選擇權價差交易策略

import csv #德明科大劉任昌修改11與16列 f = open('00960.csv','r',encoding='utf-8') csv_reader = csv.reader(f) header, rows = [], [] #宣告空白串列(陣列,清單) header = next(csv_reader) #串列header存放第一列標題 for row in csv_reader: #逐列讀檔案、附加append於rows串列 rows.append(row) f.close() idSet = set() component = dict() #zeros = [0 for i in range(21)] for row in rows: for j in range(0, 21): idSet.add(row[j*4]) for id in idSet: component[id] = [0 for i in range(21)] #取代原來的zeros for row in rows: for j in range(0, 21): if row[j*4+3] != '': component[row[j*4]][j] = row[j*4 + 3] print(row[j*4+1],component[row[j*4]]) for id in idSet: print(id, component[id]) 原來 修改前

股票 一年漲跌 漲跌 漲跌幅度 Alphabet $356.56 +$177.77 99.43% 台灣積體電路製造 $421.07 +$206.97 96.67% 輝達 $204.87 +$62.04 43.44% 甲骨文公司 $184.10 +$7.72 4.38% 微軟 $390.34 -$82.28 -17.41% google機房google模式AI Google 在台灣設有亞洲規模最大的實體資料中心，位於彰化縣線西鄉彰濱工業區，自 2013 年啟用；此外，台北也設有美國總部外規模最大的 AI 基礎建設硬體研發中心。📍 台灣資料中心重點地點：彰化縣線西鄉彰濱工業區（彰濱東八路）啟用時間：2013 年 12 月規模定位：Google 在亞洲地區最大的資料中心，累計投資金額超過 16 億美元。永續發展：採用高效能冷卻系統及夜間冷卻技術，並在當地推動綠能公益與公民電廠合作。🌍 全球基礎架構全球據點：全球擁有數十座超大規模資料中心（主要集中美國、歐洲），並持續在亞洲（如泰國、馬來西亞等地）擴建。全球網路：由超過 1000 萬公里的光纖電纜構成，涵蓋 200 多個國家與地區，確保雲端服務低延遲。AI 佈署：隨著 AI 算力需求暴增，Google 正積極將資料中心與發電、儲能設施同步規劃（如收購 Intersect 能源等專案）。 amazon機房google模式AI 亞馬遜旗下的雲端服務（AWS）在台灣的「亞太（台北）區域」資料中心機房已正式啟用。亞馬遜在台灣的機房建設採最高規格布局，未來預計投入超過 50 億美元（約新台幣 1,500 億元）用於建設與營運維護。台灣機房的三大核心配置AWS 在台灣的基礎設施並非單一機房，而是由多個層級與據點相互搭配的架構：亞太（台北）區域（Region，代號 ap-east-2）由 3 個可用區域（Availability Zones, 簡稱 AZ） 組成。每個 AZ 都是一個或多個實體上完全隔離、擁有獨立供電與冷卻系統的頂級資料中心機房，透過超低延遲光纖網路互相備援。本地區域（Local Zone）於 2022 年即在台北啟用，主要用於提供需要單位數毫秒（single-digit millisecond）極致低延遲的邊緣運算服務。直連據點（Direct Connect）提供企業私有網路直接連線至 AWS 機房，最新據點進駐於台...

  active single share futures markets ranking 全球個股期貨（Single Stock Futures, SSF）市場的活絡度，主要由亞太（APAC）和歐洲、中東及非洲（EMEA）地區的交易所主導 。根據世界交易所聯合會（WFE）與美國期貨業協會（FIA）的最新統計資料，全球交易量最大、最活躍的個股期貨交易所與熱門合約排名如下： [ 1 ,  2 ,  3 ] 全球最活躍的個股期貨交易所排名 印度國家證券交易所 (National Stock Exchange of India, NSE) 地位 ：全球個股期貨交易量的 絕對龍頭 。 特點 ：在印度市場，個股期貨因稅制與保證金結構優勢，成為法人與散戶最主要的當沖和避險工具，其個股期貨日均交易量位居全球第一。  [ 1 ,  2 ] 土耳其伊斯坦堡證券交易所 (Borsa Istanbul, BIST) 地位 ：歐洲與中東地區最活躍的個股期貨市場。 特點 ：受高通膨與貨幣波動影響，當地投資人極度青睞利用個股期貨進行槓桿操作，近年交易量呈現爆發式增長。  [ 1 ] 歐洲期貨交易所 (Eurex) 地位 ：歐元區最具指標性的個股衍生商品龍頭。 特點 ：以歐洲大型藍籌股（如艾司摩爾 ASML、路易威登 LVMH、SAP 等）的個股期貨為主，主要參與者為跨國機構法人與套利基金。  [ 1 ,  2 ] 臺灣期貨交易所 (Taiwan Futures Exchange, TAIFEX) 地位 ：亞太地區名列前茅且科技股極度活躍的個股期貨市場  1.1.3, 台灣期交所 (TAIFEX) 。 特點 ：以半導體與 AI 供應鏈為核心，日均交易量非常龐大，是亞洲散戶與外資套利極為頻繁的市場。  [ 1 ,  2 ,  3 ,  4 ] 香港交易所 (HKEX) 與 韓國交易所 (KRX) 地位 ：亞太區重要核心市場。 特點 ：香港緊扣中國大型科技股（如騰訊、美團）；韓國則以三星電子等大型財閥個股期貨為主要交易標的。  [ 1 ,  2 ,  3 ] 最活躍的個股期貨標的（依市場區域區分） 由於個股期貨與各國本土上市龍頭股的波動息息相關...

