yfinance 教學：用 Python 免費下載全球指數與股價，
8 大指數與還原股價實測

用 pip install yfinance 加上十行 Python，就能免費下載台股、美股與全球指數的完整歷史股價。這件事從 2020 年到現在都成立，但工具細節已經換了好幾輪：舊版教學的網址會回 301、不帶 User-Agent 的爬蟲會被 429 擋下、auto_adjust 的預設值也變了。本文用 2026 年 6 月的 yfinance 1.4 把整條流程重新實測一遍：8 大指數最遠可回溯到 1927 年，台積電用原始收盤價計算會少算超過三分之一的報酬。每個數字都附可下載的程式碼與 CSV，你可以自己重跑驗證。

8 大指數實測結果速覽

下表是用 yfinance 下載 8 大指數後算出的描述統計。窗口統一為 2000 年 1 月到 2026 年 6 月 10 日，純價格指數算術（期間報酬連乘），不含股息與任何交易成本：

資料截至 2026-06-10。三個觀察：台灣加權指數即使不含息（後面會解釋這個但書），年化 6.23% 也與標普 500 的 6.27% 幾乎並列；那斯達克報酬第一，代價是 -77.9% 的最大回撤與最高的波動；恒生與富時 100 在這 26 年只累積了不到 55% 的漲幅。

yfinance 是什麼？為什麼量化新手都從它開始

yfinance 是一個開源 Python 套件（GitHub 專案頁），它把 Yahoo Finance 的公開資料包裝成 pandas DataFrame：你給它一個代號，它還你一張開高低收的表格。對想入門量化交易或程式交易的人來說，它解決的是第一個門檻：在寫任何策略之前，你得先有資料。

它的三個優點：免費、涵蓋全球市場（台股、美股、港股、指數、外匯、加密貨幣）、兩行程式就能上手。它的限制同樣明確：資料來自 Yahoo 的網頁介面而非官方 API，沒有服務品質保證，台股的除權息還原與下市股票也有缺口。這些限制對「分析全球指數」幾乎無感，對「台股個股回測」則是致命傷，本文最後一節會給出對應的解法。

環境準備：pip 安裝與 Google Colab 起手式

如果你不想在電腦安裝任何東西，打開 Google Colab 新增一個筆記本即可。Colab 上執行終端機指令要在前面加驚嘆號：

!pip install yfinance

在自己電腦的終端機（cmd、Terminal）則不需要驚嘆號，輸入 pip install yfinance 即可。安裝完成後，把套件載入並取個短名字：

import yfinance as yf

用 yfinance 爬全球股票股價：從一檔台積電開始

先從最簡單的單檔下載開始。抓台積電上市以來的全部日線：

df = yf.Ticker("2330.TW").history(period="max")
df

period="max" 代表拿取該檔股票在 Yahoo Finance 上的全部歷史。實測台積電可以回溯到 2000 年 1 月 4 日，原始收盤價從 69.65 元一路走到 2026 年 6 月的 2,255 元，共 6,572 個交易日。

股票代號命名規則：台股加 .TW、上櫃加 .TWO

只要在 Yahoo Finance 搜尋得到的代號，yfinance 都抓得到。命名規則整理如下：

一個常見的新手錯誤是把上櫃股票寫成 .TW 結尾，抓回來會是空表格；上櫃要用 .TWO。

回傳的 DataFrame 欄位怎麼讀

history() 回傳的是 pandas DataFrame，你可以把它想像成一張可程式化操作的 Excel 表。欄位包含 Open、High、Low、Close（開高低收）、Volume（成交量）、Dividends（每股配息）與 Stock Splits（股票分割）。有兩個新版行為值得知道：索引是帶時區的 DatetimeIndex（台股是 Asia/Taipei），跨市場合併資料前建議先用 tz_localize(None) 拿掉時區；另外 history() 的 auto_adjust 參數預設是 True，也就是你拿到的 Close 已經是還原股價。這個預設值是好事，但你得知道它在做什麼。

還原股價：auto_adjust 在做什麼

股票除權息那天，股價會跳空下跌，但持有人沒有虧損，因為現金股利進了你的口袋。如果用原始收盤價計算報酬，每次配息都會被誤認為下跌。還原股價（adjusted close）的作法是把歷史價格按比例往下調整，讓除權息前後的報酬可以直接相連。數學定義是：

$P^{adj}_t = P_t \times \prod_{s>t}\left(1-\frac{D_s}{P_{s^-}}\right)$

其中 $P_t$ 是 $t$ 日原始收盤價，$D_s$ 是 $s$ 日每股配息，$P_{s^-}$ 是除息前一日收盤價：在 $t$ 日之後每發生一次配息，$t$ 日以前的歷史價格就乘上一個小於 1 的調整因子。

