# 當沖股預測模型報告

## 報告目的與摘要

本報告旨在宣傳我們開發的當沖股預測模型，展示其在預測短期當沖熱門股上的精準性與應用價值。
本模型基於多因子分析，採用`隨機森林`算法進行訓練，結合曲率(Knee Point)分析選取當沖熱門股，為用戶提供高效決策支持。

核心亮點包括：
* 平均覆蓋率達 ==85.8%==，能準確定位當沖熱門股。
* 獨家設計的因子分析，揭示影響當沖行為的關鍵特徵。
* 回測2023年至今，優於大盤==7.61==%(投資組合最高報酬率：84.88% (2024/12/04))

## 模型概述與特性

### 模型特性與設計考量

* 專案目標：開發一款能準確預測未來 `1` 天當沖熱門股的模型，幫助券商吸引散戶進行當沖交易，提升交易量。
* 數據包裝成品：模型輸出包含被預測為當沖股的清單及影響因子的可視化報告。

### 當沖股的特性
* 交易集中性：當沖股多為成交量大、周轉率高的股票。
* 波動性高：適合短線操作的投資策略。
* 短期特性：當沖熱門股通常只在短期內活躍。

### 應用場景
* 券商可利用預測結果吸引散戶參與當沖。
* 當沖投資者可根據模型選股，制定高效交易策略。

## 當沖股定義與判斷方法

我們採用Knee Point 方法判斷每日當沖熱門股：

1. 數據收集：獲取當日所有股票的當沖成交量。
2. 排序分析：按照當沖成交量降序排序，確定曲線結構。
3. Knee Point 應用：利用 kneed 工具計算曲率最大點，確定當沖股數量 n。
4. 結果標註：將排名前 n 的個股標記為當沖股。

如下圖所示，曲率最大的位置即為分割點：

## 模型設計與技術架構

### 技術架構

* 開發語言：Python
* 資料處理工具：Pandas、NumPy
* 機器學習框架：隨機森林

### 模型設計
輸入特徵：253個影響當沖行為的關鍵因子（如當沖成交量、資券交易比例、歷史數據滾動平均值）。
輸出結果：預測未來 1 天是否為當沖熱門股。
資料集劃分：訓練集 60 天，測試集 5 天。

| 訓練集天數 | 測試集天數 | 平均 F1 scores | F1標準差 |
|---|---|---|---|
| 60 | 5 | 0.6357 | 0.04945 |

## 預測結果與分析

### 特徵重要性分析
模型基於 `253` 個特徵進行預測，前 `30` 個特徵累積重要性達 `81`%。主要特徵如下：


| 特徵名稱 | 特徵重要性 |
|---|---|
| 當沖成交比例(市場) | 7.59% |
| 當沖成交量 | 7.23% |
| 平均3日當沖成交量 (rolling_mean_3) | 6.22% |
| 成交量 | 5.87% |
| 膝點標註 | 4.97% |
| 平均5日當沖成交量 (rolling_mean_5) | 4.89% |
| 資買 | 4.36% |
| 平均10日當沖成交量 (rolling_mean_10) | 4.13% |
| 成交筆數 | 3.95% |
| 當沖成交量_lag_1 | 2.93% |
| 資賣 | 2.85% |

### 實例分析：2025/01/08 預測結果

預測隔日被當沖概率排名最高的個股：

| 股票代號 | 股票名稱 | 被當沖概率 | 指數彙編分類 | 上市櫃 |
|---|---|---|---|---|
| 4931 | 新盛力 | 94.43% | 電子中游-NB與手機零組件 | 0 |
| 6558 | 興能高 | 90.72% | 電子中游-NB與手機零組件 | 1 |
| 3645 | 達邁 | 86.17% | 電子上游-PCB-製造 | 1 |
| 3450 | 聯鈞 | 83.88% | 電子上游-IC-封測 | 1 |
| 2374 | 佳能 | 83.55% | 電子下游-數位相機 | 1 |
| 4979 | 華星光 | 80.83% | 電子中游-通訊設備 | 0 |
| 3078 | 僑威 | 80.46% | 電子中游-電源供應器 | 0 |

### 覆蓋率分析

預測排名前30的股票與實際當沖熱門股重疊率平均達 85.8%。

化成每日的覆蓋率圖如下：
(https://hackmd.io/_uploads/rkgZgYDD1x.png)

若考慮當日成交量排名前30的覆蓋率，平均為 60%。

## 商業價值與應用場景

### 商業應用價值

#### 券商端：

* 透過預測熱門股，吸引散戶參與交易，提升當沖交易量。

#### 投資者端：

* 提供短線交易選股依據，提升交易成功率。
* 降低分析成本與時間。

#### 潛在應用場景

* 數據整合進行即時交易提醒。
* 提供每日熱門當沖股報告，作為散戶投資指南。

## 結論與展望

本模型在預測短期當沖熱門股方面具有顯著優勢，其高效準確的表現，為券商及投資者提供了強大的數據支持。

### 未來優化方向包括：

* 增加更多反映市場動態的特徵，如消息面、技術指標等。
* 強化季節性預測能力，進一步提升模型穩定性。
* 開發即時預測模組，實現更快的市場響應能力。