如何使用 Fugle Realtime API 串接股票即時行情

在股票交易的時候，很多看盤軟體，都會有個「最佳五檔」的功能（黃色框處）。如果理解最佳五檔是什麼的朋友，可以直接跳到第四段，用最佳五檔要特別注意的兩點。 如果不太清楚這個資訊的朋友，可以繼續看下去。

「最佳五檔」的意思是，在目前最新成交價往下五個價格和往上五個價格，有多少委託單尚未成交。以上圖的台積電為例，最佳五檔的左邊是揭露委託買進的資訊，顯示各個委買價以及對應的委買量。以委買價第一個來說，就是「目前出價最高的買方們，願意用 254 元買入台積電，現在尚有 847 張未成交」，而以委賣價第一個來說，就是「目前出價最低的賣方們，願意用 254.5 元賣出台積電，現在尚有 16 張未成交」。

通常盤中交易者會透過這個資訊，來判斷目前買賣雙方對於目標價的看法，從而做出交易的決定。
例如圖上目前 253.50 這個價格，委買量有 1857 張，相對特別高，代表在這個價格有較強的買盤，那麼短時間股價可能不容易跌破這個價格。

解讀「最佳五檔」這個資訊要特別注意兩件事：

1. 交易所只會揭露目前成交價最接近的上下五檔股價。而上下五檔以外的價格，就看不到委託量。當股價波動快速的時候，看不到的五檔外資訊，是有重要價值的。
2. 最佳五檔是一個已經發生的資訊。交易所是每五秒更新一次這個資訊，揭露出當下的五檔瞬間狀態。下次再揭露就是下一個五秒後了。而這兩次之間的五秒，可以發生好多事，有些操盤手會在前一個五秒送出大量但不會成交的委託，揭漏了以後，在接下來的五秒就將委託刪除或修改，從而使其他投資人不能正確判斷委買委賣的真實狀態。
   

備註：台股已於 2020/3/23 起改為逐筆行情交易

先說第二點，我們在解讀最佳五檔時，可以試著找尋一檔股票的五檔委託，是否存在特定的變化模式，這可以導入機器學習的模型來研究。 我將這個部分留待未來繼續討論。

而本文特別想改善的是第一點的問題。針對第一點，我們可以想像五檔外的資訊就像 LOL 英雄聯盟裡，被戰爭迷霧覆蓋的地圖，一旦有揭露時，就像是戰爭迷霧暫時消失，這時我們應該把這個當下的委託量記下來，而後就算再次覆蓋上了戰爭迷霧，最後一次揭露的委託量，仍然是最佳的估計數，可以協助我們對於最新成交價五檔外的迷霧世界做判斷。

用這樣的想法，我利用 Fugle 提供的 Realtime API，來開發一個解決方案。

先來簡單介紹一下 Fugle Realtime API ：

• Fugle Realtime API 是由 Fugle 技術團隊與時報資訊開發提供。即時行情資料來源為臺灣證券交易所、臺灣期貨交易所及財團法人中華民國證券櫃檯買賣中心。
• Fugle Realtime API 提供 HTTP RESTful API 和 Websocket API 兩種方式
  
  

而我們今天就要利用 HTTP RESTful API 的方式來建立一個屬於自己獨一無二的最佳五檔即時行情，本篇所需要使用的檔案都已經放在 Github 上。

一、開發環境

• Jupyter Notebook
• Python 3.6.9
  

二、安裝套件

pip install -r requirements.txt

三、實際應用

首先，我們將這次專案所需的套件匯入到環境當中，程式碼如下：

from fugle_realtime_RESTful_api import *

接著，若要拿到最佳五檔之資料，則需要使用 quote 這隻 API。

不過，如果想要看台股每檔股票的話，需要成為 FugleTrade 的證券戶才能夠享有自己的API Token。
若你已經開戶，取得 API token 的連結在此。

如果還沒開戶的話，大家可以用我的推薦碼連結 ，一起賺 FugleCoin 折抵手續費 XD。
喔對了，現在 FugleCoin 還可以兌換成現金喔！

此處暫時以 api_token="demo" 及 input_symbol="2884" 為例。

首先，使用 qoute_api 函數並在參數當中輸入 api_token="demo"

quote = quote_api(api_token='demo')

然後，再使用 update_quote_data 函數並輸入參數 input_symbol="2884"

quote.update_quote_data(input_symbol='2884')

執行此程式碼會得到 3 個 output 分別為：

1. 歷史最佳五檔資料：執行程式碼以來最佳五檔所出現過之價格，並紀錄最後一筆更新之委買或委賣量。
2. 現在之最佳五檔價格：輸出格式為 List，並且為現在最佳五檔中，委買及委賣各五個價格。
3. 股票代碼：即輸入查詢支股票代碼。
   
   

知道如何拿到最佳五檔的資料後，緊接著就是重頭戲，把屬於我們自己的最佳五檔建立起來！而這邊我們使用的是 Dash 套件。

簡單介紹一下 Dash 這個工具， Dash 是一個用於構建 Web 應用程式的高效 Python 框架，他能夠讓大家非常方便的視覺化各式各樣的圖表、報表等，而且語法也滿平易近人的，並不會太難上手。

話不多說(?)，直接上程式碼：

external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)

app.layout = html.Div(children=[
    
    html.Div(id='order_book', style={'width':'25%', 'display':'inline-block'}),
    
    dcc.Interval(id='interval', interval=1*1000)
])

@app.callback(
    Output('order_book', 'children'),
    [Input('interval', 'n_intervals')]
)

def order_book_table(interval):
    
    df_quote, price_list, symbol = quote.update_quote_data(input_symbol='2884')
    
    return [
        quote.plot_order_book(dataframe=df_quote, price_list=price_list, symbol_id=symbol)
    ]
    

if __name__ == '__main__':
    app.run_server()

在這段程式碼當中，由於台股目前的即時行情為逐筆行情交易，所以我們使用 dcc.Interval 更新資料，並將 interval 設定為1,000，即一秒。

另外，我們再使用 html.Table 建立最佳五檔的表格，而只要在開盤期間出現過的歷史價格，直到收盤都不會消失，換句話說，就是能夠看到這個交易日即時行情的所有歷史價格。

以上就是簡單的小分享，如果喜歡的話歡迎將我的文章分享出去，若有任何問題也都能夠在下面提問，我會盡我所能回答，也歡迎大家分享自己的新發現，我們下次見～ Thanks～