| rk | 特徵窗格 | 停損點 | pick_ret% | all_ret% | edge% | dates | 爆倉機率 | train樣本 | test樣本 | 裝置 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | rsi=21 macd=(19,39,9) bb=30 mom=(20,40) vol=40 ma=(40,120) high=120 | 不設停損 | +5.6768 | +2.1760 | +3.5009 best | 237 | 0.00% | 37075 | 9281 | GPU |
| 2 | rsi=9 macd=(8,17,9) bb=14 mom=(5,10) vol=10 ma=(10,30) high=30 | 不設停損 | +5.8820 | +2.6413 | +3.2406 | 253 | 0.00% | 39955 | 10001 | GPU |
| 3 | rsi=14 macd=(12,26,9) bb=20 mom=(10,20) vol=20 ma=(20,60) high=60 | 不設停損 | +5.5611 | +2.6189 | +2.9421 | 248 | 0.00% | 38995 | 9761 | GPU |
edge% = pick_ret% - all_ret%(held-out 測試期間,正值代表 AI 模型挑出的標的優於全體市場均值)。 walk-forward:每檔標的依時間切分前80%訓練/後20%測試,避免用到未來資料。取 edge% 最高的特徵組合, 用全部資料重新訓練出實際上線使用的最終模型(見「AI 分析」頁)。