透過機器學習預測股市漲跌-模型投資策略驗證（附Python程式碼）
程式碼來源：臺灣行銷研究Github
✨文章精華：
- 模型投資策略效益
- 隨機投資策略比較
- 長期投資策略比較
本篇比較了三種投資策略的實際效益：模型投資策略、隨機投資策略、長期投資策略。使用2015年一月初至2016年六月底的道瓊大盤漲跌指數作為基準進行每日當沖交易。結果顯示，機器學習模型（Logistic Regression、Random Forest、Naive Bayes）的投資策略在初始本金USD$10,000的情況下，至2016年六月底資金增至USD$13,470，報酬率34.7%。相較之下，隨機投資策略的最終報酬率為-7%，長期投資策略報酬率為0.06%。因此，儘管模型準確度僅為54.23%，但其在特定條件下仍具有一定的參考價值。
作者：蔡尚宏（臺灣行銷研究特邀作者）、劉睿哲（臺灣行銷研究特邀作者）、鄭晴文（臺灣行銷研究特邀作者）、鍾皓軒（臺灣行銷研究創辦人）
