拿來當作交易的判斷
我們常常會做很多分析之後來做交易
我們做交易的流程可能是這樣的
1.(幣種 交易週期 當前時間)
2.獲取多方數據
3.聚合數據
4.複雜買賣訊號計算
5.輸出買賣訊號
最近把策略加入IC , IR的驗證
IC（Information Coefficient）和 IR（Information Ratio）
IC：衡量預測值與實際報酬之間的相關性。
IR：衡量整體預測穩定性，也就是平均IC與其波動的比值。
1. Information Coefficient
最近把策略加入IC , IR的驗證
IC（Information Coefficient）和 IR（Information Ratio）
IC：衡量預測值與實際報酬之間的相關性。
IR：衡量整體預測穩定性，也就是平均IC與其波動的比值。
1. Information Coefficient
上一篇介紹了軟體開發積極度選幣策略
如果還不清楚可以去看我方格子軟體開發積極度選幣策略
https://vocus.cc/article/687ba63efd897800010c00e1
其實簡單來說就是假設項目方比較積極開發的項目比較會漲
而且這比較可能是先行指標 畢竟區塊鏈本質就是一堆程
上一篇介紹了軟體開發積極度選幣策略
如果還不清楚可以去看我方格子軟體開發積極度選幣策略
https://vocus.cc/article/687ba63efd897800010c00e1
其實簡單來說就是假設項目方比較積極開發的項目比較會漲
而且這比較可能是先行指標 畢竟區塊鏈本質就是一堆程
在買股票的時候投資人
常常會評估一間公司是不是真的積極在做事
例如實際去公司考察 或是認識公司內部的人 知道他們很忙
訂單接不完 這種小道消息 之後可能就會參與投資
反之幾乎跟死水一樣的就不要投資
那有沒有什麼方法可以套用到幣圈來呢?
有的 虛擬貨幣本質上就是一堆程式碼
也是有項目方工
在買股票的時候投資人
常常會評估一間公司是不是真的積極在做事
例如實際去公司考察 或是認識公司內部的人 知道他們很忙
訂單接不完 這種小道消息 之後可能就會參與投資
反之幾乎跟死水一樣的就不要投資
那有沒有什麼方法可以套用到幣圈來呢?
有的 虛擬貨幣本質上就是一堆程式碼
也是有項目方工
最近從finlab_crypto在研究基本的雙均線策略
當我把時間刻度調整到每秒一筆出現很奇怪的現象
由於熱力圖 跟 回測 不難 所以我就寫程式自己做了
什麼 難道 在秒級數據上用sma5 sma10 操作就是聖杯嗎?
看看在新的時間段是否有效
我把原始數據 80/20切分 80%用來找最
最近從finlab_crypto在研究基本的雙均線策略
當我把時間刻度調整到每秒一筆出現很奇怪的現象
由於熱力圖 跟 回測 不難 所以我就寫程式自己做了
什麼 難道 在秒級數據上用sma5 sma10 操作就是聖杯嗎?
看看在新的時間段是否有效
我把原始數據 80/20切分 80%用來找最
前幾個章節我們已經實驗了
用一些技術指標 丟入 隨機森林 跟SVM硬train一發
看看這樣做出來的策略效果怎樣
其實都沒有說有非常好的效果
用技術指標去預測漲跌基本上跟看著後照鏡開車差不多
因為技術指標都是用過去的價格走勢算出來的
但是也有一套說法是說 歷史會不斷重演
所以也許在擬合
前幾個章節我們已經實驗了
用一些技術指標 丟入 隨機森林 跟SVM硬train一發
看看這樣做出來的策略效果怎樣
其實都沒有說有非常好的效果
用技術指標去預測漲跌基本上跟看著後照鏡開車差不多
因為技術指標都是用過去的價格走勢算出來的
但是也有一套說法是說 歷史會不斷重演
所以也許在擬合
上一章嘗試了用隨機森林模型預測漲跌
這一張要嘗試用SVM
SVM是一個參數化模型 跟隨機森林不同
SVM內部會學一個權重用來把數據分成兩類
SVM在學的就是找一個W值使得 2/w愈大愈好 w愈小愈好
通常具有良好的汎化能力
一樣SVM模型繼承自BaseStrategy這個類別
首先
上一章嘗試了用隨機森林模型預測漲跌
這一張要嘗試用SVM
SVM是一個參數化模型 跟隨機森林不同
SVM內部會學一個權重用來把數據分成兩類
SVM在學的就是找一個W值使得 2/w愈大愈好 w愈小愈好
通常具有良好的汎化能力
一樣SVM模型繼承自BaseStrategy這個類別
首先
前面介紹了幾種基於規則的策略
https://vocus.cc/article/685d463dfd89780001f3d7fd
並驗證了它們在比特幣上的表現
其實多數都是虧錢的
這一章開始用隨機森林來測試機器學習有沒有幫助
一樣沿用之前的
定義一個隨機森林策略
準備資料
注意機器學
前面介紹了幾種基於規則的策略
https://vocus.cc/article/685d463dfd89780001f3d7fd
並驗證了它們在比特幣上的表現
其實多數都是虧錢的
這一章開始用隨機森林來測試機器學習有沒有幫助
一樣沿用之前的
定義一個隨機森林策略
準備資料
注意機器學
前面介紹了三個策略
MACD RSI 還有一個玩股網部落格作家的的策略
那到底怎麼知道有沒有用呢?
