Paper Trading 模擬交易 Python：CMoney 大富翁 API 與 11 年台股數據

模擬交易最常見的失敗，是練兩個星期、看到帳面翻紅或翻黑就下結論。台股 2015～2026 的真實回測給出更清楚的刻度：一個年化 39.7%、贏過 0050 含息（20.4%）的策略，仍然有 88.6% 的交易日淨值低於前一次高點，而且曾經連續 724 天沒有創新高。模擬帳戶真正在訓練的能力，是撐過這段。

圖 1：營收動能分散 20 檔 vs 0050 含息（2015-02～2026-07，對數座標）。紅色區間是策略從 2018-06-15 到 2020-06-08 完全沒有創新高的 724 天。

開始模擬前先看懂的四個數字

下表是本文示範策略（營收動能、分散 20 檔、月換股）與 0050 含息在同一段期間的對照。左邊三欄是回測報表會給你的成績，右邊三欄是你在模擬帳戶裡真正會經歷的東西。

回測區間 2015-02-11 至 2026-07-24，平均持股 19.9 檔。策略在年化報酬、日夏普、月索提諾三項勝出，最大回撤比 0050 深 3.9 個百分點。

右半邊三列才是這篇文章的重點：策略的難熬程度跟大盤幾乎一樣。淨值長期低於前高是持股這件事本身的常態，它本身不構成策略失效的證據。 這正是模擬交易要幫你先經歷一遍的事。

Paper Trading 是什麼，跟回測差在哪

Paper Trading（模擬交易）是用虛擬資金、真實市場報價下單，帳面損益照真實成交價計算，但不動到真錢。它跟回測的差別在時間方向：回測是把策略丟回過去，一次算完十年；模擬交易是從今天開始，一天一天跟著市場走。

兩者要回答的問題不一樣：

• 回測回答「這套規則過去行不行」。它給你年化報酬、最大回撤、夏普比率這些總結性數字。
• 模擬交易回答「這套規則我跟不跟得住」。它給你的是每天打開帳戶的感受、換股當下要不要手癢改單、連續三個月綠字時會不會想停掉。

回測的十年在報表上只佔一張圖，實際跟著跑的人卻要一天一天過。多數策略失敗的原因在執行端：跟著跑的人中途改了規則。

三步驟：用 Python 串接 CMoney 大富翁模擬帳戶

CMoney 的大富翁是台股少數免費、可用程式操控的模擬交易平台。我把操作它的程式碼開源成 CmoneyVirtualAccount，安裝後幾行 Python 就能下單。

1. 安裝

打開終端機（Windows 可用 Anaconda Prompt）輸入：

git clone https://github.com/koreal6803/CmoneyVirtualAccount.git
 
# mac 使用的指令
mv CmoneyVirtualAccount/cmoneyVirtualAccount ./cmoney
 
# windows 使用的指令
move CmoneyVirtualAccount/cmoneyVirtualAccount ./cmoney

2. 申請帳號

到 CMoney 大富翁 申請帳號。假如你用 Facebook 登入，仍然要另外設一組密碼（右上角使用者名稱 → 基本資料），否則 Python 無法登入。

3. 用程式操控帳戶

from cmoney.stock import VirtualStockAccount
 
# 登入
virtual_account = VirtualStockAccount('your_account', 'your_password')
 
# 切換子帳號
virtual_account.aid = '123456'
 
# 查看某檔股票的即時報價
virtual_account.get_price('2330')
 
# 查看目前持股與現有資金
virtual_account.status()
virtual_account.info()
 
# 買一張台積電、賣一張台積電
virtual_account.buy('2330', 1)
virtual_account.sell('2330', 1)
 
# 批次買進：一張台積電、一張聯發科
virtual_account.buy({'2330': 1, '2454': 1})
 
# 出清所有股票
virtual_account.sell_all()
 
# 把帳戶持股調整成指定的組合（先賣掉不在名單內的，再買進名單內的）
virtual_account.rebalance({'2330': 1, '2454': 1})
 
# 自動把資金平均分配到這幾檔（實際模擬選股策略時最常用這個）
virtual_account.sync(['1101', '2330'])
 
# 查看與刪除委託單
virtual_account.get_orders()
virtual_account.cancel_all_orders()

把選股策略同步到模擬帳戶

模擬帳戶真正的用途，是接上一個有規則的策略，而不是憑感覺點買賣。下面這段用 finlab 算出當期該持有的股票，再一行同步到大富翁帳戶。第一次執行時 finlab 會自動引導登入，不需要在程式裡填任何金鑰。

from finlab import data
from finlab.backtest import sim
 
close = data.get('price:收盤價')
volume = data.get('price:成交股數')
revenue = data.get('monthly_revenue:當月營收')
 
# 短期價格動能：近 5 日平均日報酬
momentum = (close / close.shift() - 1).rolling(5).mean()
 
# 趨勢濾網：站上 20/60/120 日均線
trend = (close > close.average(20)) & (close > close.average(60)) & (close > close.average(120))
 
# 營收動能：3 個月平均營收高於 12 個月平均
revenue_up = revenue.average(3) > revenue.average(12)
 
# 流動性濾網：20 日平均成交量 500 張以上
liquid = volume.average(20) > 500 * 1000
 
position = momentum[trend & revenue_up & liquid].is_largest(20)
 
report = sim(position, resample='M', resample_offset='11D',
             stop_loss=0.1, position_limit=0.08, name='營收動能分散20檔')