用一個簡化示例說明（示意數字，非真實個股）：某公司股價 100 元，配發 5 元現金股利，除息日參考價變成 95 元。若隔天收在 96 元，原始價格序列顯示 100 到 96，看起來跌了 4%；還原價格會把除息前的 100 元調整為 $100\times(1-5/100)=95$ 元，序列變成 95 到 96，正確反映出含息報酬 +1.05%。

差距有多大？用台積電實測，2010 年初到 2026 年 6 月：

原始收盤價漲 33.7 倍，還原收盤價漲 55.6 倍，對應年化報酬分別是 24.10% 與 27.85%。差距來自這段期間的 37 次配息、累計每股 136 元。如果你拿原始價格做 16 年的回測，光台積電一檔就會少算超過三分之一的累積報酬。指數沒有配息問題（價格指數本身就不含股息），但個股一定要用還原價。

yfinance 台股怎麼抓？上市、上櫃與成交量單位實測

台股在 yfinance 上抓得到價量與配息，實務上最常卡住的是三件事：上櫃代號、成交量單位、除權息紀錄。以下用 2026 年 7 月 9 日的實測資料逐一說明（代號規則的完整對照見前面的表格）。

上櫃股票用 .TWO，寫錯不會報錯、只會回空表。 用上櫃的中美晶實抓：

import yfinance as yf
 
df = yf.Ticker("5483.TWO").history(period="max")
print(len(df), df.index[0], df["Close"].iloc[-1])

實測可回溯到 2007 年 12 月 31 日，共 4,536 個交易日，2026 年 7 月 9 日還原收盤價 210.5 元。把後綴寫成 5483.TW 時，程式不會丟出例外，只會回傳 0 列的空 DataFrame（背後是 Yahoo 的「Quote not found」），所以抓台股的第一個防呆是檢查 len(df) > 0。

成交量單位是「股」。 台灣看盤軟體與新聞慣用「張」（1 張 = 1,000 股），yfinance 的 Volume 欄位卻是股數。實測 2026 年 7 月 9 日台積電的 Volume 是 30,349,529 股，換算後才是慣用說法的約 30,350 張。拿未換算的 Volume 去對看盤軟體的成交張數，會差一千倍。

除權息紀錄在 Dividends 欄位，它是還原計算的原料。

div = yf.Ticker("2330.TW").history(period="max")["Dividends"]
div[div > 0].tail(3)

實測台積電在 Yahoo 上共有 44 筆配息紀錄：2025 年配發 4 次現金股利合計 19 元，最近一筆是 2026 年 6 月 11 日除息的 6 元（欄位數值帶浮點尾差，如 6.000036，計算時記得四捨五入）。上一節 auto_adjust 的還原價，就是用這些配息一筆一筆折算回去的。

台股歷史資料下載成 CSV 保存，一行就夠：df.to_csv("2330_daily.csv")，Excel 可以直接開啟；要與其他市場的資料合併時，先用 df.index = df.index.tz_localize(None) 拿掉時區。yfinance 對台股的覆蓋也到此為止：三大法人、融資券、月營收、財報公布日這些台股研究真正需要的資料它都沒有，下市股票同樣缺失。想把台股資料補到能做選股研究的程度，可以參考用 Python 取得台股資料的方法整理，或直接使用文末介紹的 finlab 套件。

yfinance 常用用法與陷阱：auto_adjust、period 與 interval

history() 與 yf.download 的參數不多，其中三個決定你拿到的資料長什麼樣子，也各有一個實測才會發現的陷阱。

auto_adjust 決定拿到原始價還是還原價，同一天的數字可以差四成。 用台積電 2010 年 1 月 4 日這一天實測：

raw = yf.Ticker("2330.TW").history(start="2010-01-01", auto_adjust=False)
adj = yf.Ticker("2330.TW").history(start="2010-01-01", auto_adjust=True)
 
print(raw["Close"].iloc[0])   # 64.90 元, 當年實際成交價
print(adj["Close"].iloc[0])   # 39.71 元, 截至 2026-07-09 的還原值

