前言：演算法交易不是單一種東西
很多人聽到「演算法交易」（Algorithmic Trading），腦中浮現的畫面常常是電影裡那種幾百台伺服器、一眨眼就下單百萬次的高頻交易畫面。但實際上，演算法交易是一個很大的傘狀概念，底下涵蓋的策略邏輯差異非常大——有些追求「盡量貼近某個基準」，有些追求「利用價差賺取幾乎無風險的利潤」，有些則是「持續提供買賣報價賺取價差」。
這篇文章會把演算法交易拆成三個最常見、也最具代表性的類型：指數追蹤型（Index Tracking）、套利型（Arbitrage）、造市型（Market Making）。我們會用客觀的方式說明每一種策略的定義、運作機制、計算公式，並搭配匿名化的情境案例來理解型態，同時對照台灣證交所與期交所的實際制度，讓你對「演算法交易在台灣市場如何運作」有一個扎實的認識架構。
在開始之前先講清楚：這篇文章的目的是教育與觀念釐清，不涉及任何個股的具體操作建議，也不會告訴你「該不該進場」。演算法交易的世界裡，制度規則跟數學邏輯才是重點，這也是這篇文章想帶你看懂的東西。
一、什麼是演算法交易？先建立共同語言
演算法交易，廣義來說是「用電腦程式，依照預先設定好的邏輯規則，自動判斷並執行買賣委託」的交易方式。這個定義底下其實包含幾個層次：
- 執行層演算法（Execution Algorithms）：目標不是決定「買什麼」，而是決定「怎麼買」。例如把一筆大單拆成很多小單，分散在一段時間內下單，避免一次性的大量委託造成價格劇烈波動。常見的有 TWAP（時間加權平均價格）、VWAP（成交量加權平均價格）等執行演算法。
- 策略層演算法：這才是本文要談的重點，也就是決定「買什麼、什麼時候買、依據什麼邏輯買」的核心策略，包括本文要介紹的指數追蹤、套利、造市三大類。
- 高頻交易（High-Frequency Trading, HFT）：這其實是一種「執行速度」的描述，而不是策略類型本身——套利、造市都可以用高頻的方式執行，但高頻不等於套利或造市。
理解這三層架構很重要，因為新聞媒體常常把「程式交易」「量化交易」「高頻交易」「演算法交易」混著用，但這些詞彙指涉的層次其實不太一樣。程式交易（Program Trading）在台灣期交所與證交所的脈絡下，通常泛指透過電腦程式自動下單的交易行為，而演算法交易則更強調背後的邏輯設計。
二、指數追蹤型策略：目標是「貼近基準」而非「打敗基準」
2.1 基本邏輯
指數追蹤型策略的核心目標，是讓投資組合的報酬盡可能貼近某個參考指數（Benchmark Index）的報酬，而不是去預測市場方向或個股漲跌。這類策略最典型的應用場景，就是被動式指數型基金（Index Fund）與 ETF（指數股票型基金）的基金經理人或程式，需要持續調整持股，讓基金淨值變動與追蹤指數同步。
指數追蹤最常見的兩種做法：
- 完全複製法（Full Replication）：依照指數成分股的權重，一比一買進所有成分股。優點是追蹤誤差通常較小，缺點是成分股數量多時交易成本較高，且遇到指數調整（如成分股更換）時需要大量調倉。
- 最佳化複製法（Optimized Sampling / Representative Sampling）：不買進全部成分股，而是透過統計方法（例如共變異數矩陣最小化）挑選一部分具代表性的成分股，模擬出與指數高度相關的報酬曲線。這種做法常用在成分股數量龐大、或部分成分股流動性不足的指數上。
2.2 追蹤誤差的計算
指數追蹤策略最核心的績效指標，是「追蹤誤差」（Tracking Error）。它衡量的是基金報酬率與指數報酬率之間的差異程度，常見的計算方式是：
追蹤誤差 = 標準差（基金日報酬率 − 指數日報酬率）
也就是計算「基金報酬與指數報酬的差」這個數列的標準差，數字越小代表追蹤越精準。造成追蹤誤差的原因通常包括：管理費與交易手續費的內扣、指數成分股調整時的緩衝期、股利發放與再投資的時間差、以及ETF規模較小時無法完全複製的部分成分股。
