Vibe Coding 量化交易實戰:用AI做投資研究,打造可自動選股、分析驗證、推播運作的台股量化系統
劉承彥 著
- 出版商: 博碩
- 出版日期: 2026-12-08
- 定價: $660
- 售價: 7.8 折 $514
- 語言: 繁體中文
- 頁數: 328
- ISBN: 6264146668
- ISBN-13: 9786264146661
-
相關分類:
程式交易 Trading、AI Coding、Python
尚未上市,歡迎預購
相關主題
商品描述
讓AI成為你的量化團隊
從資料庫、因子、策略到每日選股訊號
【內容簡介】
♚從零準備機器、算力與AI開發環境
♚自建台股資料庫,搞懂常見的金融數據怎麼來、怎麼用
♚建立各種類別的交易因子,讓AI從資料中找出證據
♚建立「明確規則版」與「機器學習版」選股,用樣本外與WFA驗證
♚每天自動更新資料、產生選股訊號並推播到手機
本書以AI Coding工具為主,專注於台股市場,帶你從零開始,打造一套安裝在自己電腦上的台股量化選股系統。我們從準備機器與AI開發環境開始,接著替專案訂好規矩,讓AI一進門就了解底線。
核心內容在於自建金融數據資料庫,從證交所、櫃買中心與公開資訊觀測站取得官方資料,處理還原股價、月營收可用日、三大法人與融資融券;再把資料提煉成交易因子,請AI從因子中找出有證據支持的優勢,組合成規則版與機器學習版兩種選股策略,並用樣本外驗證與WFA檢驗回測是否可信。最後,本書把策略串成每天自動執行的流水線,資料更新、因子計算、選股訊號到推播一次完成,你只需要在睡前看一眼手機上的訊息,再決定要不要下單。
全書所有的技巧都是讓讀者用「中文」白話告訴AI要做什麼,不需要自己寫程式,無論你是沒有時間學程式的上班族,還是想把投資決策建立在證據上的投資人,都能一步步完成屬於自己的量化選股系統,成為有憑有據的資料分析投資人。
【精采內容】
✪用AI Coding打造量化選股系統的觀念與工作流程。
✪準備專屬電腦、VS Code、Python、Git與AI工具。
✪用README、CLAUDE.md 與規格書設定專案規矩。
✪自建官方金融數據資料庫,包含多種類型的官方數據。
✪月營收、三大法人與融資融券資料整理。
✪各種類別的交易因子的建立與檢查,最後才驗證找證據。
✪先找證據、再組合策略:回測、樣本外驗證與WFA。
✪每日選股訊號流水線、Discord推播與系統維運。
✪想用量化方法投資,但沒有時間學寫程式的上班族。
✪想把投資決策建立在資料與證據上的台股投資人。
✪想用AI建立資料分析與自動化流程的程式初學者。
✪對量化投資與機器學習選股有興趣的金融從業人員。
作者簡介
劉承彥
十餘年來深耕量化金融研究,專注於以資料驅動的解決方案:從資料庫建置、資料分析與策略研發,到策略落地實作。
同時也是大學與職訓講師,擁有多年教學經驗, 教授Vibe Coding、Linux、Python金融資料分析、交易系統與資料庫建置等課程,擅長把技術拆成初學者也能跟上的步驟。
目錄大綱
|Chapter 01| 不寫程式,也能打造自己的量化交易系統
技巧01 [觀念] 本書的終點:一套每天自動運轉的台股量化系統
技巧02 [觀念] 機器、算力、資料:打造量化系統只需要三個條件
技巧03 [觀念] 不會寫程式也沒關係:你要會的是定規格、設檢查點、看懂結果
技巧04 [觀念] 不只學怎麼問AI,而是學一套工作流
技巧05 [觀念] 怎麼跟AI說話:把需求說清楚的五個步驟
技巧06 [觀念] AI的三種角色:規劃師、工程師、審稿人
技巧07 [觀念] 瀏覽器、編輯器、Agent:三種AI工具各用在哪裡
技巧08 [觀念] AI不是聖杯:請它幫你建立研究流程,而不是給答案
技巧09 [觀念] 一次性分析還是長期專案:動手前先想清楚
|Chapter 02| 準備機器與算力:一步步裝好你的量化工作室
技巧10 [觀念] 機器:替系統準備一台每天都開著的電腦
技巧11 [觀念] 先看工具地圖:Claude Code、Python、VS Code、Git各做什麼
