什麼是程式交易?和量化交易、自動交易有什麼差別?

三個詞的定義差異

很多人剛接觸時把這三個詞混著用,結果在論壇問問題、找書、找教學影片時搞混。先把定義釐清:

程式交易(Program Trading / Algorithmic Trading)

用「程式」執行交易指令。重點在「執行方式」— 不論策略本身是技術分析、基本面、新聞情緒、還是 AI 模型,只要由程式自動送單到券商,就是程式交易。

台灣金管會把「自動化交易」「演算法交易」「程式交易」這幾個詞視為大致同義,涵蓋:

• 移動平均線交叉自動下單的小程式
• 高頻交易(HFT)的微秒級套利系統
• AI 模型推論後送單的策略引擎

量化交易(Quantitative Trading)

用「量化方法」做決策。重點在「決策方法」— 用統計、機率、機器學習、回測等數據導向的方式找出交易訊號。量化交易的訊號可以用程式自動執行,也可以人工照單下單。

典型量化交易元素:

• 歷史資料回測(backtesting)驗證策略
• 因子模型(factor model)挑選標的
• 風險量化:Sharpe ratio、Maximum Drawdown 等指標
• 統計套利(statistical arbitrage)

自動交易(Automated Trading)

泛指「不需人工介入」的交易模式。範圍最廣,包含程式交易、跟單系統、券商提供的條件單(達到價位自動執行)等。一張「停損單」其實也算最簡單的自動交易。

三者關係:一張圖看清楚

項目	程式交易	量化交易	自動交易
重點	執行方式	決策方法	執行模式
是否一定用程式	是	不一定	不一定(條件單也算)
是否一定用數據	不一定	是	不一定
包含 AI	可包含	常用	可包含
需要寫程式	傳統需要	傳統需要	多數不用

實務上:

• 量化 + 程式 = 主流:大型對沖基金、做市商幾乎都是量化決策 + 程式執行
• 程式但非量化:把均線交叉自動化也是程式交易,但不需要量化方法
• 量化但非程式:用 Excel 算出選股清單後人工下單(學術研究、退休族常見)

程式交易的演進:從 1970s 到 AI 時代

程式交易並不是新東西。簡短歷史:

• 1970 年代:紐約證交所開始使用 DOT(Designated Order Turnaround)系統,大型機構能將大量單一指令送進交易所,被視為程式交易雛形。
• 1987 年:美國「黑色星期一」崩盤,程式交易首次被大眾認識(也被部分人歸咎)。
• 2000 年代:高頻交易(HFT)興起,程式交易進入毫秒級競爭。
• 2010 年代:機器學習進入金融業,程式交易策略從「規則式」逐漸演變為「模型驅動式」。
• 2020 年代:深度學習與大型語言模型開始用於市場分析,「AI 量化程式交易」成為新標準。

程式交易的優點與缺點

三大優點

1. 排除情緒:程式按規則執行,不會因為恐懼或貪婪偏離策略。這是散戶最大的弱點,也是程式交易最大的價值。
2. 24/7 紀律執行:程式不會錯過盤、不會睡過頭、不會因為「等下再說」而錯過進出場時機。
3. 可被回測與驗證:策略寫成程式碼後,可以用歷史資料反覆測試,在投入真錢前先看績效。人工決策幾乎無法做到這點。

三大缺點

1. 過度擬合(overfitting):策略可能只在「歷史資料上」漂亮,實盤後完全失效。這是最常見的失敗模式。
2. 程式 bug 風險:一行錯誤的判斷邏輯,可能讓帳戶一夜爆掉。2012 年 Knight Capital 因為部署錯誤的程式,45 分鐘內虧損 4.4 億美元。
3. 市場結構改變:在 A 市場有效的策略,換到 B 市場、或在同市場過了幾年,效果可能完全改變。需要持續監測與調整。

誰適合做程式交易?

程式交易並非每個人都適合。三類人最有可能受益:

1. 想擺脫情緒交易的人

如果你發現自己常常「該停損的時候捨不得」、「該獲利了結時太貪」,程式交易能強制你執行原本的計畫。

2. 沒時間盯盤的上班族

程式 24 小時運行,你白天上班,程式幫你看盤。這是程式交易最常見的入門理由。

3. 想驗證策略的研究型投資人

有想法但不確定是否真的有效?寫成程式回測,幾分鐘內就能看到 10 年績效。比實盤試錯快上千倍,也便宜上千倍。

不太適合的人:追求短期暴利、不願意接受策略會有虧損期、無法忍受帳戶在某些月份回檔的人。程式交易是「長期紀律」遊戲,不是賭場。

三個常見迷思

迷思 1:程式交易 = 穩賺?

錯。沒有任何策略保證獲利。程式交易降低人為失誤、提升執行效率,但市場本身仍有風險。一個策略再好,也會有回檔期(drawdown)。

迷思 2:程式交易 = 需要會寫程式?

不一定。傳統 MultiCharts、TradeStation 確實需要寫 EasyLanguage / Python。但近年的無程式碼平台(如 AITrade)讓策略選擇與參數設定變成 UI 操作,使用者不必碰程式。

迷思 3:程式交易 = 高頻交易?

不是。HFT 是程式交易的一種,但只是極少數機構玩得起的子集合。一般散戶用的程式交易多在「分鐘級」到「日級」的時間尺度,完全不需要追求微秒級速度。

台灣投資人怎麼開始?

實作層面,台灣投資人入門程式交易大致有三條路:

路線 A:自己寫程式

用 Python + 證券商 API(永豐 Shioaji、群益 GPK、富邦 NewSlash 等)。完全免費但學習曲線陡,需要懂 Python、API、回測框架、風險管理。適合工程師或想深入研究的人。

路線 B:商用平台

MultiCharts、AmiBroker 等老牌平台,有完整功能但年費 1-3 萬,且仍需要寫 EasyLanguage / AFL 等專屬語言。

路線 C:無程式碼 AI 平台

近年新興方向。系統內建 AI 模型(機器學習已訓練好),使用者只需設定:

• 要交易的商品(大台、小台、微台)
• 信心度門檻(例如 60% 以上才執行)
• 停損停利參數
• 口數與多開限制

10 分鐘可以從零到掛單。這也是 AITrade 採用的設計理念 — 三步驟開始自動交易,降低入門門檻。

結語

程式交易、量化交易、自動交易這三個詞,各自代表交易世界的不同切面:

• 程式交易解決「執行紀律」問題
• 量化交易解決「決策方法」問題
• 自動交易解決「人力時間」問題

三者結合,就是現代量化交易公司的標準配置 — 用量化方法找訊號,用程式自動執行,完全自動化運作。對個人投資者來說,挑選一個適合自己工程能力與時間投入的入門路線,比追求最複雜的系統更重要。

下一篇文章我們會深入談「AI 模型是怎麼決定買賣訊號的?」— 把黑盒子的 AI 推論流程拆解清楚。

免責聲明:本文僅供教育目的,不構成任何投資建議。投資衍生性金融商品具有高度槓桿與風險,可能損失全部本金甚至超出本金的損失。任何交易決策請依個人財務狀況審慎評估,並請諮詢合格的證券期貨業者。AI 量化交易輔助系統不保證獲利。