翻轉台股量化交易

量化平台，水到渠成

2015 懵懂無知，一股腦想創業

開始年，濛濛懂懂，想要創業，想要寫程式，想要工作自由，才開始研究台股。當初還真的是不懂，做出來的平台不切實際，以為 KD 黃金交叉就可以賺錢。當慢慢接觸到投資，開始整理和分析財經資料，才發現當初的想法真是太單純了。這時才遇見了 Python 和 Pandas 大為驚嘆！原來資料處理可以這麼方便簡單！從此以後變成 Python 的信徒。

2016 年，開設 FinLab 部落格

當時的初衷，單純想寫一點財經數據分析，當時網路上還找不到相關的文章，於是開啟了台股量化分析之旅。有很多踴躍的網友們，常常一起討論財務指標。直到現在或許他們已經沒有關注 FinLab 了，但我依然很珍惜跟他們切磋的那段時光。

2018-2020 年，網路上第一堂 Python 量化交易課程

選股課程，受到很好的評價，就算是已經2022年了，我依然很有自信，就算已經有很多類似的課程，但它依然是選股回測的首選。當中的爬蟲維護到現在，還有很多同學在使用。 2019 年，網路上指手可數的機器學習選股課程，我到今天做加密貨幣，還是使用這堂課程中的機器學習模型來實做。當年真的很多人覺得機器學習不能拿來交易，但如今已經 2022 年了，終於比較少人在嘴我了XDD。 2020 年，開設 Python 交易加密貨幣課程，帶大家抄底 9000 元比特幣，我就不信這次熊市可以跌到這裡！

只有課程是不足夠的

課程中的學員們都來來去去，有很多實踐者，真的用課程中的工具獲取超額報酬，但對於大部分的群眾，還是對於 Python 是否能真的拿來交易半信半疑，原因在於這些線上課程，包含我自己的課程，為了兼顧初學者，會花很多時間在從頭介紹 Python 語法，使用網路上現成開源的專案，做幾個簡單的小範例。甚至很多的 Python 課程的課程範例，是不能拿來實戰的。這間接導致了大家上完課程，覺得 Python 就只能做玩具。實戰還是要用 XQ 或是 Multicharts 等工具。

但其實是不對的，Python 更客制化，坐擁更多大型開源專案，資料處理、機器學習、後端框架。Python 應該是才是專業級量化交易該使用的工具。只是真的要寫到能獲利的模型，往往都需要很多的程式碼。你有看過華爾街的分析師使用 XQ 嗎？沒有，一般都是使用 Python 或是 R 吧？

用簡單包裝複雜，有可能嗎？

這個平台的目的，就是讓你在簡單學習 Python 之餘，馬上可以建構一個能獲利的選股清單，我們打造出來的策略，經過了兩年的驗證，經的起市場的考驗，而 FinLab 研發的回測框架，可以大幅度的將複雜程式碼化簡。就算你是初學者，馬上就能感受 FinLab Package 的威力。

當初想要做量化選股平台，經過了好幾年，現在終於水到渠成了！有安裝的 Python 環境：Colab，有 cloud function、storage 在台灣可以節省成本，有 5G 加速下載歷史資料的時間，有 Kubernetes 平衡大家使用回測負載。只能說沒有這些功能，我們也沒辦法做出一個像樣的產品（感謝 Google XD）。

成為專業量化投資人

FinLab 致力於推廣我們在量化投資上的知識與 Python 實作經驗，並且分享如何運用 Python 創造屬於自己的投資生態系，靠自己的能力為自己創造投資收入，不用在外花錢聽信無根據的明牌，讓大家用很低的成本複製我們在財經一路上的所學與經驗。除了過去在 Hahow 開設課程，現在為了打造更豐富的 Python 量化投資生態系，建置了 SaaS 與延伸教學內容平台，不斷研發，提供給大家更多武器應對複雜的金融市場。

展望未來

這只是一個起點，時代的腳步是不等人的，未來還有更多的領域想要整合，更多的技術，像是 AI、虛擬貨幣、期權等等。也需要大家的共襄盛舉，請督促我們更近一步將 Python 選股、投資交易發揚光大！