同一天的收盤價，原始值 64.9 元、還原值 39.71 元，差了 39%。兩個都是正確的數字，用途不同：算報酬、做回測用還原值；對照當年新聞或歷史成交紀錄用原始值。還有一個容易誤會的行為：還原值不是固定的，未來每配息一次，整段歷史還原價就會再往下調整一次，所以今天抓到的 39.71 元與半年後重抓的數字不會一樣。看到「同一天的價格怎麼變了」通常是還原基準日不同，並非資料出錯。

period 與 interval 的實測限制。 period 控制抓多長（"7d"、"1mo"、"1y"、"max"），interval 控制 K 線頻率（"1m"、"5m"、"1h"、"1d"）。日線可以拿全部歷史，分鐘級資料的限制用台積電實測如下（2026 年 7 月 9 日）：

兩個陷阱：第一，超過限制不會丟例外，只回傳空 DataFrame 並在畫面印出警告，與寫錯代號的行為相同，防呆一樣是檢查 len(df)。第二，多數教學寫 1 分鐘線只能抓 7 天，實測 period="8d" 抓得到 2,119 筆，Yahoo 的錯誤訊息也明寫單次請求上限是 8 天；但不論 7 天或 8 天，長歷史的分鐘級研究都需要付費資料源。

多檔批次下載用 yf.download，上市上櫃可以混抓。

tickers = ["2330.TW", "2317.TW", "5483.TWO"]
batch = yf.download(tickers, start="2020-01-01", auto_adjust=True)
close = batch["Close"]    # 1,580 列 x 3 欄的寬表

實測從 2020 年起共 1,580 個交易日，一次拿到三檔的還原收盤價寬表，.TW 與 .TWO 混在同一份清單沒有問題。指數清單的批次寫法相同，見下方「一次下載全球 8 大指數」一節。本節全部實測數字可用下載資源的 tw_usage_probe.py 重跑驗證。

把下載打包成 crawl_price() 函式

要抓很多檔標的時，不需要每檔都複製貼上一段程式。用 def 把下載動作包成函式：

import yfinance as yf
 
def crawl_price(stock_id):
    df = yf.Ticker(stock_id).history(period="max")
    return df

第一行 def crawl_price(stock_id): 宣告一個可呼叫的程式區塊，內縮的程式碼屬於這個函式。stock_id 是參數：傳入不同代號，就能抓不同標的。例如抓鴻海並畫出收盤價走勢：

df = crawl_price("2317.TW")
df["Close"].plot()

之後抓美股、指數都是同一行的事：crawl_price("AAPL")、crawl_price("^GSPC")。

全球指數清單還能爬嗎？2026 年實測 Yahoo 頁面

2020 年的舊教學會教你用 requests 加 pd.read_html 爬 Yahoo 的全球指數清單頁。這條路線在 2026 年 6 月實測的結果是：

也就是說流程還活著，但要改兩個地方：網址換新、請求要帶 User-Agent。可運作的版本如下：

import io
 
import pandas as pd
import requests
 
url = "https://finance.yahoo.com/markets/world-indices/"
headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
                  "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0 Safari/537.36"
}
 
response = requests.get(url, headers=headers)
tables = pd.read_html(io.StringIO(response.text))
world_index = tables[0]

requests.get 取回網頁原始碼，io.StringIO 把文字包裝成檔案物件，pd.read_html 解析網頁中的表格成 a list of DataFrame，第一張就是含 Symbol 與 Name 的指數清單。實測抓到 42 列，開頭依序是 ^GSPC、^DJI、^IXIC。

要提醒的是：這種網頁爬蟲對頁面改版很脆弱，Yahoo 任何一次改版都可能讓 read_html 解析失敗。如果你的目標是固定追蹤幾個主要指數，維護一份靜態代號清單（如下一節的寫法）比每次重爬更穩定。想練習更多爬蟲技巧，可以參考台股每日爬蟲教學與三大法人爬蟲實作。

一次下載全球 8 大指數：yf.download 批次寫法

抓多檔標的時，比起用迴圈一檔一檔呼叫 crawl_price，新版 yfinance 更建議用 yf.download 一次傳入清單，它會自動平行下載：

import yfinance as yf
 
indices = ["^GSPC", "^IXIC", "^DJI", "^TWII",
           "^N225", "^GDAXI", "^FTSE", "^HSI"]
 
raw = yf.download(indices, period="max", auto_adjust=False)
close = raw["Close"]          # 欄位是 MultiIndex,取 Close 得到寬表
close = close.tz_localize(None)

回傳的欄位是兩層的 MultiIndex（價格種類 × 代號），取 ["Close"] 之後就是「一欄一個指數」的寬表，後續分析都基於它。想看逐檔迴圈與 dictionary 的批次寫法，全球指數歷史數據下載教學有完整實作。

