最新消息

2025 05 / 20
麥克.墨菲高科技股投資風險評估法則

隨著高科技產業迅速發展,其股票也常成為市場焦點。然而,高科技股雖具備成長潛力,卻同時伴隨著極高的波動性與投資風險。投資人在追求高報酬的同時,若未妥善評估風險,容易面臨重大虧損。因此,如何有效衡量與控管高科技股的下跌風險,成為投資決策中不可忽視的一環。

2025 05 / 08
查爾士.布蘭帝 價值型選股法則:打造安全邊際的投資組合

在投資領域中,「景氣循環」向來是一個重要的參考依據。無論是總體經濟的波動、企業獲利的起伏,還是查爾士‧布蘭帝 是班傑明‧葛拉漢 的得意門生,自1974年創立Brandes Investment Partners 以來,將管理資產從 1.3 億美元成長至逾 750 億美元。旗下 Brandes Glo...

2025 04 / 25
TQuant Lab —  用因子分析工具 Alphalens 剖析因子表現 — TEJ 量化投資月報 12 期

普遍來說,公司宣告發放股利意味著公司營運上相對穩健,有足夠盈餘或是資本公積可供發放,除了能回饋股東長期以來的支持,也可向外宣告公司的經營良好並提高整體股價表現。

TQuant Lab
三大特點

以全台最完善的資料品質與內容,搭配最強大的事件驅動型回測系統,提供使用者開發與策略驗證的絕佳工具

瞭解更多
模組化建構您的策略

模組化架構讓程式碼在撰寫時高度自由化,可將策略步驟化處理,同時處理多重標的買賣,並完整呈現策略績效與風險指標

龐大且高品質的資料庫

完整且即時的資料庫系統,經過層層把關與維護,讓您的回測績效不失真

強大、嚴謹的回測分析套件

四大 Python 分析工具,並提供多樣化參數讓您調整,全方位模擬市場交易環境,提升分析結果的可信度

產品內容介紹

TQuant Lab 一站式的量化研究平台

提供全台最完整的 PIT 量化資料庫和資料歸納工具(TEJ Tool API),搭配專業的因子分析工具、全方面的策略回測引擎和詳細的可視化報表呈現,通通一站式解決,劍指成為使用者在量化投資之路上的一大利器。
*PIT(Point In Time):過去歷史當下所能取得的最新資料,若使用錯誤資料恐造成前視偏誤問題,即策略績效將嚴重失準。

TQuant 資料集

提供台股在過去每個時點的資料,避免使用到未來資料進行回測,可有效避免前視偏誤問題

TEJ Tool API

整併各項資料集中不同頻率之資料,讓使用者能夠同時運用季、月和日頻率資料產出進出場訊號

擬真量化回測引擎

事件型回測引擎,全方位模擬市場真實的進出場環境,減少策略實際運行的誤差

專業的因子分析工具

因子分析工具,用以剖析單一因子的報酬率、資訊比率和週轉率情況等等

可視化報表呈現

策略績效分析工具,一鍵產出眾多績效指標並視覺化圖表,快速掌握策略的優缺點

TQuant Lab 獨家功能

  • TEJ 採用 Quantopian 公司所提供的 Zipline 套件,修改成符合台灣金融市場交易的回測引擎,經過多年發展,已是國際常用的量化平台基礎回測架構
  • 由 TEJ 專業量化分析團隊維護,不定時推出專屬的新功能,可同時回測股票與 ETF 等多種商品
  • 回測時,日誌自動顯示投資組合每日持有股票之各項紀錄,包含現金股利、股票股利等資訊,貼合市場真實情境

 

TQuant Lab

 

# TEJ獨家開發的輕量化 Zipline 回測引擎,最少僅需輸入您的策略建構式 pipeline 即可回測,亦可客製化各項參數
from zipline.algo.pipeline_algo import *

algo = TargetPercentPipeAlgo(
start_session=start_dt,
end_session=end_dt,
capital_base=1e6, 
tradeday=tradeday,
max_leverage=0.80,
slippage_model=slippage.VolumeShareSlippage(volume_limit=0.15, price_impact=0.01), 
pipeline=compute_signals,
analyze=analyze
)

results = algo.run()

參與試用

免費註冊 TQuant Lab 會員申請試用資格