技巧12 [觀念] 怎麼挑AI Coding工具:看這五件事
技巧13 [觀念] 市面上的AI Coding工具:為什麼本書選Claude Code
技巧14 [觀念] IDE 是什麼:AI也需要一張工作桌
技巧15 [觀念] 為什麼選VS Code:常見開發環境比一比
技巧16 [實作] 安裝VS Code
技巧17 [實作] 安裝Python並確認版本
技巧18 [觀念] 套件是什麼:pip與requirements.txt的白話解釋
技巧19 [實作] 讓VS Code認識Python:安裝Python擴充套件
技巧20 [觀念] 虛擬環境:替每個專案準備一個獨立的工具箱
技巧21 [實作] 建立Python虛擬環境
技巧22 [觀念] Git:版控神器,不用擔心程式碼改壞
技巧23 [實作] 安裝Git並確認版本
技巧24 [實作] 在VS Code中使用Git保存與還原專案
技巧25 [實作] 安裝Claude Code:請進你的AI 工程師
技巧26 [實作] Claude Code常用指令:會這幾個就夠用
技巧27 [實作] 在VS Code裡使用Claude Code:不用記指令也能操作
技巧28 [觀念] 安全第一:哪些事不能讓AI自己決定
|Chapter 03| 設定專案規矩:讓AI一進門就了解底線
技巧29 [觀念] 為什麼需要固定的資料夾結構:專案的地基
技巧30 [觀念] 先看全貌:從資料到每日訊號的五個階段
技巧31 [觀念] Context:讓專案自己會說話
技巧32 [觀念] 資料歸資料、策略歸策略:為什麼要分層
技巧33 [觀念] 原始資料不能動:raw與processed分開放
技巧34 [實作] 請Claude Code搭好專案骨架
技巧35 [觀念] README.md:寫給人看的專案說明
技巧36 [觀念] CLAUDE.md:寫給AI看的到職說明
技巧37 [觀念] README、CLAUDE.md、Prompt各管什麼
技巧38 [觀念] config.yaml:把會調整的參數集中起來
技巧39 [觀念] .env:金鑰不能寫進程式碼
技巧40 [觀念] 命名規則:告別final、final2、真的最後版
技巧41 [觀念] .gitignore:告訴Git哪些東西不要收
技巧42 [實作] 寫一份Playbook:讓Claude Code一次只做一件事
技巧43 [觀念] 驗收清單、測試與Git Commit:讓AI改壞也不怕
技巧44 [觀念] 並行擴充:新策略放旁邊,舊策略不要拆
|Chapter 04| 建立專屬於自己的金融數據資料庫
技巧45 [觀念] 為什麼要自己建資料庫:資料是量化系統的基礎建設
技巧46 [觀念] 台股資料地圖:要收哪些資料、從哪裡來、幾點公布
技巧47 [觀念] 資料庫的三層結構:原始層、整理層、分析層
技巧48 [實作] 第一份規格書:用自己的話寫需求,請AI 幫你補齊
技巧49 [觀念] 對官方網站要有禮貌:慢慢抓、可續傳、被擋就停
技巧50 [實作] 下載歷史的官方資料:建立下載程式與歷史回補
技巧51 [實作] 交易日曆與股票清單:系統要知道今天該不該有資料
技巧52 [實作] 每日行情資料庫:把上市、上櫃合併成相同格式
技巧53 [觀念] 股價為什麼會「無故」下跌:五種讓股價失真的事件
技巧54 [觀念] 還原股價的原理:一個公式處理所有事件
技巧55 [觀念] 向後還原:為什麼選股回測要用向後還原
技巧56 [實作] 股價事件資料庫:九張官方事件表,一張都不能少
技巧57 [實作] 計算還原股價,並用台積電與0050分割驗收
技巧58 [實作] 月營收資料庫:9月的營收,10月10日才完全更新
技巧59 [實作] 三大法人資料庫:遇到欄位改版時的處理方式
技巧60 [實作] 融資融券資料庫:小心「張」與「股」的單位陷阱
技巧61 [觀念] 每日更新時間表:搞懂什麼資料幾點以後才抓得到
技巧62 [實作] 建立每日更新腳本:一個指令更新全部資料