各指數能回溯多遠？這是很少有人實際測過的問題，實測結果：

標普 500 可以回溯到 1927 年 12 月 30 日，將近一百年、24,727 個交易日；日經 225 從 1965 年起有 15,101 個交易日；台灣加權指數從 1997 年 7 月 2 日開始，共 7,091 個交易日。注意道瓊工業在 Yahoo 上只能回溯到 1992 年，雖然這個指數本身已有百年以上歷史：資料源的覆蓋範圍與指數的存在時間是兩回事，動手抓之前別想當然。

拿到價格後，要把起始值不同的指數放在同一張圖比較，先做正規化，讓每個指數都從 100 出發：

$I_t = 100 \times \frac{P_t}{P_0}$

文章開頭那張累積走勢圖就是這樣畫出來的：2000 年起算，那斯達克收在 609（漲 5.1 倍）居冠，恒生收在 140（漲 0.4 倍）墊底。

8 大指數的風險與報酬：拿到資料後能做什麼

有了乾淨的日收盤價，就能計算風險報酬指標。年化報酬與年化波動的定義：

$\text{CAGR} = \left(\frac{P_T}{P_0}\right)^{1/n} - 1 \qquad \sigma_{ann} = \sigma_{daily}\sqrt{252}$

其中 $n$ 是經過的年數，252 是一年的交易日數。簡單示例（示意數字）：指數 10 年從 100 漲到 200，CAGR 是 $2^{1/10}-1=7.18\%$，而非 100% 除以 10 年的 10%；日報酬標準差 1.2% 的指數，年化波動約 $1.2\%\times\sqrt{252}\approx 19\%$。用這兩個座標把 8 大指數畫成一張風險報酬地圖：

右上角的那斯達克用最高的波動（24.8%）換最高的報酬（7.08%）；左側的道瓊與富時 100 波動最低（18.3% 與 17.9%），但報酬差距極大（5.76% 對 1.64%）；恒生則落在最差的象限，波動 23.5% 排第二高、年化報酬卻只有 1.30%。高波動不保證高報酬，這張圖是最具體的證據。

報酬之外，回撤是另一個維度：

8 個指數在 2000 年以來的最大回撤全部超過 -50%：那斯達克 -77.9%（網路泡沫）、DAX -72.7%、台灣加權 -66.2%。這對資產配置的含義是：單押任何一個市場，都要有資產腰斬以上的心理準備。

為什麼值得花力氣抓「全球」而非只抓台股？Solnik (1974) 用各國股市的實證資料說明，跨國分散能把投資組合風險降到單一國家組合難以達到的水準，這是國際分散化研究的起點。不過分散效果不能只看平時：Longin & Solnik (2001) 用極值理論證明，全球股市在大跌時的相關性顯著高於平時，最需要分散保護的時刻保護最弱，所以評估分散效果需要涵蓋多次崩盤的長歷史資料，這正是 period="max" 的價值。另外，拿指數資料計算相關係數時有一個量測陷阱：Forbes & Rigobon (2002) 指出高波動期間的相關係數會被波動度本身機械性地推高，未經調整就下「危機傳染」的結論會高估連動。想實際算台股與哪國指數最連動，台股相關性分析用本文下載的資料做了完整實作。

資料口徑與限制

本文沒有任何策略績效宣稱，所有數字是描述統計，口徑如下。表格涵蓋量化研究慣例上應交代的項目，不適用者照實標明：

yfinance 的三個台股痛點與 finlab 替代方案

把 yfinance 用在全球指數，體驗接近完美；把它用在台股個股研究，有三個實測會遇到的痛點：

1. 限流：Yahoo 對高頻請求回 429，大量下載全上市櫃近兩千檔個股既慢又容易斷。
2. 還原品質：台股的現金股利、股票股利、減資、面額變更情境多，yfinance 的還原計算偶有誤差，且無人保證修復時程。
3. 下市股票：已下市的股票抓不到歷史資料。做選股回測時，樣本只剩活下來的公司，績效會被系統性高估，這就是生存者偏誤，也是回測最常見的隱形錯誤之一，與過擬合並列回測兩大陷阱。

台股研究可以改用 finlab 套件，資料由台灣團隊維護，含下市股票與處理過除權息、減資的還原股價：

# 先完成文末的 FinLab 設定任務
import finlab
from finlab import data
 
finlab.login()   # 會自動開啟瀏覽器引導登入
 
# 全上市櫃還原股價，一張寬表，含下市股票
adj = data.get("etl:adj_close")
adj["2330"].plot()

兩個工具的分工很清楚：海外指數與美股用 yfinance，台股個股的選股與回測用 finlab。資料到手後的下一步是寫策略，可以從 finlab 平台新手指南與策略參數最佳化教學接著走。

