應徵統一證券 · 計量交易部 期貨自營科 實習生

我自己做交易,也自己做交易工具

我是莊宇正,政治大學企業管理學系三年級。高中就開始交易台股,這幾年花最多時間在兩件事上:用自己的錢下場做期貨相關的策略,還有用 AI 把看盤和研究的流程做成自己在用的工具。說來有點巧,我自己做的看盤工具裡,早就接了統一證券的交易系統。所以看到期貨自營科在徵實習生,我幾乎是立刻就想投。

政大企管 · 大三 GPA 4.0 / 4.3 期貨商業務員 康和期貨 實習中
真實交易 · 券商成交回報
融券放空實單(2026 上半年,31 筆)。這不是回測,是真的下單、真的入帳。
64.5%
勝率(20 勝 / 11 敗)
1.51
獲利因子
淨損益(含費稅)
+ 7.3
trending_up實現獲利

往下捲有每一筆的完整明細與心得

我平常在做的事

簡單講就是三件:真的下場交易、用 AI 把想法快速做成工具、把研究整理成查得到出處的東西。下面分開說。

candlestick_chart

真的下場交易

我用自己的錢做期貨和台股,不是紙上談兵。也考過期貨商業務員,證照和實務都有涉獵。下單這件事我最大的體會是,找出「什麼會影響價格」其實不是最難的,難的是真的按紀律執行。

bolt

用 AI 快速把問題做成產品

我不是資工本科。我做東西的方式是 vibe coding:把問題想清楚,再用 AI 一步步做成能用的產品。這也代表,不管是我自己的點子、還是別人交辦的任務,給我一個問題,我通常很快就能生出一個能動的東西——到目前的專案都是這樣完成的。

menu_book

把研究整理成知識庫

我把自己的選股與產業研究,整理成一座隨時查得到出處的知識庫,累積了 800 多篇。每一篇個股頁都標好資料來源,之後回頭查、或交叉比對都方便,不會寫完就忘。

策略開發 · 從模型到真實下單

我怎麼把一套策略,做到真的敢下單

我開發策略習慣走完整一圈:先有一個市場觀察,把它做成可以量化的因子,用歷史資料回測驗證,然後真的拿自己的錢下場、逐筆對帳,再把風控寫成規則交給程式執行。下面講的就是這一圈。

01
市場觀察
快被「關緊閉」(處置)的股票,隔天多半會回檔。
02
做成因子
把「處置事件」疊上「成交量」,做成兩個可以量化的訊號。
03
訓練模型
把資料清乾淨、訓練一個機器學習模型,再用它沒看過的新事件做樣本外驗證。
04
真實下單
拿自己的錢下場 31 筆,逐筆對帳。
05
風控紀律
把停損寫進程式、盯住回撤,讓情緒離下單那一刻遠一點。
模型出訊號 · 我負責執行與把關

模型負責選,我負責下單

我把「處置股隔天容易回檔」做成一個機器學習模型,讓它在公布日盤中判斷隔天該不該空,再拿它的訊號實際下融券單。模型不是擺著好看,我真的照它下單,也真的會否決它。下面這 31 筆就是照著它下的,損益都扣掉手續費和交易稅。

86.7%
模型高信心命中率
(樣本外 15 筆,非成交)
71
模型沒看過的
樣本外新事件
真的下單之後才學到的兩件事

我原本以為,交易最難的是把「什麼會影響股價」研究清楚。真的下場之後才發現不是。

第一難是管住自己。訊號明明出來了,我卻常常臨場自作聰明,改掉本來想好的進出場。後來我才接受,要把策略該有的優勢穩定拿回來,得先把情緒從下單那一刻移開。這也是我為什麼一直把紀律往程式裡寫,交給它冷冰冰地執行。

第二難是本金。資金還小的時候,太貴的股票我根本空不起。就算它真的照我看的方向跌,我也只能在旁邊看著。這件事很實際,也讓我對「規模」這回事有了體感。

模型和我,實際上怎麼互動
check_circle照模型做 → 賺

港建(3093)模型叫我空,我照著做,一天 +10.3%,方向跟模型一致。

cancel違背模型 → 賠

青雲(5386)模型只給 0.07 分、等於叫我別空,我憑直覺硬進場,賠了 -10.5%。這筆讓我更信模型的紀律。

block模型做不到 → 我補

有些股票停券空不了、或價格太高空不起,模型算得出訊號我卻下不了單。這種例外只能靠我自己判斷。

64.5%
實單勝率(20 勝 / 11 敗)
+73,234
淨已實現損益(TWD,含費稅)
1.51
獲利因子(總獲利 / 總虧損)
31
真實交易筆數(2026/01–05)
完整交易明細 · 每一筆
融券放空交易紀錄(2026/01–05,31 筆,勝率 64.5%,淨損益 +73,234 元)
zoom_in點擊看大圖

