AI經濟

  比對一下台股緯創的每月營收的趨勢期間和股價期間，你發現什麼呢？ 第一張圖是AI數據分析找出來的精準趨勢線，每條趨勢線對應下方的時間產生趨勢期間 第二張是股價K線圖 參考股價大約的位置

  台股指數分析截至4月8日 因為 MathAI 找出4月1日是新趨勢開始，但想成為一條趨勢線至少10個交易日，所以重新整理後得到綠線的斜率與深藍線的斜率

 

  上方圖形的趨勢線(綠)是截至2024年3月28日的結果 下方圖形的趨勢線(綠)是截至2024年3月29日的結果 比較兩圖的綠線： 1. 關鍵的綠線起點不變 2. 增加3月29日，明顯看到趨勢上漲力道轉為更趨緩 昨天3月28日的趨勢結果顯示20208.2是重要的台股是否持續上漲的關鍵數字 今天3月29日收盤指數加入後，趨勢力道比之前趨緩，代表台股仍是走多，但再上漲的力道並沒有那麼強勁

  上方圖形的趨勢線(綠)是截至2024年3月22日的結果 下方圖形的趨勢線(綠)是截至2024年3月28日的結果 比較兩圖的綠線： 1. 關鍵的綠線起點不變 2. 增加3月25日~28日，明顯看到趨勢上漲力道減緩了

技術分析是股市分析當中唯一依靠股價進行分析後，提供投資人的決策資訊。其基本信仰是建立在「歷史會不斷重演」的概念上，並試圖使用大量的統計資料來預測行情走勢。但是，技術分析主要所用的K線圖以分類方式，展現每日開高低收價的位置資訊。然而，這樣的「被動式」圖像方式並不能生成出「趨勢線」。 下面的Google簡報，在所有版面呈現台股指數開高低收價的趨勢。每增加一點就能生成一條新的趨勢線。讀者可以發現趨勢線新舊的比較，還能和過去的趨勢線做比較，發現軌跡改變。而右側呈現K棒。 K棒不會有趨勢 你會發現，K棒呈現的開高低收資訊就只是當日的開高低收的位置，並且是一個垂直線的表現方式，也就是所謂的扁平化。但你沒辦法看到股價趨勢，同時你也看不到過去的情況。如果你要看到過去的開高低收，就是現在所見的K線圖。而這樣的K線圖並沒有「趨勢」。 K線圖如何呈現趨勢呢？ 它是藉由轉換數字的方法，產生所謂的技術指標，特別是指移動平均(Moving average, MA)。換句話說，K線圖的K棒並不能呈現任何趨勢，自然也沒有預測性。但為了達到技術分析的目標，從18世紀開發並使用迄今的K線圖上可發現，所謂使用大量統計資料是指對收盤價進行轉換，也就是產生各種的技術指標。如此達到技術分析師的辨別金融市場上非隨機價格圖樣和趨勢。但究其根本，還是收盤價根據數學計算公式或統計學的計算公式得到的數字轉換。 多數的技術指標其實是靠比對或者時間差計算的數字 進行比對 ，產生訊號。例如，MA10和MA20在特定一日比較，如果MA20 > MA10，稱為黃金交叉，成為買進訊號。這樣的比對方式並不是趨勢。 實際所見的MA20線，也只是將每日的MA20值用平滑線段連起來。但這樣的連線方式並未產生任何「趨勢」，而是透過圖像的線感，讓人類視覺發生看到趨勢的感覺。換句話說，該產生的趨勢或預測並沒有出現。而上述的比對方式只是決定買賣點的比對方法，同樣也沒有趨勢和預測。 趨勢從哪來 從過去我們所學的數學到大學的統計學，迴歸分析方法才能產生趨勢，也就是方程式加上誤差，不過，這方程式是由數字在最小誤差的條件下所產生。我們可以發現100%通過所有點，稱為方程式。如果是最小誤差得到的方程式，裡頭存在差距，可用R2表示趨勢的可解釋程度。 一般來說，使用迴歸分析的慣性如上圖。由人決定好時間期間後，所有資料直接找出一條估計線。而我們看到這條估計...