下一步：把資料下載變成選股回測

yfinance 解決的是「先拿到資料」；真正會讓讀者留下來繼續研究的，是把資料變成可檢驗的策略。若你的目標是全球指數觀察，本文的 yfinance 腳本已經足夠；若你的目標是台股個股選股，下一步請改用 FinLab 的還原價、下市股資料與回測引擎，先重現一個具體策略。

建議從這三條策略動線挑一條：

• 先做完整選股框架：台股選股回測 2026 會把單因子與複合策略放在同一張表比較。
• 想看具體可重現策略：多因子選股策略、創新高策略 與 台股四萬點選股攻略 都附完整回測口徑。
• 想從 Python 實作開始：Python 股票選股與回測教學 會把資料、條件、持股與回測串成一條流程。

常見問題 FAQ

yfinance 是免費的嗎？有官方支援嗎？

套件本身開源免費。但它抓的是 Yahoo Finance 網頁資料，並非 Yahoo 官方發布的 API，沒有服務等級保證：欄位、頻率限制、頁面結構都可能在無預告下變動。拿來研究與學習很好，正式交易系統要評估資料源風險。

台股上櫃股票的代號怎麼寫？

上市加 .TW（台積電 2330.TW），上櫃加 .TWO（中美晶 5483.TWO）。寫錯結尾會回傳空資料，這是台股使用者最常見的卡關點。

出現 429 Too Many Requests 怎麼辦？

降低請求頻率（加 time.sleep）、改用 yf.download 批次一次抓、或在自家網路與雲端主機間換 IP。本文實測裸 requests 爬 Yahoo 頁面必帶瀏覽器 User-Agent，否則直接被擋。

auto_adjust 應該開還是關？

做報酬計算與回測一律用還原價（auto_adjust=True，新版預設）。需要看「當時實際成交價位」（例如對照歷史新聞、計算股價門檻）才用原始價。台積電的實測顯示兩者 16 年差距達 21.9 倍的累積漲幅。

yfinance 可以抓分鐘線嗎？

可以，interval="1m"，但實測（2026 年 7 月）單次請求最多抓 8 天的 1 分鐘線、5 分鐘線最多 60 天、小時線最多 730 天。長歷史的分鐘線研究需要付費資料源。

台灣加權「報酬指數」抓得到嗎？

抓不到。^TWII 是不含股息的價格指數，台灣證交所另編的「發行量加權股價報酬指數」在 Yahoo Finance 上沒有代號。台股長期報酬研究若忽略股息，以台股 3% 至 4% 的常見殖利率水準，會明顯低估報酬，這時用 finlab 的還原股價資料計算個股或 0050 的含息報酬更合適。

已下市的股票抓得到嗎？對回測有什麼影響？

大多抓不到。回測樣本若只含目前還活著的股票，等於事先剔除了所有失敗者，績效會被高估，正式名稱是生存者偏誤。嚴謹的台股回測必須用含下市股票的資料庫。

yfinance 和 finlab 套件怎麼分工？

yfinance 強在全球覆蓋與零成本，適合指數、美股與快速驗證想法；finlab 強在台股資料品質（還原股價、下市股票、財報與籌碼資料）與內建回測引擎。兩者並用，各取所長。

延伸閱讀

• 台股選股回測：單因子與複合策略的實測結果
• 多因子選股策略教學
• 創新高策略實測：價格新高加營收確認
• Python 股票選股與回測教學
• 量化交易完整指南：從資料、策略到實單的總覽頁
• 程式交易是什麼？教學、優缺點、策略總整理
• 全球指數歷史數據下載大全：for 迴圈與 dictionary 實戰
• 台股相關性分析：台股的好兄弟是哪國指數？
• 回測是什麼？新手必懂的觀念與陷阱
• 更多量化名詞定義見詞彙表

下載資源

投資警語：本文僅供教學參考，不構成投資建議。過去績效不代表未來表現，投資有風險。 文中所有指數統計為不含股息的價格指數算術，未計入交易成本、滑價與稅負，且對統計窗口的選擇敏感，不代表任何可投資商品的實際報酬。

最後更新：2026-07｜資料區間：2000-01 ～ 2026-06（指數統計窗口，資料截至 2026-06-10；台股用法兩節實測截至 2026-07-09）｜作者：FinLab 量化研究團隊（經量化研究員審閱）。文中指數統計由 yfinance 1.4.1（2026-06）實跑產出，台股用法實測由 yfinance 1.5.1（2026-07-09）產出，腳本見下載資源。