了解基本面分析和技術分析的區別。
學習如何使用AI工具進行股票數據的趨勢識別和簡單預測。
掌握基本的數據可視化方法。
技術分析與基本面分析簡介： 技術分析看圖表和歷史價格，基本面分析看公司價值。
趨勢識別： 股價是上升、下降還是橫盤？
簡單預測： 基於歷史數據和模式，對未來走勢做出初步判斷。
本週課程將引導學生深入了解股票數據分析的兩大主要方法：技術分析和基本面分析。技術分析側重於透過圖表和歷史價格模式來預測未來股價走勢，而基本面分析則著重於評估公司的內在價值，例如盈利能力、資產負債狀況和管理質量。課程將強調AI在股票數據分析中的關鍵作用，解釋AI如何透過分析海量歷史數據 、識別複雜模式 和進行市場情緒分析 來輔助投資決策。機器學習（Machine Learning）是AI分析的核心，例如，機器學習模型可以分析過去的市場數據以識別模式並改進預測 。
課程還將簡要介紹機器學習的基礎概念，包括監督式學習（例如線性回歸，可用於預測股票價格 ）和非監督式學習（例如聚類分析 ），並說明它們在金融數據分析中的應用場景。此外，學生將學習數據可視化的重要性，了解如何使用線圖、柱狀圖等常見圖表類型來清晰地展示股價趨勢。
No-code AI平台是高中生學習金融數據分析的理想橋樑。本課程旨在提供「許多動手做的機會」，並激發學生對「AI思維和經濟大數據分析產生興趣」。研究顯示，No-code AI平台在金融服務中日益普及，其主要優勢在於「降低技術門檻」 和允許用戶「無需傳統程式設計或專業編碼知識」即可構建應用和工作流程 。這些平台，例如Graphite Note（專為無代碼預測分析設計）、Akkio（適用於市場和銷售中的機器學習應用）、Microsoft Azure AI和Amazon SageMaker Canvas（提供拖放式AI模型構建器），讓使用者能夠在不寫程式碼的情況下構建預測工具和智能自動化工作流 。傳統的數據分析往往需要程式設計，這對高中生來說是一個巨大的障礙。No-code平台提供直觀的拖放界面，使學生能夠直接應用機器學習模型進行預測和分析，而無需深入學習程式設計語法。這種方法直接解決了高中生學習數據分析的技術難題，讓他們能專注於經濟概念和AI思維的應用，而不是被程式設計細節困擾。這極大提升了學生的參與度和成就感，符合課程「趣味性」和「動手做」的目標。同時，也為未來可能學習Python等程式語言打下興趣基礎，因為他們已經看到了數據分析的實際效果。
然而，在教授AI預測能力的同時，必須強調其局限性。AI在金融預測中的「不完美」是一個重要的倫理教育點。有資料明確指出：「AI通常不是100%完美的，務必核對其答案，因為有些來源可能包含不可靠的部落格或評論」 。此外，機器學習模型雖然能夠「近似豐富的函數空間」，但其代價是「可解釋性降低和計算時間長」 。這不僅是技術上的現實，更是培養學生「負責任的AI思維」和批判性思維的關鍵。讓學生明白AI是強大的工具，但不能盲目信任，需要結合人類專業知識進行判斷。例如，金融分析師、合規專家和風險經理在解釋AI輸出、做出細緻決策和引導戰略舉措方面仍然發揮著關鍵作用 。這與課程目標中「為未來更深入的學習打下基礎」相符，因為未來的AI應用者必須具備倫理和批判性視角。
使用簡單的數據可視化工具分析歷史股價數據：
數據來源： 學生將使用Yahoo! Finance下載特定股票的歷史股價數據（日線、週線）。Yahoo! Finance提供長達20-30年的歷史股價和股息數據，並可下載為Excel格式 。
工具選擇： 考慮高中生無程式設計經驗，優先推薦No-code AI平台 或Microsoft Excel。對於有興趣的學生，可以簡要介紹Python的Pandas 和Matplotlib 庫，用於數據加載、處理和繪圖。Python基礎課程甚至聲稱可以在數小時內讓零程式設計經驗的學生開始編程 。
活動內容： 學生將數據導入選定的工具，繪製股價走勢圖，識別上升/下降趨勢，並嘗試找出簡單的模式（例如，計算「開盤價-收盤價」或「最低價-最高價」等特徵 ）。
