Stock Analysis

1. 第12組
AT071005 蔡宜汝
AT071003 倪佳蓉
AT071004 王昱筌
AT071152 陳柏任
AT071179 蔡鈺深
04/25, 2018
期末專題報告
嘉實資訊 - 股市預測

2. 大綱
• 研究目的
• 研究方法
• 資料處理與分析
• 實驗與其成果表現
• 問題討論與結論
大綱

3. 研究目的
• 利用 k 線、新聞、財報等特徵預測
「單一股票隔日收盤價與隔日開盤價的差異」
研究目的
最高價
最低價
收盤價
開盤價
https://tw.stock.yahoo.com/news_content/url/d/a/20171129/%E6%9D%B1%E8%81%AF11-
30%E5%8F%83%E5%8A%A0%E5%85%83%E5%A4%A7%E8%AD%89%E5%88%B8%E8%88%89%E8%BE%A6%E4%B9%8B%E6%B3%95%E8%AA%AA%E6%9C%83-
065519028.html
K線資料 新聞 財報
最高價
最低價
開盤價
收盤價

4. 問題分析
• 目前用於股票預測的DL方法主要有CNN、LSTM、RL等。
• CNN
若將時間序列以空間型態表述，亦即以圖像作為輸入資料，
則藉由擷取圖像特徵，以“判斷”股市的漲跌，但能否有效"
預測"是有待商榷的。
• LSTM
由於資料是具時間序列性，且雖股票波動於理論上具馬可
夫性，但實際上股市的變化是有依時序影響而遞減。就其
特點而言，LSTM為一種可行的模型架構。不過其「做非平
穩數據的預測不如處理平穩數據時般地準確」的缺點。
研究方法

5. 問題分析(續)
• RL
該模型架構是以具馬可夫性為前提發展的。就其假設條件
下，其應為一種可行之模型架構，但事實上，我們需要驗
證：在現實情形下，股市的波動是否確實具馬可夫性。另
外，在其框架下，需要有agent主動與環境互動，而我們
僅能被動地根據具有的“歷史”資料學習。或許，可以以調
整過後的版本進行學習。
• 除了上述三種方法之外，亦可利用其他ML方法處理。但
就根據資料的特性，以一種較為直覺且簡易的方法著手，
我們決定以LSTM的角度切入。
研究方法

6. 模型架構
研究方法
台股K線資訊/財報
Feature Engineering
At what scale?
How to represent?
新聞
NLP
Word embedding, Word2Vec
 Presentation/Features
LSTM
Model Training
What paras./layers should
be taken into consideration?
How to fine-tune the paras.?

7. 結構化資料
K線 – 日線/周線/月線
三大法人持股
資產負債表
營運績效
資料結構概述
資料處理與分析
非結構化資料
股市公告 / 財經新聞
• 雖然結構性資料筆數多，但由於非結構資料僅涵蓋到
2014/01/01~ 2017/12/31。基於考量，因此我們僅利用近3
年的資料訓練模型。
• 另外，未特別考量周/月的資料係由於該訊息皆可由日資
料獲得。

8. 資料處理與特徵工程
• 為了能適切運用於研究主題上，所以我們首先採用以下資
料作為初步選取的特徵：
1. Open：開盤價
2. High：最高價
3. Close：收盤價
4. Low：最低價
5. Volume：成交量
6. Diff_Ratio：(收盤價 – 開盤價) / 開盤價
7. DealerStock : 投信持股數量
8. TrustStock : 自營持股數量
9. ForeignStockRatio : 外資持股比率
• 此外，於試驗中，我們會將所有資料(含其他後續提及之
特徵)依類別各自先經過Min-Max轉換，再輸入至模型訓練。
資料分析與處理

9. 特徵工程(續)
資料分析與處理
• Deep learning於訓練過程中，處理的數據是否”相對全面
“表述結果是重要的，也就是說，若欲得到較佳的模型訓
練結果，則要盡可能涵蓋所有能有效描述結果的數據。
• 因此，我們透過一些技術指標及其他方法新增特徵：
1. 新聞訊息
2. N 日均線
3. K 線類型
4. 漲跌幅度(當日收盤與前日收盤價差異)
5. 當日震幅(當日最高與最低股價差異)
6. 指數平滑異同移動平均線(MACD)
7. 相對強弱指數(RSI)
8. 隨機指標(KD)
9. 布林格狀帶(Bollinger-Band)