以台灣市場實際運作的 ETF 為例，根據 ETF 產業的公開資料，完全複製法追蹤的大型 ETF，追蹤誤差通常可以控制在很小的幅度內（差距可能僅有指數報酬的千分之幾），但這會因市場波動度、基金規模、管理效率而有所不同，並非所有 ETF 都能達到相同水準。
2.3 折溢價與淨值的關係
除了追蹤誤差，指數型 ETF 還有另一個重要觀念是「折溢價」（Premium/Discount）：
折溢價率 = （次級市場成交價 − 基金淨值）÷ 基金淨值 × 100%
當這個數字大於零，代表市價高於淨值，稱為溢價；小於零則稱為折價。折溢價的產生，主要是因為 ETF 存在「次級市場」（一般投資人在證券交易所買賣的市場）與「初級市場」（透過申購／買回機制，以一籃子股票或現金與基金份額互換的市場）兩個並存的交易管道，兩者之間如果供需不平衡，就會產生價格落差。這個落差正是下一節「套利型策略」要處理的核心問題。
三、套利型策略：捕捉「同一價值、不同價格」的落差
3.1 套利的基本定義
套利（Arbitrage），指的是在幾乎沒有額外風險承擔的前提下，利用同一種資產（或高度相關資產）在不同市場、不同時點、或不同表現形式之間出現的價格落差，透過同時買進被低估的一方、賣出被高估的一方，賺取這個價差收斂後的利潤。
套利型策略之所以特別適合用演算法執行，是因為套利機會通常存在的時間非常短暫——一旦市場上有足夠多的參與者發現同樣的價差，很快就會有人進場交易，使價差收斂消失。因此套利策略高度依賴速度與自動化，這也是為什麼套利型策略經常與高頻交易技術結合。
常見的套利類型可以分為以下幾種：
（1）ETF 申購買回套利（Creation/Redemption Arbitrage）
這是台灣市場最典型也最制度化的套利型態。當 ETF 市價與淨值出現明顯落差時，具備參與券商資格、且能夠執行實物申購買回的機構投資人（財力雄厚、具備一籃子股票調度能力的專業法人），可以透過以下方式套利：
- 當 ETF 市價「高於」淨值（溢價）時：向 ETF 發行人以淨值申購 ETF 份額（用一籃子成分股或現金換取 ETF 單位），再到次級市場以較高的市價賣出，賺取價差。
- 當 ETF 市價「低於」淨值（折價）時：反向操作，在次級市場以較低市價買進 ETF，再向發行人申請買回（贖回一籃子成分股或現金），實現價差。
根據證交所公開資料，ETF 的申購買回通常以基金公開說明書所訂的最小單位（例如常見的 50 萬受益權單位）之倍數進行，門檻確實較高，因此這個管道以機構法人為主要參與者。這個套利機制的存在，正是維持 ETF 市價貼近淨值、控制折溢價幅度的重要制度設計——這也是為什麼證交所與 ETF 發行人都要求配置「流動量提供者」，下一節會說明。
（2）跨市場套利（Cross-Market Arbitrage）
同一檔資產（或高度連動的資產）在兩個不同交易所或市場掛牌時，若出現價格落差，可透過同時在兩個市場買賣進行套利。例如同一家公司若同時在不同交易所發行存託憑證，兩地價格理論上應該高度連動，一旦出現落差且扣除匯率與交易成本後仍有利潤空間，就存在套利可能。
（3）期現貨套利（Cash-and-Carry Arbitrage）
利用期貨與現貨之間的理論價格關係進行套利。期貨的理論價格公式大致為：
期貨理論價格 = 現貨價格 ×（1 + 無風險利率 − 股利殖利率）^ 到期天數比例
當市場上的期貨實際成交價，明顯偏離這個理論公式算出的價格時，就可能出現「買進現貨、賣出期貨」（正向套利）或「賣出現貨、買進期貨」（反向套利，通常需要透過借券等機制）的套利空間。台灣期交所的台股期貨、電子期貨、金融期貨等商品，都存在類似的期現貨關係，這也是統計套利型演算法策略經常研究的對象。
（4）統計套利（Statistical Arbitrage）
這是相對進階的套利型態，不完全依賴「明確的價值連結」（如 ETF 與其成分股），而是透過統計方法（例如協整關係、相關係數）找出歷史上高度連動、但目前出現偏離的一組資產，在偏離擴大時建立配對部位（買進相對弱勢者、賣出相對強勢者），賭兩者的價差會回歸歷史常態關係。這類策略需要大量歷史資料回測，且必須嚴格控制模型失效（價差不收斂反而持續擴大）的風險。
3.2 一個匿名化的情境示範（純教學型態描述）
