近年來，金融科技 (Financial Technology)日益發達，隨處即可在企業中見到 它的影子，KPMG[1]統計，金融科技的交易額在 2015 年達到歷史新高，而創投 公司也較去年成長了百分之一百零六，也難怪摩根大通的執行長 Jamie Dimon 於2015 年 4 月曾說：「Silicon Valley is coming.」，意味著未來矽谷將會吃掉華 爾街的午餐。然而過去台灣法規較嚴謹、金融環境開發不足，因此起步較其他先 科技先進國家的差距呢？本研究參考美國的 Quantopian、 QuantConnect 和英國 的 Cloud9trader，決定建置演算法交易雲端平台，讓交易者搖身一變，成為開發 者，透過瀏覽器即可撰寫程式、執行交易測試，實現過往只有大型機構底下內部 人員才能進行的開發工作。此外，平台也追加社群功能，讓開發者可以在上面共 同研究與討論，有效提升整體研發效率，最終希望此平台能匯集眾人的智慧，藉
‧
除了金融科技日益茁壯，深度學習( Deep Learning)也不遑多讓，還記得 Google AlphaGo 在 2016 年 3 月，以四勝一敗的佳績勝過世界第一的南韓圍棋棋
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2. 平台建置在雲端上，讓使用者透過瀏覽器直接存取使用，此外平台也提 供社群功能，讓開發者可以在上面盡情學習、討論。
3. 引入深度學習套件，提升演算法交易的準確度，並搭配 GPU 的使用，
加速演算法運算的速度。
4. 下單交易採用區塊鏈，透過分散式帳本的技術，讓每筆交易都安全、透 明且低成本地被記錄下來
第三節 研究流程
本研究的流程圖如下，分為六個階段，分別是定義問題、文獻探討、系統架 構設計、系統實作、系統測試、結論及未來展望。
首先從既有的研究背景下定義問題，再針對相關領域的文獻進行深入探討，
將以上之基礎，設計出本研究的系統架構，並實作完整的系統，而後再進行一連 串的系統測試來證明系統可用性。最後將總結本研究的成果、貢獻，並探討其未 來的改善空間。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 一-1 研究流程
（資料來源：本研究繪製）
‧
NYSE)引入訂單傳送及成交回報系統( Designated Order Turnaround, DOT)與開盤 自動報告服務系統( Opening Automated Reporting System, OARS)。進入 80 年代 後期，美國證卷市場已全面發展電子化交易，並廣泛地應用在股票與期貨的跨市 算術平均價( Time Weighted Average Price, TWAP)、成交量加權平均價( Volume Weighted Average Price, VWAP)[7]。隨著電子市場日益成長，各式各樣的演算法策略也如雨後春筍般出現，這些 策略包含統計套利、期限套利、均值回歸及趨勢追隨等。根據2003~2012 共十年 的統計資料顯示[8]，在 2007 年演算法交易的交易量成長為去年的一半，而在 2009 年後，發展漸趨穩定，確保演算法交易的地位，並促使未來更多樣化的演算法被 開發出來。