你有想過看到趨勢後，該怎麼解讀呢？ 我們最簡單的趨勢表現法，就是直線。不過，人為習慣使得在認定某段時間內的數據後，就以全體數據進行估計。然而，這樣認定的數據範圍所得到的估計結果，未必是數據最合適的結果。 你們會認為數據怎麼會有最合適的結果，還不到是人為在決定的。然而在大數據和人工智慧時代卻非如此。人力難以處理龐大、雜且亂的數據，甚至少量、雜且亂的數據都難以處理。那麼問題出在哪呢？ 讓我們重新回到人類處理數據時的過程，在對待數據的範圍時總由人決定， 而非數據自己決定 。我想這點是非常重要的，甚至是當我們踏上大數據和人工智慧時代時，對待數據該有的態度，那就是：該還權給數據，由數據自己決定，由數據自己說話。不加入過多的人為因素在其中主導數據該呈現的特徵。 這篇文章延續近期的分享內容，從高中所學的數學方程式、大學所學的統計學迴歸分析和微積分，到大數據和人工智慧的數據建模，讓我們重新看待所學的知識，和其應用。 數字說話的趨勢線是指由數字自己如同人類一樣，增加數字時，重新計算估計式，直到最佳條件達到，即代表最適合這數字群的估計式。 如此一來，我們就會看到每個估計式都會有一段趨勢線，並且兩個估計式造成的數字群在時間數列上就會有斷點。 我們需要認真對待這個斷點的位置，因為它代表前一個趨勢的結束，新的趨勢開始。數字無法告訴我們原因，但能顯示就那時間點！而我們依賴這樣的訊號，進行決策。 臉書META股價趨勢 圖一 上圖是更新至2022年12月23日的一個月臉書每日股價。由每日股價建立最佳的趨勢線。因為需要至少10日數據進行估計，所以第一條線發生在13筆數字，最後一筆數字為11月23日(時間代號=254)。 請看下方圖，紅色點為估計點，紅線為估計線，藍點為實際收盤價。水平軸是時間序，縱軸是價格，正上方顯示加入的點和收盤價數字。 圖二 圖三顯示繼續加入新的數字，11月25日的收盤價，計算估計式，得到估計線。單看圖三，你會認為和圖二差不多。但我們堆疊起來(見圖一)後，你可以看到第二條線的斜率變平了。 圖三 圖四 加入第三個新數字(11月28日，週一，圖四)後，我們看到了整個趨勢重新開始，還就以11月28日為最後點，往前推4個數字，建立出最佳的估計線。而且你還看到這條估計線變成向下趨勢。這代表著11月28日的臉書股價正式破壞了前面的趨勢，重新起算，至於能維持多久就得看未來的數字。 圖五 到了1...

 一般的K線將股價的開高低收以K棒表現，想看趨勢，卻是使用移動平均線(MA)在K線圖上看看趨勢。不過，移動平均線只是將移動平均數用折線圖表現。先前的文章，我們已經分享過折線圖並非趨勢線，也無法真實展現趨勢。另外，K線圖上的移動平均線也只是用收盤價計算得到移動平均數後，再用折線圖的線段連起來。K線並沒辦法同時展現開、高、低、收價的趨勢。 對此，我們能不能將開高低收價同時找出趨勢，並且從趨勢當中發現一些訊號呢？ 數據說明 使用來自台灣證券交易所從2022年11月1日到2022年12月2日的台股指數數據，數據包含開高低收四個價格。同時，建立時間變數，從數字1到65。 直線多線段/移動式動畫 使用直線多線段方式計算出每個時間段的最佳趨勢線，而展現方式選擇移動式的動畫方式。所謂移動式動畫是指在特定時間段內，每增加一個新的數據跑完迴歸線，並顯示出來。 觀察上圖可發現，最低價的趨勢和其他三個價格趨勢略有不同。因此，從直線多線段的方式可用開盤的趨勢看出收盤的趨勢。 直線多線段/堆疊式動畫 使用直線多線段方式計算出每個時間段的最佳趨勢線，而展現方式選擇堆疊式的動畫方式。所謂堆疊式動畫是指在特定時間段內，每增加一個新的數據跑完迴歸線，顯示出來，同時前面的趨勢線仍保留在圖上。 觀察上圖可發現，台股指數的開盤價、最高價、收盤價有著類似的趨勢走法。 相比於主流使用的K線圖，我們將K棒轉為收盤價線。使用者很難看出收盤價的點位置，而收盤價線運用收盤價產生的線段，造成視覺的趨勢錯覺。另外，下圖因縱軸和畫面比例，讓人感受到台股指數收盤價的快速上漲。事實卻沒有那麼強烈的上漲趨勢。因此，K線圖從不是能展現趨勢和趨勢變化的良好圖像。 非直線多線段/移動式動畫 上面的直線多線段，我們觀察的趨勢線型態來自斜率的變化，而下方的非線性多線段，受非線性函數的特徵呈現出不同的趨勢線型態。 在台股指數的開高低收價四張圖中，非直線型態非常類似。唯有最低價在最近的趨勢，和其他有所差異，但其形態也是非常類似。 小結 對股市的認識，大多數人都是從K線圖開始接觸，K棒告訴投資人當日開高低收的位置。然而，你想從K線圖上看出開高低收的趨勢並非易事，當然過去也不會有想法去找出開高低收的趨勢。但股票投資時，若無股價趨勢，無疑是瞎子過河，非常危險。 這篇文章就是提供比較股價指數的開高低收價，各自建立趨勢後發現這四個價格的趨勢差異。...