為了幫助理解套利邏輯，我們用一個完全匿名、不對應任何真實標的的假設情境來說明型態，這裡不涉及任何具體買賣點位或操作建議：
假設有一檔追蹤某產業指數的 ETF，某個交易日因為市場消息面帶動大量買盤湧入次級市場，導致 ETF 市價短時間內明顯高於當時計算出的基金淨值，形成溢價。此時，具備申購買回資格的機構參與者，理論上可以透過「用淨值申購、用市價賣出」的方式進行套利操作，這個套利行為本身會產生兩個效果：一是增加次級市場的賣壓（拉低市價），二是增加對成分股的申購需求（可能影響淨值），兩者共同作用會讓價差逐漸收斂。這就是套利機制「自我修正市場價格」的典型運作型態，而不是套利者主觀判斷「這檔便宜」或「那檔昂貴」。
四、造市型策略：用報價價差換取流動性收入
4.1 造市商的角色
造市商（Market Maker）不是在賭市場漲跌，而是持續在買賣雙邊掛出報價，透過「買價」與「賣價」之間的價差（Bid-Ask Spread）作為主要利潤來源，同時扮演提供市場流動性的角色。
以台灣證券市場為例，根據證交所公開的制度說明，上市櫃 ETF 必須配置至少一家以上的「流動量提供者」（Liquidity Provider），由具備參與證券商資格的證券自營商擔任，與 ETF 發行人簽訂契約，負責在次級市場持續掛出買賣報價，並依約定回應市場的交易需求。契約中會明訂流動量提供者的責任義務，包括：
- 最佳一檔買賣價差必須維持在一定範圍內（不能掛得太離譜）
- 有效報價的最低數量門檻
- 盡量維持買賣雙向都有報價掛出的狀態（而不是只掛單邊）
如果流動量提供者連續違反這些規範，可能會對 ETF 發行人祭出相應罰則。這套制度設計的目的很清楚：確保投資人在任何時候想買賣 ETF，市場上都有足夠的對手方報價可以成交，不會出現「有行無市」的窘境，進而間接控制折溢價幅度不會過度擴大。
4.2 造市策略的基本邏輯（型態描述）
造市演算法的核心運作邏輯，通常包含以下幾個要素：
- 持續報價：在買一、賣一（或更深的委託簿層級）掛出雙向委託單，價差寬窄依照該資產的波動度、流動性、以及造市商自身的存貨風險偏好動態調整。
- 存貨管理（Inventory Management）：造市商在成交後會累積「存貨」（買進後尚未賣出的部位，或賣出後尚未回補的部位）。演算法需要持續監控存貨部位是否偏向一邊過多，若偏多會傾向調整報價（例如把賣價壓低一些，鼓勵市場買走存貨），以控制方向性風險。
- 報價更新頻率：市場價格波動時，造市演算法需要即時更新報價，避免因為報價「過時」而被其他參與者用不利的價格成交（這在文獻上稱為逆選擇風險，Adverse Selection）。
- 風控觸發機制：當市場出現劇烈波動或異常事件時，造市演算法通常會設有自動擴大價差、甚至暫時撤單觀望的機制，避免在極端行情下承擔過大風險。這也是為什麼有時會觀察到市場劇烈波動時，某些商品的買賣價差突然明顯放大——這是造市機制自我保護的正常運作型態，而非市場「失靈」。
4.3 造市與台灣市場制度的連結
台灣證券市場除了 ETF 造市機制外，證交所與櫃買中心也建置了「股票造市者」（Market Maker for individual stocks）制度，讓部分流動性較低的股票能有專責造市者提供報價，改善買賣價差過大、成交不易的問題。此外，台灣證券與期貨市場也建有多重的流量與價格防護機制，包括委託線路流量限制、盤中瞬間價格穩定措施等，這些制度設計某種程度上也是在因應大量演算法報價可能對市場帶來的衝擊，確保造市與高頻報價行為不會演變成過度的市場波動來源。
五、三種策略類型的常見誤解
誤解一：「演算法交易」等於「一定賺錢」
三種策略類型都有各自的風險。指數追蹤策略仍會承擔整體市場下跌的系統性風險（追蹤誤差再小，指數本身下跌基金淨值一樣下跌）；套利策略看似「無風險」，但實際上存在執行風險（下單時價差可能已經收斂或反轉）、模型風險（統計套利的歷史關係可能失效）、以及對手方風險；造市策略則承擔存貨風險與逆選擇風險，在市場劇烈波動時，造市商也可能因為來不及調整報價而產生虧損。
誤解二：「高頻」是一種獨立的策略