這個時候就要來回測了
我要寫一個函數 丟入策略 資料 本金 起始日期 結束日期等等
他就會告訴我在這個時間段 使用這個策略在這個本金下 在這些資料上進行買賣
最後的下場是什麼
首先把三個
前面介紹了三個策略
MACD RSI 還有一個玩股網部落格作家的的策略
那到底怎麼知道有沒有用呢?
這個時候就要來回測了
我要寫一個函數 丟入策略 資料 本金 起始日期 結束日期等等
他就會告訴我在這個時間段 使用這個策略在這個本金下 在這些資料上進行買賣
最後的下場是什麼
首先把三個
好前面定義完了什麼是交易策略那可以做什麼
早期剛接觸交易的時候會看玩股網
裡面許多投資人都會把交易邏輯寫成程式
像以下這個公開的文章
其實就可以用前一章做的策略類別去實作
由於他這個只有進場策略但是根據我的觀察
他都是根據這個進場策略進場之後漲7%或是7天內一定離場
印象中好像也有停損
好前面定義完了什麼是交易策略那可以做什麼
早期剛接觸交易的時候會看玩股網
裡面許多投資人都會把交易邏輯寫成程式
像以下這個公開的文章
其實就可以用前一章做的策略類別去實作
由於他這個只有進場策略但是根據我的觀察
他都是根據這個進場策略進場之後漲7%或是7天內一定離場
印象中好像也有停損
其實一直以來都很喜歡研究量化交易 自動化交易 或是任何用程式邏輯來做交易的領域
但是一直沒做出一個很大型的python套件 或是持久運行的網站
最近給自己一個目標 來寫部落格 從零開始記錄自己實現每個元件的過程
我的想法是先從每個元件功能開始著手 例如做一個"策略"類別
策略類別是一個父類別
其實一直以來都很喜歡研究量化交易 自動化交易 或是任何用程式邏輯來做交易的領域
但是一直沒做出一個很大型的python套件 或是持久運行的網站
最近給自己一個目標 來寫部落格 從零開始記錄自己實現每個元件的過程
我的想法是先從每個元件功能開始著手 例如做一個"策略"類別
策略類別是一個父類別
這個簡陋的網站是我做的簡單幾個功能
1.股票走勢圖配上買賣點
2.近期買賣信號機率
參考自這篇論文:
https://www.researchgate.net/profile/Omer-Sezer/publication/324802031_Algorithmic_Financial_T
這個簡陋的網站是我做的簡單幾個功能
1.股票走勢圖配上買賣點
2.近期買賣信號機率
參考自這篇論文:
https://www.researchgate.net/profile/Omer-Sezer/publication/324802031_Algorithmic_Financial_T
Backtrader 是一個非常受歡迎且功能強大的 Python 回測框架，主要用於量化交易策略的開發、測試與實盤交易。它支援各種市場資料（如股票、期貨、外匯、加密貨幣等）以及多種回測功能，並且能夠輕鬆地擴展以適應各種交易策略。
Backtrader 的核心概念與結構
Backtrader 主要
Backtrader 是一個非常受歡迎且功能強大的 Python 回測框架，主要用於量化交易策略的開發、測試與實盤交易。它支援各種市場資料（如股票、期貨、外匯、加密貨幣等）以及多種回測功能，並且能夠輕鬆地擴展以適應各種交易策略。
Backtrader 的核心概念與結構
Backtrader 主要
最近發現一個雲端
Cloud Application Platform | Render
非常的好用可以把我之前做的自動化交易程式做部屬
用不到150行python代碼打造專屬你自己的自動化binance自動下單交易程式
使用教學
1.建立專案
2.選Cron job
最近發現一個雲端
Cloud Application Platform | Render
非常的好用可以把我之前做的自動化交易程式做部屬
用不到150行python代碼打造專屬你自己的自動化binance自動下單交易程式
使用教學
1.建立專案
2.選Cron job
