軍人換匯優惠攻略，省超大!!!(外幣現鈔)(外匯存款)(國際匯款)

前陣子在研究如何匯款到國外，與同班同學 心理系巴菲特 哲緯哥 聊到，才知道國軍有國外匯款匯費減免，仔細一研究才發現，不只匯款，連外匯存款，兌換外幣現鈔都有優惠啊!!!!

竟然沒有早點知道，就省了不少錢了QAQ
分享給大家讓大家省點錢

以下是網站連結，連結網址為國軍同袍儲蓄會
https://fs.mnd.gov.tw/finance6.html


以下以台灣銀行為例，因為本人後來去台灣銀行肉身測試，效果良好

首先進入國軍同袍儲蓄會 金融理財服務網，金融理財>小額匯兌>台灣銀行

然後點選107年最新優惠

列舉常用的優惠如下(以台灣銀行公告為例)：

1. 外幣現鈔，這個出國玩最常用到，美金按本行牌告現金匯率加減 5 分，其他幣别不限金額，按本行(台灣銀行)牌告現金匯率加減 0.1%。
2. 國外匯出匯款，這個有在進行國外投資或者購物會用到，電匯除郵電費外，匯費全免。(本人於12月時進行匯款，郵電費部分只收300台幣，匯費全免，省超大)
3. 外匯存款，以新台幣結購外匯存款，免收手續費。辦理一個月期（含）以 上外匯定期存款，按本行(台灣銀行)牌告利率+0.05%。

辦理方法如下，首先填寫國軍金融理財服務申請表，然後帶著軍人身分證到各地區財務單位去辦理，以下以電匯到國外為例。
承辦人會問你欲辦理金額，需登錄，然後就會拿到以下的單子(國軍個人申請外匯結匯登錄表)，要記得帶著它去銀行辦理業務，才會有優惠。

申請到之後就可以轉移陣地到台灣銀行外匯業務的櫃檯辦理電匯，我去匯50萬台幣差不多一萬六千多美金，櫃台姐姐說換匯部分有優惠(PS.台灣銀行107年優惠：結購外匯， USD10,000- USD20,000（含）優惠 3 分)。

然後就拿到了水單(第一次匯款寫申請表寫到手超酸)。

我是發MT103電文，在台灣部分，就只收一筆費用就是郵電費300台幣，匯款速度還滿快的，隔天就到國外的帳戶了，在國外的部分收了16美金的手續費，差不多480台幣，所以50萬台幣出去的手續費用差不多是780台幣，算是還滿不錯的。

如果有換匯、電匯、或外匯存款需求的每一位為國辛勞大大們，可以參考運用。


文章歡迎分享轉載，讓各位同袍在低利率的時代能多存點錢。

本文供參考，若涉及正確資訊部分，請以資訊官網為準。

用 Google 試算表抓取上櫃 興櫃股價資料 教學

如果還沒看前面文章的記得先去補充基本概念

用 Google 試算表製做簡易股票報價表及理財表

用 Google 試算表製做歷史股價走勢圖(K線)

用 Google 試算表進行技術分析(雙週線)（月線）

如果還沒追蹤blog的也趕快去按追蹤

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

好啦以下是正文，近期有許多網友提到有關抓取興櫃或上櫃股價的問題，我才發現這塊還滿多人在操作的，因為本人沒有在投資興櫃或上櫃的股票，所以過去一直沒有注意到，感謝各方大大的建議

在此教學以網友提到的金洲（4417）股票為例

以下資料為抓取"台灣證交所"的資料，還有抓取櫃買中心的資料

這部分會有兩個函式

一個是上市跟上櫃

function TWPRICE(code) { 

  var url = "http://mis.tse.com.tw/stock/api/getStock.jsp?ch=" + code + ".tw&json=1&_=";

  var response = UrlFetchApp.fetch(url);

  var json = response.getContentText("UTF-8");

  var data = JSON.parse(json);

  return data.msgArray[0].y;

}

另一個是抓取興櫃

function EmergingPRICE(code) { 

  var formData = {

    'SymbolID': String(code)