 讓我接續已經說明「 觀念1：常見的壓力線和支撐線只是高中數學的兩點決定一直線 」的前篇文章，繼續講講第二個觀念，壓力線和支撐線的先決條件。想要講這個觀念之前，我要先說一下，請不要用你常見或已經學過的技術分析懟我。你有你的技術分析觀念和知識，而我則用數學和統計學觀念和知識在解讀和分享。感謝大家的認可與喜歡，如果感受到冒犯了，請左拐更換關鍵詞搜尋，謝謝理解。 第二個觀念：壓力線和支撐線的先決條件 當你看到下圖的壓力線和支撐線時，有什麼感覺？是不是「往下走」的兩條平行線呢？所謂的「往下走」就是 趨勢方向 。平行的壓力和支撐線賦予一個趨勢方向感。 那什麼是趨勢(Trend)？ 請注意上圖的橫軸是時間，從左到右代表從過去到現在，因為線的存在，產生了指引方向，進而讓觀看圖形的人有了趨勢感覺。這個非常簡單的事實現象，以及人們的感覺，只是你可能遺忘潛意識一直使用的固有思維。 兩條黃線可以讓你有趨勢感，就只需用四個收盤價決定！換句話說， 用四個收盤價就決定趨勢，並代表這段時間內所有的股票價格 ，你能認可這種事嗎？這代表其他收盤價的藍點都能消失，不用再看。只要看決定第一個觀念得到的壓力和支撐線的四個點，就夠了！聽起來很天方夜譚，但從上一篇文章的支撐線和壓力線產生方式就是如此。 可是，這一群數字的趨勢意味著，代表這群數字告訴我們的方向和規律性。其中的兩點不能代表這群數字，所以，兩點連成一直線的支撐線和壓力線都不能代表「這群數字的方向和規律性」。 此時，我們就得考慮 有沒有哪種趨勢的表現方式可以代表「這群數字的方向和規律性」呢 ？能夠代表這群數字的直線，既是趨勢線，也是存在誤差的直線。因為趨勢只是平均概念，和實際的數字存在差距。這差距稱為誤差(Error)，也稱為風險(Risk)。所以支撐線和壓力線的先決條件是「先要有條趨勢線」，而且是能夠代表所有數字的「趨勢線」。之後再藉趨勢線，產生上下限，各自代表支撐線和壓力線。如此一來，支撐線和壓力線不再是簡單的兩點連成一直線，而是可以「容忍誤差」存在的趨勢上下限。 趨勢從哪來？ 直至現在很多專家學者在講時間序列資料的趨勢時，總愛SHOW出折線圖，以此代表趨勢。我今天沒有要說折線圖能否代表趨勢的問題，如果你對折線圖是否能代表趨勢線有興趣，請參考「 股市走勢圖是詐騙還是奇蹟 」的簡報資料。 回到趨勢，人類最簡單的表現方式就是直線。這直線未必穿...

