C2 · 金融資料取得與來源比對
利用 yfinance 與證交所的資料,完成一份台積電股價月報
先接下一個真實任務
研究助理要整理 2026 年 9 月台積電的股價月報:
- 畫出每日收盤價。
- 計算首個到最後一個交易日的價格報酬。
- 說明資料來源,並與證交所同月份資料對照。
完成後交付一張圖、一張比較表,以及能重新執行的 Notebook。
先依問題選資料來源
| 想完成的工作 | 可以先查的來源 |
|---|---|
| 快速取得股價、探索一個想法 | Yahoo Finance/yfinance |
| 查台灣市場官方行情與公告 | 證交所、櫃買中心、公開資訊觀測站 |
| 做長期、跨公司學術研究 | TEJ、CRSP、Compustat 等研究資料庫 |
| 整理投資資訊、篩選與分析 | CMoney 等資料與分析產品 |
| 接收行情、連結帳戶與交易 | 券商提供的 API |
這些用途可以重疊;選擇取決於需要的市場、欄位、期間與存取條件。
找到來源後,再選取得方法
| 來源已提供什麼? | 優先嘗試的方法 |
|---|---|
| 可用的套件或 API | 依介面指定代號、日期與欄位 |
| CSV/Excel 下載 | 下載後用 pandas 讀取 |
| 標準 HTML 表格 | 先試 pd.read_html() |
| 需要更精細地選取網頁內容 | 再用 BeautifulSoup 與 selector |
| 互動後才出現、需要逐頁取得 | C3 的動態頁面與分頁方法 |
今天先用 yfinance,再以證交所的真實 HTML 報表理解網頁解析。
Part I
先用 yfinance 做出一張股價圖
用幾行程式取得台積電歷史股價
import yfinance as yf
yf_prices = yf.Ticker("2330.TW").history(
start="2026-09-01", end="2026-10-01",
interval="1d", auto_adjust=False,
)
print(yf_prices[["Close", "Volume"]].head())
上市股票使用 .TW(台積電 2330.TW);上櫃使用 .TWO(穩懋 3105.TWO)。TSM 是美國 ADR。
end 不包含當日,因此查詢涵蓋 9 月。換股範例見補充教材「股票代號」。
程式取得的是真實市場資料
| Date | Close | Volume |
|---|---|---|
| 2026-09-01 | 2,440 | 17,216,484 |
| 2026-09-02 | 2,385 | 19,825,721 |
| 2026-09-03 | 2,390 | 12,602,565 |
本次取得 20 筆;首末交易日為 9/1 與 9/30。查詢日期範圍與實際交易日期要分開看。
來源:Yahoo Finance,透過 yfinance 取得;供應者日後可能修訂歷史資料。
這張表的每一列,究竟代表什麼?
程式使用英文欄名:Close 是收盤價,Volume 是成交量。先寫下整理規格:
| 項目 | 本例的約定 |
|---|---|
| 每一列 | 台積電台股的一個交易日 |
Close |
新台幣/股,使用 auto_adjust=False 取得 |
Volume |
保留來源單位,跨來源比較前查統計範圍 |
Date |
交易日期;不重複,按時間由早到晚排列 |
Yahoo 回傳的 Date 是索引;整理比較表時轉成欄位。日後加入其他股票時,以「股票代碼+日期」共同識別每一列。
把收盤價畫出來
import matplotlib.pyplot as plt
yf_prices["Close"].plot(
marker="o", title="2330.TW — September 2026",
ylabel="TWD / share", figsize=(9, 3.6),
)
plt.show()
橫軸是資料中的交易日期;縱軸是每股收盤價。先看圖,再描述這段期間的變化。
這張圖就是月報的第一個成果
來源:Yahoo Finance/yfinance。折線連接相鄰交易日,不代表每天都有交易。
計算前,先確認時間往哪裡走
若把這份資料反向排列,首末兩筆就會變成:
| 排列順序 | 直接取首末價格計算 | 回答的問題 |
|---|---|---|
| 9/1 → 9/30 | 2480 / 2440 - 1 ≈ 1.64% |
從較早到較晚的價格變化 |
| 9/30 → 9/1 | 2440 / 2480 - 1 ≈ -1.61% |
從較晚倒推較早的價格變化 |
yf_prices = yf_prices.sort_index()
Notebook 在計算前先排序;iloc[0] 只表示第一列,日期順序決定它是不是起點。
把 C1 的公式用在真實價格
first = yf_prices["Close"].iloc[0]
last = yf_prices["Close"].iloc[-1]
period_return = last / first - 1
print(f"{period_return:.2%}")
本次資料是 2,440 → 2,480,首筆至末筆價格報酬約 1.64%。
這是 9/1 收盤到 9/30 收盤的變化;若要算「上月底到本月底」的月報酬,還需要上月底的收盤價。
同一套資料,欄位選擇會改變問題
| 欄位與設定 | 本例的用途 |
|---|---|
auto_adjust=False 與 Close |
取收盤價欄位,與證交所報表對照 |
Adj Close |
供應者依公司事件調整的價格序列 |
Dividends、Stock Splits |
協助查看股利與拆股事件 |
本例計算價格變化,沒有另外計入股利與交易成本。研究總報酬時,須再確認調整方法與報酬定義。
Part II
同一檔股票,回到官方資料看一次
月報被追問:數字能對回證交所嗎?
