---
title: "演算法交易（Algorithmic Trading）"
slug: algorithmic-trading
language: zh-TW
source: https://aiterms.tw/terms/algorithmic-trading
updated_at: 2026-04-29
tags: [金融AI, AI應用, 最佳化, 時序分析, 機器學習]
ipas_term: false
---

# 演算法交易（Algorithmic Trading）

> **你有沒有想過，股票買賣也可以交給程式自己做？**
>
> 你可以把演算法交易想成一套自動下單規則，當市場條件符合設定時，程式就幫你買進或賣出。它不是靠人盯盤手滑，而是用規則、模型和速度來執行交易。
>
> 這很重要，因為金融市場變化快，幾秒鐘的延遲都可能影響成交價，程式化交易能把決策和執行做得更一致。

### 容易混淆

> **演算法交易 vs 人工交易**
>
> 人工交易靠人判斷和手動下單。
>
> 演算法交易靠程式依規則自動執行。
>
> 最關鍵的區別：一個靠人盯盤，一個靠程式執行。
>
> **演算法交易 vs 機器人理財顧問**
>
> 演算法交易重點在買賣執行。
>
> 機器人理財顧問重點在資產配置和投資建議。
>
> 最關鍵的區別：一個管交易，一個管理財。
>
> **演算法交易 vs 預測性分析**
>
> 預測性分析負責估可能漲跌。
>
> 演算法交易還要決定怎麼下單與控風險。
>
> 最關鍵的區別：預測是輸入，交易是行動。

### 記住這句就好

> 不是猜市場而已，是把買賣規則自動跑起來。

### 實際案例

> **做市交易**
>
> 有些券商會用程式同時掛買單和賣單，賺取價差，這需要很快的反應和嚴格的風險控制。
>
> **指數再平衡**
>
> 基金在月初或季末會根據規則調整持股比例，演算法交易可以自動完成大量下單，避免人工處理太慢。

### 算法與應用

> **常見流程**
>
> 收集市場資料、產生訊號、判斷是否下單、控制部位大小、執行成交、持續監控風險，通常是一條完整鏈。
>
> **常見策略**
>
> 均值回歸、動量策略、套利、事件驅動、機器學習預測，都是常見方向。

### 情境判斷

> **Q1（直覺題）：** 你設一個規則，當價格跌破某條線就自動賣出，這算不算演算法交易？
>
> → 算，因為它已經把交易規則交給程式自動執行。
>
> **Q2（判斷題）：** 演算法交易只要回測賺錢，上線就一定賺錢嗎？
>
> → 不一定，這要看情況。回測可能過度擬合歷史資料，實際市場還會變，滑價、手續費和流動性都會影響結果。

### 常見問題

> **Q：演算法交易一定很複雜嗎？**
>
> 不一定，最簡單的停損停利規則也算，只是複雜策略通常更難調。
>
> **Q：回測可以完全相信嗎？**
>
> 不行，回測只能當參考，因為歷史不會完全重演。
>
> **Q：演算法交易的最大風險是什麼？**
>
> 可能是策略失效、系統故障、或市場劇烈波動時來不及反應。
>
> **Q：要先學什麼才看得懂？**
>
> 先懂時間序列、風險控制和基本統計，再看交易策略會比較順。

### 相關術語

> - **時間序列分析**：很多交易策略都靠它看趨勢和週期
> - **預測性分析**：常用來產生交易訊號
> - **差分整合移動平均**：經典的時間序列模型，常被拿來做比較
> - **機器人理財顧問**：和演算法交易常被放在同一投資科技脈絡裡

---

來源：https://aiterms.tw/terms/algorithmic-trading
快查頁：https://aiterms.tw/terms/algorithmic-trading
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-algorithmic-trading