拿到 position 之後，把最新一期的持股名單丟給模擬帳戶：

from cmoney.stock import VirtualStockAccount
 
virtual_account = VirtualStockAccount('your_account', 'your_password')
 
latest = position.iloc[-1]
stock_ids = list(latest[latest > 0].index)
 
# sync 會自動平均分配資金，並賣掉不在名單內的持股
virtual_account.sync(stock_ids)

之後每個月換股日執行一次，模擬帳戶就會跟著策略走。這條路徑跟真實下單只差最後一步，想直接接券商的話可以看自動下單的爬蟲與部位串接與 FinLab 全自動下單。

模擬要跑多久才看得出東西：11 年台股數據

這是模擬交易最常被問、也最少人用數據回答的問題。我們把上面那個策略的每日淨值拆開來看，算出三組體感指標。

你有 88.6% 的日子會在「還沒回本」的狀態

圖 2：距離前次淨值高點的百分比。策略有 88.6% 的交易日在水面下，0050 含息是 90.3%。

把每天的淨值跟「歷史最高淨值」相比，只有創新高的那天是 0，其餘都是負的。11 年 2,788 個交易日裡，策略有 2,470 天低於前高，比例 88.6%；0050 含息是 2,512／2,783，比例 90.3%。

換句話說，你打開帳戶看到「離最高點還差一截」的機率接近九成，而且買 0050 也一樣。模擬帳戶最重要的訓練，是讓你在這個狀態下仍然照規則換股。

最長的一段：2018-06-15 到 2020-06-08，整整 724 天沒有再創新高，中間最深跌到 -37.9%。0050 含息的對應紀錄是 2022-01-18 到 2024-02-15 的 758 天。如果你只模擬三個月就下結論，抽到的很可能是這 724 天裡的任意一段。

寫這篇文章的當下就是一個現成的例子：截至 2026-07-24，這個策略距離前次高點還差 -22.3%，同一天 0050 含息是 -7.9%。全期年化 39.7% 與此刻帳戶上的紅字同時成立，模擬帳戶要先讓你習慣的就是這件事。

三分之一的月份會是紅字，連四個月收黑是正常的

圖 3：策略逐月報酬熱圖（2015～2026）。137 個月裡有 36.5% 收黑，最長連續 4 個月收黑發生在 2016 年 9 月至 12 月；最右下角的 2026 年 7 月為統計至 24 日的部分月份。

137 個月份中有 50 個月是虧的，比例 36.5%（0050 含息是 37.2%；最後一個月統計至 2026-07-24）。最差的單月是 2021 年 5 月的 -26.6%，最好的單月是 2020 年 8 月的 +31.9%。連續收黑的最長紀錄是 4 個月，發生在 2016 年 9 月到 12 月，而 2016 年全年策略仍上漲 16.5%。

這組數字給模擬交易一個明確的停損標準：連續三、四個月虧損不足以判定策略失效，因為在一個年化 39.7% 的策略裡它本來就會出現。要判定失效，需要的是規則本身的前提改變（例如流動性條件不再成立），而不是帳面顏色。

任選一天進場，持有一個月有三分之一機率是虧的

圖 4：任選一天進場後，持有不同期間仍為帳面虧損的機率。持有愈久，虧損機率愈低。

把 11 年裡每一個交易日都當成「進場日」，計算持有固定期間後的報酬：

模擬一個月，有三分之一的機率你會得到一個誤導性的結論（策略沒問題但你看到紅字），這個機率在 0050 上是 36.1%。模擬期拉到半年以上，虧損機率才明顯低於兩成，策略跟大盤的差距也才開始顯現：持有一年時策略的虧損機率是 12.8%，0050 是 19.9%。

實務上的建議是模擬至少三到六個月、涵蓋至少一次完整的換股循環與一次明顯的回檔，再決定要不要投入真錢。

為什麼帳面數字撐不住人：三份研究

模擬交易在做的事，本質上是先把行為偏誤的成本花在虛擬帳戶上。三份經典研究解釋了這些偏誤從哪來：

• Kahneman & Tversky（1979） 的前景理論指出，人對損失的感受明顯強於對同額獲利的感受（後續 Tversky & Kahneman（1992） 把這個損失趨避係數估在 2.25 附近）。這解釋了為什麼 88.6% 的水下時間會被主觀放大成「這策略不行」。
• Odean（1998） 的處分效果研究分析一萬個券商帳戶，發現投資人明顯傾向賣掉賺錢的部位、抱住虧錢的部位。策略要求月底換股時，這個傾向會直接讓你想跳過某幾檔。
• Barber & Odean（2000） 追蹤 66,465 個家庭帳戶，發現交易最頻繁的族群年化淨報酬 11.4%，比市場的 17.9% 低約 6.5 個百分點，成本主要來自過度交易。模擬帳戶的價值之一，就是讓你看見「多做的那幾筆」對淨值的實際影響。

