視覺化財經數據，挖掘資料金礦 - 以美國投資基金公司為例

情境

電影《華爾街之狼》中有一句話「在太陽升起之前，就投資了太陽的股票！」完美詮釋了股票買賣交易者的心境。

試想，倚賴技術分析的投資者若能自行設定想觀察的特徵數值，繪製一組市場上難以獲得的圖形，是不是能更有信心地趕上台積電、陽明海運大漲，並避免買在高點被套牢或被當韭菜收割呢？

然而數據、圖形種類有那麼多，要利用哪些數據繪製哪些圖形對於分析才有幫助呢？底下我們將透過Two Sigma的財經數據挑戰， 將技術和數據科學應用於財經預測的最前端。讓投資者們在充滿不確定性的變動環境中，仍具備運用科學驅動的方法準確預測金融走勢的能力，不再只能空喊「本多終勝」的口號！

解決方法

1. 資料簡介

首先，我們先來查看資料集的樣態，資料是由美國對沖基金投資公司 — Two Sigma所提供，每一個欄位都經過去識別化的處理，總共有111個欄位，其中包含了1欄金融工具的ID、1欄目標變數（金融工具的價值）、1欄時間戳記與108欄與金融工具相關的特徵變數，如圖1. 所示。

2. 資料視覺化

為了找出表現較好的金融工具，並發掘潛力股，我們將進行以下4個資料視覺化的流程：

(1) 目標變數的分布

由於此挑戰並未說明目標變數為何，就數值多為小數且十分位為0而言，我們推測它可能是成長率，亦或是其他能以百分率表示的評估指標，代表著該金融工具的價值。首先，我們透過直方圖的形式，概覽目標變數（金融工具的價值）的分布狀況，如圖2. 所示。可發現目標變數大致上呈現常態分布，平均值落在0附近，同時可以發現極端處各有一個小峰，代表部分金融工具的價值較高，後續我們可以將這些金融工具列為目標，並搭配時間戳記觀察它長期的表現。

(2) 時間戳記的分布

接著，為了確保時間戳記的數量保持穩定，我們來查看時間戳記的數量，如圖3. 所示。可以發現時間戳記的數量有增加的趨勢，且過程中皆有一小段的向上跳躍，再些微減少，代表隨著時間的推移，有新的金融工具加入，並有些許金融工具遭到淘汰。

(3) 目標變數隨時間的變化

為了檢視變動環境中金融工具的走勢，我們藉由時間戳記觀察目標變數平均值的變動，並針對較感興趣時間戳記區間進行深入探索，如圖4. 所示。若能得知時間戳記的確切時間點，便可推估當時發生的事件，並作為歷史的借鏡，當投資者下次面臨類似的事件時便能把握住投資機會。

(4) 特定金融工具的目標變數

最後就要來挑出值得投資的金融工具了！我們篩選出存在於所有時間戳記的金融工具，因為此金融工具較不會受到「蜜月期」影響，且歷史紀錄較多，再檢視目標變數隨時間的走向，以挑選出較佳的金融工具。經過一番觀察後，總共挑出了特定的5個金融工具，它們的ID分別為1548、699、697、704、1066，如圖5. 所示。

圖中的藍線表示目標變數的分布，綠線則表示累積的目標變數數值。

這五個圖表中，可觀察出ID 699的累積目標變數較穩定成長，在無法得知y為何種評斷指標的情況下，我們僅能推測它或許是表現較好的金融工具，投資者便可把握機會投資！

成果與應用

藉由完成Two Sigma金融工具視覺化的過程，我們能夠觀察到在不同時間戳記下目標變數的異動情形，藉此篩選出具有價值的金融工具。若想進一步分析與探究特定變數因子的影響，便能再利用其他機器學習模型進行分析，以預測出最可能符合市場未來走向的趨勢與價值，同時打造出更具有參考性與說服力的投資模型，有效提高分析師的可信度，並協助客戶擺脫在景氣循環中不斷隨波逐流的惡性輪迴！

作者：鄭晴文、沈明賢(臺灣行銷研究特邀作者)、徐子皓(臺灣行銷研究特邀編審)、劉加德(臺灣行銷研究特邀編審)、鍾皓軒(臺灣行銷研究有限公司創辦人)

參考資料：

Two Sigma Financial Modeling Challenge：Two Sigma Financial Modeling Challenge

Two Sigma Time Travel (EDA)：Two Sigma Time Travel (EDA)

Simple Exploration Notebook：Simple Exploration Notebook