券商分點買賣超
更新中券商分點前 15 大買賣超明細,追蹤主力與特定分點的進出動向。
資料快照截至 2026-06-24
券商分點買賣超,是把每一筆台股成交歸到「下單的那家券商分公司」之後,逐日統計出來的買賣超明細。台股每天的成交,背後都有一家分點在替客戶送出委託,主管機關會公開每檔股票當天買超與賣超金額最大的前幾大分點。把這些紀錄一天天累積起來,就成了追蹤特定分點與疑似主力進出的籌碼資料,歷史超過十年。它重要的原因很單純:價格告訴你「漲跌了多少」,分點資料則試著回答「是誰在買、是誰在賣」,這是基本面與技術面都看不到的一個維度。
券商分點買賣超是什麼、怎麼來的
可以把每家券商分公司想成一個收銀台。你、隔壁的散戶、某檔基金的交易員,都可能在同一個收銀台結帳。分點買賣超記錄的,是這個收銀台當天所有進出單相抵之後的淨額。淨買超為正,代表這家分公司整體是站在買方;淨賣超為負,代表整體偏向賣方。
它和三大法人買賣超不同:三大法人依「身分」分類(外資、投信、自營商),分點則依「下單通路」分類,同一筆外資的單,會同時出現在法人統計與某家分點裡。實務上,市場會觀察某些長期勝率偏高的分點,把它們當成聰明錢的代理人來追蹤。籌碼、主力、買賣超這些名詞的精確定義,可以參考名詞解釋。
怎麼判讀分點資料
判讀的核心,是「累計」而不是「單日」。單獨看某一天哪家分點買最多,雜訊非常大,因為分點排名每天都在跳動。比較有意義的看法,是鎖定特定一兩家分點,觀察它在一段期間(例如近一個月、近一季)的連續累計買超或賣超:累計線一路往上爬,代表這個通路在持續吃貨;持平或反轉向下,代表力道在減弱或開始出貨。
另一個常看的角度,是「買賣力道的集中度」。如果一檔股票的買超高度集中在少數幾家分點,通常代表有特定資金在主導;如果買盤分散在很多小分點,比較像是廣泛的散戶參與。這兩種型態,後續的走勢含義往往不一樣。
用這份資料最容易踩的陷阱
第一個陷阱,是把單一分點直接等同於單一主力。一家分公司同時服務大量散戶與多個法人帳號,你看到的買賣超是這些帳號淨額相抵後的結果。某分點當天大買,並不保證是某位特定大戶進場,照單追買,追到的可能只是內部多空互抵後的雜訊。
第二個陷阱,是發布時點與前視偏差。分點明細是收盤後才公布的,做回測時,必須確認訊號用的是「當天收盤後才知道的資料」去決定「隔天才能進場」,不能拿當天的分點資料回頭去買當天的價格,否則回測績效會被未來資訊灌水,實盤完全複製不出來。第三個盲點,是當日前幾大分點的名單以外,那些分散的買盤你完全看不到,加上分點會因為下單習慣搬移而改變排名,所以單看一天的榜單,很容易誤判真正的資金方向。
怎麼用分點資料選股
實務上比較站得住腳的用法,是把分點當成濾網,用來輔助判斷,而非單獨的進出訊號。先用基本面或動能選出一籃子候選股,再用「特定高勝率分點是否持續買超」這個條件去過濾或加權,讓籌碼面和其他面向互相驗證,這比只憑一條分點訊號就下單穩健得多。
想看這個邏輯怎麼被量化成可回測的因子,可以讀用券商分點打造主力波動指標的實作,它示範了怎麼把分點軌跡變成一個選股因子。把視角轉到另一端,散戶反向策略則從融資、當沖、集保等散戶籌碼出發,幫你理解聰明錢與散戶兩股力量的訊號差異。如果你更想先掌握外資這條主力資金的動向,外資買賣超怎麼解讀是另一個入手點。想把籌碼濾網接進一條完整的選股流程,建議從台股選股完整指南開始。
怎麼自己取得這份資料
完成 FinLab 安裝設定後,登入再用一行就能取得整份分點資料:
顯示程式碼
finlab.login()
data = data.get("broker_transactions")回傳的是逐日的分點買賣超明細,你可以接著篩出特定分點、做累計,再疊到自己的選股條件上。不會寫程式也沒關係,這個頁面下方可以把這件事直接交給 AI,由它幫你把資料抓下來、整理成可以分析的形式。
券商分點買賣超包含的資料欄位
這個分類是一張完整的資料表,取出整張表後再挑欄位使用。完整涵蓋範圍與更新狀態如下:
- 欄位數
- 7 欄
- 時間範圍
- 2018-01-02 ~ 2026-06-23
- 更新頻率
- 每日更新
- 狀態
- 更新中
data.get("broker_transactions")名詞速解