這三個機制都不需要真錢才會發生，所以模擬交易能練到。它練不到的部分放在下一節。

模擬交易的檢查清單：該記錄什麼

模擬期間光看帳面損益意義不大，建議固定記錄這幾項，結束時才有東西可以檢討：

1. 有沒有照規則換股：每次換股日記下「策略給的名單」與「你實際下的單」，兩者不一致的次數就是你的執行落差。
2. 手癢紀錄：每次想要改單、加碼、停損卻不在規則裡的念頭都記一行，包含當下的帳面損益。模擬結束後回頭看，這些念頭多半發生在水下最深的時候。
3. 成交價落差：模擬平台用的是真實報價，但你的委託價與收盤價會有差距，把它記下來當作滑價的粗估（滑價定義）。
4. 持股數與集中度：確認實際持股接近策略設定的檔數。持股過度集中會讓體感波動遠大於回測，這點在分散投資的成本有完整的數據拆解。
5. 換股頻率：實際換手率若遠高於回測假設，成本會吃掉報酬（周轉率定義）。

回測方法與限制

本文所有數字都來自 finlab 套件的真實回測，可用文末的 strategy.py 完整重現。

風險調整指標的口徑統一：夏普與索提諾皆由日／月淨值序列計算，無風險利率取 1%。策略的月索提諾 1.92 高於 0050 的 1.70，日夏普 1.37 高於 1.03（日索提諾 1.84 對 1.41、月夏普 1.23 對 0.97，四種口徑一致勝出），但最大回撤 -37.9% 比 0050 的 -34.0% 更深，追求較低波動的讀者要把這點納入考量。

模擬交易本身也有三件事練不到：

• 胃納量：模擬平台不會因為你的委託而讓價格移動，真實下單在小型股上會有衝擊成本。
• 真實的心理壓力：虛擬資金的痛感遠小於真錢，模擬期表現好不代表真倉能執行相同紀律。
• 滑價與成交失敗：模擬撮合通常比實際寬鬆，漲跌停與零股情境不一定被完整模擬。

這三項加上其他常見的回測失真來源，整理在回測限制與回測陷阱完整指南；回測報酬率本身怎麼計算，可以看 FinLab 回測引擎規則解析。

常見問題

Q1：CMoney 大富翁模擬交易免費嗎？ 基本的模擬帳戶免費，註冊後即可使用。用 Facebook 登入的話要另外設定密碼，Python 才能登入。

Q2：模擬交易要跑多久才有參考價值？ 以本文數據為準，模擬一個月有 33.9% 的機率得到與策略長期表現相反的結論，建議至少三到六個月，並涵蓋一次完整換股循環與一次回檔。

Q3：Paper Trading 跟回測哪個重要？ 回測驗證規則本身，模擬驗證你執行規則的能力。策略沒經過回測就模擬，等於用三個月的樣本判斷一套規則，樣本數遠遠不夠；只有回測沒有模擬，則容易在第一次連續虧損時放棄。

Q4：模擬帳戶賺錢，真實帳戶就會賺錢嗎？ 不一定。模擬不含衝擊成本與真實心理壓力，兩者的差距在資金規模大、標的流動性差時特別明顯。

Q5：可以用其他券商的模擬帳戶嗎？ 可以。永豐、玉山富果等券商都有模擬或實單 API，差別在申請流程與可用函式；本文的策略同步邏輯（取得當期持股名單 → 呼叫同步函式）不變。

Q6：連續虧損幾個月該停掉策略？ 用固定月數當停損門檻並不可靠。本文策略最長連續 4 個月收黑，但當年仍為正報酬。判定失效應該回到規則前提是否改變，或是用回測績效檢討的方法重跑最新資料。

Q7：模擬交易需要自己寫程式嗎？ 不需要從零寫。策略部分可以直接跟 AI 助手描述條件，讓它用 finlab 產生程式碼；選股策略工具頁與量化交易總覽有更多可直接使用的範例。

互動式回測報告

下面是本文策略的完整回測報表，可以自行切換指標、拖曳時間軸，觀察每一段水下期間的長度：

下載資源

重跑方式：安裝 finlab 套件後直接執行 strategy.py（第一次執行會自動引導登入），或把檔案內容貼給你的 AI 助手，請它換成你自己的選股條件再跑一次。

延伸閱讀

• 月營收動能選股：台股 11 年回測與參數拆解（該文同一變體回測到 2026-06，本文釘在 2026-07-24、含 7 月 -18.0% 的月報酬，因此年化數字略低）
• 程式交易是什麼？完整入門指南
• 低波動選股有效嗎？純低波輸 0050 的台股實測
• FinLab 與 CMoney 的功能比較

投資警語：本文僅供教學參考，不構成投資建議。投資有風險，過去績效不代表未來表現。模擬交易的結果不代表真實交易績效，讀者應自行評估風險承受度，並在做出投資決策前諮詢專業顧問。

最後更新：2026-07｜回測區間：2015-02-11～2026-07-24｜作者：FinLab 量化研究團隊（經量化研究員審閱）