※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：N
哪一學年度修課：107-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
Roger Jang (張智星), Sean Han (韓傳祥), Jimmy Chen (陳君明)
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
數學系 數學研究所 資訊工程學研究所 資訊網路與多媒體研究所
δ 課程大概內容
可參考：http://mirlab.org/jang/courses/finTech/schedule.asp
1. 2018/09/10
Intro. to the course
2. 2018/09/17
Intro to FinTech (Sean): 金融科技導論 — 領域與發展,
3. 2018/09/24
No class due to 中秋節
4. 2018/10/01
K 線圖、技術面分析、均線：網路資源
5. 2018/10/08
Robo Advisor (Sean)
6. 2018/10/15
Basic Machine Learning by Roger
7. 2018/10/22
Classification and Regression by Roger
8. 2018/10/29
Audio Signal Processing and Recognition
QBSH introduction: slides
Method of LS: slides (LS only)
Longest common subsequence (LCS)
股票技術面分析
9. 2018/11/05
Financial engineering (Sean)
10. 2018/11/12
Financial data analytics (Sean)
11. 2018/11/19
Dynamic time warping
12. 2018/11/26
Insurtech & risk management (Sean)
13. 2018/12/03
Introduction to Bitcoin and Blockchain (Jimmy)
14. 2018/12/10
Cryptography: Digital Signature and Hash Function (Jimmy)
15. 2018/12/17
How Bitcoin Works (Jimmy)
16. 2018/12/24
Ethereum and Zcash (Jimmy)
17. 2018/12/31
No class due to 調整放假
18. 2019/01/07
Final week of the semester
Ω 私心推薦指數(以五分計) ★★★★★
技術分析信仰者 ★★★★★★★★★★ 快畫線！！
享受市場的凌辱 ★★★★★★★★★★ 等一下會說為什麼
對Fintech有興趣 ★★ 我覺得這堂太雜了去修別的比較好
討厭要出席的人 ★ 每次上課都會有點名用的小考
不會寫程式的人 ★ 有限制使用 Python 或 matlab 喔
η 上課用書(影印講義或是指定教科書)
全程使用投影片
μ 上課方式(投影片、團體討論、老師教學風格)
這堂課有三個老師，
分別是張智星(Roger)、韓傳祥(Sean)、陳君明(Jimmy)，各上1/3個學期。
Roger 側重在 coding 的部分，基本上他的作業都是要寫一個東西出來丟批改娘；
Sean 側重在講 Fintech 的部分，大多是講市場現況、有啥用到的技術；
Jimmy 側重在講區塊鏈和 Cryptocurrency 的部分。
這堂課涵蓋範圍蠻廣的，但也因為很廣所以太雜了，每個領域都摸一點，講的不夠深。
不過老師們也有說這是一堂 Intro 的課，想要更深的可以去上每個老師個別開的課，
像是陳君明老師的密碼學之類的。
σ 評分方式(給分甜嗎？是紮實分？)
沒有期中考跟期末考，只有作業、點名用小考、Final Project
三個老師各佔 30%，由老師各自評估，上課在slido或是社團內的提問和發言佔 10%。
其中，有一個 Final Project 佔 Sean & Roger 的 40%，也就是 30% * 2 * 40% = 24%
ρ 考題型式、作業方式
作業共七次
1. Sean: Intro. to a Fintech company，很簡單，會 google 就會寫。
2. Roger: OHLC extraction，丟給你一個 csv 找出 OHLC (Open High Low Close)。
3. Sean: Portfolio test，很簡單，丟一個最好的結果就行。
4. Roger: Profit optimization of SPY trading，回測，寫一個交易策略比回報率。
5. Roger: When to buy and sell? ，在已知所有價格的情況下決定買賣（動態規劃）。
6. Sean: 組合策略及其使用情境，很簡單，會 google 就會寫。
7. Jimmy: Assignment for Bitcoin/Blockchain，親手做一次數位簽章和驗章。
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
全簽，導致講堂有點擠，後來有開到第二間教室用直播的方式上課。
每次上課都會有小考，但是 Roger 跟 Sean 的投影片都會說「這個等下會考（Quiz）」
所以有在上課或是考前翻一下投影片應該不難，點名用的。
Jimmy 就考很多數論的部分（會用到橢圓曲線），考試難很多。
基礎的話至少要會寫 python 或是 matlab，
其中本來就有程式概念的學 python 應該一個週末就可以速成了，不會寫的不要來。
然後有一個作業會要用到動態規劃考慮何時買賣會比較好，我是覺得還好，
不過 DP 應該算是很多人的罩門吧...