10. 特徵工程(續)
資料處理與分析
• 其中，新聞訊息包括
1. NewsCNT : 個股相關新聞數量(單日)
2. Positive_CNT: 利多關鍵字數量(單日)
3. Negative_CNT: 利空關鍵字數量(單日)
4. Diff_Positive_Negative : Positive_CNT-Negative_CNT
• N 日均線包含
1. MA5：5日均線(週線)
2. MA10：10日均線(雙週線)
3. MA20：20日均線(月線)
4. MA60：60日均線(季線)
5. MA120：120日均線(半年線)

11. 新聞文字處理
資料處理與分析 特徵工程(續)
結巴 : 斷詞斷句
新聞報導
TD-IDF : 關鍵字詞
詞向量
關鍵字並無鑑別度

12. 新聞文字處理
資料處理與分析 特徵工程(續)
新聞內容
谷歌壓縮格式獲硬體廠支持 4K串流影片前途夯 精實新聞2014-01-03 11:37:39 記者陳苓報
導 谷歌(Google)宣布，該公司的視頻壓縮格式「VP9」獲得多數主流硬體大廠支持，未來產品
將加以支援；也就是說以後電視、智慧手機、個人電腦等，皆能播放YouTube和其他串流媒
體的4K內容，而且只需現今HD影片的一半頻寬。TechCrunch和PCWorld 2日報導，Google全球
平台合作部主管Francisco Varela表示，許多2015年機種的電視和藍光播放器，均支援VP9；電
腦和行動裝置也會在今年逐步支援。
結巴斷詞
谷歌 / 壓縮 / 格式 / 獲硬體 / 廠 / 支持 / 4K / 串流 / 影片 / 前途 / 夯 / 精實 / 新聞 / 2014 / - / 01
/ - / 0311 / : / 37 / : / 39 / 記者陳苓 / 報導 / 谷歌 / ( / Google / ) / 宣布 / ， / 該 / 公司 / 的 / 視頻
/ 壓縮 / 格式 / 「 / VP9 / 」 / 獲得 / 多數 / 主流 / 硬體 / 大廠 / 支持 / ， / 未來 / 產品將 / 加以
/ 支援 / ； / 也 / 就是 / 說 / 以後電視 / 、 / 智慧 / 手機 / 、 / 個 / 人 / 電腦 / 等 / ， / 皆 / 能 /
播放 / YouTube / 和 / 其他 / 串流 / 媒體 / 的 / 4K / 內容 / ， / 而且 / 只 / 需現 / 今 / HD / 影片 /
的 / 一半 / 頻寬 / 。 / TechCrunch / 和 / PCWorld 2 / 日 / 報導 / ， / Google / 全球 / 平台 / 合作
部 / 主管 / Francisco Varela / 表示 / ， / 許多 / 2015 / 年 / 機種 / 的 / 電視 / 和 / 藍光 / 播放器 / ，
/ 均 / 支援 / VP9 / ； / 電腦 / 和 / 行動 / 裝置 / 也 / 會 / 在 / 今年 / 逐步 / 支援 / 。
jieba結巴(斷詞斷句)

13. 關鍵字並無鑑別度
資料處理與分析 特徵工程(續)
新聞文字處理
TD-IDF(關鍵字詞)

14. 資料處理與分析
正向表述 反向表述
新聞文字處理
詞向量(字詞相似度)

15. ● 短線投資人 用 5MA、10MA 看多空走勢
通常短線操作的投資人慣用 5MA 和 10MA，其被股市投資人
稱為短期移動平均線，簡稱「短線」。
● 1. 收盤價 > 5MA > 10MA :多頭市場
→ 通常表示短線呈現上漲趨勢的多頭市場
2. 收盤價 < 5MA < 10MA :空頭市場
→ 通常表示短線呈現下跌趨勢的空頭市場
3. 5MA < 收盤價 < 10MA :盤整市場
→ 通常表示短線呈現橫向趨勢的盤整市場
資料處理與分析 特徵工程(續)
尋找長線多
空格局指標
研判波段
趨勢的指標
設定進場點
的指標
月線 週線 日線
買進
N日均線
5日均線(週線)、10日均線(雙週線)
Reference