同樣是 2026-09-01 台積電,本次取得:
| 來源 | Close(收盤價) | Volume(成交量) |
|---|---|---|
| Yahoo Finance | 2,440 | 17,216,484 |
| 證交所個股日成交資訊 | 2,440 | 31,855,287 |
收盤價一致,成交量不同。接下來取得官方同月份表格,確認差異出現在哪些日期與欄位。
在證交所找到這份真實報表
開啟個股日成交資訊:
- 選擇 2026 年 9 月,輸入股票代碼 2330。
- 按「查詢」,再開啟「列印 / HTML」。
- 確認標題為「115年09月 2330 台積電 各日成交資訊」。
此頁也提供 CSV 下載。工作上可直接使用 CSV;今天讀取 HTML,是為了學會處理真實網頁表格。
用 requests 下載這份報表
import requests
url = "https://www.twse.com.tw/exchangeReport/STOCK_DAY"
params = {"response": "html", "date": "20260901", "stockNo": "2330"}
response = requests.get(url, params=params, timeout=20)
response.raise_for_status()
response.encoding = "utf-8"
twse_html = response.text
這裡只請求一個月份。HTTP 錯誤先停止;收到內容後,下一步確認目標表格。
收到回應後,還要找到這個月的台積電
raise_for_status() 通過後,仍可能收到沒有行情的提示頁。
| 下一步確認 | 本例應看到什麼? |
|---|---|
| 報表對象 | 115 年 09 月、2330、台積電 |
| 必要欄位 | 日期、收盤價、成交股數 |
| 資料內容 | 有資料列,日期落在查詢月份內 |
HTTP 200 表示請求成功;報表標題、欄位與資料列,才能說明取得了什麼。找不到目標時,保留回應內容,先查原因。
標準表格,先試 read_html
from io import StringIO
import pandas as pd
tables = pd.read_html(StringIO(twse_html), match="2330")
assert len(tables) == 1
table_auto = tables[0]
if isinstance(table_auto.columns, pd.MultiIndex):
table_auto.columns = table_auto.columns.get_level_values(-1)
報表有標題列與欄名列,可能形成兩層欄名。取出最內層欄名後,就能用「日期」「收盤價」「成交股數」選欄。
讀進來後,先看真正的欄位
print(table_auto[["日期", "收盤價", "成交股數"]].head(2))
| 日期 | 收盤價 | 成交股數 |
|---|---|---|
| 115/09/01 | 2,440.00 | 31,855,287 |
| 115/09/02 | 2,385.00 | 25,151,394 |
這是證交所原始欄名。「日期」轉成西元 Date;「收盤價」「成交股數」整理為 Close、Volume,再與 Yahoo 比較。
想控制怎麼讀表,就看 HTML 結構
這份報表的實際結構節錄:
<table>
<thead>…欄名列…</thead>
<tbody>
<tr><td>115/09/01</td><td>31,855,287</td>…</tr>
</tbody>
</table>
table 是整張表、tr 是一列、th 是標題格、td 是資料格。省略號代表省略的原始內容;完整 HTML 由 Notebook 下載。
用完整 Notebook 接續 HTML 實作
下載 2026 年 9 月台積電月報 Notebook,到 Colab 選擇「檔案 → 上傳筆記本」。
檔名:cm261_c2_202609_yfinance_twse.ipynb。
- 依序執行第 0–5 節:準備環境、取得 Yahoo 與證交所資料,重現剛才的結果。
- 第 6–9 節:沿用已下載的 HTML,解析資料列、轉換格式、比較並保存結果。
- 最後的合成 HTML 附錄:修改表格 ID、欄名或價格,觀察錯誤。
主案例使用真實歷史資料;附錄的三筆價格是合成資料。
從網頁中,選出這一張報表
這份真實報表沒有表格 ID;Notebook 使用股票代碼與報表名稱定位:
from bs4 import BeautifulSoup
soup_twse = BeautifulSoup(twse_html, "html.parser")
candidates = [t for t in soup_twse.select("table")
if "2330" in t.get_text() and "各日成交資訊" in t.get_text()]
assert len(candidates) == 1, "請檢查報表內容"
table_twse = candidates[0]
找到零張或多張都要停下來檢查;取出唯一一張後,還要確認月份與欄位。
BeautifulSoup:明確讀出資料列
Notebook 先用股票代碼與報表標題找到 table_twse,再讀:
headers_twse = [th.get_text(strip=True)
for th in table_twse.select("thead tr")[-1].select("th")]
rows_twse = [[td.get_text(strip=True) for td in tr.select("td")]
for tr in table_twse.select("tbody tr")]
raw_twse = pd.DataFrame(rows_twse, columns=headers_twse)
thead tr 的最後一列是欄名,tbody tr 是資料列。這次用同一份下載內容練習解析,無須再次連線。
民國日期,要明確轉成西元
def roc_date(text):
year, month, day = map(int, text.split("/"))
return pd.Timestamp(year=year + 1911, month=month, day=day)
df_twse = pd.DataFrame({
"Date": raw_twse["日期"].map(roc_date)
})
115/09/01 變成 2026-09-01。看到日期欄,先辨認它使用哪一種曆法。
把原始文字轉成可比較的數值
for source, target in [("收盤價", "Close"), ("成交股數", "Volume")]:
df_twse[target] = pd.to_numeric(
raw_twse[source].str.replace(",", "", regex=False),
errors="coerce",
)
"2,440.00" 變成數值 2440.0。Notebook 會列出轉換失敗的原始列並停止,再檢查日期重複、價格範圍與成交股數。
如果價格變成「—」,月報應該停在哪裡?
