股市中誕生的資料科學家，經驗與金錢雙收的最強修羅場

資料科學是近年來的顯學，領域之內又可以分為資料科學家、數據分析師、商業分析師，不論是哪一個角色，都有大量的背景知識與技能需要學習，包括程式設計、統計學、機器學習等。在程式設計中，Python與R語言是兩個主流的程式語言。雖然有些人號稱用Excel也可以作數據分析，Excel中確實也有許多實用的分析功能，但你可能不知道，Excel的資料列數上限為1048576，如果資料量大於這個數字，連檔案的讀取都會成問題，而真實世界中的資料量動不動就會超過這個數字。因此，對於想踏入資料科學領域的新手而言，學習程式設計絕對有其必要性。

做中學是最有效的學習方式

所有人都曾經當過新手，知道學習程式設計的路上會有許多的難關。我自己光是學Python就學了三次，每次學完基本概念和語法後都覺得自己懂了，卻因為沒有實際執行專案而生疏，導致每一次看到Python程式碼都像從零開始。後來，我重新檢視了自己的學習方法，認為學習新技能的最好的方式，就是讓學習目標與自己的生活緊密結合，像是為了想出國旅遊而練好英文，為了到海邊秀人魚線、馬甲線所以努力健身，剛好我之前想學投資，理所當然的認為投資與Python可以相互結合，從此踏上了奇幻旅程。如果你和我一樣，同時對於這兩個領域都有興趣，不妨聽聽為什麼我認為股市資料非常適合作為股市資料的入門磚。

在練習中打造個人投資系統

如果你認同了學習目標應該與生活緊密結合，那我相信練習用的資料集絕對滿足不了你。舉例來說，資料科學界有一個相當有名的資料集為鳶尾花(Iris)，裡面包含了鳶尾花的品種，萼片(Sepal)的長寬，以及花瓣(Ptal)的長寬，常見的練習是透過建立模型預測鳶尾花的品種。雖然這也是真實世界的資料，你也可以透過這個練習學習建模技巧，但這個練習終究只是個練習，而不是個可以再利用的成果，你不會因為這個習作而燃起對植物學的熊熊熱情。

如果我們使用股市資料作為練習素材，目標是建立自己的投資輔助系統，系統的功能可能有資料抓取、數據分析、未來預測、視覺化圖表等，讓每一次的練習成果都成為投資系統的一部份。從這個角度切入，寫code本身就是一個資產累積的過程，你的code寫得越好，你的資產就越值錢。這個宗旨會讓自己避免寫出爛code，會開始考慮coding style、擴充性、易讀性及維護性，同時思考如何將系統模組化，並累積自己的程式庫(Codebase)。好的Programmer擅於使用工具，但真正傑出的Programmer擅於寫自己的工具。

股市資料容易取得

網路上可以輕易取得相當多的開放資料(Open Data)，像是人口統計、天氣觀測、交通資訊，但這些資料有些過於零散，或是已經停止更新，如果這些資料剛好又沒什麼人使用，資料源壞了就壞了，沒有人會跳腳。相反，股票市場每天有大把鈔票進進出出，券商的下單系統必須讀取最新資料，投資人要看到即時交易情形，程式交易者要透過即時數據調整策略，這是一個資訊龐大完整，而且錯誤容忍度極低的市場。對於一個搞數據的人來說，在股票市場像在天堂。

如果經驗與金錢可以雙收，何樂而不為

投資界有許多流派，除了程式交易者的量化投資外，還有價值投資、技術分析等。每個流派各有優缺點，像量化投資的常見的疑慮即是資本額要夠大，透過高頻交易賺取多筆小額利潤，進而累積成為高額報酬，這也代表散戶很難直接套用量化基金的投資方式。然而，我們不能否認量化投資可能會產生適合散戶的變形版本，至少至少，交易輔助系統也可以讓投資人客製化自己的交易策略，提升看盤效率。

在這個物價比薪資漲更兇的時代，投資幾乎成為所有人不得不面對的課題。不一定能透過投資買房，但好的投資紀律絕對有助於提升生活品質。如果在成為資料科學家與數據分析師的路上，能透過學習成果為自己增加投資收入，何樂而不為呢？