想用 Python 開發股票策略、實現自動化交易？不管你是剛接觸程式交易的新手，還是已經熟悉 Python 的工程背景投資人，「股票程式交易」絕對是最值得學習的應用方向之一。這篇文章將帶你從資料來源、策略邏輯、回測系統到下單實作，一步步了解用 Python 做股票交易的完整流程。
為什麼選擇 Python 來做股票程式交易？
Python 結合了語法簡潔、套件齊全與金融社群活躍等優勢，特別適合股票交易領域，原因如下：
- 套件完整：處理時序資料的 pandas、策略回測用的 backtrader、下單串接的 API，如 IB_insync、ccxt
- 可擴展性高：能整合機器學習、AI 模型、Web API 與雲端服務
- 支援多市場：美股、港股、加密貨幣，甚至台股（搭配券商 API）
股票資料從哪裡來？如何用 Python 抓取
1. Yahoo Finance（適合初學者）
套件：yfinance
- 支援台股、美股、ETF 等多種商品
- 可取得日線、週線、財報、股利等基本資訊
- 免費且不需註冊帳號
import yfinance as yf
df = yf.download("AAPL", start="2022-01-01", end="2023-01-01")
print(df.head())
2. Alpha Vantage / Polygon.io（API 為主）
- 支援即時報價、技術指標、財報資料
- 多數需申請 API Key，免費版有使用次數限制
3. 台股資料來源（難度較高）
- Goodinfo、TEJ、台灣券商 API（如元大、永豐）
- 多需爬蟲或自建資料庫，有使用門檻
股票策略邏輯怎麼寫？簡單範例一次看
Python 程式交易常見的股票策略包含：
- 均線交叉（MA Cross）
- RSI 超買超賣
- 價格突破追漲
- 布林通道上下軌反轉
範例：簡易的 5MA/20MA 交叉策略（邏輯範例）
df['ma5'] = df['Close'].rolling(5).mean()
df['ma20'] = df['Close'].rolling(20).mean()
df['signal'] = (df['ma5'] > df['ma20']).astype(int)
你也可以用 ta 套件快速計算技術指標：
import ta
df['rsi'] = ta.momentum.RSIIndicator(df['Close']).rsi()
如何進行回測？用 backtrader 模擬績效
backtrader 是 Python 中最受歡迎的回測框架，支援：
- 多商品、多策略測試
- 繪製資金曲線、報酬率、最大回落
- 擴充模組多（如連接 IB API）
簡單架構：
import backtrader as bt
class TestStrategy(bt.Strategy):
def next(self):
if self.data.close[0] > self.data.close[-1]:
self.buy()
cerebro = bt.Cerebro()
data = bt.feeds.PandasData(dataname=df)
cerebro.adddata(data)
cerebro.addstrategy(TestStrategy)
cerebro.run()
cerebro.plot()
Python 股票實盤下單怎麼做？
1. 使用 ib_insync 串接 IB 證券
- 適用於美股、港股、ETF、期貨
- 安裝：
pip install ib_insync - 支援下單、查詢、訂閱報價等完整功能
2. 使用 futu-api 串接富途證券
- 適用港股、美股，介面友善
- 支援下單、訂閱實時資料
3. 台灣券商 API（難度高）
- 元大、永豐、國泰等券商提供 API，但支援度低
- 常需要 Win32 COM 或 DLL 介接，不適合新手
架設自動化交易機器人：Python 自動下單架構參考
| 模組 | 工具／技術 |
|---|---|
| 策略撰寫 | pandas + ta / 自製邏輯 |
| 回測 | backtrader / bt |
| 資料來源 | yfinance / Alpha Vantage |
| 下單執行 | ib_insync / futu-api / CCXT |
| 自動排程 | schedule / APScheduler / cron |
| 日誌記錄 | logging 模組 |