如同前面提過的，高頻交易描述的是「執行速度快」這個特徵，而不是策略本身的邏輯。套利型策略常常需要高頻執行（因為價差存在時間短），但造市型策略也同樣仰賴高速報價更新，指數追蹤策略反而通常不需要極端的速度優勢，更依賴的是低成本與精準的成分股權重計算。把「高頻」直接等同某種神秘的獲利模式，是常見的迷思。
誤解三：散戶無法參與這些策略
雖然機構級的套利（例如 ETF 申購買回、期現貨套利）確實有資金門檻與制度資格限制，一般投資人難以直接參與，但指數追蹤型策略其實是散戶最容易接觸的類型——買進追蹤指數的 ETF，本質上就是搭上了指數追蹤演算法運作的成果。理解這些策略的運作邏輯，有助於投資人判斷自己買進的 ETF 追蹤品質好不好、折溢價是否在合理範圍，而不是只看報酬率數字。
誤解四：造市商只是「賺價差的中間商」，對市場沒貢獻
造市商透過持續提供雙向報價，讓市場在任何時間點都有成交對手方存在，這降低了一般投資人買賣時的滑價成本，也讓價格發現機制運作得更順暢。制度上要求 ETF 必須配置流動量提供者，正是因為如果沒有造市機制，市場可能出現流動性枯竭的情況，導致投資人想成交卻找不到對手方，或必須用很差的價格才能成交。
六、與台灣市場的連結：制度如何形塑演算法交易的樣貌
台灣的證券與期貨市場對於自動化交易，並非放任不管，而是透過一系列制度設計來平衡「效率」與「穩定」：
- 鉅額交易制度：期交所於民國 100 年（2011 年）建置「逐筆撮合」鉅額交易制度，並於民國 102 年（2013 年）新增「議價申報」鉅額交易制度，提供大額交易人（包括執行大型套利與造市部位調整的機構）處理大量部位的便利管道，避免大單直接進入一般市場造成價格劇烈波動。
- 流量與價格防護機制：台灣證券市場建有委託線路流量限制、盤中瞬間價格穩定措施、每日漲跌幅限制等多重機制，這些設計對高頻報價（無論是套利或造市演算法）都有實質的節流與穩定效果。
- ETF 流動量提供者的強制配置：如前所述，上市櫃 ETF 依規定必須有至少一家流動量提供者，這直接影響了 ETF 折溢價的收斂速度與投資人的實際交易成本。
- 大額交易人部位申報：期交所要求特定商品的大額交易人申報未沖銷部位，這讓監理機關與市場都能觀察到大型部位的分佈狀況，對於評估市場結構性風險（包括演算法策略集中度）有輔助作用。
這些制度並不是要限制演算法交易的發展，而是在鼓勵市場效率化（更緊密的價差、更精準的定價）的同時，避免自動化交易在極端情況下反而放大市場的不穩定性。理解這些制度背景，能幫助投資人更客觀地看待新聞上偶爾出現的「演算法交易亂象」報導——很多時候，市場本身就已經內建了對應的防護機制。
七、重點回顧
- 演算法交易涵蓋執行層（如何下單）與策略層（依據什麼邏輯交易）兩個層次，三大常見策略類型分別是指數追蹤、套利、造市。
- 指數追蹤型策略的目標是縮小與基準指數的追蹤誤差，常見計算方式是「基金報酬與指數報酬差異的標準差」；折溢價則衡量市價與淨值的落差程度。
- 套利型策略利用同一價值資產在不同市場、不同形式間的價差獲利，台灣最制度化的例子是 ETF 申購買回機制，此外還有跨市場套利、期現貨套利、統計套利等型態，各自有不同的風險來源（執行風險、模型風險、對手方風險）。
- 造市型策略透過持續掛出雙向報價賺取價差，同時提供市場流動性；台灣證交所規定 ETF 須配置流動量提供者，並訂有價差與報價數量的規範門檻。
- 三種策略類型都各自承擔不同性質的風險，「演算法交易」不等於「無風險」或「保證獲利」，速度快（高頻）也不是一種獨立的策略邏輯，而是執行手段。
- 台灣市場的鉅額交易制度、流量與價格防護機制、ETF 流動量提供者規範、大額交易人申報等制度，共同形塑了演算法交易在台灣實際運作的邊界與樣貌。
理解這些策略類型的運作邏輯，最大的價值不在於讓你自己去寫一套套利或造市程式（這需要相當專業的資源與資格門檻），而在於讓你在閱讀市場新聞、評估 ETF 商品、或理解交易所公告時，能夠分辨清楚：市場上的某個現象，究竟是制度設計下的正常運作，還是真的出現了異常。這份判斷力，才是認識演算法交易對一般投資人最實際的幫助。