  };

  var options = {

    'method' : 'post',

    'payload' : formData

  };

  var url = "http://mis.tpex.org.tw/OTC/Quote.asmx/GETQ20";

  var response = UrlFetchApp.fetch(url,options);

  var xml = response.getContentText("UTF-8");

  var document = XmlService.parse(xml);

  var root = document.getRootElement();

  var items = root.getChildren();

  return items[10].getText();

}

然後把以上的程式碼都放進 "工具" > "指令碼編輯器" 

然後進入表格

輸入表格的名稱

然後輸入要查詢的股票

程式碼如下

上市上櫃用這個:

=TWPRICE(股票名稱)

興櫃用這個:

=EmergingPRICE(股票名稱)

最後按下enter

試算表連結如下

https://docs.google.com/spreadsheets/d/1GxuqlleJbkDJzc5eofXx5nmxxDU5AqJghVq4dd9bUl4/edit?usp=sharing

不過這股價很像不是即時的，而是前一天的收盤價，這部分要如何抓取資料，還需要再研究看看，用excel去抓取yahoo的報價很像可以克服這個問題，就留待下一篇excel的教學做講解，感謝大家的回覆。

最後鼓勵大家按下blog右方的訂閱及右方的追蹤，可以接收第一手的訊息，因為最近在做深度學習與人工智慧的研究，平時頗為繁忙，如果有疑問歡迎在文章底下留言，我有空會來做解答。

我將思想傳授他人，他人之所得，亦無損於我之所有；猶如一人以我的燭火點燭，光亮與他同在，我卻不因此身處黑暗。湯瑪斯‧傑弗遜（Thomas Jefferson）

用 Google 試算表進行技術分析(雙週線)（月線） 教學

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

前文示範了如何以 Google 試算表自製過往股價走勢圖，如果沒看過的記得去看，用 Google 試算表製做簡易股票報價表及理財表，用 Google 試算表製做歷史股價走勢圖(K線)，不然接下來，用 Google 試算表進行技術分析可能會看不懂。

什麼是均線呢？移動平均線，簡稱「均線」

均線，就是過去一段時間市場的「平均成交價格」，如果均線的價格越來越高那就代表著現階段市場趨勢，是往上走的。

以下我們就用 2 條均線10日線(雙週線)20日線（月線）跟各位解釋

移動平均線的計算方式，就是將 N 天的收盤價加總，再除以 N 得到第 N 天的算術平均線數值，比如說我們把今天往前推十天的玉山金價格加起來除以十，就可得到10日線的數值，以下拿短期（雙週）跟中期（月線）來做示範。

首先沿用上次的程式碼，一樣以玉山金為例，這次往前推600天，然後時間設定為"DAILY"，這樣可以取每天的價格，這個程式碼的好處是可以把日期部分作轉換，方便畫線及日期顯示，如下圖我們已經取得玉山金今日往前推六百天的各式價格了。

接著我們先取近10日的平均，程式碼如下圖，取一欄作為10日平均的欄位，20日線同理

然後就算出來了呢！！！

然後一樣選圖表，挑折線圖，Ｘ軸選擇DATE那列，下面的系列選擇各欄位，如下圖

然後均線就畫出來了～～

是不是很簡單呢

然後再將圖檔的標題更新一下，這樣就可以知道這張圖表代表何股票了。

因為程式是設定TODAY()-600,TODAY()，所以每天都會自動更新並往前抓六百天的股價，所以線圖也會一直更新，最後補充一些小知識。

10 日均線 是過去 10 日線的平均值 表示最近 10 天收盤價的平均成本，稱為 雙週線。

20 日均線 是過去 20 天收盤價的平均值 表示最近 20 天收盤價的平均成本，又稱 月線。

長期均線還有120 日均線（半年線）跟240 日均線（年線）。

12/9新增鴻海股價頁面，可以進入試算表然後去下方切換到鴻海的頁面。

均線買賣法，存在著許多不同的參數用法，沒有什麼絕對的聖杯，我是將它作為存股買進的參考之一，只有找到適合你自己的方式，並持續地從錯誤與失敗中學習，方能走上屬於自己的康莊大道。

