小韭菜系列-進階策略

開發了第一版之後,雖然可以快速的選取策略,但一直覺得策略使用不夠彈性,所以就在思索怎麼樣可以有更大的彈性。

分享

開發了第一版之後,雖然可以快速的選取策略,但一直覺得策略使用不夠彈性,所以就在思索怎麼樣可以有更大的彈性。

有一好沒兩好,雖然有了更多的彈性,例如可以做多個欄位之間的比較,例如 [收盤價] 高於[ 兩天前的收盤價] 5%。但是可能一開始比較不容易了解怎麼操作,而且要設定的東西比較多,設定起來比較花心思。

另外在新的進階策略中,我也加入了之前一直在思考的:階梯停利法、絕對時間出場法。我自己一直想驗證這個方法到底可不可行,但是在第一版的策略上比較難去實現它,畢竟跟其他策略的思考邏輯比較不同

下面就來講解一下怎麼使用這個新的功能吧~

首先我重新設計了下方的 步驟引導,現在比較不會迷路不知道處在哪個步驟了。彩度比較高的藍色就是可以點的,當進場策略設定完之後才能繼續進行出場策略的設定。

流程是這樣的:交易設定 >>> 進場策略 >>> 出場策略 >>> 執行運算

當我們打開進場策略就會看到這個畫面,在這裡可以有多個條件群組

條件群組:

每個群組間是 or 的關係。假設我們做多,只要滿足 [條件群組1] 或 [條件群組2] 其中任一個,就會買進該檔股票

條件:

而每個群組內的條件之間是 and,假如我們做多,[條件群組1] 裡的 [條件1] 與 [條件2] 需要同時滿足才會買進該股股票

範例:

就拿我們上面的圖片來說明,當今天有一支股票 5MA 向上穿越 10 MA,並且收盤價大於50元;或是漲幅價差>5元 就進場買進

實際操作案例

進場策略(實際案例)

進場策略1. 收盤價 > 開盤價 3%收盤價 > 30元 交易量 > 1000 張
2. 5MA 向上穿越 10MA 交易量 > 1000 張

出場策略

出場策略1. 移動停利法:以K棒實紅最高點為出場點,漲幅 > 7% 為關鍵K棒
2. 絕對時間出場法:60天內必須出場

模擬結果

模擬結果

結果圖可以看到我們的交易資訊還有進出場策略,模擬兩次,平均淨損益是 -20 萬多

這是我隨便設定的交易策略,希望大家可以順利找到可以穩定獲利的策略
這次的講解就到這啦,如果有使用上的問題可以在底下留言,我有時間的話會在幫大家解答~


是不是躍躍欲試了呢~

1. 小韭菜系列 -下單練習
2. 小韭菜系列 — 存股計算
3. 小韭菜系列 — 策略交易模擬
4. 小韭菜系列 — 區間策略統計
5. 小韭菜系列 — 進階策略
6. 小韭菜系列 — 特殊出場條件(進階)
小韭菜 連本人結在此

Read more

Gaze Guard 短影片旁白的 TTS 成本與隱私防護示意圖

短影片旁白的成本,其實比我想像低

我最近在做一支 Gaze Guard 的 20 秒產品介紹影片。 原本想說簡單做個動畫就好。 後來想說如果有配音,會感覺比較生動也比較能夠描述使用的情境和達成的效果。 這次我測了什麼 我測的是產品介紹影片用的英文旁白。 工具底層使用的是 Edge TTS,也就是 Microsoft Edge 的線上 Text-to-Speech 服務。常見的底層工具是 edge-tts。 這不是正式 Azure Speech API 的計費路徑。 在我這次的環境裡,它沒有要求 API key,也沒有回傳可見的 per-use billing。 所以這次測試本身,比較像是快速 prototype。 如果未來要正式商用、穩定大量產出,就要回頭看 Azure Speech、OpenAI TTS、ElevenLabs 這類正式付費方案。

By SteepingLogic
用 Cloudflare Tunnel,從外面連回本機 Hermes Dashboard

用 Cloudflare Tunnel,從外面連回本機 Hermes Dashboard

# 用 Cloudflare Tunnel,從外面連回本機 Hermes Dashboard 我有一台 local Hermes。 平常它就在自己的機器上跑。 可能是家裡的桌機。 可能是 NAS。 可能是一台一直開著的 Linux box。 也可能只是我自己的筆電。 問題是,人一離開那個網路,Hermes dashboard 就變成一個只存在於 localhost 的東西。 我想在外面打開它。 但我沒有 static IP。 沒有買網域。 也不想進路由器開 port forwarding。 因為那條路通常長這樣: * 找 public IP * 設定 NAT * 開 port * 處理防火牆 * 補 HTTPS * 設定憑證 * 再擔心 origin IP 被掃 非常友善。 所以這篇先走另一條路:

By SteepingLogic
Invoshot 開發日記|正向回饋

Invoshot 開發日記|正向回饋

想信很多人在開發的時候都常常會做一件事,那就是: 不斷地反覆思考,在腦袋內把流程跑過很多次,然後思考哪裡可以做得更好 不限坐在電腦前的時後,可能是在捷運上,在人行道上, 在馬桶上或是在洗澡的時候 🤪 我不斷地在想:AI 辨識完一張發票後,使用者接下來最需要的是什麼? 每個欄位都要核對嗎? 這麼多欄位真的不會漏看嗎? 所以我在 Invoshot 裡加了提醒功能。 辨識結果出來後,系統會把比較需要注意的地方標出來。 不是把所有不確定都丟給使用者,而是把他真正需要介入的那幾秒鐘留出來。 今天收到一則訊息: 今天用了有新增提醒功能很棒! 真的有變輕鬆 😎 看到這句的時候,我第一個想到的是: 原來那些只是我腦內風暴的優化項目,使用者是真的可以感受到差異的! 感覺又有動力了!

By SteepingLogic