德明科大財金系許庭瑄衍生性金融商品銷售人員 答 1 2 3 4 銀行辦理衍生性金融商品業務，應檢具金管會規定之申請書件，向金管會申請核准，並符合哪些規定？ 申請日上一季底逾放比率為3%以下 EPS達3元以上 ROE達5% 市值達新臺幣100億 答 1 2 3 4 向專業機構投資人及高淨值投資法人以外客戶宣讀或以電子設備說明客戶須知之重要內容，其內容應載事項有結構商品之名稱及警語及連結標的類別或資產外，包括下列何者？甲.未來的績效；乙.市場的走勢及經濟的看法；丙.投資風險之說明 僅甲. 僅乙. 僅丙. 甲.乙.丙. 答 1 2 3 4 銀行辦理衍生性金融商品業務之交易、交割、推介、風險管理之經辦及相關管理人員，每年應參加國內金融訓練機構所舉辦或銀行自行舉辦之衍生性金融商品教育訓練課程時數至少達多少小時以上？ 6小時 12小時 20小時 16小時 答 1 2 3 4 依「銀行辦理衍生性金融商品自律規範」規定，銀行應於結構型商品交易文件中提醒客戶承作本商品之重要注意事項，下列敘述何者錯誤？ 商品設計或條件不同客戶所暴露之風險程度可能不同 現金交割可能發生部分或全部利息、本金減損之風險 非現金交割可能發生本金將依約定轉換成標的資產之情事 現金交割可能必須承擔再投資風險 答 1 2 3 4 依銀行辦理衍生性金融商品業務內部作業控制及程序管理辦法規定，下列敘述何者錯誤？甲.應至少區分二個等級，評估非專業客戶商品風險承受程度；乙.對於交易條件標準化且存續期限超過6個月之商品，若為專業客戶，除客戶明確表示已充分審閱並簽名者外，審閱期間不得低於七日；丙.結構型商品限於專業客戶交易者，不得為一般性廣告 甲.乙. 甲.丙. 乙.丙. 甲.乙.丙. 答 1 2 3 4 依「銀行辦理衍生性金融商品業務內部作業制度及程序管理辦法」規定，銀行向客戶提供結構型商品交易服務時，不得以下列何者名義為之？ 附條件美元優利投資組合 黃金外幣組合 雙元貨幣組合 結構型優利存款 答 1 2 3 4 銀行向專業機構投資人及高淨值投資法人以外之客戶，辦理商品期限超過一年且隱含賣出選擇權之匯率類衍生性金融商品，徵提期初保證金之最低標準，不得低於契約總名目本金之多少百分比？ 2% 3% 5% 8% 答 1 2 3 4...

pandas as pd#許庭瑄GOOGLE搜尋AI模式COPY貼上 # 1. 讀取 CSV 檔案 # 假設 CSV 檔案有 Date 和 Close 欄位 df = pd.read_csv('stock_data.csv') # 確保日期格式正確，並設為索引 df['Date'] = pd.to_datetime(df['Date']) df.set_index('Date', inplace=True) # 2. 計算移動平均線 (MA) short_window = 50 # 短期均線 (例如 50 日) long_window = 200 # 長期均線 (例如 200 日) df['Short_MA'] = df['Close'].rolling(window=short_window, min_periods=1).mean() df['Long_MA'] = df['Close'].rolling(window=long_window, min_periods=1).mean() # 3. 計算交叉訊號 # 當短期均線 > 長期均線，設為 1 (買入訊號/持有)，否則為 0 df['Signal'] = 0.0 df['Signal'][short_window:] = \ (df['Short_MA'][short_window:] > df['Long_MA'][short_window:]).astype(float) # 4. 找出黃金交叉和死亡交叉點 # 計算訊號的差值：+1 表示從 0 變 1（黃金交叉），-1 表示從 1 變 0（死亡交叉） df['Position'] = df['Signal'].diff() # 5. 輸出結果 gold_cross = df[df['Position'] == 1] death_cross = df[df['Position'] == -1] print("--- 黃金交叉日期 (買入) ---...