願每一個人都能夠衣食無虞。

如果有需要詳細的程式碼及試算表表單，請留言我會將連結開啟共用權限給你。以下為試算表連結
https://docs.google.com/spreadsheets/d/1yFRaCcb8nxrBNyM-jTPfCIa6Kl_lPSPAFw6XItpOrDI/edit?usp=sharing

接下來考慮是要做excel的教學，或者是Google試算表抓取台灣上櫃與興櫃股票的價格教學，不知道大家對哪個比較有興趣？可以留言告訴我，我會優先撰寫。



我將思想傳授他人，他人之所得，亦無損於我之所有；猶如一人以我的燭火點燭，光亮與他同在，我卻不因此身處黑暗。湯瑪斯‧傑弗遜（Thomas Jefferson）


如果你覺得我寫的文章不錯
可以按讚給我支持與鼓勵
https://www.facebook.com/IEPSYfinancenote/

資工心理人的理財筆記

新成立的ig歡迎追蹤:iepsyfinancenote
https://www.instagram.com/iepsyfinancenote/ 

用 Google 試算表製做歷史股價走勢圖(K線) 教學

前一篇文章講到用 Google 試算表製做簡易股票報價表及理財表，還獲得不少迴響，看來還滿多人對投資理財頗有興趣，那就順勢教大家如何用試算表製做歷史股價走勢圖(K線)~

還沒看過前一篇的用 Google 試算表製做簡易股票報價表及理財表可以去看看

========================================================================

查詢指定日期範圍的歷史股價 

在 Google 試算表查詢過往股價的函式和即時報價一樣： =GOOGLEFINANCE()
但是在查詢過往股價時，我們需要提供更多參數。以下用玉山金(2884)為例：

=GOOGLEFINANCE("2884","ALL","1/1/2018",TODAY(),"DAILY")

• 以上參數說明： “2884”是4位數字的股票編號
•  “ALL”是指一次取得開盤價、最高價、最低價、收盤價及成交量 
• “1/1/2018″是開始日期，格式為”日／月／年”
•  TODAY()是指今天（ Google 試算表的歷史價格一般會在收市後的晚上更新，查詢結果不會顯示即市數據）。這一欄可以輸入你想要指定的結束日期，格式一樣為為”日／月／年”。
• TODAY()也可以設定為從今天往前推幾天如TODAY()-180就是往前推一百八十天。
• Daily代表的是取每日數據，改成WEEKLY，就是每週數據(如下圖)，不過google並沒有提供年或月的數據，官方說明文件：可使用的值包括「DAILY」或「WEEKLY」間隔也可以用 1 或 7 的方式來指定，但不能使用其他數值。

Date那欄，預設會顯示日期和收盤時間，字串比較長。也可以選擇該欄，然後在上方的功能表點選格式 > 數字，來自訂顯示的格式。
另外如果你只想查詢某一數據，例如收市價，可以把參數ALL換成：
open：開市價
close：收市價
high：最高價
low：最低價
volume：成交量

是不是很簡單呢?

========================================================================

接下來就教大家如何製作K線圖
其實Google試算表的圖表中就有K線圖可以用了，點選功能表的插入>選圖表。然後，在右方彈出的設定分頁，選擇你想用的圖表類型。如下圖

在其他的部分就有K線圖可以選，不過直接套用應該會出現下面這個錯誤

K線圖不支持第一列中的日期或數字。第一列是類別軸，應該將之格式化為文字。

轉換格式之寫法如下(以2884玉山金的週K為例)，如果想要改其他股票，將程式中的股票代號改成你想要的就可了

這樣格式就轉換成功，然後K線圖就跑出來了，是不是很簡單呢?
如果有需要詳細的程式碼及試算表表單，請留言我會將連結開啟共用權限給你。
以下為試算表連結(工作表一為日及週資料，工作表二為週K線)
https://docs.google.com/spreadsheets/d/18v3ljEVa6gTmeVPeuLCGALOc4ceorRcDsW6SZmtoGAU/edit?usp=sharing

