當沖成交資訊
已通過驗證現股當沖的個股每日成交股數與買賣金額，加上整體市場當沖占比統計，衡量台股短線交易熱度的籌碼資料。
資料快照截至 2026-08-19
現股當沖是 2014 年開放的交易制度：同一天內對同一檔股票先買後賣（或先賣後買），收盤前把部位軋平。這一類資料記錄的就是這些「當天來回」的成交紀錄，分成兩份：一份是個股層級，每檔股票每天的當沖成交股數與買賣金額；另一份是市場層級，整體市場當沖占成交量的比重。兩份都從 2014 年 1 月起、每個交易日更新。它不是價格資料，是「今天的成交量裡，有多少是不打算過夜的短線資金」的計數器。
這一類資料涵蓋什麼
個股當沖資料（intraday_trading）有四個欄位：當日沖銷交易成交股數、買進成交金額、賣出成交金額、以及該股是否開放先賣後買當沖，覆蓋兩千四百多檔上市櫃股票，欄位細節見個股當沖成交股數。市場統計（intraday_trading_stat）有六個欄位：全市場當沖總成交股數、總買進與總賣出金額，以及三者各自占市場的比重。想知道「這檔股票今天多少比例的量是當沖」，拿個股當沖股數除以成交股數就能算出來。
怎麼判讀這類資料
判讀的主軸是「熱度」而不是「方向」。從市場層級看，當沖占市場成交股數的比重，從 2014 年開放當年的平均不到百分之一，一路爬到 2021 年之後穩定在兩成上下，2025 年 4 月台股急跌那週還衝出約百分之三十八的歷史峰值：恐慌時當沖占比往往不降反升，因為隔日風險太大，短線資金改成當天了結。從個股層級看，當沖比重高的股票籌碼輕、日內波動大，常是處置與注意名單的常客，可以搭配注意股名單與處置股名單一起監控過熱訊號。
把當沖比例拿來當選股因子的完整實測，見散戶反向策略：該文用同一份資料計算個股 20 日當沖比例、分十組觀察前瞻報酬，是這份資料最直接的策略應用範例。
用這類資料要注意的口徑
當沖「比率」沒有唯一算法：分子可以是當沖股數或當沖買賣金額的一半，分母可以是成交股數或成交金額，不同網站引用的數字因此對不上。自己算的時候把口徑寫清楚，跨來源比較前先確認算法一致。名詞定義可查詞彙表；不想寫程式的話，各欄位頁下方可以把取資料與計算直接交給 AI 完成。
當沖成交資訊包含的資料欄位
點開任一欄位可看它的完整涵蓋範圍、資料品質檢查與取得方式。程式碼欄位即是用 finlab
取得該資料的 data.get() 代號。
| 資料欄位 | 程式碼 | 資料量 | 時間範圍 | 狀態 |
|---|---|---|---|---|
| 個股當沖成交股數（現股當沖） | data.get("intraday_trading:當日沖銷交易成交股數") | 4,442,295 | 2014-01-06 ～ 2026-08-18 | 已通過驗證 |
真實數字與取得程式碼
上面的圖與下面的數字都是用 finlab 一行程式直接跑出來的真實資料（截至 2026-08-19），不是示意圖。你也可以自己跑一次。
| 日期 | 數值 |
|---|---|
| 2026-08-11 | 3,110,000 |
| 2026-08-12 | 2,570,000 |
| 2026-08-13 | 4,368,000 |
| 2026-08-14 | 3,199,000 |
| 2026-08-17 | 2,404,000 |
| 2026-08-18 | 2,708,000 |
from finlab import data
df = data.get("intraday_trading:當日沖銷交易成交股數")
s = df["2330"].dropna()
s.plot()如何取得當沖成交資訊
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。
30 秒，用 AI 跑出你的第一個台股回測
把這句話貼給你的 AI，它會裝好 FinLab、抓台股資料，跑出一份你能下載的回測。
告訴你的AI：
幫我設定 FinLab，取得「當沖成交資訊」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?relatedUrl=/data/intraday-trading
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("intraday_trading:當日沖銷交易成交股數")
df.tail()用當沖成交資訊跑出的研究
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。
外資一直買或一直賣怎麼看？股價為什麼不漲不跌，外資賣超原因與投信買超策略外資一直買不代表股價必漲，外資賣超原因也多半是資金調節（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、外資一直買為什麼不漲、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。
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。
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。
外資成本線怎麼看？Python 自製外資買入成本指標與選股教學外資成本線是用外資買賣超與股價估算外資近期平均進出成本的籌碼指標。本文用 Python 與三大法人資料自製外資買入成本指標：以 rolling 60 日加權平均算出外資進出均價，再篩出股價低於外資成本的台股清單，附完整資料整理、買賣成本計算與選股程式碼示範。
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。
更多相關研究（10 篇）
- 半導體選股策略：台積電供應鏈 15 檔的四種篩選實測 年化 62.5%
- 小台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%
- 庫藏股是什麼？公告後買進的台股實測：19 年年化 25%，近三年卻輸 0050 年化 25.2%
- 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
- 集保戶股權分散表怎麼抓？Python 爬蟲教學與台股籌碼資料整理
- 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
- 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