期貨日成交
已通過驗證1998 年起台灣期貨市場日行情:台指期、小台、微台與個股期貨的開高低收、成交量與未沖銷契約數,795 個契約完整涵蓋。
資料快照截至 2026-08-24
台指期是台灣流動性最高的衍生性商品,也是程式交易者做擇時、避險與價差策略的主戰場。這份資料涵蓋 1998 年台指期上市以來,台灣期貨市場的每日行情:開高低收、漲跌幅、成交量與未沖銷契約數,包含台指期(TX)、小型台指(MTX)、微型台指(TMF)、電子期、金融期與個股期貨,一般與盤後時段分開記錄,累計 795 個契約代號,每個交易日更新。
這份資料裡有什麼
期貨日成交資訊(futures_price)是「日期 × 契約」的矩陣,九個欄位:到期月份、開盤價、最高價、最低價、收盤價、漲跌價、漲跌幅、成交量、未沖銷契約數。契約代號帶時段後綴,例如台指期一般時段是 TX一般、盤後時段是 TX盤後。一行取出,完成安裝設定後登入即可:
顯示程式碼
finlab.login()
vol = data.get("futures_price:成交量")取 vol["TX一般"] 就是台指期日成交量的完整歷史,換欄位名就能拿到收盤價與未沖銷契約數。
怎麼判讀這份資料

上圖是台指期家族的日均成交量演變,藏著台灣期貨市場二十八年的結構變化。大台(TX)從 1998 年日均約 2,300 口成長到 2015 至 2020 年的十二萬口高原,之後回落到 2026 年的約 7.4 萬口。接棒的是小型化商品:小台(MTX)在 2020 年日均近 15 萬口超越大台;2024 年 7 月上市的微型台指(TMF)更快,2026 年日均約 16.7 萬口,上市兩年就成為家族裡成交量最大的契約,約是大台的 2.3 倍。
這個微型化趨勢的判讀價值在參與者結構:契約規格越切越小(微台一點 10 元,是大台的二十分之一),代表散戶與小資金成為期貨市場增量的主力。回測時段也要留意:盤後交易(夜盤)2017 年才上線,TX盤後 的歷史比 TX一般 短得多。
用這份資料最容易踩的兩個陷阱
第一個陷阱:直接把期貨收盤價當連續序列回測。每個月結算換月時,近月契約會切換,跨月的價格跳動含轉倉價差,不是真實損益;要回測連續部位,得自己處理轉倉邏輯,或以指數搭配加權指數歷史資料驗證訊號、再用期貨估算成本。
第二個陷阱:混用時段口徑。一般與盤後是兩個欄位,夜盤成交量近年已相當可觀,只取 TX一般 會低估全日流動性;反過來,把兩時段直接相加去比 2017 年以前的資料,也會高估成長。口徑先定,再比較。
怎麼接上策略
期貨資料常見的三個用法:用台指期與現貨的基差當市場情緒指標、用未沖銷契約數追蹤部位堆積、以及把選股策略的市場曝險用期貨對沖。籌碼面可搭配期貨三大法人未平倉與大額交易人資料,完整的程式交易入門見程式交易完整指南。
怎麼自己取得這份資料
把家族成交量的演變整理出來,只要幾行:
顯示程式碼
from finlab import data
vol = data.get("futures_price:成交量")
tx = vol["TX一般"].dropna() # 台指期(一般時段)
mtx = vol["MTX一般"].dropna() # 小型台指
tmf = vol["TMF一般"].dropna() # 微型台指(2024 年上市)這份資料的涵蓋年限、筆數與更新狀態,本頁下方有即時健檢可以查;不想寫程式的話,頁面下方可以把取資料、換月處理與畫圖直接交給 AI 完成。
期貨日成交包含的資料欄位
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
- 9 欄
- 時間範圍
- 1998-08-19 ~ 2026-08-25
- 更新頻率
- 每日更新
- 狀態
- 已通過驗證
data.get("futures_price")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 2026-08-25),不是示意圖。你也可以自己跑一次。
| 年份 | TX(口) | MTX(口) | TMF(口) |
|---|---|---|---|
| 2021 | 124,896 | 194,854 | 0 |
| 2022 | 99,958 | 167,071 | 0 |
| 2023 | 82,205 | 130,390 | 0 |
| 2024 | 88,500 | 151,886 | 57,473 |
| 2025 | 65,420 | 114,311 | 68,045 |
| 2026 | 73,980 | 145,418 | 167,230 |
from finlab import data
vol = data.get("futures_price:成交量")
tx = vol["TX一般"].dropna() # 台指期(一般時段)
mtx = vol["MTX一般"].dropna() # 小型台指(一般時段)
tx.groupby(tx.index.year).mean().plot(label='TX')
mtx.groupby(mtx.index.year).mean().plot(label='MTX')如何取得期貨日成交
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「期貨日成交」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/tw-futures-daily
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("futures_price:")
df.tail()用期貨日成交跑出的研究
