架構 B：技術指標架構 (Technical Indicator Framework)

核心思想：每日即時運算，靈活應對市場。
"Calculate on-the-fly, react to the market."

---

📌 核心概念

技術指標架構的本質是「即時運算 + 動態調整」的回測模式：

每個交易日：
Step 1: 抓取過去 N 天的 K 線資料
Step 2: 計算技術指標（MACD、KD、布林通道等）
Step 3: 判斷訊號（買入 / 賣出 / 持有）
Step 4: 執行交易

這種架構最符合技術分析的思維邏輯：

• 📈 盤中：看著 K 線圖，計算指標
• 🎯 即時：出現訊號就下單
• 🔄 每日：持續監控，動態調整

---

🎯 適用場景

✅ 最適合的情境

• 技術指標交易：MACD、KD、RSI、布林通道等
• 價量分析：成交量、均線、支撐壓力
• 單一或少數標的：1-10 檔股票
• 高頻調整：日內、隔日、週度交易

❌ 不適合的情境

• ❌ 大規模股票池（>50 檔）
• ❌ 財報選股策略
• ❌ 需要外部數據（籌碼、財報）
• ❌ 低頻策略（季度調倉）

---

🏗️ 架構特色

數據流向圖

graph TD
    subgraph Prep["⚙️ 事前準備"]
        A1[設定股票清單<br/>通常 1-10 檔] --> A2[simple_ingest<br/>匯入價量資料]
    end

    subgraph Daily["🔄 每日循環 (handle_data)"]
        A2 --> B1[data.history<br/>抓取過去 N 天 K 線]
        B1 --> B2[計算技術指標<br/>talib / 手寫函數]
        B2 --> B3{訊號判斷}
        B3 -->|買入| B4[order_target<br/>建立部位]
        B3 -->|賣出| B5[order_target<br/>清空部位]
        B3 -->|持有| B6[不動作]
        B4 & B5 --> B7[record<br/>記錄訊號與價格]
    end

    style Prep fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
    style Daily fill:#fff9c4,stroke:#f57f17,stroke-width:2px
    style B2 fill:#ffccbc,stroke:#d84315,stroke-width:2px
    style B3 fill:#c5e1a5,stroke:#558b2f,stroke-width:2px

關鍵設計理念

1. 即時運算的優勢

# 每天即時抓 K 線，計算最新指標
def handle_data(context, data):
    # 抓取過去 35 天的收盤價
    trailing_window = data.history(context.sym, 'price', 35, '1d')

    # 計算 MACD
    short_ema = talib.EMA(trailing_window.values, timeperiod=12)
    long_ema = talib.EMA(trailing_window.values, timeperiod=26)
    dif = short_ema - long_ema
    macd = talib.EMA(dif, timeperiod=9)

    # 判斷訊號
    if (dif[-1] > macd[-1]) and (dif[-2] <= macd[-2]):
        order_target(context.sym, 1000)  # 黃金交叉，買入

優點： - ✅ 參數調整容易（直接改 timeperiod） - ✅ 邏輯清晰（與手動看盤一致） - ✅ 除錯方便（可印出每日指標值）

2. Pipeline vs Loop 的抉擇

特性	Loop 方法（handle_data）	Pipeline 方法
適用股票數	1-10 檔	50+ 檔
彈性	🟢 極高	🔴 低
效能	🟡 中	🟢 高
學習曲線	🟢 平緩	🔴 陡峭
Debug 難度	🟢 易	🔴 難

本架構採用 Loop 方法，因為技術指標策略通常： - 標的少（1-10 檔） - 邏輯複雜（需要多條件判斷） - 需要靈活調整

3. 使用 talib 計算指標

import talib

# 常用指標
ema = talib.EMA(close, timeperiod=20)
sma = talib.SMA(close, timeperiod=20)
macd, signal, hist = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
rsi = talib.RSI(close, timeperiod=14)
upper, middle, lower = talib.BBANDS(close, timeperiod=20, nbdevup=2, nbdevdn=2)

為什麼用 talib？ - ✅ 業界標準，計算正確 - ✅ 效能優異（C 語言實作） - ✅ 涵蓋 150+ 技術指標

---

📊 與其他架構的差異

特性	技術指標架構	財報選股架構	Pipeline 架構
運算時機	回測內（每日）	回測外	回測內（盤前）
數據來源	data.history()	TEJ API	CustomDataset
適用股票數	1-10	50-200	500-2000
調倉頻率	每日	季度/月度	每日/每週
典型用途	技術分析	基本面選股	因子模型
學習難度	🟢 易	🟢 易	🔴 難
彈性	🟢 極高	🟡 中	🔴 低

---

💡 何時選擇這個架構？

快速判斷檢查表

graph TD
    A[你的策略] --> B{使用技術指標?}
    B -->|Yes| C{股票數量?}
    B -->|No| X[考慮財報選股架構]

    C -->|1-10 檔| D[✅ 技術指標架構]
    C -->|10-50 檔| E{需要高效能?}
    C -->|>50 檔| F[考慮 Pipeline 架構]

    E -->|Yes| F
    E -->|No| D

    style D fill:#c8e6c9,stroke:#388e3c,stroke-width:3px

典型使用案例

• ✅ 均線策略（金叉死叉）
• ✅ MACD 策略（DIF 與 MACD 交叉）
• ✅ 布林通道（突破上下軌）
• ✅ KD 指標（超買超賣）
• ✅ 乖離率（偏離均線）
• ✅ RSI（相對強弱）

