研究流程

圖二為本研究流程架構圖:

(1) 資料建立

撰寫爬蟲程式(crawler)擷取每日三大法人買賣超、美金對台幣匯率、大盤收盤價及台灣元大0050收盤價之資料。

​

(2) 資料前處理

將擷取到的資料進行計算，再透過計算後的數據進行分類，如圖所示，預測大盤漲跌利用三種資料類別預測股市(七類、三類、兩類)，預測台灣元大0050則用一種資料類別進行預測(分兩類)。

​

(3) 機器學習訓練及測試

預測大盤有兩種方式:第一種利用七種機器學習模型(KNN, XGBoost, SVM, Randomforest, LightGBM, Logistic regression, naive_bayes)分別進行預測，第二種是利用透過Ensemble Learning求出最佳解，並將兩種預測大盤方式的結果進行評估評估(Accuracy、Recall Rate、Precision、F1-score )。

​

(4) 評估結果

為了比較Ensemble Learning得出的結果，進行實際的操作並且比較，但是因為大盤指數無法進行交易，因此選用漲跌與大盤指數相近的台灣元大0050進行操作比較，第一種將台灣元大0050進行Ensemble Learning的結果進行程式交易，得出獲利結果，第二種將台灣元大0050的股票資料放入Reinforcement learning進行交易，得出的獲利結果，並將兩者進行比較。