《股票量化投資實戰：基於SMA-RSI篩選與隨機森林+ARIMA預測的組合優化策略》
✓ 技術方法全涵蓋 ✓ 突顯量化分析 ✓ 吸引專業投資者
《新手也能用的智慧選股法：移動平均線+RSI初篩，機器學習模型精準預測股價》
✓ 受眾明確（新手） ✓ 簡化複雜模型 ✓ 強調實用性
《從選股到組合最佳化：基於隨機森林與ARIMA的股票投資全流程建模實證》
✓ 全流程覆蓋 ✓ 演算法結合創新 ✓ 學術與實務結合
主題分析
核心目標
為短期投資者（尤其是新手）提供一套高效、可操作的股票投資方法論
結合技術指標與機器學習，提升選股與預測準確性
研究方法
初篩階段：簡單移動平均線（SMA）+ 相對強弱指數（RSI）篩選優質股票
預測階段：隨機森林（分類/迴歸） + ARIMA（時間序列）預測收盤價
最佳化階段：二次規劃（QP）計算最優投資組合
關鍵創新點
技術分析 + 機器學習結合：既利用經典指標，又引入AI預測
全流程自動化：從選股到組合最佳化，減少人為幹預
面向新手：操作簡潔，實證有效
關鍵概念圖譜
mermaid
複製
graph TD
A[股票選購方法論] –> B[技術指標初篩]
B –> B1(簡單移動平均線-SMA)
B –> B2(相對強弱指數-RSI)
A –> C[機器學習預測]
C –> C1(隨機森林-RF)
C –> C2(ARIMA時間序列)
A –> D[組合最佳化]
D –> D1(二次規劃-QP)
D –> D2(風險收益平衡)
E[目標用戶] –> E1(短期投資者)
E –> E2(新手友善)
E –> E3(量化研究參考)
研究總結與價值
主要貢獻
提供了一套完整的股票投資量化流程，涵蓋選股→預測→最佳化
實證有效：透過歷史資料回測驗證策略可行性
降低入門門檻：適合無深厚金融背景的投資者
適用人群
短期交易者：追求快速進出市場，優化收益
量化投資新手：學習如何結合科技與AI做決策
金融工程研究者：提供可重現的建模方法
未來最佳化方向
引入更多因子（如情緒分析、宏觀經濟指標）
結合深度學習（LSTM、Transformer）提升預測精度
實盤測試，評估市場適應性
推薦關鍵字：
量化投資、SMA-RSI選股、隨機森林預測、ARIMA模型、投資組合最佳化、短期交易策略