假設下載內容中的收盤價出現 —,數值轉換會留下缺值。
bad = df_twse[["Close", "Volume"]].isna().any(axis=1)
if bad.any():
display(raw_twse.loc[bad])
raise ValueError("數值轉換失敗;請先查原始資料。")
先顯示原始列,查來源註記與解析過程。若把未知價格補成零,前一天到這一天的價格報酬就會被誤算為 −100%。
同一天出現兩筆,先問它們從哪裡來
這份台積電日資料預期每天一列;合併前先找出重複日期:
duplicates = df_twse["Date"].duplicated(keep=False)
display(df_twse.loc[duplicates])
若兩筆價格不同,先查是否混入修訂版本或其他來源;若資料含多檔股票,要改用「股票代碼+日期」檢查。
原因確認後才決定保留方式。直接刪掉其中一筆,可能把需要解釋的差異一起刪掉。
按日期比對兩個來源
df_yahoo 是 Yahoo 行情整理後的 DataFrame;df_twse 是證交所報表整理後的 DataFrame。兩張表都有 Date、Close、Volume 三欄。
comparison = df_yahoo.merge(
df_twse, on="Date", how="outer",
suffixes=("_Yahoo", "_TWSE"),
indicator=True, validate="one_to_one",
)
.merge() 是 DataFrame 的合併方法。outer 保留只出現在一邊的日期;one_to_one 檢查日期唯一性。
差異就是這份月報的發現
收盤價可逐日對照;成交量則需要進一步查兩個來源的統計說明。
可能要查:交易種類的納入範圍、更新時間、修訂方式與欄位定義。目前的數字只證明存在差異,還不能確定原因。
若研究需要「證交所此報表的成交股數」,便使用該欄位並記錄來源。不能把兩邊平均,也不能因價格相同就認定所有欄位相同。
保存資料,月報才可以重做
yf_prices.to_csv("yahoo_prices.csv")
df_twse.to_csv("twse_prices.csv", index=False)
comparison.to_csv("source_comparison.csv", index=False)
Notebook 也保存原始 HTML、股價圖與來源紀錄:代號、查詢期間、價格欄位、下載時間及套件版本。
下次發現差異時,可以回到當時取得的內容逐項檢查。
讓 AI 協助改成另一個月份
可複製以下委託,並附上本課 Notebook:
請把台積電月報改成 2026 年 8 月。Yahoo 使用 2330.TW,start=2026-08-01、end=2026-09-01、auto_adjust=False;證交所查詢相同月份與代碼 2330。畫出收盤價,計算首末交易日價格報酬,按日期比較兩來源的收盤價及成交量。保留原始資料與查詢條件,分別報告缺日與數值差異,不要擅自平均或補零。請指出需要改動的設定。
執行後看圖、看首末日期,再看來源比較表。
合成資料放在最後練習除錯
Notebook 附錄保留 100 → 102 → 101 的三筆合成價格。
可以故意改壞價格、表格 ID 或欄名,觀察程式在哪裡停止。這些數字不是真實行情。
這個附錄回答「錯誤會不會被發現」;前面的台積電案例則完成真實資料的取得、分析與來源比較。
課後完成自己的月份報告
換一個完整月份,交代四件事:
- 實際取得哪些交易日?畫出股價圖。
- 首末交易日價格報酬是多少?分母是哪一天?
- 兩來源的日期、收盤價與成交量是否一致?
- 用了哪些來源與查詢條件?還有哪些差異待查?
操作細節與錯誤排查在平台補充教材;原有合成資料題目可對照 Notebook 附錄練習。
C3 再處理資料取得的下一個難題
本次取得的是一個月份、可直接下載的報表。
下一步若需求變成多個月份、更多股票,或資料要互動後才出現,就需要處理等待、分頁與合併完整性。
這些方法都服務於同一件事:把研究需要的資料,整理成可以使用的結果。
工具文件與官方入口
| 本課操作 | 文件或來源 |
|---|---|
| 取得 Yahoo Finance 歷史資料 | yfinance 文件 |
| 查詢台股官方日資料 | 證交所個股日成交資訊 |
| 讀取標準 HTML 表格 | pandas.read_html |
| 查看台灣公司公告 | 公開資訊觀測站 |
| 查詢上櫃市場資料 | 櫃買中心 |
平台另有「金融資料來源」導覽,整理研究資料庫、分析產品與券商 API 的官方連結。