14 min read

FinMind 是什麼?台股 API 免費額度、方案價格與 Python 教學(2026 實測)

FinMind 是台股開源金融資料 API。免費版每小時 600 次夠不夠?Backer、Sponsor 差在哪?我實測免費版做不到的 4 件事,附 Python 抓股價教學與方案選擇建議。
FinMind 是什麼?台股 API 免費額度、方案價格與 Python 教學(2026 實測)

快速總結(TL;DR):FinMind 是一個以台股為主的開源金融資料平台,用 API 或 Python 套件就能抓股價、三大法人、融資融券、財報、期貨等資料。免費版未登入每小時 300 次、註冊拿 token 後 600 次,可用 45 種資料集,追蹤幾十檔股票綽綽有餘;但「一次抓全市場」、還原股價、盤中即時、分點這些要付費方案(Backer NT$699/月起)。我自己付費用 Sponsor 年繳,這篇是第一手實測整理(價格以 2026 年 10 月官網為準)。

我第一次用 FinMind,是因為 Google Sheet 的 GOOGLEFINANCE 抓台股一直出現 #N/A😫

那時候我寫了一篇 用 Claude Code 建台股追蹤系統,用免費方案抓收盤價、記持倉,覺得「免費就夠了啦」。

結果用著用著,從追蹤幾檔股票,變成每天掃全市場選股、盤中盯盤的 AI Agent,最後還接上了自動下單。免費版開始不夠用,我就升級成付費的 Sponsor。

如果你 Google 過 FinMind,會發現大家最想知道的就是:「FinMind 是什麼?」「要錢嗎?」「免費版的流量限制是多少?」

所以這篇一次整理:

  • FinMind 是什麼?有哪些資料?
  • 要錢嗎?免費額度多少?各方案價格比較
  • 免費版做不到的 4 件事(我實測的)
  • 申請 token + Python 抓股價教學
  • 不想寫程式?讓 AI 幫你接 FinMind
  • 該選哪個方案?
關於作者:我是工程師阿穆,寫程式十多年,這幾年在做電商系統跟 AI Agent 開發。從 2026 年初開始用 FinMind 接自己的台股工具,現在付費用 Sponsor 年繳,每天讓 agent 拿它的資料選股、盯盤、做回測研究。 先說清楚:這篇不是業配,FinMind 的錢是我自己付的😂 所有價格、限制都是 2026 年 10 月看官網、自己打 API 實測的結果,方案可能會調整,購買前請以官網方案頁為準。

FinMind 是什麼?

FinMind 是一個以台股為主的開源金融資料平台,把散落在證交所、櫃買中心、期交所等地方的公開資料整理好,用統一的 API 提供給你。

顧名思義就是 Finance + Mind,你不用再自己寫爬蟲去證交所網站一頁一頁抓,打一個 API 就拿到整理好的 JSON。

它的資料大致分成這幾類:

類別 例子
技術面 日 K 股價、本益比/股價淨值比、加權指數
籌碼面 三大法人買賣超、融資融券、外資持股
基本面 月營收、綜合損益表、資產負債表、股利政策
衍生性商品 期貨、選擇權每日成交資訊
國際市場 美股股價、美債殖利率、黃金、原油、匯率

資料每天更新,可以用三種方式拿:

  1. 直接打 API(任何語言都可以,回傳 JSON)
  2. 官方 Python 套件 FinMind(pip install FinMind)
  3. AI 整合:MCP Server、Agent Skill、llms.txt(後面會講)

整個專案是開源的,原始碼在 GitHub,文件在 finmind.github.io。

FinMind 要錢嗎?免費額度有多少?

有免費版,而且不用綁卡、沒有期限。 差別在每小時能打幾次 API、能用哪些資料集。

免費版:每小時 300 次,註冊後 600 次

  • 不登入(不帶 token):每小時 300 次
  • 註冊並驗證 email、帶 token:每小時 600 次
  • 可用資料集:45 種
  • 只能非商業使用,引用資料要標示來源「FinMind」

各方案價格比較(2026 年 10 月)

方案 月繳 年繳 API 上限(每小時) 資料集 商業使用
Free 免費 免費 300 次(註冊 600 次) 45 種 ❌
Backer NT$699 NT$5,499 1,600 次 81 種 ❌
Sponsor NT$999 NT$8,888 6,000 次 97 種 ❌
Sponsor Pro NT$3,330 NT$29,620 20,000 次 97 種+整日全商品下載 ✅

資料來源:FinMind 方案與價格

幾個官網寫在角落、但很重要的規則:

  • 單次付款、不會自動續扣,到期自動降回 Free。不用擔心忘記取消😎
  • 年繳比較划算:Sponsor 月繳一年是 999 × 12 = 11,988,年繳 8,888,省了 3,100(約 26%);Backer 月繳一年 8,388、年繳 5,499,省 2,889(約 34%)
  • 已經買了 Backer 或 Sponsor,想升級可以按剩餘天數補差額(最低 NT$100)
  • 可以開統編發票,學校另外有校園方案
  • Free、Backer、Sponsor 都只能非商業使用。如果要用在公司內部系統、SaaS、對外販售的產品,要 Sponsor Pro。而且不管哪個方案,都不能轉散布原始資料,也不能把即時資料直接放在對外的網站或 App 上