有問題也歡迎留言討論
下一篇來寫寫如何加入一個坊間技術分析指標，來分析股票股票走勢。

我將思想傳授他人，他人之所得，亦無損於我之所有；猶如一人以我的燭火點燭，光亮與他同在，我卻不因此身處黑暗。湯瑪斯‧傑弗遜（Thomas Jefferson）

如果你覺得我寫的文章不錯
可以按讚給我支持與鼓勵
https://www.facebook.com/IEPSYfinancenote/

資工心理人的理財筆記

新成立的ig歡迎追蹤:iepsyfinancenote
https://www.instagram.com/iepsyfinancenote/ 

用 Google 試算表製做簡易股票報價表及理財表 教學

身邊還滿多朋友投資股票或基金，大部分的人應該都是在手機或電腦安裝股票app或者程式。但身為一個習慣用程式來解決問題的我，決定用google自製一套報價表，不僅能自動更新價格，還能針對個人進行客製化～

有鑒於身邊時常有朋友聊到這方面的問題，於是在此製作一個簡單的懶人包


Google 試算表製作報價表的優點

• Google 試算表和 Microsoft Excel 十分相似，大部分的人應該國中小電腦課都有學過，可以幾乎無痛上手。 
• 試算表可以直接導入股價資料，函式寫好連網之後可以不斷更新。 
• 試算表內建繪畫圖表功能，可以製作簡單易懂的圖表。 
• 由於試算表存放在雲端，隨時隨地都可以電腦、平板電腦或手機上網檢視及更改。 
• 你可利用分享及共同編輯功能，尤其是家庭可以用來共同記帳。

開始建立你的自動股票報價表

1. 要使用 Google 試算表，先前往 Google 雲端硬碟，登入你的 Google 帳戶。如果沒有 Google 帳戶，就創一個吧。
2. 在左上方，按新增，然後選擇 Google 試算表。上方可以輸入檔案名稱，下方輸入表格的名稱。
3. 重點來了，輸入 Google 財經的函式，Google 試算表已內置一個函式 (function) ，可直接從 Google 財經取得股票數據。（以下以玉山金為例）
4. 任選一格 ，輸入以下函式（大小寫均可），然後按輸入鍵： =GOOGLEFINANCE("2884", "price")
5. 
6. 第一部份， GOOGLEFINANCE ，是要告訴系統你想調用 Google 財經的數據（官方說明：從 Google 財經服務擷取有價證券的最新或過往資訊）。括號內第一個參數 “2884”，代表的是玉山金的股票代號，第二個參數 “PRICE” ，代表即時報價，最多延遲 20 分鐘（官方說明文件）。
7. 按enter後。這一格就會變成一個數字，顯示的是玉山金的報價。看起來不用會程式也可以輕鬆上手！

Google 試算表製作報價表的小訣竅

1. 搜尋股票代號，這個函式有不少參數可以調整。首先是股票或指數代號。大部份常用的代號都可以用google搜尋的到，以道瓊指數為例。
2. 
3. 上面的INDEXDJX: .DJI就是代號，股票代號也可以用類似的方式搜尋。

即時資料屬性

這部分官方文件有詳細說明，以下列舉常用的屬性，資料來源為官方文件

屬性 - [選用- "price" 為預設] - 要從 Google 財經服務擷取的代號相關屬性。如果指定日期，即須使用這個項目。

• 屬性指的是下列即時資料：
  • "price" - 即時報價，最多延遲 20 分鐘。
  • "priceopen" - 股市開盤時的價格。
  • "high" - 今天的最高價。
  • "low" - 今天的最低價。
  • "volume" - 今天的股市交易量。
  • "marketcap" - 股票的市場價值。
  • "tradetime" - 最後成交時間。
  • "datadelay" - 即時資料延遲的時間。
  • "volumeavg" - 平均每日交易量。
  • "pe" - 每股價格/每股盈餘比例。
  • "eps" - 每一股的盈餘。
  • "high52" - 52 週期間的最高價。
  • "low52" - 52 週期間的最低價。
  • "change" - 自上一個交易日收盤以來的價格變化。