技巧63 [實作] 資料檢查點:什麼情況要通知資料維運者
技巧64 [實作] 用Windows工作排程器讓資料庫每天自動更新
|Chapter 05| 建立專屬於自己的交易因子
技巧65 [觀念] 什麼是因子:把資料變成有金融意義的數據
技巧66 [觀念] 本書的五個因子家族:價格動能、風險、量能、月營收、籌碼
技巧67 [觀念] 因子的時間戳:你在什麼時候「知道」這個數字
技巧68 [實作] 定義因子規格書:同一個公式、六種天數,一次定義74個因子
技巧69 [實作] 價格、風險與量能因子:一律用還原股價計算
技巧70 [實作] 月營收因子:把「月份」換成「可用日」
技巧71 [實作] 籌碼因子:外資、投信與融資,單位要對齊
技巧72 [實作] 因子檢查:算對了沒有,不同天數又有多像
技巧73 [觀念] 因子的更新規格:誰先更新、誰後更新
技巧74 [實作] 讓因子跟著資料庫每天自動更新
技巧75 [實作] 因子確認點:資料不足時,系統該怎麼反應
|Chapter 06| 建立屬於自己的交易策略
技巧76 [觀念] 回測到底有沒有用:它能回答與不能回答的問題
技巧77 [觀念] 建立一個策略需要哪些知識
技巧78 [觀念] 策略的四個零件:選股範圍、進場條件、換股與出場、資金配置
技巧79 [觀念] 從證據出發,而不是從假設出發:先把資料切成兩段
技巧80 [實作] 請AI 找證據:74個因子,哪些真的分得出強弱
技巧81 [實作] 從證據到策略:每一份證據各投一票
技巧82 [觀念] 回測的細節:哪一天決定、哪一天買、用什麼價格
技巧83 [實作] 第一次回測:請Claude Code依規格書建好引擎
技巧84 [實作] 回測確認點:攤開一天來看,再故意做錯一次
技巧85 [觀念] 看懂回測績效:最大回撤是最誠實的數字
技巧86 [實作] 策略報表:互動網站與Markdown檔各自給誰看
技巧87 [實作] 打開保留的資料:樣本外驗證、WFA與參數敏感度
技巧88 [觀念] 規則版與機器學習版:由人組合證據,還是由模型組合證據
技巧89 [觀念] 機器學習選股的四個元素:特徵、標籤、樣本、驗證方式
技巧90 [觀念] 機器學習最危險的兩個陷阱:偷看未來與過度配適
技巧91 [實作] 機器學習策略規格書:把「不准偷看」寫進規則
技巧92 [實作] 機器學習版的樣本外與WFA:同一批證據,交給模型組合
技巧93 [實作] 模型確認點:時間稽核、分組報酬與因子重要性
技巧94 [觀念] 上線判定:兩個策略都先紙上交易
|Chapter 07| 讓你的交易策略每天規劃訊號給你
技巧95 [觀念] 從回測到每日訊號:同一份規格,兩種執行模式
技巧96 [實作] 每日訊號規格書:先想清楚每天晚上想收到什麼
技巧97 [實作] 產出規則版的每日訊號報告:明天要買什麼、賣什麼、為什麼
技巧98 [實作] 產出機器學習版的每日訊號:模型多久重新訓練一次
技巧99 [實作] 申請Discord Webhook,並把網址安全地放進.env
技巧100 [實作] 把訊號推播到手機:只送摘要,完整報告留在電腦
技巧101 [實作] 串起每日流水線:資料、因子、訊號、推播一次完成
技巧102 [實作] 把排程升級成完整流水線,並讓錯誤自己找上你
技巧103 [觀念] 系統維運:每天、每週、每月要看什麼
技巧104 [觀念] 訊號不是自動下單:今晚開始紙上交易
|Chapter 08| 後續的展望
技巧105 [觀念] 回顧:你擁有的不只是一套系統
技巧106 [觀念] 方向一:擴充資料,讓系統看見更多面向
技巧107 [觀念] 方向二:精進因子與策略研究
技巧108 [觀念] 方向三:資金與風險管理
技巧109 [觀念] 方向四:從訊號走向自動下單
技巧110 [觀念] 方向五:更進階的AI 與機器學習
技巧111 [觀念] 方向六:系統升級,讓它更穩、更好用
技巧112 [實作] 為自己寫一份「下一版規格書」:把展望變成行動
技巧113 [觀念] 結語:機器、算力、資料以及你











