程式交易：從觀念建立到策略開發

程式交易的進階內容實在太廣，從統計模型、機器學習、風控架構到執行效率優化等等，我過去也寫過不少相關的進階文章。如果你對那些主題有興趣，歡迎翻閱我的其他分享。不過今天，我想從最基本的角度出發，寫給那些「有投資經驗，但從未寫過程式交易」的朋友們，希望你能找到一個進入量化交易世界的切入口。

程式交易 ≠ 自動下單
我們一提到「程式交易」，多數人的第一個反應是：「喔，就是寫程式讓電腦自動幫你下單嘛！」

這個想法並不錯，但有點太過表面。

其實，用電腦程式自動下單只是整個流程中的最後一步而已，而且現在大多數券商都已經提供標準的 API 介面（像是 REST、WebSocket、FIX Protocol 等），要實作出一個自動下單功能，從技術上並不算太困難。寫個幾十行 Python，就可以做到基本下單動作。

但，程式交易的核心絕對不是「會不會自動下單」，而是：「你要讓電腦照著什麼邏輯來下單？」這才是最難、也最重要的部分。

核心在於「決策模型」——也就是量化交易
換句話說，程式交易的真正價值，在於你能不能建立出一套可量化、可驗證、可執行的交易決策模型。這就是所謂的「量化交易」（Quantitative Trading）。

什麼叫「量化」？就是你不能憑感覺說「今天看起來台積電很強，我來追一下」，也不是靠什麼神秘技術指標說「K 線長這樣應該會漲」。這些都太主觀。

量化的意思是：你要定義一個清楚的規則，例如：

當 5 日均線穿越 20 日均線時買進

RSI 小於 30 時進場，突破 50 時出場

或是過去 3 年股價年化報酬大於 15%，本益比小於 10 的個股進入觀察名單

這些規則不是靠「靈感」想出來，而是根據你對市場的理解、回測結果與風險報酬評估慢慢調整出來的。

量化交易的優點：讓決策可以複製、測試、優化
人腦做決策有一個問題，就是容易受情緒影響、記憶模糊、不一致。你昨天認為應該停損，今天卻可能因為新聞影響改變想法。而有關人性上的偏見是如何影響決策行為這部分，我建議去閱讀行為經濟學的書，裡面會提到許多人類在金融決策中容易犯的錯誤有哪些。

而電腦不會受到這些影響。只要你的策略寫得清楚，它就可以：

準確執行每一筆交易邏輯

讓你用歷史資料測試策略表現（稱為回測）

根據績效評估是否值得投入資金

做好風險控管，設定停損、部位大小

當策略建立完成並驗證有效後，自動下單只是讓這個模型「上線執行」而已。核心始終是策略邏輯，而不是自動下單本身。

建立模型之前，先談談如何選擇工具

在開始建立你的第一個量化模型之前，有一個主題我認為非常值得先聊聊 —— 選擇工具。

現在的工具選擇真的非常多，不論是寫程式、做回測、連接交易所 API，幾乎都有現成框架可以用，甚至很多平台直接提供圖形化介面，不用寫太多程式碼也能執行策略。但事情在我剛開始接觸程式交易的時候並不是這樣。

那個時候，可用的工具非常有限。最實用、最容易上手的工具其實就是 Excel。你可以用它來計算技術指標、做簡單回測、甚至透過 VBA 做些自動化的工作。雖然功能有限，但對於剛開始摸索的人來說，已經是很不錯的起點。

後來我開始使用 TS2000i（TradeStation 2000i），這是一套針對期貨交易設計的本地端策略執行平台。在當時，它算是相當強大的工具，可以幫你把策略轉成 EasyLanguage 來跑回測和即時訊號。對期貨交易特別有幫助，因為它可以穩定處理 Tick 資料與即時行情反應。

再後來，TradeStation 轉型為券商，主力就不再放在開發交易工具上。原來開發團隊中的一部分人出走，成立了另一家公司，推出了一套非常相似但更靈活的工具 —— MultiChart。這套軟體可以說是承襲了 TS2000i 的優點，同時開放更多元的資料來源與下單接口，因此在後來一段時間內，成為 期貨程式交易的主流工具之一。

如果你是以股票交易為主，那麼也有其他選擇。例如：

XQ全球贏家：介面友善，支援台股回測，適合不熟程式語言的投資人。

FinLab（AI量化投資平台）：以 Python 為主，介面現代，對新手友好，也有一些內建策略模組可以直接套用。

留名

樓主點睇蔡嘉民