最後是個小訣竅

有時候我們會持有很多股票，每次可能因為買進或賣出導致手上持股變化，都要更改函式裡的股票編號，實在太麻煩。你可以新增一個表格來輸入股票編號。（比如說我把美股的ＶＴＩ放在Ａ2那格）

然後再建立一個表格

然後把每一個函式都對應到股票代號的格子，然後，把所有 Google 財經函式裡的股票代號，換成 A2。

這樣以後如果我把VTI賣出換成BRK.B的時候，直接把Ａ2那格改成BRK.B

裡面的資料就會直接更新了

另外因為可能有些人會買美股，在此也附上即時轉換匯率的函式

=GoogleFinance("CURRENCY:USDTWD")

我個人是直接做了一個即時匯率在裡面，這樣就可以即時知道自己的資產狀況（做個簡單的範例）

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

以上就是最基本使用 Google 試算表製作股票報價表的方法，之後有空再來寫一篇製作各種股票分析圖表的。其實Google 試算表的功能還滿強大的，比起一些股票軟體也算毫不遜色，重點是可以針對自己的需求客製化！

簡單的成品附上連結大家可以參考著看

https://docs.google.com/spreadsheets/d/1r52hhlpeyVlCUdVMzaWjU4cdAET8eltpvZnWzBclEY4/edit?usp=sharing

如果需要編輯權限比較好copy的也可以留言你的mail我直接開權限給你，有不懂的也可以留言討論。

祝大家都能夠有更富足的生活～

機器學習演算法—類神經網路（Artificial Neural Network）初探

隨著近期機器學習跟深度學習快速爆紅，有一個名詞－類神經網路，討論的程度也越來越火熱，但其實類神經網路（Artificial Neural Network），並不是一個新出的算法，早在上個世紀中時就已經被發展出來了，只是當時的硬體，尚不足以支撐太多層的神經網路，只能夠訓練學習一些簡單的邏輯函數，所以學術界對於類神經網路的熱情就漸漸消退了。

後來隨著硬體逐漸的發展，直到2012年波茲曼機的發明人Hinton發明了對比分歧法（Contrast Divergence)，在分類、特徵抽取等方面頗有斬獲，還可以和多層感知器疊合，創造出了深度神經網路，而後來深度神經網路又加入了Convolutional(中文譯作卷積)運算，成為了卷積神經網路，在影像辨識上非常有效，接著開始推展到人工智慧的各個領域，也就跟上了這一波機器學習與深度學習的熱潮（之後再來開一篇講人工智慧的興衰到再次崛起）。

我知道上面說了一堆專有名詞大家已經頭昏眼花了，接下來簡單的說説類神經網路吧

上圖是一個神經，有樹突（負責輸入資料），有突觸（負責輸出資料），而類神經網路，就是用電腦來模仿生物神經網路的結構和功能的運算模型，建立大量相連的人工神經來模仿生物的神經網路，並且經過不斷學習的過程， 讓機器能夠像人類一樣擁有推導的能力。

類神經網路  from wiki

人工神經元是簡單的模擬生物神經元（如上圖），有隱藏單元（Hidden units）會與外部層進行通訊，而輸入和輸出單元(input and outpot units)，只會與隱藏層進行通訊，每一個節點被稱作人工神經元，當他接收的信號量達到處門檻，他就會被觸發，然後發送出信號，藉由傳輸管道將信號發送至其他與之相連的單元，而連接點模擬生物神經的突觸，並具有發射信號強度權重的基本功能，權重用相乘方式計算，而權重本身由連結決定。
簡單介紹各層
輸入層（Input layer）：透過許多神經元（Neuron）接受大量資訊。
輸出層（Output layer）：資訊在神經元鏈接中傳輸、分析，形成預測結果。
隱藏層（Hidden layer）：模擬複雜的非線性關係，好比人類的神經突觸連結越多，就會越聰明。但是過多的話會有過度學習的狀況，所以也不是越多越好。


