Navigation
  • Share
    • Breadcrumb

    Expected Market Return: 量化投資策略專案

    關於此專案 (About The Project)

    ExpectedMarketReturn 是一個基於 Python 的量化金融管道，旨在解決「情緒化投資」的問題。它結合了總體經濟流動性指標（如 M2、GDP）與技術趨勢分析，以產生可執行的交易訊號。

    核心理念非常簡單：當宏觀環境安全且趨勢向上時，增加槓桿；當風險過高時，保護資本。

    核心功能 (Key Features)

    • 真實數據串接 (Real-World Data Integration)：直接從 FRED (聯準會經濟資料庫) 抓取即時總經數據，並從 Yahoo Finance 獲取市場價格。
    • 科學化數據填補 (Scientific Gap Filling)：採用 均值回歸 (Mean Reversion) 演算法，將滯後的總經數據（例如 2025 年的數據）推算至當前系統日期。這能避免「前視偏差 (Look-ahead bias)」，同時提供真實的模擬環境。
    • 動態槓桿策略 (Dynamic Leverage Strategy)：實作自動切換策略：
      • 2x Bull：(例如 SSO/期貨) 當宏觀安全 + 趨勢向上。
      • 1x Neutral：(例如 SPY) 當市場方向不明確。
      • 0x Bear：(例如 Cash/SHV) 當風險過高。
    • 自動化診斷 (Automated Diagnosis)：生成控制台市場診斷報告，並視覺化回測績效以對比 S&P 500 基準。

    使用技術 (Built With)

    此專案使用現代 Python 資料科學技術堆疊：

    • Python
    • Pandas
    • NumPy
    • Matplotlib

    快速開始 (Getting Started)

    如果你想在本地端執行這個專案，請參考以下步驟。

    前置需求 (Prerequisites)

    你需要安裝 Python 3.10 或更高版本。本專案使用 uv 進行套件管理，但標準的 pip 也可以完美運作。

    安裝步驟 (Installation)

    1. Clone 專案庫 
      git clone [https://github.com/aionyx02/ExpectedMarketReturn.git](https://github.com/aionyx02/ExpectedMarketReturn.git)
    2. 進入專案目錄 
      cd ExpectedMarketReturn
    3. 安裝相依套件 
      pip install pandas numpy matplotlib yfinance scipy python-dateutil
      (或者如果你使用 uv，只需執行 uv sync)

    使用方式 (Usage)

    執行主程式以抓取數據、計算訊號並生成報告：

    python main.py
==========================================
🚀 MVP Quant Pipeline: Scientific Trend Projection
📅 Target Date : 2026-01-27 (Auto-Detected)
==========================================
...
[Step 7] Analyzing Market Status...

============================================================
 📊 【MVP 量化模型：市場診斷報告】
============================================================
數據基準日: 2026-01-27
1️⃣ 宏觀風險指數 : 1.00 ✅ 安全
2️⃣ 預期年化報酬 : 4.64%
3️⃣ 系統決策訊號 : 【BULL】
------------------------------------------------------------
 🛡️ 【最終執行指令】:
    🚀 建議: 2.0x 槓桿 (SSO/期貨)
============================================================

    未來規劃 (Roadmap) [x] MVP Release: 核心管道與 FRED/Yahoo 數據整合。

    [x] Scientific Data Filling: 實作均值回歸以處理數據滯後問題。

    [x] Project Structure: 優化專案結構與 Git 設定。

    [ ] Docker Support: 容器化應用程式以利雲端部署。

    [ ] Notification System: 整合 Line Bot / Telegram 進行每日通知。

    [ ] Expanded Indicators:

    [ ] VIX (波動率指數)

    [ ] Corporate Earnings (企業 EPS)

    [ ] Bitcoin Correlation (比特幣相關性)

    授權 (License) Distributed under the MIT License. See LICENSE for more information.

    聯絡資訊 (Contact) Aionyx - GitHub Profile

    Project Link: https://github.com/aionyx02/ExpectedMarketReturn

    致謝 (Acknowledgments) FRED (Federal Reserve Economic Data)

    Yahoo Finance (yfinance)