0050 Investment Strategy with Machine Learning

專案介紹

這個專案主要是想了解不同技術指標對 0050 股價預測與投資報酬的影響。

以元大台灣 50（0050）為研究對象，使用歷史股價與交易量資料建立 MA、MACD、KD、布林通道（Bollinger Bands）、OBV 以及複合式指標，再利用機器學習模型預測股價方向，最後將預測結果轉換成投資策略，觀察不同策略的累積報酬率。

---

專案目標

主要比較：

• 不同技術指標對股價預測的影響
• Decision Tree 與 Logistic Regression 的表現
• 不同指標與模型組合下的投資報酬
• 機器學習策略與 Buy & Hold 的差異

---

使用方法

1. 技術指標

本專案使用以下技術指標：

• MA（Moving Average）
• MACD
• KD
• Bollinger Bands
• OBV（On-Balance Volume）
• ALL（複合式指標）

其中 OBV 主要用來觀察價格與交易量之間的關係，ALL 則是將多個技術指標整合在一起。

2. 機器學習模型

使用兩種模型進行股價方向預測：

• Decision Tree
• Logistic Regression

模型預測結果再轉換成買進或賣出的訊號，並計算不同策略的累積報酬率。

---

實驗結果

Decision Tree

指標	累積報酬率
MA	64.65%
MACD	63.22%
KD	75.56%
Bollinger Bands	75.03%
OBV	221.88%
ALL	218.02%
Buy & Hold	57.16%

Decision Tree 中，OBV 的表現最好，累積報酬率為 221.88%，而 ALL 策略為 218.02%，兩者皆高於 Buy & Hold 的 57.16%。

Logistic Regression

指標	累積報酬率
MA	25.58%
MACD	42.95%
KD	51.08%
Bollinger Bands	31.21%
OBV	150.75%
ALL	185.81%
Buy & Hold	57.16%

Logistic Regression 中，ALL 的累積報酬率最高，為 185.81%；OBV 則為 150.75%，同樣高於 Buy & Hold 的 57.16%。

---

結果與觀察

從這次的結果來看，不同技術指標搭配不同模型後，投資結果有明顯差異。

其中 OBV 在 Decision Tree 與 Logistic Regression 中都有較好的表現：

• Decision Tree + OBV：221.88%
• Logistic Regression + OBV：150.75%
• Buy & Hold：57.16%

另外，複合式指標 ALL 在兩個模型中的表現也相當突出：

• Decision Tree + ALL：218.02%
• Logistic Regression + ALL：185.81%

這次分析讓我比較明顯地看到，除了模型本身之外，選擇什麼樣的特徵（技術指標）也會影響最後的結果。

特別是 OBV 在兩種模型中都展現出較高的累積報酬，而 ALL 在 Logistic Regression 中則取得最佳表現，顯示不同技術指標可能提供不同的市場資訊，而模型如何利用這些特徵也會進一步影響交易策略的結果。

注意：本專案的結果以累積報酬率作為主要比較指標，尚未納入交易成本、滑價、最大回撤（Maximum Drawdown）與 Sharpe Ratio 等風險因素，因此高累積報酬不代表策略一定具有較高的實際投資可行性。