類神經網路有以下幾個重點
1.每個神經元都與下一層所有神經元連接
2.屬於同一層的神經元之間沒有任何連接
3.有幾層以及每一層有幾個神經元由待解決的問題決定

接下來順帶簡單介紹一下機器學習的學習模式
監督式學習(Supervised learning)：在訓練的過程中告訴機器答案、也就是「有標籤Label」的資料，比如給機器各看了 1000 張貓和豿的照片後、詢問機器新的一張照片中是貓還是豿。
非監督式學習(Unsupervised learning)：訓練資料沒有標準答案、不需要事先輸入標籤，所以機器在學習的過程中並不知道其分類結果是否正確。訓練時僅須對機器提供輸入範例，機器會自動從這些範例中找出潛在的規則。
增強學習(Reinforcement learning)：或稱作強化式學習，透過觀察環境而行動，並會隨時根據新進資料修正、以獲得最大成果，特徵是訓練必須要有正負回報(positive/negative reward)。
另外的半監督式學習(Semi supervised learning)，可視為監督式學習與非監督式學習的混合版，資料中少部分有標記，大部分沒有標記。

以上希望可以幫助大家快速了解類神經網路以及機器學習的模式，如果有寫得不夠詳細的部分，也歡迎留言討論。

機器學習演算法—隨機森林（Random Forest）懶人包

會發這篇文章，主要是因爲前陣子針對研究案期中報告時，整個會場中只有我是寫程式出身的，感受到如果你有再好的技術，如果沒有辦法讓決策者理解，那如何能讓這個計畫推展下去呢？不能去埋怨長官們不懂，他們過去又沒有學過，怎麼可能會懂呢？當然，那種食古不化又不願意聽取專業意見的就另當別論了！

簡單介紹隨機森林（Random Forest）顧名思義，是用隨機的方式建立一個森林。

隨機森林的用途，主要是處理分類與回歸問題，並且在沒有提高運算量的情況下提高了精確度。
優點如下
1.有效的處理缺失值，並且填補缺失值，即使有大量數據缺失仍然可以維持高精確度
2.有效的處理少量資料。
3.對於數據挖掘、檢測離群點和數據可視化非常有用。

缺點
1.在某些雜訊較大的分類和回歸問題上會過擬合（overfitting）

簡單的說，隨機森林可以視為決策樹(Decision Tree)的延伸

什麼是決策樹呢？我們可以想想我們的人生，每做一個決策，就會出現不同的結果，種種不同的決策下，長成了現在的我們，這個分叉出去的人生，就像一棵樹倒過來一樣，用下面這個圖比較明瞭。

決策樹-取自維基百科

而隨機森林呢？可以想像是用隨機的方式建立一個森林，森林裡面有很多的決策樹，而每一棵決策樹之間是沒有關聯，最後再用這些樹去投票，來決定結果。


以下用幾張圖來讓大家簡單明瞭

一般很多的決策樹算法都一個重要的步驟 – 剪枝，但是隨機森林不會。（剪枝的意義是：防止決策樹生成過於龐大的子葉，避免實驗預測結果過擬合，在實際生產中效果很差）

隨機森林裡面的每棵樹的產生的過程中，都已經考慮了避免共線性，避免過擬合，剩下的每棵樹需要做的就是盡可能的在自己所對應的數據(特徵)集情況下盡可能的做到最好的預測結果。

用隨機森林對一個新的對象進行分類判別時，隨機森林中的每一棵樹都會給出自己的分類選擇，並由此進行「投票」，森林整體的輸出結果將會是票數最多的分類選項；而在回歸問題中，隨機森林的輸出將會是所有決策樹輸出的平均值。

以上，希望可以幫助大家快速了解隨機森林及用途，如果有寫得不夠詳細的部分，也歡迎留言討論，最後～希望可以讓長官深入淺出快速理解並支持（？