核心專案

我自己做的看盤儀表板

一個畫面,看完我在意的所有東西

我用 vibe coding 做了一個自己天天在用的看盤儀表板,把不同券商的帳戶、行情、部位整合到同一個畫面。它不小,程式有五萬多行,我還讓它跑上千個自動測試,確保改東西的時候不會不小心弄壞別的地方。

一件剛好的事

這個工具裡,我把統一證券的交易系統接了進來。它原本的技術規格跟我的工具本來兜不起來,我繞了一條路才把它接通,中間卡了好一陣子。當時純粹是自己想用,沒想過有天會拿它來應徵統一。要我證明我真的做得出交易工具,這大概是我手上最好的例子。

自製看盤投研儀表板介面

AssetGuard 理財網站

看原始碼 ↗

另一個我用 vibe coding 從前端做到後端的理財網站,程式碼公開在 GitHub。一站管台股、美股和加密貨幣,有登入、有各種走勢圖,背後的資料庫也是我自己規劃設計的。

投研知識庫

看做法 ↗

我把選股與產業研究整理成一座查得到出處的知識庫,累積 800 多篇。這套整理方法我也抽成一個公開的模板放上 GitHub,想看我怎麼組織資料,直接開來看就好。

投研知識庫的架構與三階段流程:收料、精煉、出報告
投研知識庫的架構 · 流程是收料 → 精煉 → 出報告
主力籌碼機器人 · 每天收盤後的推播
每日主力買賣超前十名
主力卡位自動進觀察名單
台股 VIX 波動率盤後推播
期貨大額交易人未平倉異常偵測

這幾個通知背後是同一套做法:本來每天要自己一項項盯的盤後功課,我用 AI 寫成程式自動抓、自動算,掛在免費排程上每天自己跑,收盤後直接推到我手機。

先說在前面

與其等面試被問,我想先把幾件事講清楚。我寧可誠實一點,也不想讓你覺得我在包裝。

我說「我做的」,指的是 vibe coding

上面這些程式不是我一行行手刻出來的,我不會這樣講。它們都是我用 AI 做出來的。我提供的價值是判斷:要解決什麼問題、東西該怎麼架、遇到限制怎麼繞、哪個作法以後會後悔。這些我都自己想過、也留了紀錄,不是把需求丟給 AI 就收工。

SQL 和 C#,我會到哪

SQL 我有實際用過,前面提到的 AssetGuard 理財網站,背後的資料庫就是我自己設計的;只是更進階的查詢我目前還會靠工具輔助,不是純手寫。C# 我讀得懂官方文件、能把它接進我的系統,但沒有從零手刻的經驗。這兩塊我不會說自己精通,但補起來不會太慢。

模型的數字,哪些我敢放、哪些不敢

同一套處置股的想法我做成了模型,也跑過完整回測,數字很漂亮。但純回測是拿歷史去對答案,我不會拿它當招牌。比較有意義的是用模型沒看過的新事件做樣本外測試,還有真的下單那 31 筆——這兩個我才敢放上來,因為前者模型作弊不了、後者是真金白銀。

看盤儀表板的底子是開源專案

OpenStock 一開始是接手一個開源專案,原本的骨架不是我搭的。但券商整合、期貨的部位計算、把 AI 模型接進來、還有補測試,這些是我加上去的。

莊宇正 Chuang Yu-Cheng 大頭照

關於我

莊宇正 Chuang Yu-Cheng

政治大學企業管理學系三年級,GPA 4.0。高中就對市場很有企圖心,2020 年開戶交易台股。早期碰上那段航海王行情,養成了不停損的壞習慣,也因此受過傷。進大學之後,一邊是系統的商學訓練,一邊是靠實戰反覆檢討,慢慢長出一套自己的交易系統。

2026 年暑假我在康和期貨實習,七月做到八月中,第一次從券商內部看期貨的資料和流程實際怎麼跑。康和的實習會在八月中結束,統一九月開始,中間只隔三週。我想把這段期貨業的實務,接著往自營做深。

學歷

國立政治大學
企業管理學系 · 大三 · 預計 2027 畢業
GPA 4.0 / 4.3

財務報表分析能力

初級會計學大會考 · 全校性考試
第一學期班排 5-6 · PR 90-95
第二學期班排 2-3 · PR 95-98

金融證照

期貨商業務員
信託業業務人員
金融市場常識與職業道德

技能

金融
期貨交易 量化回測 基本面研究 籌碼面分析 產業研究
程式與工具
Python JavaScript · React 資料庫 · SQL Git / GitHub AI 開發(Claude Code 等)
語言
中文(母語) 英文(流利) 日文(進修中)

想找我聊聊嗎?

我每週可以到三到四天,2026 年 9 月 7 日到 12 月 11 日全程配合。私底下的看盤工具和知識庫都可以現場開給你看。歡迎來信。