因為剛出社會要熟悉工作環境以及一點私事而拖延了 kerker。
言而總之，自己的看盤軟體還是要自己做才爽！
------------------------------------------------------------------------------------------------------------
零、前言
一樣是要自己做看盤軟體，但是我們將不採用 Tkinter，
而決定使用 Python Flask 來完成。
為什麼呢？
tkinter 本身其實自帶不少雷，而且最近畫圖等等的方法也因為近期 Python 作圖套件 matplotlib 改版，變得有點複雜。
無論是以擴展性、易於管理、功能切割的層面來思考，
使用 Flask 絕對是最明智的選擇。
這次基本上會照著之前的想法做，各式各樣的 K 線、均線、技術指標、買賣力差等，都會希望可以呈現在自己的軟體上。
這邊放上預計完成的樣子，
基本上就是一些我覺得比較重要的國際指數和台指期。
實際上看了什麼絕對不是重點，因為我也沒因為看那些而賺錢，
但練習做出這些東西，卻讓我寫程式的功力前進了不少。
另外，這次跟之前比較不一樣的是，以前都是做完才一次分享。
這次會做一階段寫一階段，所以，有任何建議都可以直接提供 ：）
------------------------------------------------------------------------------------------------------------
壹、架構介紹
與之前一樣，我們必須先瞭解這次到底要幹嘛，
會做什麼？
會學到什麼？
都瞭解了，再來動手做，這樣學習上比較不會迷失。
所以，會做什麼？
我們會做一個自己的看盤網頁。
會學到什麼？
為了做這個看盤網頁，我們必須學習到以下的東西。
1. 處理資料來源 （爬蟲 or 串接群益 API）
2. 資料庫架設 （GCP cloud sql）
3. Python 網頁架構 （Flask）
4. 前端語言 （Javascript、CSS、HTML）
5. Python 資料處理 （Pandas）
整個實作過程應該會非常完整而且充實。
以下有幾點提醒：
1. 在處理資料來源的時候，若是要串接 API 或是 DDE，都必須要擁有 Windows 的電腦。
2. 資料庫架設部分，可以在自己電腦裝也可以用 Google 雲服務，兩種都會分享。
3. Flask 非常有用，就算不想做應用，只想寫預測模型，開 API 也是常常會遇到的事。
4. 這次前端語言，我們在做圖方面會使用一個叫做 Apexchart 的套件，非常好用。
這是我用 Apexchart 來做的回測介面，精美 ker
所以，整個開發流程是這樣的，
1. 我們先架設好資料庫。
2. 整理資料源，把資料丟進去。
3. 用 Python 取出，藉由 Flask 丟到前端。
4. 在前端寫出第一張 Chart。
5. 開始整理各式各樣的資料，計算各式各樣的指標。
------------------------------------------------------------------------------------------------------------
下一篇我們會介紹如何在本地端架設資料庫以及如何在 Google 雲服務架設資料庫。
Medium 好讀版
感謝您對於機器學習如何應用在台指的心得分享 謝謝
回覆刪除