讓 Machine Learning 幫你看財報！用隨機森林篩選股票

機器學習不是我很專攻的領域，但幸好現在很多強大的 package，可以直接使用，假如你不想深入開發 model 的話，只要把它當作黑盒子就好了，把它插上插頭，讓資料流進去、流出來。很簡單！

免費訓練資料

最下方免費有獲得 2 萬筆訓練資料的方式，在坊間一定是要賣錢的，甚至連課程一起賣，但我想說算了啦，反正我就是個草根碼農 XDD，希望大家可以一起互相切磋。

之前寫的策略，選股方式都是用條件拼湊的：

但是現在用 machine learning 的話，就會寫成這樣：

這邊用的是分類（classification），假如覺得會上漲，就是 1，會下跌就是 0。 上面的 f 就是機器學習的 model，我們不太知道這個是個怎樣的函數，因為這個 model 不是一個公式，而是經過資料訓練而來的。這個簡單的範例只有 2 個 features：ROE、PB。只是一個例子而已，下面會有更多的 features：

資料

資料是從 2010 年底，到 2017 年，每次財報截止的隔天買入，並在下次財報截止前賣出。 至於 features 就是用之前寫文章，覺得好用的：

• 月營收 買入前 12 個月
• ROE 買入前 12 季財報
• 本益比 買入前一天
• 股價淨值比 買入前一天
• 殖利率 最近一期
• 股價是否大於季線
• 股價是否大於半年線
• 負債比率 買入前 12 季財報

可以到這裡下載歷史資料，假如有人訓練的比我的好的話（應該滿簡單的），歡迎一起討論，我們可以一起合作建構一個初版的平台，或是有人想要 train 不同的 feature，也歡迎留言給我。

除了上述的 features，每筆資料還包含：

• stock_ID 股票的代號
• buy_date 買入日期
• buy_price 買入開盤價
• sell_date 賣出開盤價
• sell_price 賣出價格
• gain 賣出價/買入價

不確定這些歷史數據，有沒有錯，假如不放心，可以幫我稍微檢驗一下，另外，關於買賣日期，我是參考 IFRS 制度上市前後不同的財報截止日，然而有些企業遲交財報，就沒辦法了…所以會包含一點未來數據。

這篇文章有講到財報遲交的公司，還是別買的好，而每年大約只有 100 家公司會遲交財報，以整體資料而言，未來數據應該不會太多（我覺得啦 XD，但不知道資料科學家們怎麼看就是了）。

資料僅供學術發展，請勿用於商業用途！

訓練 model 的方式

由於我想要弄一個快速的 prototype，所以先使用 random forest model，這樣就不用 pre-processing 了 XDD

Model

from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(n_estimators=500, max_leaf_nodes=None, class_weight='balanced')

以上是用 sklearn 裡的模型，連參數什麼都沒給，這樣的效果還 OK 了。訓練時，training data 使用 2014 年以前的資料，而 test data 是 2015 年以後的資料

結果太好了，我不敢相信…

以下是還沒篩選前的獲利分佈圖，這邊的獲利是用倍數來衡量，也就是 賣出價格/買入價格。可以看到，這是一個對稱於 1 的分佈圖，大於 1（賺）跟小於 1（賠）其實很接近，其平均值是在 1.005 左右，你有看到一藍藍的地方嗎？那就是篩選後的標的：

下面我們把藍色的地方直接畫一張圖，可以發現篩選後，發現結果好很多，分佈偏向大於 1，也就是很多的選擇是有獲利的！

平均來到了 1.10 左右，代表每季買一群股票，平均來說會賺 10％左右。且勝率來到了 70.2%

對於這樣的結果，我感到有點難過，因為成果太好代表裡面一定有什麼問題，我還是抱著懷疑的態度，各位可以做最嚴格的檢驗，機器學習不是我的專長，願意虛心受教，或是你還希望有什麼額外的 features 呢？我幾乎都可以幫你生成客製的 test data 喔！

附註：免費取得訓練資料

取得資料的方法很簡單，幫冷清的寒舍小小宣傳一下：

1. 按右下角分享於 FB
2. 將分享截圖傳到 [email protected]
3. 一兩天內即可獲得 data.csv！

依照本 blog 的含金量、data.csv 的完整程度，你一定不會後悔的！

詳細的 python 教學：利用 Machine-Learning 選股新手教學