一個實用的python程序快速幫你過濾出成交量大增的虛擬貨幣
金融界有一句很知名的話 量先行
通常成交量放大伴隨而來的就是股價的拉抬
重點就在這裡,但是投資人總不可能一擋一擋去看成交量吧太花時間了
這段程式碼就是快速篩選出市場上成交量徒增的虛擬貨幣
from binance.client
一個實用的python程序快速幫你過濾出成交量大增的虛擬貨幣
金融界有一句很知名的話 量先行
通常成交量放大伴隨而來的就是股價的拉抬
重點就在這裡,但是投資人總不可能一擋一擋去看成交量吧太花時間了
這段程式碼就是快速篩選出市場上成交量徒增的虛擬貨幣
from binance.client
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:25的時候
對加權指數選擇權報價截圖,關注的點為15450的put單價格為96
接下來在12點33再次觀察關注的點為15450的put單價格為105
105-96 = 9點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:25的時候
對加權指數選擇權報價截圖,關注的點為15450的put單價格為96
接下來在12點33再次觀察關注的點為15450的put單價格為105
105-96 = 9點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:18的時候
對加權指數選擇權報價截圖,關注的點為15300的put單價格為15
接下來在11點31再次觀察關注的點為15300的put單價格為5.7
5.7-15 = -9.3點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：49藉由這門課程的人工智慧機器人給出建議賣出指示
於是在10:18的時候
對加權指數選擇權報價截圖,關注的點為15300的put單價格為15
接下來在11點31再次觀察關注的點為15300的put單價格為5.7
5.7-15 = -9.3點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：05藉由這門課程的人工智慧機器人給出建議賣出指示
於是在接近09：56的時候
對加權指數選擇權報價截圖
15600對應的put價格是71
接下來在接近11點45再次觀察
15600對應的put價格是160
160-71=89點
單純進行程式觀察實驗
非投資操作建議
早上台北時間09：05藉由這門課程的人工智慧機器人給出建議賣出指示
於是在接近09：56的時候
對加權指數選擇權報價截圖
15600對應的put價格是71
接下來在接近11點45再次觀察
15600對應的put價格是160
160-71=89點
單純進行程式觀察實驗
非投資操作建議
這是我跟chatgpt協作整理出來的一些知識:
蠻神奇的事情是我記得CHATGPT無法連網,他居然能知道我這個專案是做
投資建議訊號推送的telegrambot機器人,我完全沒有頭緒他怎麼知道的
這是我跟chatgpt協作整理出來的一些知識:
蠻神奇的事情是我記得CHATGPT無法連網,他居然能知道我這個專案是做
投資建議訊號推送的telegrambot機器人,我完全沒有頭緒他怎麼知道的
在這篇文章中，我們將介紹如何使用Python來創建自動化的Binance交易程式。我們將利用Binance API，這是一個允許我們通過程式訪問Binance交易所的接口。這樣，我們就可以在程式中設定交易策略和條件，自動下單交易。
在開始之前，您需要先申請一個Binance交易所帳戶。
在這篇文章中，我們將介紹如何使用Python來創建自動化的Binance交易程式。我們將利用Binance API，這是一個允許我們通過程式訪問Binance交易所的接口。這樣，我們就可以在程式中設定交易策略和條件，自動下單交易。
在開始之前，您需要先申請一個Binance交易所帳戶。