技術指標怎麼用才對?我們把 RSI、KD、MACD、布林通道、均線、ADX、ATR、OBV、CCI、威廉指標、MFI、乖離率、AROON 共 13 個常用技術指標,各自在台股做 11 年真實回測,得到一個一致的反直覺結論:散戶教科書的用法(超賣抄底、黃金交叉、觸下軌買)幾乎都是最差用法,研究段年化普遍只有 1–4%,全面輸給大盤;但把同一個指標當核心選股因子、再用它算出的市場廣度當風控與擇時,就能做出研究段年化多在 25–35%、樣本外月 Sharpe 多在 1.2 上下的純技術策略,全程不加槓桿、不靠基本面。這頁是 13 篇完整回測的總覽與導覽,每個結論都連到可下載、可重現的策略。
Bokeh 探索頻道(2):用 Python 客製化技術分析互動圖表用 Python Bokeh 套件打造客製化技術分析互動圖表,整合 K 線、均線、RSI、KD、MACD 五大指標,支援雙軸、十字線、hover 與圖例切換。對應 Hahow『小資族選股』課程的視覺化升級版,附完整 GitHub 程式碼、demo_json 資料範例與假日斷點處理技巧。
技術分析 vs 基本面分析:台股 15 年回測的終極對決2010-2025 台股回測對決:純技術面(RSI>50+MACD+60 日均線)年化 17.7%、純基本面(營收新高+YoY>15%+ROE>8%)16.5%,加入投信買超合體季換股後年化 36.3%、夏普 0.84。
RSI vs MACD vs KD:三大技術指標台股實測,誰最準?10 年台股回測 RSI、MACD、KD 三大技術指標選股能力:RSI 年化 14.3%、KD 5.8%、MACD -1.2%。再疊加基本面財報濾網後,CAGR 飆到 29.7%、Sharpe 0.74,說明技術指標需搭配基本面才能在台股穩定獲利。
data.indicator() 一行算全台股技術指標(TA-Lib Python 回測)用 finlab 的 data.indicator() 一行就把 KD、RSI、MACD、ATR 等 TA-Lib 上百種技術指標算到全台股 2700 多檔、近 19 年的資料上,回傳可直接丟進回測的 FinlabDataFrame。文中附 RSI 超賣均值回歸的真實台股回測(2016 到 2026,對比含息 0050)與可下載 strategy.py,示範指標到底該怎麼用在 Python 量化選股。
技術指標超買該賣股票嗎?RSI、KD、乖離率超買回測實證台股站上 23000 點時,法人警示 RSI、KD、乖離率三大技術指標已超買,到底還該不該賣股票?本文用 Python 對 0050 做事件回測:個別與三指標同時超買後 10 日累積中位數報酬仍多為正、下跌機率均不到五成,技術指標超買訊號其實並不等於該賣出股票。
更多相關研究(32 篇)
- 威廉指標怎麼用才對?台股 11 年回測:把它當相對強勢主因子的純技術策略 年化 31.3%
- kd 指標怎麼用才對?台股 11 年回測:拆成選股因子+大盤風控的純技術策略 年化 31.1%
- obv 指標怎麼用才對?台股 11 年回測:拆成吸籌確認+廣度擇時的純技術策略 年化 31.1%
- Python 台股 API 比較:FinMind、yfinance、證交所 OpenAPI 怎麼選 年化 30.1%
- 乖離率怎麼用才對?台股 11 年回測:它是動能因子,不是抄底訊號 年化 29.1%
- MACD 怎麼用才對?台股 11 年回測:柱狀圖是反轉訊號,不是動能訊號 年化 28.9%
- 均線怎麼用才對?台股 11 年回測:靠近新高選股+均線停損純技術策略 年化 28.6%
- 布林通道怎麼用才對?台股 11 年回測:拆成選股因子+大盤風控的純技術策略 年化 28.4%
- RSI 指標台股 11 年回測:當動能選股因子+廣度風控的純技術策略 年化 27.8%
- mfi 指標怎麼用才對?台股 11 年回測:資金流出濾網+廣度擇時純技術策略 年化 27.7%
- aroon 阿隆指標怎麼用才對?台股 11 年回測:它是選股因子,不是交叉訊號 年化 26.9%
- ADX 指標怎麼用才對?台股 11 年回測:它量強度、不量方向 年化 25.5%
- cci 指標怎麼用才對?台股 11 年回測:拆成趨勢濾網+大盤風控的純技術策略 年化 24.9%
- Python 時間序列教學:pandas 整理台股股價,從 resample 到動能回測 年化 20.5%
- ATR 停損有用嗎?台股實測 ATR 指標移動停損:動能策略年化 8% 變 -3.6% 的反面教材 年化 8.0%
- 量化交易 Python 教學:不用上課,30 行內跑出第一個台股回測(Sharpe 1.48 實證) 年化 0.2%
- Qlib 是什麼?用 finlab 接上 Alpha158 + LightGBM 做台股 AI 選股回測
- Python 自動下單:FinLab order_api 串 GCP 部署台股策略
- 機器學習 Python 做比特幣交易:用 Tuneta 找到好的特徵優化模型
- ATR 是什麼?ATR 指標公式與用法:肯特納通道設定、停損停利與回測
- 生技股如何安全買?逆勢均線策略 8 年翻 6 倍實戰教學
- 台積電如何買?用 Python 研發台積電投資策略(附完整程式碼)
- KD 鈍化是什麼?高檔鈍化、KD 指標參數設定與台股回測
- 技術指標選股教學:用 KD 值搭配三種條件打造中長期策略
- pandas-datareader 已停止維護:2026 年用 Python 抓歷史股價的替代方案與生存者偏差實測
- RSI 選股技巧:用長週期 RSI 實現台股追漲策略
- 用 Python 投資加密貨幣:比特幣最強指標 Hash Ribbons 看盤教學 (Part 6)
- 用Python投資加密貨幣:三年20倍的策略參數最佳化 (Part 7)
- 用 Python 投資加密貨幣:用 pandas 實作均線交易策略訊號 (Part 3)
- 用 Python 投資加密貨幣:均線交叉回測策略實做 (Part 4)
- 策略最佳化是有效的嗎?用回測過擬合機率檢驗參數優化(附程式碼)
- 加速度指標選股實測:2020 年宣稱年化 20%,2026 年含成本重跑只剩 -2.6% 年化 -2.6%
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