 很多人都在K線圖上畫著各種的線，移動平均線、壓力線、支撐線、三關線等。各種的線條在K線圖上飛舞著，而解說的人就著這些線和股價的K棒位置講得口沫橫飛。然而，正在聽著的人是否真的知道支撐線和壓力線從何而來，為何而來呢？ 這篇文章告訴你三個觀念，看完後你就能夠明白壓力線和支撐線的意義，兩者的先決條件是什麼，以及怎樣的線才是壓力線和支撐線。 觀念1：常見的壓力線和支撐線只是高中數學的兩點決定一直線 你看到在K線圖上畫出的支撐線和壓力線，都是畫者自己依照看圖的經驗，找出兩K棒畫出來的。甚至，他們也不管是不是有對應到收盤價位置，可能是K棒的最高價拉到另一個K棒的最高價，形成壓力線。然後再拉出兩個K棒去形成支撐線。 畫者還會說大約畫出來就好，再精準也沒有用。這只是判斷用。我們最後是要看後續有沒有形成三角收斂，然後K棒有沒有突破壓力線。 聽起來都很美好。若大學有學過大一數學和大二統計學的人還因此相信，那大學等於白學了重要的知識和技能。 讓我緩緩道來原因。 那些畫者確實找出兩根K棒，這相當於兩個點幫助他畫出直線，形成壓力和支撐線。此道理在 高中數學的二元一次方程式 就有教。忘記的朋友可以上網看YouTube二元一次方程式就有說明。我在這不再多加贅述。換句話說，高中生和高中老師都懂的知識，他們都能解說K線圖了，何必有那麼多「老師」們在宣傳和招收會員呢？ 由此可見，他們用的K線圖只是「宣傳」工具，真正投資給的資訊不是K線圖的資訊，也許是消息面，也許是技術指標的判斷訊號。但「宣傳」時K線圖上壓力和支撐線肯定不是重點。 既然是二元一次方程式，肯定可以找出方程式吧。前述提到「畫得差不多位置就好」已經預先阻止你去思考他們畫線的漏洞了。也就是說，如果你有辦法算出壓力線和支撐線的二元一次方程式，就能找下一個時間點的壓力值和支撐值，直到兩條線交會點(這在高中數學也有教)。 有壓力值和支撐值，你就能和股價去比對。如果股價超過壓力值，那超過多少都能算出來。那為什麼你明明讀過高中，卻還做不到算出壓力線和支撐線的方程式呢？答案特別特別簡單！ K線圖的每根K棒有四個數字，請問你選哪個算壓力線和支撐線？ 如果你直接在K線圖上畫線，永遠都無法算出壓力線和支撐線，如此就產生了模糊地帶，讓人可以做手腳。例如說可能猜錯，有風險等。事實上， 方程式是沒有誤差的 ！這壓力和支撐線從頭到尾都是兩根K棒連線起來的，沒有...

喜歡選擇金融股來存股的朋友們，更為需要股價趨勢的資訊。那麼中信金控的三個月股價趨勢會如何呢？從直線和非線性的趨勢表現皆是向下趨勢。而Curvilinear迴歸趨勢則是向下趨勢後，轉為盤整。 數據資訊 期間  2022年8月1日至2022年10月31日 時間代號 267 ~ 330 直線趨勢結果 估計線的方程式  Y = 44.622582 - 0.075788 X Y = 中信金控每日收盤價 X = 時間變數 = 時間代號 對斜率進行統計分析，建立虛無假設 H0: slope = 0，得到ANOVA結果如下。 test statistic = 184.120078, p value = 0.000000 R2 = 0.748090, R2(adj) = 0.744027, MSE = 0.681314 非線性趨勢結果 估計線的方程式  Y=29.6606112646 - 0.00000028475344882459 X^3 Y = 中信金控每日收盤價 X = 時間變數 = 時間代號 對斜率進行統計分析，建立虛無假設 H0: slope = 0，得到ANOVA結果如下。 test statistic = 196.744090, p value = 0.000000 R2 = 0.760381, R2(adj) = 0.756516, MSE = 0.648073 Curvilinear迴歸趨勢結果 估計線的方程式 Y=22.352867513913580000000000000000+ -0.161925651933415790000000000000*(X-298.5)^1+ 0.023432726556755767000000000000*(X-298.5)^2+ 0.004337179150752490400000000000*(X-298.5)^3+ -0.000908582752424336170000000000*(X-298.5)^4+ -0.000126187007708722380000000000*(X-298.5)^5+ 0.000010339804890648757000000000*(X-298.5)^6+ 0.000001427361157713136200000000*(X-29...

 每股道瓊工業指數在22年10月13日，大漲827.87點，收盤在30038.72。這樣大漲的結果，從長期趨勢線來看，十足微不足道。道瓊指數的長期下降趨勢穩定不變。在使用21年5月3日到22年10月13日的每日收盤，計算直線和非直線趨勢線，如下圖。 藍點：每日收盤 紅點：估計線 黃點：95%預測區間上下限 直線趨勢線 左圖是迴歸分析得到的紅色估計線，代表長期趨勢。趨勢線的方向是向下走，道瓊指數的市場下跌壓力很明顯且強烈。不過判定係數為48.31%，並不是很準確。 藍點的每日收盤沿著紅色趨勢線向下做波動，並且波動幅度在近期很少碰觸到95%預測區間上限，反而已經兩次碰到95%預測區間下限後，做反彈。 非直線趨勢線 右圖是迴歸分析得到的紅色非線性估計線，代表長期趨勢。同樣如直線趨勢線往下走，非線性的估計式還是時間X的3.4次方，比平方下降速度還快。判定係數為68.80%，算有準確率，所以導瓊指數的市場下跌力量不能用直線去看，而是有更強烈的市場下跌壓力。 結論 即使22年10月13日的大漲，在長期趨勢圖中，仍屬於正常的震盪狀態，並不會改變道瓊指數的長期趨勢。

