我們認為，結合金融知識、統計學和程式設計，學員可能需要較長時間來掌握，在資料獲取與處理中，資料品質和資料量可能對分析結果產生重大影響，但好在TEJ API中就含有大量優良品質的金融市場資料，故使用者已無須擔憂資料獲取的部分。當然在修習完這堂課後，能提升一定的職場競爭力，掌握量化金融技能，使學員在金融科技和投資領域具備競爭優勢。
★本課程恕不得與黃金存摺、課程現金抵用券等任何優惠折扣並用！
★課程時數：5.4小時
★所需工具：
操作系統：Windows 10 以上或 macOS
開發環境：如 Anaconda，包含 Jupyter Notebook
| 線上課程【觀看說明】 |
| ●線上課程於訂單繳費後約3個工作日開通，開通後可重複觀看，無觀看期限。
觀看時間，自報名後”收到觀看通知e-mail（提供線上課程連結）”當天起算，請務必留意e-mail通知！ ●課程報名繳費時，可備註3日後的課程開通日(平日)，可於指定日協助課程開通。 ●課程觀看通知發出後，視同購買之線上課程已生效，恕不提供課程異動、開通日程延後申請，請務必留意。 ●關於課程報名問題，歡迎與客服聯繫 02-2748-5188。 |
| 課程亮點 |
| 本課程結合金融理論與尖端技術，深入探討量化投資和機器學習的實際應用。學員將掌握Python資料處理、TEJ API操作及投資策略回測，通過實戰演練提升決策能力。適合有志於在金融科技和量化投資領域突破的學習者。 |
| 學習目標 |
| ●掌握 TEJ API 資料撈取及處理技巧 ●了解前視偏誤及倖存者偏差的處理方法 ●熟悉使用 Python 進行資料分析與視覺化 ●掌握定期定額試算及技術指標建立方法 ●進行多元迴歸分析 ●熟悉機器學習在金融數據中的應用，包括監督式和非監督式學習 ●掌握回測交易策略及計算報酬率的方法 |
| 課程要點 |
| ●TEJ API（基礎）資料庫認識 ●常見的回測偏誤及其處理 ●利用 python 建構技術指標 ●量化常用套件功能講解 ●資料視覺化 ●量化分析＆機器學習的應用 |
| 所需知識 |
| ●基本統計學知識（如標準差、回歸分析） ●基礎金融知識（如財報分析、市場運作） ●Python 程式設計基礎（如變數、資料結構、控制流程） |
| 適合對象 |
| ●投資者：對金融市場有興趣，想掌握量化投資技術以提升個人投資策略的有效 ●大學生／研究生： 修讀金融、經濟、計算機科學等相關專業，希望將理論知識應用於實際案例 ●數據科學家：對金融數據和量化分析有興趣，想將其應用於實際金融問題 |
| 課程大綱 |
| 第一章：基本介紹 01、Python與 TEJ API量化金融數據分析全攻略課程介紹影片 02、TEJ 官網介紹 與 YF比較 03、TEJ API基本使用 04、財務數據整理 05、付費資料庫認識 06、資料的輸入及存取 07、Numpy 功能講解 08、Pandas功能講解 第二章：量化分析 09、量化分析常見誤區 - 前視偏誤 10、量化分析常見誤區 - 倖存者偏差 11、定期定額試算 12、技術分析指標建立及策略回測 13、多元迴歸分析產業營收與大盤報酬 第三章：資料視覺化 14、章節摘要 15、基本作圖 16、Pandas作圖 17、蒙地卡羅作圖 18、總結 第四章：金融資料與機器學習與時間序列資料應用 19、金融時間序列資料應用 - 章節摘要 20、金融時間序列資料應用 - K線 21、金融時間序列資料應用 - MACD 22、金融時間序列資料應用 - ATR 23、金融時間序列資料應用 - KD 24、金融時間序列資料應用 - 交易策略設計、回測報酬 25、金融時間序列資料應用 - 本益比河流圖 26、金融時間序列資料應用 - 大師策略 27、金融時間序列資料應用 - 總結 28、金融資料與機器學習 - 機器學習介紹及流程 29、金融資料與機器學習 - 隨機森林的介紹 30、金融資料與機器學習 - 隨機森林的應用 31、金融資料與機器學習 - 監督式學習、非監督式學習 32、金融資料與機器學習 - 分類 vs 分群 及強化式學習 33、金融資料與機器學習 - 總結 |