16. 資料處理與分析 特徵工程(續)
● 中線投資人用 20MA、60MA 看多空走勢
通常中線操作的投資人，慣用 20MA 和60MA，其被股市投
資人稱為 中期移動平均線，簡稱「中線」。
● 1. 收盤價 > 20MA > 60MA :多頭市場
→ 通常表示中線呈現上漲趨勢的多頭市場
2. 收盤價 < 20MA < 60MA :空頭市場
→ 通常表示中線呈現下跌趨勢的空頭市場
3. 20MA < 收盤價 < 60MA :盤整市場
→ 通常表示中線呈現橫向趨勢的盤整市場
N日均線
20日均線(月線)、60日均線(季線)
Reference

17. 資料處理與分析 特徵工程(續)
● 長線投資人用 120 MA 、 240 MA 看多空走勢
通常長線操作的投資人，慣用 120 MA 和 240 MA，其被股市
投資人稱為長期移動平均線，簡稱「長線」。
● 1. 收盤價 > 120MA > 240MA :多頭市場
→ 通常表示長線呈現上漲趨勢的多頭市場
2. 收盤價 < 120MA < 240MA :空頭市場
→ 通常表示長線呈現下跌趨勢的空頭市場
3. 120MA < 收盤價 < 240MA :盤整市場
→ 通常表示長線呈現橫向趨勢的盤整市場
N日均線
120日均線(半年線)、240日均線(年線)
Reference

18. 資料處理與分析 特徵工程(續)
陽線基本圖形 陰線基本圖形 十字線基本圖形
圖形 名稱 意義 圖形 名稱 意義 圖形 名稱 意義
大陽線 股價上升力
強
大陰線 行情疲軟，
底部支撐強
十字線 變盤線
小陽線 多方主導 小陰線 空方主導 同時線 股價將反
轉
光頭陽線 強烈趨升 光頭陰線 行情看跌 一字線 飆漲或標
跌
開盤光頭
陽線
上升力強，
但仍須謹慎
開盤光頭
陰線
行情看跌 倒丁字
線
行情看跌
收盤光頭
陽線
股價趨升 收盤光頭
陰線
股價有反彈
跡象
丁字線 會出現反
彈
K 線類型
K 線基本型態與其訊號數值化
Reference

19. 個股當日漲跌幅計算公式
資料處理與分析 特徵工程(續)
當日漲跌幅 =
當日收盤價格 - 前一交易日收盤價格
前一交易日收盤價格
100%
110
元
|
90
元

20. 指數平滑異同移動平均線（MACD）
資料處理與分析 特徵工程(續)
• 指數平滑移動平均線(EMA)是依
時序賦予每天股價不同比重，取
加權平均。(事實上，因為最近
發生的資料應較為重要，故採用
較大的比重計算。
• DIF線為2條短期與長期的EMA相
減得出，一般使用短期為12日，
長期為26日。
• MACD線是用DIF再取一次移動平
均，常用 DIF的9日移動平均。
Reference

21. 相對強弱指數（RSI）
資料處理與分析 特徵工程(續)
• RSI是以某段時間之股價”平均漲幅”與”平均跌幅”所計算出
來的數值，可看出股價相對強弱的指標。
𝑅𝑆𝐼 =
平均漲幅
平均漲幅 + 平均跌幅
× 100
• 最常使用RSI的三種時機
1. RSI > 80時，為“超買”訊號，市場過熱。
2. RSI < 20時，為“超賣”訊號，市場過冷。
3. 黃金交叉時建議可買進；死亡交叉時建議可賣出。
• 當「短週期的RSI」向上突破「長週期的RSI」，代表上漲
力道夠，是買進的訊號，一般稱「黃金交叉」。而當「短
週期的RSI」向下跌破「長週期的RSI」，稱死亡交叉。
Reference

22. 隨機指標（KD）
資料處理與分析 特徵工程(續)
• KD值可客觀的表現 市場過熱或過冷。當股價趨勢上漲時，
當日收盤價會傾向接近當日價格波動的最高價；當股價趨
勢下跌時，當日收盤價會傾向接近當日價格波動的最低價。
• 一般KD指標的參數設為9日，計算K和D時，所取的平滑值
就用3，因此指標的參數上可以看到(9,3,3)這樣的參數
• 算KD之前，須先計算 未成熟隨機值(RSV)。
Reference2Reference1

