股票物理.ipynb - Colab

https://colab.research.google.com/drive/1zjNSjUA9YsjgjBcIOKmnDFbq0u4j6_bE?usp=sharing

有需要的自取，這個是公開版本，是基於一個社群裡一個網友的文章得到的一個靈感，他是用物理的熱力學概念分析股票，基於物理概念運用在股票這個觀念，我拿來給AI分析，有需要的自己可以根據程式碼再跟AI做修改。

這段程式碼是一個基於 Python 的自動化量化交易策略，主要針對台灣市場的 0050 ETF 進行技術分析與回測 。

它將物理學的概念（如慣性、流體、功率）引入金融分析，旨在捕捉股價處於「穩定長波段」時的進場機會 。以下是該程式碼的核心邏輯解釋：

1. 物理學概念指標分析 (analyze_physics)

程式將傳統技術指標轉化為物理模型來評估市場狀態 ：

• 位移功率 (Power)： 利用平均報酬率除以波動率 。這用來偵測那些「安靜但強大」的趨勢，確保趨勢具有足夠的動能而非隨機震盪 。

• 慣性參考系 (Inertia)： * MA50 (短期慣性)： 視為波段的阻尼（Damping） 。

  • MA200 (長期引力)： 視為長期的趨勢底線（Gravity） 。

• 秩序診斷 (CV)： 計算變異係數來判斷股價是否處於「定向移動」 。數值越低，代表趨勢越穩定，呈現所謂的「層流（Laminar Flow）」狀態 。

2. 進場與出場邏輯 (run_strategy)

策略透過嚴格的條件篩選來過濾雜訊：

• 進場條件 (多重濾網)：

  • 股價高於 50 日均線，且 50 日均線高於 200 日均線（呈現多頭排列） 。

  • 功率指標大於 0.5 。

  • 變異係數 (CV) 小於 2.0，確保趨勢不過於混亂 。

• 出場條件：

  • 必須滿足 獲利大於 10% 且 結構遭到破壞（股價跌破 50 日線或功率大幅轉弱）時才會離場 。這種設計是為了確保能抱住獲利，避免過早離場 。

3. 可視化與成效統計

• 自動繪圖： 程式會自動抓取 yfinance 數據，並在圖表上標註明確的 BUY（買入） 與 SELL（賣出） 日期與價格 。

• 報酬率統計： 最後會計算所有交易的累積總報酬率，讓使用者直觀了解該策略在歷史數據中的表現 。

總結

這是一套追逐趨勢 (Trend Following) 的量化策略 。它不追求頻繁交易，而是透過物理指標篩選出 0050 走勢最穩健、能量最強大的時期進行波段操作 。

警語： 如程式開頭所述，此程式僅供學習參考，交易風格不一定適合每個人，並非最終投資依據 。