---

🎓 學習路徑

新手入門（3 步驟）

1. 閱讀案例：先看 case-macd.md，理解完整流程
2. 複製模板：前往 template.md 複製骨架
3. 替換指標：修改技術指標計算邏輯

進階優化

• 多指標組合（MACD + RSI）
• 動態參數調整
• 加入停損停利機制
• 部位管理（金字塔加碼）

---

🔍 架構優勢與限制

優勢 ✅

1. 極致彈性

# 可以輕鬆實現複雜邏輯
if (macd_signal == 'buy') and (rsi < 30) and (volume > avg_volume * 1.5):
    if context.portfolio.positions[stock].amount == 0:
        order(stock, 1000)
    elif current_price < buy_price * 0.95:  # 價格回檔
        order(stock, 500)  # 加碼

2. Debug 友善

# 可以隨時印出當前狀態
print(f"日期: {data.current_dt.date()}")
print(f"DIF: {dif[-1]:.2f}, MACD: {macd[-1]:.2f}")
print(f"訊號: {'買入' if buy else '賣出' if sell else '持有'}")

3. 符合直覺

# 與手動看盤邏輯一致
if current_price > upper_band:  # 突破上軌
    order_target(stock, 0)      # 賣出

限制 ⚠️

1. 效能瓶頸

# 如果有 100 檔股票
for stock in stock_list:  # 每天跑 100 次
    history = data.history(stock, 'price', 50, '1d')
    macd = calculate_macd(history)
    # ...
# 會非常慢！

解決方案： - 限制股票數量（<10 檔） - 或改用 Pipeline 架構

2. 過度交易風險

# 技術指標策略容易產生過多訊號
# 需要加入過濾機制
if buy_signal and (context.i - context.last_trade_day > 5):
    order(stock, 100)
    context.last_trade_day = context.i

3. 參數敏感

# MACD(12, 26, 9) 很好
# MACD(13, 27, 10) 可能很差
# 需要穩健性測試
for fast in range(10, 15):
    for slow in range(24, 30):
        test_backtest(fast, slow)

---

🛠️ 核心工具介紹

1. data.history() - 抓取歷史資料

# 語法
data.history(
    assets,          # 股票代號（symbol 物件）
    fields,          # 欄位：'price', 'open', 'high', 'low', 'close', 'volume'
    bar_count,       # 數量（往回幾根 K 棒）
    frequency        # 頻率：'1d'（日線）, '1m'（分鐘線）
)

# 範例
close_prices = data.history(symbol('2330'), 'close', 20, '1d')
# 回傳：過去 20 天的收盤價（pandas Series）

注意事項： - 回傳的資料**不包含當天**（避免前視偏差） - 如果資料不足（如新上市股票），會回傳 NaN

2. talib - 技術指標計算

import talib

# 移動平均
sma = talib.SMA(close, timeperiod=20)
ema = talib.EMA(close, timeperiod=20)

# 趨勢指標
macd, signal, hist = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)

# 震盪指標
rsi = talib.RSI(close, timeperiod=14)
stoch_k, stoch_d = talib.STOCH(high, low, close, fastk_period=14, slowk_period=3, slowd_period=3)

# 通道指標
upper, middle, lower = talib.BBANDS(close, timeperiod=20, nbdevup=2, nbdevdn=2)

# 成交量指標
obv = talib.OBV(close, volume)

3. record() - 記錄變數

# 記錄關鍵變數，用於後續分析
record(
    price=current_price,
    macd_dif=dif[-1],
    macd_signal=macd[-1],
    buy_signal=buy,
    sell_signal=sell
)

# 回測後可以從 results 取得
results['price'].plot()
results['macd_dif'].plot()

---

⚠️ 常見陷阱

陷阱 1：忘記檢查資料完整性

# ❌ 錯誤
trailing_window = data.history(context.sym, 'price', 35, '1d')
ema = talib.EMA(trailing_window.values, timeperiod=12)

# ✅ 正確
trailing_window = data.history(context.sym, 'price', 35, '1d')
if trailing_window.isnull().values.any():
    return  # 資料不足，跳過
ema = talib.EMA(trailing_window.values, timeperiod=12)

陷阱 2：當天計算當天下單

# ❌ 錯誤：用今天的指標做決策，今天就下單
def handle_data(context, data):
    macd = calculate_macd(data.history(...))
    if macd[-1] > 0:
        order(stock, 100)  # 這是用今天的 macd，今天下單！

# ✅ 正確：用昨天的指標判斷，今天下單
def handle_data(context, data):
    macd = calculate_macd(data.history(...))
    if (macd[-2] < 0) and (macd[-1] > 0):  # 昨天 < 0，今天 > 0
        order(stock, 100)  # 今天下單

陷阱 3：過度交易

# ❌ 錯誤：每次訊號都交易
if macd_signal:
    order_target(stock, 1000)
# → 可能每天都在買賣

# ✅ 正確：加入冷卻期
if macd_signal and (context.i - context.last_trade > 5):
    order_target(stock, 1000)
    context.last_trade = context.i

---

📚 相關資源

• 模板頁面：template.md
• 案例學習：
• MACD 策略 - 經典雙線交叉
• 乖離率策略 - 均線偏離度
• 布林通道策略 - 統計通道突破
• 常見問題：faq.md

---

💡 總結

技術指標架構適合：

• 📈 技術分析愛好者
• 🎯 少數標的交易（1-10 檔）
• ⚡ 需要靈活調整邏輯
• 🔄 日頻或週頻交易

核心優勢：

1. ✅ 邏輯直觀（與手動看盤一致）
2. ✅ 彈性極高（可實現任意複雜邏輯）
3. ✅ Debug 容易（隨時印出狀態）

使用限制：

1. ⚠️ 股票數量有限（<10 檔）
2. ⚠️ 需注意過度交易
3. ⚠️ 參數敏感性高

👉 Next Step: 前往 template.md 開始開發你的技術指標策略！