23. 隨機指標（KD）
資料處理與分析 特徵工程(續)
• 最常使用的2種時機是：
1. KD >80 時，為高檔超買訊號，市場過熱
2. KD <20 時，為低檔超賣訊號，市場過冷
Reference2Reference1

24. 布林格帶狀（Bollinger Band）
資料處理與分析 特徵工程(續)
• 布林格的操作法是要將大部分的K線都涵蓋在20 MA上下2
個標準差的範圍之內。所以布林格的操作理念，類似一個
在寬帶上下兩個標準差之間的 "箱型操作觀念"。
中軌可視為平均成本
Reference

25. 試驗架構
• 基於考量股票所對應到個新聞數量，以及其知名度，我們
選定”2454 聯發科”為試驗對象。
• 根據模型的架構可分為：
1. LSTM
2. Conv1D + LSTM
3. Conv1D + LSTM (拼接2個子模型)
• 依據預測結果的類型不同，則可分為：
1. 回歸
a) 直接預測的價差
b) 利用預測的開盤價與收盤價計算得出
2. 分類
a) 直接預測是否收盤價大於開盤價
實驗與其成果表現

26. 實驗與其成果表現
LSTM
Many-to-One / 迴歸：開盤價與收盤價之價差比率
LSTM (256) TD
LSTM (256)
Dropout
Dropout
Dense (1)
Linear
Training : 721 samples
同向 反向
320 353
Testing : 240 samples
同向 反向
108 114
Accuracy of Up & Down: 0.486486486486
MSE of Price Difference: 0.00051753099239
Difference Ratio

27. 實驗與其成果表現
LSTM
Many-to-Many / 迴歸：隔日開盤價、收盤價
LSTM (256) TD
LSTM (256)
Dropout
Dropout
Dense (2)
Linear
Training : 721 samples
同向 反向
276 397
Testing : 240 samples
同向 反向
106 116
Accuracy of Up & Down: 0.477477477478
MSE of Price Difference: 0.000359418959146
Open
Close
Difference Ratio

28. 實驗與其成果表現
(Abs. Next Day’s
Price Difference)
(Up / Down)
LSTM
Many-to-One / 迴歸：開盤價與收盤價之價差比率 + 分類：漲跌&持平 (2 個子模型)
LSTM (256) TD
LSTM (256)
Dropout
Dropout
Dense (2)
Softmax
Dense (128)
Relu
LSTM (256) TD
LSTM (256)
Dropout
Dropout
Dense (1)
Linear
Accuracy of Up & Down: 0.5317377731529
MSE of Difference Ratio: 0.000291975799284
Difference Ratio

29. 實驗與其成果表現
Conv 1D (32)
BN + ReLu
Conv 1D (64)
BN + ReLu
Conv 1D (256)
BN + ReLu
LSTM (256) TD
Open Close
Difference Ratio
LSTM (256)
Dropout
Dropout
Dense (2)
Linear
Conv1D + LSTM
迴歸：隔日開盤價、收盤價
Accuracy of Up & Down: 0.536036036036
MSE of Difference Ratio: 0.00166205602897
Training : 721 samples
同向 反向
491 230
Testing : 240 samples
同正 反向
119 103

30. 實驗與其成果表現
Difference Ratio
Conv 1D (32)
BN + ReLu
Conv 1D (64)
BN + ReLu
Conv 1D (256)
BN + ReLu
LSTM (256) TD
LSTM (256)
Dropout
Dropout
Dense (1)
Linear
Conv1D + LSTM
迴歸：開盤價與收盤價支價差比率
Accuracy of Up & Down: 0.576576576576
MSE of Difference Ratio: 0.000836010360631
Training : 721 samples
同向 反向
514 159
Testing : 240 samples
同向 反向
128 94

31. 實驗與其成果表現
Open Close
Difference Ratio
Conv 1D (128)
BN + ReLu
Conv 1D (256)
BN + ReLu
Conv 1D (128)
BN + ReLu
Global Max Pooling
Concatenate
Dense(2)
LSTM (256) TD
LSTM (256)
Dropout
Dropout
Linear
Conv1D + LSTM (2個子模型)
迴歸：隔日開盤價、收盤價
Accuracy of Up & Down: 0.509009009009
MSE of Difference Ratio: 0.0138396338225
Training : 721 samples
同向 反向
507 166
Testing : 240 samples
同向 反向
113 109

