CULTIVATE | 智耕

揭密如何用 Python、Shioaji 與 Fugle API 打造自動化交易機器人。實測均值回歸策略，30天績效公開，深度解析量化交易的技術門檻與回測陷阱，工程師投資必讀。

近期在 Dcard 理財版與 PTT Stock 版，一則關於「工程師自幹交易機器人」的討論引發熱議。許多人好奇：寫程式自動買賣股票，真的能打敗大盤嗎？這是否涉及違法？今天我們就從技術角度，手把手拆解如何用 Python 打造一個合法的台股交易機器人，並公開實測 30 天的技術細節與績效真相。

核心軍火庫：Open Source 與台股 API 選擇

要打造台股交易機器人，不需要昂貴的彭博終端機，只需要掌握以下三大「開源神兵」：

大腦：Backtrader (回測框架) 這是 Python 界最老牌也最硬核的回測框架。它允許你模擬過去幾年的市場數據，驗證你的策略是否在歷史上有效。

優點：支援多種數據格式、高度客製化、社群資源豐富。
缺點：學習曲線陡峭，文檔較為艱澀。
替代方案：如果你偏好更現代的介面，Lean (QuantConnect) 或 Zipline 也是極佳選擇；加密貨幣玩家則推薦 Freqtrade。

眼睛：Fugle MarketData (富果) 策略需要數據餵養。Fugle 提供的 API 對開發者極度友善，支援 WebSocket 即時報價，是獲取台股 Tick 級數據的首選。

from fugle_marketdata import RestClient
client = RestClient(api_key="YOUR_API_KEY")
stock = client.stock.intraday.quote(symbol="2330") # 抓取台積電即時報價

手腳：Shioaji (永豐金證券) 當訊號出現，需要透過券商 API 下單。Shioaji (Shioaji 為日文「鹽味」之意) 是目前台灣券商中，Python 支援度最高、文檔最齊全的下單 API。

import shioaji as sj
api = sj.Shioaji()
api.login("YOUR_ID", "YOUR_PASSWORD")
# 下單範例：以限價買入台積電 1 張
contract = api.Contracts.Stocks["2330"]
order = api.Order(price=1000, quantity=1, action="Buy", price_type="LMT", order_type="ROD")
api.place_order(contract, order)

實戰策略：布林通道均值回歸 (Mean Reversion)

為了這次實測，我們不使用複雜的 AI 預測，而是採用經典的統計套利邏輯：布林通道 (Bollinger Bands)。

邏輯：假設股價會在均線上下波動。當股價觸碰下軌（超跌）時買入，觸碰上軌（超漲）時賣出。
標的：選擇流動性高、波段明顯的權值股（如台積電 2330、聯發科 2454）。
參數：20 日移動平均線 (MA20)，標準差設為 2。

程式碼邏輯簡述：

透過 Fugle API 每 5 秒獲取一次最新成交價。
即時計算過去 N 筆數據的標準差與移動平均。
if current_price < lower_band and position == 0: 觸發 Shioaji 買進訊號。
if current_price > upper_band and position > 0: 觸發 Shioaji 賣出訊號。

30 天實測結果與 Dcard 網友的質疑

在 30 天的實測中（包含回測優化），該策略在震盪盤整期間表現驚人，抓住了多次短線反彈，年化報酬率一度推算超過 40%。這也是為何 Dcard 網友會驚呼「這合法嗎？」。

答案是：完全合法。只要是透過正規券商 API 下單，且不涉及代操或非法集資，個人程式交易受法律保障。

然而，這個「嚇人」的績效背後，隱藏著新手最容易忽視的三大量化陷阱：

過度擬合 (Overfitting)：你看到的 40% 績效，可能是因為參數（如 MA20）剛好完美契合這 30 天的行情。換個月份，同樣的參數可能會慘賠。這在學術上稱為「刻舟求劍」。
滑價與手續費 (Slippage & Fees)：回測時我們通常假設「成交價 = 觸發價」。但在真實市場中，程式看到價格到下單成交有微小時間差，加上台股交易稅與手續費，高頻交易的獲利極易被成本吃光。
未來函數 (Look-ahead Bias)：最常見的錯誤！在編寫回測時，不小心用到了「收盤價」來決定「開盤買入」。這就像看著明天的報紙買今天的彩券，績效當然無敵，但實戰絕無可能。