揭露與更新券商分點買賣超在每個交易日盤後公布。
- 券商分點
- 券商的各個營業據點;追蹤特定分點的買賣可以推測主力動向。
- 三大法人
- 外資、投信、自營商的合稱,是台股最受關注的籌碼來源。
如何取得券商分點買賣超
不會寫程式也沒關係,把下面這句話交給你的 AI,它會帶你完成設定並做出第一個策略。
用 AI 開始 FinLab
把這句話交給你的AI,它會帶你完成設定並做出第一個策略。
告訴你的AI:
用 finlab 取得「券商分點買賣超」的資料,挑一個欄位畫出走勢圖,並示範一個用它選股的回測,請讀:https://finlab.finance/setup
想自己寫程式?看取得資料的程式碼
finlab Python 套件用一行 data.get() 就能取得這些資料;第一次使用時 finlab.login() 會自動引導登入,不需要手動處理 token。
from finlab import data
df = data.get("broker_transactions:")
df.tail()用券商分點買賣超跑出的研究
外資賣超原因多半是資金調節(指數調整、匯率避險),不等於股價必跌。本文附截至 2026-06 的外資與投信最新買賣超動向,並用 finlab 2015~2026 全市場資料回答外資一直賣股價為什麼不跌、外資大賣隔天會怎樣、投信買外資賣該聽誰;最強的投信+營收動能策略年化 33.9%,附可重跑程式碼。
主力波動指標:用券商分點數據打造獨家選股因子傳統主力買賣超效果有限,改用券商分點資料建構「主力波動指標」(買賣比 10 日均值÷10 日標準差),IC 最高達 0.04,搭配月營收 YoY>1.5、日成交量 30 萬股以上篩選打造台股量化選股因子,附 FinLab Python 完整實測程式碼。
外資買賣超怎麼解讀?外資避險指標教學,提前避開股市大幅回落外資每日買賣超金額雜訊太多、缺乏標準化基準,改用「近月外資淨買超天數 / 交易日數」轉成 0~1 標準化指標。實作 Python 程式碼並回測 0050 與富櫃 50 避險訊號,協助提前嗅到台股大幅回落的籌碼面警訊。
散戶反向策略:融資、當沖、集保數據的賺錢密碼台灣散戶每年落後大盤 3.8%。用集保「小於十張佔比」4 週減>0.3%、外資或投信 10 日買超、營收 YoY>30%、選散戶減持最大 15 檔,2015-2025 回測年化 33.77%、夏普 1.12。
外資 vs 投信 vs 自營商:三大法人跟誰最準?10 年台股回測比較外資、投信、自營商三大法人跟單績效:純跟投信年化僅 7.4%,加入月營收成長篩選後 CAGR 飆至 30.1%、Sharpe 0.95。揭開三大法人籌碼面組合拳的真實效果,附 FinLab Python 回測程式。
Plotly 多重子圖教學:用 FinLab API 製作融資維持率籌碼儀表板用 FinLab API 算出大盤融資維持率與融資買賣超,再以 Plotly make_subplots 串三組子圖、雙 Y 軸、rangeslider 拉桿,打造可觀察 1.4 斷頭壓力區、1.8 過熱區與 10 日均線突破的客製化籌碼儀表板。
更多相關研究(10 篇)
- 半導體選股策略:從台積電供應鏈找出年化 37% 的標的 年化 37.0%
- 散戶多空比怎麼用才有效?台指加碼、小台避險的智慧曝險回測 年化 32.5%
- AI 概念股量化篩選法:不追熱門股的冷靜選法 年化 31.6%
- 外資賣超原因全解析:外資一直賣、股價為什麼不跌?2026 台股 14 年數據實證
- Python爬蟲教學|台股集保戶股權分散表抓取實作
- 台股板塊圖完整操作說明:基本面、技術面、籌碼面 200 種指標一圖掌握
- 0050 擇時策略實測:用融資維持率地板訊號抄底(2009–2021 回測,MDD < 20%)
- 台股籌碼策略:董監改選行情選股法,回測勝率82%實戰拆解
- 外資買入成本指標選股:Python 自製三大法人指標教學
- 超短線上影線放空策略:用回測驗證上影線放空台股的真實績效
相關資料分類
本頁資料涵蓋範圍與更新時間以實際資料為準,僅供研究與教學參考,不構成任何投資建議。
回資料庫總覽