股票市場是一個充滿活力且錯綜複雜的生態系統，上市公司的股份在此被買賣交易。這種由投資者預期和公司業績所驅動的持續性股權交換，對全球經濟以及個人和機構的財務狀況都有著深遠的影響。這是一個風險與回報相互交織的地方——財富可能在此積累，也可能在此消散，而每日價格的漲跌起伏，折射出整個投資世界的集體希望與恐懼。
股票市場基礎 #
股票市場，又稱權益市場，是現代金融體系的核心組成部分。它為企業提供一個平台，通過向投資者出售所有權股份（股票）來募集資本。這些投資者——從個人散戶到大型機構——根據對公司未來表現的預期進行股票買賣。當一家公司表現出色時，其股價通常會上漲，令股東受益；反之，當公司表現不如預期時，股價可能下跌。
影響股價的幾個關鍵因素包括：
- 公司業績： 財報、營收成長、獲利能力及新產品發布是主要驅動力。
- 經濟環境： 利率、通貨膨脹、GDP成長和失業率都會影響投資者情緒和市場估值。
- 產業趨勢： 特定產業（如科技、醫療、能源）的發展動態會影響該行業公司的股價。
- 投資者情緒： 市場心理和投資者信心扮演著重要角色，有時會引發非理性的繁榮或恐慌性拋售。
- 地緣政治事件： 政治不穩定、戰爭、貿易糾紛及其他全球事件可能造成市場波動。
投資策略與風險管理 #
投資股票市場有多種方法，每種方法都有其各自的風險特性和潛在回報。常見的策略包括：
- 價值投資： 尋找被市場忽視的、具備強勁基本面的低估值公司。
- 成長投資： 專注於具有高成長潛力的公司，即使其當前估值看似偏高。
- 股息投資： 建立能定期支付股息的公司投資組合，創造穩定的收益流。
- 指數投資： 買入並持有追蹤廣泛市場指數的多元化投資組合（例如標普500指數）。
成功的投資需要嚴格的風險管理。跨資產類別和行業進行多元化配置、設置止損單，以及保持長期投資視野，都是管理下行風險的重要工具。
使用 R 建立股票掃描器 #
R 憑借其強大的數據分析和可視化功能，是建立自定義股票掃描器的絕佳工具。股票掃描器能讓您從大量證券中篩選出符合特定技術條件的標的，幫助您快速發現潛在的投資機會。
若要每日接收標普500指數前100大市值公司的技術分析報告，請發送電子郵件至 support@apexfintech.net，主旨欄填寫 subscribe。
以下是使用 quantmod 套件在 R 中建立簡單股票掃描器的基本框架：
# 安裝並載入必要套件
if(!require(quantmod)){install.packages("quantmod")}
if(!require(dplyr)){install.packages("dplyr")}
library(quantmod)
library(dplyr)
# 1. 定義股票代碼列表
symbols <- c("AAPL", "MSFT", "GOOG", "AMZN", "TSLA")
# 2. 下載歷史股票數據
getSymbols(symbols, from = "2023-01-01", to = Sys.Date())
# 3. 建立計算技術指標的函數
calculate_indicators <- function(data) {
data$SMA_50 <- SMA(Cl(data), n = 50) # 50日簡單移動平均線
data$SMA_200 <- SMA(Cl(data), n = 200) # 200日簡單移動平均線
data$RSI <- RSI(Cl(data)) # 相對強弱指數
data$MACD <- MACD(Cl(data))[,1] # MACD訊號線
return(data)
}
# 4. 將函數應用於每支股票的數據
stock_data <- lapply(symbols, function(symbol) {
calculate_indicators(get(symbol))
})
names(stock_data) <- symbols
# 5. 根據條件篩選股票（示例）
filtered_stocks <- lapply(stock_data, function(data) {
# 取得最新數據點（最後一行）
last_data <- tail(data, 1)
# 篩選條件：
# - 當前價格高於50日SMA
# - 當前價格高於200日SMA
# - RSI高於50（表示看漲動能）
if (Cl(last_data) > last_data$SMA_50 &&
Cl(last_data) > last_data$SMA_200 &&
last_data$RSI > 50) {
return(TRUE)
} else {
return(FALSE)
}
})
# 6. 印出篩選後的股票
print(symbols[unlist(filtered_stocks)])
# 建立數據框的示例（更靈活地進行複雜篩選）
all_data <- data.frame()
for (symbol in symbols){
temp_data = calculate_indicators(get(symbol)) |> as.data.frame()
temp_data$symbol = symbol
temp_data$date = row.names(temp_data)
row.names(temp_data) <- NULL
all_data <- rbind(all_data, tail(temp_data,1))
}
# 使用dplyr
all_data |> filter(RSI > 50 & MACD > 0)