Ψ 總結
講講有人到最後覺得這堂課成績計算有問題的事情。
這堂課有一個 Final Project，是為期三週的台指期交易比賽，其實很像 Homework 4。
假設初始資金五十萬，每次買賣均收交易手續費 100，
每個人在 2018/12/31 前上傳自己的交易策略（全買、全賣、什麼都不做）到批改娘，
在每天結束的當下，會給入「當日」的 OHLC，由寫好的交易策略決定出一個動作，
直到 2019/01/18 為止，共會動作 15 次（15天），以最後的投報率決定該作業排名。
這個作業佔了總成績 24% ，其中最後的排名佔其中 80%，
大概是總成績 20% 左右，其餘是紙本報告。
也因為這樣，有些人認為
1. 15 天的收益率是不是有點難客觀判斷 model 的好壞
2. 只 evaluate19 天的資料，豈不是運氣比賽？
3. Final 靠賽 輕鬆自在
4. 500000 都不要動，可能比那些做一堆事情的還高分
5. 大家一起 Return 0 期末全班都 A+
6. 19 天不比高頻交易 在比開盤價 這絕對是比運氣阿
大家一起 return 0 搞不好還比較高分 = ='''
Ref https://app2.sli.do/event/vfzbsz9k/questions
而今天公布排名，第一名 488 到最後一名-407 都有，而也有同學在臉書社團提到
「想問一下，毫無技術指標的做法 (例如全部 return 0)，
是否應該排名較有認真做，但是賠錢的同學後面?」
我先講講我的看法。
沒記錯的話在第一個禮拜就說會有一個 Final Project 了，不是很突然的決定。
而這堂課很重要的一個課程目標也是「技術分析的使用」，
另一方面，我也一直認為市場就是投資學相關科目最好的課程指導老師，
不管你上課分數多高、多會用過去的資料回測，寫一個不會在未來賺錢的策略也沒用。
（你回測做得好也可以說是會調參數，而不是真的懂市場運作）
用白話來說，就是不管你寫了多複雜、用了多少指標或參數，
甚至用了 ML、DL、NN 之類的炫砲方式（先不論這些用在市場到底有沒有用）
寫出一個不會賺錢的策略，那麼這跟寫一個垃圾策略沒兩樣，有什麼好吵的？
這就是一個賽局，明明所有人都做一樣的事可以一起拿最高分，但沒人會這麼做。
今天 return 0（就是什麼都不做）的人們可以視為風險趨避，他們不想加入這個市場
但換句話說，他們不賺也不賠，一定也可以拿到差不多中間左右的分數。
（我算了算最後投報率大於零的有 100 個人，等於零有 61 個人，小於零有 46 個人）
而「為負」的人一定是寫了自己的模型，或是技術指標，「有信心」自己會賺才這麼寫，
最後賠錢了，不就是因為自己「賭錯了」嗎？那應該沒什麼好說的吧。
講實際一點，你寫的策略就是會在市場上賠錢不是嗎？
不管你說回測多猛，測出幾倍，事實上這個模型、參數用在市場上就是沒用。
遊戲規則早就訂在那邊，你也願意繼續上這堂課了，結果才在吵，我是覺得這樣不好啦。
如果去看 Homework 4 的前十名和 Final Project 相比，總共有六個人大於零。
而高於 200 的更只有四個人。
如果我們再觀察兩次作業都處於前 10% 領先群的人們（共207個人上課，我抓前 21 名）
也就是 Homework 4 大於 51934 和 Final Project 大於 283，更只有三個人。
所以啊，你的模型很會做回測，並不代表市場真的如你的模型想像的運作。
用助教的一句話做結尾：
「認真做 project 可能結果不好 但學到的經驗是無價的 這就是人生
有些人不用努力就能擁有很大的財富 投資的世界也是如此」