免費版做不到的 4 件事(我實測的)

官網的方案表列了一長串資料集,看完還是很難想像「免費到底卡在哪」。所以我開一個沒登入的請求,直接打 API 試給大家看:

想做的事 用到的資料 免費版結果 最低方案
抓單檔股價、三大法人、融資融券、月營收、本益比 TaiwanStockPrice 等 ✅ 正常 Free
不指定股票、一次抓某天全市場 TaiwanStockPrice(不帶 data_id) ❌ 400 Backer
還原股價(除權息調整後) TaiwanStockPriceAdj ❌ 400 Backer
股權分散表(大戶/散戶持股分級) TaiwanStockHoldingSharesPer ❌ 400 Backer
分點買賣、盤中即時報價 TaiwanStockTradingDailyReport、taiwan_stock_tick_snapshot ❌ 400 Sponsor

被擋的時候,API 會回這個:

{
  "msg": "Your level is free. Please update your user level. Detail information:https://finmindtrade.com/analysis/#/Sponsor/sponsor",
  "status": 400
}

其中最多人會撞到的是第一個:一次抓全市場。

上市櫃的股票加 ETF,四位數代號的就有 2,300 多檔。免費版只能一檔一檔抓,等於 2,300 多次 request;註冊後每小時 600 次,光是更新一天的收盤價就要分 4 個小時跑完😱 付費版不帶股票代號,一個 request 就拿到整個市場。

🙏 更正:我在 4 月那篇用 Claude Code 建台股追蹤系統寫過「免費版用 today 模式一次抓全市場」,這是錯的——我那時已經在用付費方案,沒注意到免費版做不到。那篇已經一起改正了,抱歉!

另外還有一個限制:超過每小時上限,API 會回 HTTP 402,訊息是 Requests reach the upper limit.,等下一個小時重置就好。

免費版夠不夠用?我為什麼升級到 Sponsor

如果你只是追蹤自己手上的十幾二十檔股票,免費版完全夠用。

每天收盤後每檔抓一次,20 檔就是 20 次,離 600 次的上限還很遠。看三大法人、融資融券、月營收、財報,免費版也都有。

我會升級,是因為需求長大了:

  1. 每天掃全市場選股:我的台股 AI Agent 每天盤前要掃全部股票找訊號,免費版一檔一檔抓太慢
  2. 盤中盯盤:要拿盤中即時報價比對進場條件,這是 Sponsor 才有的
  3. 研究籌碼:想看分點進出,也是 Sponsor 才有

所以選方案可以這樣想:

你的需求 建議方案
追蹤自己的持股、看日 K 和三大法人 Free(先註冊拿 token)
要掃全市場選股、要還原股價做回測 Backer
要盤中即時資料、分點、分 K Sponsor
要用在公司或對外的產品 Sponsor Pro

我的建議是:先用免費版做到卡住,再升級。你很快就會知道自己卡在哪一個資料集,到時候再買對應的方案,不會花冤枉錢。

怎麼申請 FinMind token?

  1. 到 FinMind 官網註冊帳號
  2. 收信、點驗證連結(沒驗證 email 就只有 300 次)
  3. 登入後在會員頁複製你的 API token

想知道自己目前用了幾次、上限多少,可以打這個:

curl https://api.web.finmindtrade.com/v2/user_info \
  -H "Authorization: Bearer 你的token"

回傳裡的 user_count 是已使用次數、api_request_limit 是你的每小時上限。

⚠️ token 跟密碼一樣,不要寫死在程式碼裡、不要推到 GitHub。放在 .env 檔,並把 .env 加進 .gitignore。

FinMind API 教學:用 Python 抓台股股價

以下兩種寫法我都在 2026 年 10 月實際跑過。

方法一:直接打 API(requests)

import os
import requests

url = "https://api.finmindtrade.com/api/v4/data"
params = {
    "dataset": "TaiwanStockPrice",   # 資料集:台股日 K
    "data_id": "2330",               # 股票代號
    "start_date": "2026-10-01",
    "end_date": "2026-10-08",
}
headers = {"Authorization": f"Bearer {os.environ['FINMIND_TOKEN']}"}

data = requests.get(url, params=params, headers=headers).json()["data"]
for row in data[-3:]:
    print(row["date"], row["open"], row["max"], row["min"], row["close"])

跑出來長這樣:

2026-10-06 2575.0 2590.0 2565.0 2585.0
2026-10-07 2565.0 2585.0 2560.0 2585.0
2026-10-08 2550.0 2575.0 2550.0 2550.0

幾個參數重點:

  • dataset:要哪一種資料,名字可以在官方文件查
  • data_id:股票代號(期貨就是商品代號,例如台指期 TX)
  • start_date / end_date:日期區間,至少要給一個
  • token 放在 header 的 Authorization: Bearer ...(舊文件是放在 token 參數,也還能用)

