AI × 量化交易｜師大研究所課程

本機開發・可重現研究

資源中心

每週 14:20–17:20 上課；上課前完成 VS Code 與本機 Jupyter 準備。

課堂投影・課後複習

每週講義下載

下載高畫質 PDF 後即可離線閱讀與投影。上課前請先下載，並確認版本與更新日期。

正在查詢已發布講義…

第 1 週

AI 時代的程式交易與量化系統概論

查詢中…

    第 2 週

    VS Code × AI 協作：Python 量化開發入門

    查詢中…

      第 3 週

      金融資料、API 即時報價與資料工程

      查詢中…

        第 4 週

        AI 協作：建立第一個可執行交易策略

        查詢中…

          第 5 週

          公平回測、成交模擬與績效評估

          查詢中…

            第 6 週

            策略穩健性、帳務邏輯與風險控管

            查詢中…

              第 7 週

              Paper Trading 系統整合與成果封版

              查詢中…

                第 8 週

                正式成果發表

                查詢中…

                  前往 GitHub 查看所有版本 ↗

                  課前環境準備

                  電腦環境可安裝軟體的 Windows 或 macOS 筆電；建議預留足夠儲存空間。
                  PythonPython 3.11 以上版本，搭配專案虛擬環境。
                  程式工具Visual Studio Code、Git 與本機 Jupyter Notebook。
                  版本管理GitHub 帳號及小組共用 Repository，用來保存程式、說明與修改紀錄。
                  資料與 API以歷史資料、模擬行情及教學用API流程為主；任何金鑰不得提交到 Repository。

                  AI 協作與程式驗證

                  • 先寫清楚輸入、輸出、限制與驗收條件，再請AI協助。
                  • 每次只修改一個問題，保留指令、輸出、測試與修改紀錄。
                  • 檢查資料欄位、時間順序、未來函數、例外處理與輸出合理性。
                  • 學生必須能自行解釋程式；教師不以AI取代金融判斷與驗證。

                  API角色與教學邊界

                  Shioaji／MDC

                  報價取得、快照與串流行情的教學情境。

                  SOR／Shioaji

                  送單、委託狀態與例外處理的架構概念。

                  Paper Trading

                  課程執行層；以模擬委託驗證策略與帳務。