 想衡量兩變數的相關性，第一個想到的就是「相關係數」(Correlation coefficient)。所謂相關係數是兩變數的直線相關程度。愈趨於1或-1就代表兩變數之間的線性相關愈強烈。 恐慌指數和股價指數的研究認為兩者存在負相關，也就是一個指數的數字愈高，另一個指數的數字就會愈低。這邊我得特別說明一下，這樣的負相關是指兩者存在負的線性相關。而線性相關不代表每個數對都是符合這樣的特性。這是什麼意思呢？ 統計學的相關係數是需要一定數對量才能計算相關係數。如果只有兩個數對，那相關係數不是正1就是負1，超過兩個數對就產生介於-1和1之間的數字了。 另外，你加入的數對量會有規律性，也就是累加性出現。這裡指的累加性是數字量帶來的數字規律，在一開始可能不明顯，隨著數對愈來愈多，之前的影響就會逐漸累積產生。 當你使用相關係數時就得考慮要如何界定時間序資料放入計算相關係數的資料量。在這，我提出三種方法： 從時間序的起始日開始，固定此起始日，開始加入新的數對資料，直到結束日。 從時間序的結束日開始，固定此結束日，開始加入最近的舊數對資料，直到起始日。 從時間序的起始日開始，固定N日，每計算完N日的相關係數後，丟棄前一日的數對，加入新一日的數對，繼續計算。 這三種對計算相關係數的資料量定義將帶來不同的相關係數計算方式。而彭博提供的技術指標當中，也有相關係數的計算。有使用彭博資料庫的朋友，再留言分享一下它的計算方法吧。 下圖藍點為第一種方法，紅點為第二種方法得到的相關係數走勢圖。 你看無論是第一種還是第二種的相關係數從22年2月1日開始的相關係數都介於-1到-0.4之間。這代表恐慌指數和S&PP500指數之間確實是負的線性相關。 藍點結果 那我們來看藍點的結果。藍點從22年2月1日開始，第一個相關係數值由五天的數對計算得到，然後繼續增加到6天、7天，依此類推。從22年2月28日到4月29日持續落在-1至-0.9之間，屬於高度負相關。 隨著S&P500指數因通貨膨脹從7月中開始下滑，中間也有超過4000點的期間，但和恐慌指數的相關係數卻下降，甚至出現新聞所謂的關鍵相關性斷裂。不過，從22年9月27日後，相關係數回到-0.6和-0.5之間。 橘點結果 第二種方法從最後的結束日，22年10月13日往前看相關係數的規律性。圖形的橘點從右往左看。在9月和10月中，僅有9月...

  台股重要股票趨勢資訊 股票名稱：台積電 數據期間：2021/07/01 ~ 2022/09/09 你有抓不到股價趨勢的困擾嗎? 在股市大環境下行的情況時，你缺少重要的趨勢資訊!! 🔴千萬別錯過這部影片‼ 💟必看💟不能錯過💟別看錯趨勢!!! ✅內有股價趨勢資訊 (趨勢圖、數學式證實提供資訊有憑有據) ✅內有預估值準確評估 ⭐⭐⭐ ✅內有未來5日預測值 ⭐⭐⭐ 關注訂閱我的YouTube頻道，每週更新。獲得台股 、 美股 、重要國際股價指數的趨勢。 有關軟體購買，請洽「機率模擬器有限公司」 prsimulated@gmail.com 使用技術： #AI #人工智能 多線段法 ( #數據分析 ) 使用工具：智能分段數據結構分析軟體 🤜影片可以溯往🤛 當你發現K線圖不能幫助你最有效且快速抓出趨勢後，你會怎麼做呢? 我們的股價趨勢分析影片是有跡可循的。下面提供先前我們每週做的股價趨勢。大家可以往前追蹤和比對。 2022年9月10日 https://www.youtube.com/shorts/9LaWOWf82HA 2022年9月16日 https://www.youtube.com/shorts/UfGY1YNWlQE 2022年9月23日 https://www.youtube.com/watch?v=i-5O-T3rdio 2022年9月30日 https://youtu.be/QtpTJjFt-rs 🤜為什麼你不知道可以這樣用🤛 #統計學 #迴歸分析 就能讓你知道股價趨勢，你根本不需要學技術分析就能抓住最重要的股價趨勢資訊，也不用憑【 #經驗 】在K線圖上學畫線。但為什麼你不知道呢?理由非常簡單！！ 🔴會用迴歸分析的你，馬上可以檢驗他們所說的趨勢 🔴支撐或壓力線幾乎是兩點連成一直線的高中數學，趨勢線是大學統計學才學的 🔴會迴歸分析的你，只要有經濟、金融的基礎理論知識，加上追一下時事就能知道能不能買賣股票

