跳至主要內容

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。

台股 9 個資料欄位 1998-08-19 ~ 2026-08-25 每日更新

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")

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

台指期家族日均成交量演變:大台、小台、微台,1998 年起

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。

最近幾筆資料
年份TX(口)MTX(口)TMF(口)
2021124,896194,8540
202299,958167,0710
202382,205130,3900
202488,500151,88657,473
202565,420114,31168,045
202673,980145,418167,230
產生這張圖的程式碼
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(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。

免費試用

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

免安裝,開啟 FinLab Studio
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?13 個常用指標的台股 11 年回測總覽

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)

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