32. 實驗與其成果表現
Difference Ratio
Conv 1D (128)
BN + ReLu
Conv 1D (256)
BN + ReLu
Conv 1D (128)
BN + ReLu
Global Max Pooling
Concatenate
Dense(1)
LSTM (256) TD
LSTM (256)
Dropout
Dropout
Linear
Conv1D + LSTM(2個子模型)
迴歸：開盤價與收盤價支價差比率
Accuracy of Up & Down: 0.540540540540
MSE of Difference Ratio: 0.000686221646366
Training : 721 samples
同向 反向
552 121
Testing : 240 samples
同向 反向
120 102

33. 實驗與其成果表現
模型結果比較
Model MSE Acc. of Up & Down
LSTM Many2One Classification - 0.965660770031
LSTM Many2One Reg.: Diff. Ratio 0.0005175309924 0.486486486486
LSTM Many2Many Reg.: O&C 0.0003594189592 0.477477477478
LSTM Many2Many Reg.+ Classification 0.0002919757993 0.531737773153
Conv1D + LSTM(V) Reg.: O&C 0.0016620560290 0.536036036036
Conv1D + LSTM(V) Reg.: Diff. Ratio 0.0008360103606 0.576576576576
Conv1D + LSTM(H) Reg.: O&C 0.0138396338225 0.509009009009
Conv1D + LSTM(H) Reg.: Diff. Ratio 0.0006862216464 0.540540540540

34. 問題討論
• 預測尺度：
當預測隔日的開盤價與收盤價時，其趨勢與振幅相當匹配，
誤差MSE落在10-4 等級，但當預測該日的開、收盤價價差時，
表現不盡理想。
其原因可能為前者是以”一定的天數”(by days)為尺度，而
後者則為以”一天之內”(in a day)衡量。也就是說，我們若單
就數日間的趨勢來看，我們的預測算是可接受的；不過，
就一日間的變化而言，則因資料的尺度，可能還無法充分
幫助預測或解釋開、收盤價的價差。
• 資料尺度：
除了資料本身的資訊外，一開始為了簡化模型，我們將資
料都以”日”為單位處理。因此，我們減少了一些可能能夠
解釋一日內價格變化的特徵，例如：新聞的時序單位是以”
日期/時/分/秒”表述。
問題討論與結論

35. 問題討論
• 資料是否相對全面：
深度學習方法的訓練過程中，需要盡可能地囊括可能有利
表述的特徵。因此，預測結果不佳的因素可能為欠缺考慮
到一些關鍵的特徵，例如：全球股市情況、國際新聞與重
大資訊，以及總體經濟市場概況等。
• 模型的侷限與其相關發現：
1. 做非平穩數據的預測差
 利用Wavelet transform改善
2. 過擬合未能有效改善
A) 正規化  無改善
B) Dropout  有
C) Early-stopping 無改善
3. 因價差的變化幅度不大，其實隔日開盤與收盤的預測值
有高度相似性，而可能又因開盤與收盤的預測誤差導致影
響價差的預測。
問題討論與結論

36. 結論
• 隨著特徵的增加，預測結果稍有改善。但單就新聞而言，
對於開盤與收盤價的預測有顯著的修正效果，而未能改善
價差的預測，其原因可能為新聞處理的尺度。
• 根據試驗的結果，LSTM的變形版本有”些微”優於純LSTM的
模型。不過，整體而言，預測漲跌方向的準確率都落於5成
左右，僅些微優於隨機猜測。目前模型呈現過度擬合，除
了特徵工程的添增與模型的調整，可能仍需額外蒐集資料
或做其他的資料前處理，有更多改善的空間。
問題討論與結論

38. 跳空缺口
補充資料 特徵工程(續)
● 股價跳空，通常出現在 急漲 或 急跌 的走勢
● 其有4種型態，分別為
1. 普通缺口：通常發生在 盤整走勢，沒有預測趨勢的意義
2. 突破缺口：盤整後，向上(下)跳空突破，是買進(賣出)訊號
3. 逃逸缺口：趨勢加速發展，成交量大，趨勢會延續
4. 竭盡缺口：缺口會很快被填補，走勢將反轉
Reference

39. 跳空缺口
補充資料 特徵工程(續)
Reference

40. 跳空缺口
補充資料 特徵工程(續)
Reference