KeyFrame內部研究專用

用 Codex 架起台股模擬下單系統 Fugle API 與開源專案實戰

Trader Xiao·6月19日週五·13 min中文

三句話摘要

開源股票交易模擬軟體專案的設定與使用教學,展示如何透過 API 整合報價源並進行模擬下單操作。 這是零成本學習股票交易的理想工具,只需兩句話就能透過 AI 輔助完成部署,隨後即可在個人電腦上進行完整的模擬交易練習。 報價源選擇與限制:復古 API 是最簡單的免費選項,無需付費即可使用模擬環境;若要連接元大或永豐金券商 API,需分別向券商申請,且絕對不可商用。不同券商的驗證格式不同——永豐金需要電腦的 CIA 憑證,元大需要券商帳號與身份證字號,使用時務必留意。

重點整理

重點
  • 1

    報價源選擇與限制:復古 API 是最簡單的免費選項,無需付費即可使用模擬環境;若要連接元大或永豐金券商 API,需分別向券商申請,且絕對不可商用。不同券商的驗證格式不同——永豐金需要電腦的 CIA 憑證,元大需要券商帳號與身份證字號,使用時務必留意。

  • 2

    API Key 的安全設計:API Key 只儲存在本地電腦的 .env 檔案中,不會上傳到雲端,這是為了防止洩露。一旦關閉 API Key 申請頁面就再也看不到,遺忘後只能重新申請或刪除舊的重建。在開放 Wi-Fi 環境使用要特別注意安全風險。

  • 3

    模擬與真實交易的區別:軟體目前設定為模擬模式(ORDER=None),下單不會真的送出;模擬下單會全部成交(與實盤部分成交不同)。若使用真實券商 API 進行實單交易,交易風險完全自負,必須事先簽署相關協議。

  • 4

    軟體架構與使用便利性:採用前後端分離設計,後端取得報價、前端提供交易介面。使用者可直接將專案 URL 交給 AI(如 Codex)協助部署和修改,無需手動配置;作為開源專案,所有功能、介面、顏色都可根據需求自由調整,完全免費。

實用技巧與重點

乾貨
  • 報價源限制
  • 復古 API 免費版:5 個訂閱數、1 個連線數、每分鐘 60 次請求限制
  • 元大 API:需向元大證券 OneAPI 申請、簽署 API 下單協議、驗證需要券商帳號和身份證字號
  • 永豐金 API:需在 GitHub 申請、簽署 API 下單協議、驗證需要 CIA 電腦憑證
  • 軟體功能清單
  • 證券成交委託查詢
  • MIT 委託單管理(單筆撤銷或批量撤銷)
  • 庫存下單(預設反向平倉:多單以跌停價、空單以漲停價送出)
  • 自選股庫存編輯(輸入代碼、成本,查看損益)
  • 自選股報價查詢
  • 五檔報價顯示
  • 分時明細、行情資訊
  • 指數報價(加權指數、台積電、電子指數等)
  • 價格顯示模式切換(相對值/絕對值)
  • 均價線顯示
  • 搜尋股票功能
  • 技術設定
  • API Key 保存位置:本地 .env 檔案(不上傳雲端)
  • 模擬模式設定:.env 檔案中 ORDER=None 表示不送真實交易
  • 環境支援:復古 API、元大、永豐金 API 環境切換
  • 修改 API 後需重啟後端程式
  • 模擬下單特性
  • 盤中模擬行情時全部成交
  • 回傳交易編號為模擬格式英文
  • 帳數可切換查看
  • 與實盤成交邏輯不同
  • 使用平台限制
  • 僅支援電腦運作,不支援手機
  • 需自備電腦環境執行前後端

結論

結論

這是零成本學習股票交易的理想工具,只需兩句話就能透過 AI 輔助完成部署,隨後即可在個人電腦上進行完整的模擬交易練習。

完整解析

詳細

這個開源專案針對想學習股票交易但缺乏安全練習環境的使用者而設計。講者一開始澄清了軟體的定位:目前是人工模擬下單(未來才規劃全自動),但因為取得即時報價是痛點,所以預先整合了復古 API、元大、永豐金等報價源供使用者選用。部署過程極為簡便——只要將專案 GitHub 網址貼給 AI 工具(如 Codex),AI 就能自動克隆、安裝依賴、啟動前後端,省卻繁瑣的手動配置。

報價源的選擇攸關成本與合規。復古 API 最容易上手,免費用戶可直接在模擬環境下使用合成報價測試,無需付費也無需申請 API Key。但若要取得真實台股報價,需自行註冊復古官網申請 API Key,申請時會跳出 Key 視窗,使用者必須立即複製保存(關閉後無法再看),然後手動貼到軟體的 .env 配置檔。元大和永豐金 API 則不可商用,但可用於個人學習;兩家券商的認證方式略有不同,講者建議直接將文件丟給 AI 幫忙理解和串接。無論使用哪個 API,透過程式自動下單都涉及真實交易風險,所以使用者必須先簽署券商提供的 API 下單協議,確認風險自負。

軟體介面功能齊全,分為幾個主要區塊。左上角顯示已委託的 MIT 單據,可逐筆撤銷或批量選擇後一起撤銷。中間是庫存管理面板,預設會載入一些示範庫存,使用者可編輯股票代碼和成本以追蹤損益;也可設定平倉規則,例如多單以跌停價、空單以漲停價自動平倉。右側則是報價區,顯示加權指數、個股(如台積電)、電子指數等走勢,支援切換相對值和絕對值,也會繪製均價線供參考。下單時輸入數量後點「委託送出」,模擬環境會立即全部成交(實盤可能部分成交),回傳的交易編號為模擬格式英文。搜尋股票功能則需較長時間載入完整股票清單。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。