AI指令： 使用AI工具分析歷史股價模式、生成簡單的預測（例如，基於線性回歸的趨勢線），並進行情緒分析。
範例：
指令（No-code平台）： 「請將這份[股票代碼]的歷史股價數據（上傳CSV文件）可視化，並顯示過去一年的股價趨勢。」
指令（No-code平台）： 「基於這份[股票代碼]的歷史數據，請嘗試預測下週的股價走勢（簡單線性預測），並解釋你的預測依據。」
指令（LLM）： 「請分析最近關於[某公司]的社交媒體和新聞評論，判斷市場對這家公司的整體情緒是積極、消極還是中立？」
指令（Python提示）： 「請給我一個使用Pandas和Matplotlib讀取CSV文件並繪製『收盤價』時間序列圖的Python程式碼範例。」
指令（Python提示）： 「請給我一個使用Scikit-learn庫進行簡單線性回歸預測股票收盤價的Python程式碼範例，並解釋程式碼中的每個步驟。」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級一：基礎觀念建立
🎯 目標： 認識最核心的金融名詞，把抽象概念具體化。
AI 指令 1：
「用生活化的方式解釋什麼是『股票』。如果我買了一張台積電 (2330) 的股票，這代表什麼意思？」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級一：基礎觀念建立
🎯 目標： 認識最核心的金融名詞，把抽象概念具體化。
AI 指令 2：
「什麼是『市盈率 (P/E Ratio)』？請用簡單的比喻說明，為什麼投資人會參考這個數字來評估一家公司？」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級二：公司資訊蒐集
🎯 目標： 學會查詢特定公司的基本資料與近期動態。
AI 指令 3：
「我想研究一家我感興趣的公司：長榮航空 (2618)。請告訴我這家公司是做什麼的？它的股票代碼是什麼？以及它最近有哪些重要新聞？」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級二：公司資訊蒐集
🎯 目標： 學會查詢特定公司的基本資料與近期動態。
AI 指令 4：
「請幫我摘要蘋果公司 (AAPL) 最近一季的財報。不需要複雜的數字，只要告訴我幾個最重要的亮點，例如：營收是成長還是衰退？哪個產品賣得最好？」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級三：市場分析初體驗
🎯 目標： 嘗試連結資訊，分析事件可能對股價造成的影響。
AI 指令 5：
「分析最近關於輝達 (NVIDIA) 發表新 AI 晶片的新聞，並說明這類消息『可能』會如何正面或負面地影響其股價和相關產業？」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級三：市場分析初體驗
🎯 目標： 嘗試連結資訊，分析事件可能對股價造成的影響。
AI 指令 6：
「請比較台灣的兩家公司：『統一超 (2912)』和『全家 (5903)』。它們在業務上有什麼主要差異？各自的優勢是什麼？」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級四：宏觀與策略思考
🎯 目標： 學習從更廣的視角思考，並建立初步的投資策略。
AI 指令 7：
「如果新聞報導美國中央銀行 (Fed) 宣布要『升息』，這個決策通常會對『科技股』（如 Google）和『金融股』（如富邦金）產生什麼不同的影響？請解釋背後的原因。」
你可以將以下指令輸入到 AI 工具（如 Gemini, ChatGPT 等）中，來一步步學習和研究股票。
等級四：宏觀與策略思考
🎯 目標： 學習從更廣的視角思考，並建立初步的投資策略。
AI 指令 8：
「假如我有 10 萬元的虛擬資金，想建立一個目標為『長期穩健增長』的投資組合。請你建議一個包含 3 支不同產業的台灣股票組合範例，並簡單說明為什麼這樣搭配有助於『分散風險』？」