 有人問我可以知道明天股價多少嗎？我覺得這是個好問題。但當我們在做數據分析或預測時，是沒有任何故事可言的。換言之數字自己講他自己的故事。如果我們想要講故事，那就是試圖賦予那天或先前有何種的事件或衝擊發生，致使這樣的未來發生。 哈~有覺得這很像我自己在編故事嗎？這只是我們試著將一些過去某時日的事件加上投資人心理，再加上很多因素後形成了有場景和影響性的情況。這也是為何尋找股價漲跌成因是如此重要。 不過，如果我只是想要預測，或許如上圖，給你一個預測的點，再加上迴歸分析的R2或調整後的R2做為百日勝率解釋。你可以試試看，每天觀察，看最後真實的點是否有與預測點非常接近呢。 這是使用昨日股價資料估計今天股價的方式，產生時間差。如此一來就能夠 以上數據僅供參考，不做任何人之投資行為損失之責任。

這篇文章分享標準普爾500和美國國庫券殖利率的關係。債券和股票都是吸收資金的方法，對投資人而言，哪種獲利高，就會使用高獲利的投資工具。而衡量兩者的獲利方式是以債券殖利率和股票的投資報酬率來做比較。不過這當中還需要考量通貨膨脹的問題，所以， 如果債券利率 > 通貨膨脹率和現金股利殖利率 => 選擇債券 長期債券利率 < 通貨膨脹率或現金股利殖利率 => 投資股票 一般來說，債券的利率愈高，投資人欲不想持有股票，股票賣壓力愈大。所以債券利率和股價的關聯就是反向。所以當債券利率過低時，債券價格愈高，賣掉債券獲利較多，產生的資金就很快流入股票市場，產生股市狂歡。 這篇文章使用聯準會的資料，透過不同期的美國國庫券利率資料，尋找與標準普爾500的關係。

我使用「疫情模式與20200412_預期未來一週台股」的部份影片內容來說明人工智能在估計上做什麼事情。很多人都認為人工智能好像就是比對、辨識使用的技術，大多用在人臉辨識、車牌辨識、語音辨識等。但探究其本質，你知道是什麼嗎？ 只要是人就可以做得到，只是我們改成讓電腦做而已。那就讓我揭開秘密吧！

股市的每個交易日都可以看到「漲」或「跌」。所謂的漲跌是指今日收盤價 - 前一日收盤價，計算出漲或跌，以及對應的漲跌數字。不過，我們也想知道漲跌之間的關係，所以可以透過每個交易日的盤後結果，重新計算當日與前一日的漲跌，獲得他們之間的關聯。 那麼到底是怎麼做到的？其實這個方法很簡單！那就是使用「條件機率」或「貝氏定理」。我先說明這兩者是什麼，然後再說明怎麼完成。

我們在看相關性時，統計學的相關係數是個非常不錯的衡量指標，雖然僅是說明線性關係，但仍足夠協助我們知道兩組數字之間的情況。 所謂的相關係數是指兩組數據之間的線性相關程度，其值介於-1至1。用數值可以區分出 相關係數為0  → 兩組數據無線性相關 相關係數為1  → 兩組數據有完全正的線性相關(同向) 相關係數為-1  → 兩組數據有完全負的線性相關(反向)

外資帶來資金進入台灣股市，讓資金充沛，並且維持台股的高檔，因此很多人都說可以看台幣兌美元的匯率來了解資金進出對台股影響。如果外資選擇離開就會將台幣換成美元，造成台幣貶值，因此台股就會產生跌勢。反之，如果外資一直進來台灣，就會將美元換成台幣，讓台幣升值，而這些資金就會進入股市，造成股市的熱絡。 那麼就讓我使用Google Finance來找出其中關聯吧。