方法二:官方 Python 套件(DataLoader)

pip install FinMind
from FinMind.data import DataLoader

api = DataLoader()
api.login_by_token(api_token="你的token")  # 不登入也能用,只是上限 300 次

df = api.taiwan_stock_daily(
    stock_id="2330",
    start_date="2026-10-01",
    end_date="2026-10-08",
)
print(df[["date", "open", "max", "min", "close"]].tail(3))

套件直接回傳 pandas DataFrame,做分析比較方便。它把常用資料集都包成方法了,例如 taiwan_stock_institutional_investors(三大法人)、taiwan_stock_month_revenue(月營收)、taiwan_stock_dividend(股利),我用的 2.0.11 版有 63 個 taiwan_stock_* 方法。

常用資料集速查

資料集 內容 方案
TaiwanStockPrice 日 K(開高低收、成交量) Free
TaiwanStockInstitutionalInvestorsBuySell 三大法人買賣超 Free
TaiwanStockMarginPurchaseShortSale 融資融券 Free
TaiwanStockMonthRevenue 月營收 Free
TaiwanStockPER 本益比、股價淨值比、殖利率 Free
TaiwanStockDividend 股利政策 Free
TaiwanStockShareholding 外資持股 Free
TaiwanFuturesDaily 期貨日成交 Free
TaiwanStockPriceAdj 還原股價 Backer
TaiwanStockHoldingSharesPer 股權分散表 Backer
TaiwanStockTradingDailyReport 分點買賣 Sponsor

上表的 Free 是我不帶 token 實際打過、有拿到資料的;付費的是實際被擋、再對照官網方案表的。

不想寫程式?讓 AI 幫你接 FinMind

如果你看到上面的程式碼就頭痛,好消息是:現在可以讓 AI 幫你寫,甚至直接幫你查。

FinMind 官方提供了三種 AI 整合:

方式 適合 做什麼
llms.txt ChatGPT、Claude 網頁版 把連結貼給 AI,它讀完就知道有哪些資料集、怎麼寫程式,免安裝
MCP Server 支援 MCP 的工具 AI 直接幫你抓資料(uvx finmind-mcp,用環境變數 FINMIND_TOKEN 帶 token)
Agent Skill Claude Code 等 CLI 工具 用 /finmind 指令讓 agent 抓資料

我自己用的是另一條路:叫 Claude Code 讀 FinMind 文件,自己寫一支 Python 腳本,再把「抓哪些資料、怎麼算」包成 skill。

這樣腳本是我自己的,要快取、要增量更新、要接其他資料源都很好改。整個過程我寫在 用 Claude Code 建台股追蹤系統,後來長成會自己選股、盯盤的版本在 台股 AI Agent。

想快速試試看,用官方 MCP 或 Skill 最省事;想做成每天自動跑的系統,我比較推薦自己的腳本 + skill。如果你還分不清 MCP 跟 skill 差在哪,可以看這篇:MCP、Tools、Skills 差在哪。

FinMind、yfinance、證交所 OpenAPI 怎麼選?

抓台股資料,常見的還有 yfinance 跟證交所 OpenAPI。簡單比較:

FinMind yfinance 證交所 OpenAPI
資料範圍 台股為主,籌碼、財報、期貨都有 全球股價為主 證交所自己的資料
歷史資料 長(最早約 1994 年) 約 2000 年起 主要是當日資料,歷史要自己存
籌碼面(法人、融資券) ✅ ❌ 部分有
費用 免費版+付費方案 免費 免費
適合 台股研究、自動化 美股、全球市場 只要今天的行情

(歷史範圍參考 FinLab 的台股 API 比較)

如果你主要做台股,又想看三大法人、融資融券這些籌碼資料,FinMind 幾乎是最省事的選擇。 只抓美股的話,yfinance 就夠了。

常見問題 FAQ

FinMind 是什麼?

FinMind 是一個以台股為主的開源金融資料平台,提供股價、籌碼、財報、期貨、國際市場等資料,可以用 API 或 Python 套件取得。官網列出免費版 45 種、最高方案 97 種資料集。

FinMind 要錢嗎?

有免費版,不用綁卡、沒有期限。付費方案 Backer 每月 NT$699(年繳 NT$5,499)、Sponsor 每月 NT$999(年繳 NT$8,888)、Sponsor Pro 每月 NT$3,330(年繳 NT$29,620),都是單次付款、不會自動續扣。

FinMind API 每小時可以打幾次?

免費版未登入 300 次、註冊並帶 token 600 次;Backer 1,600 次、Sponsor 6,000 次、Sponsor Pro 20,000 次。超過會回 HTTP 402,下一個小時重置。

FinMind 免費版可以抓全市場股價嗎?

不行。免費版要指定股票代號(data_id)一檔一檔抓;不帶代號、一次抓某天全市場要 Backer 以上。我實測免費版會回 Your level is free。

FinMind 可以商業使用嗎?

只有 Sponsor Pro 可以用在公司內部系統、SaaS 或商業產品。Free、Backer、Sponsor 都限非商業使用。任何方案都不能轉散布原始資料。

FinMind 好用嗎?有什麼缺點?

我用了大半年,覺得資料完整、API 簡單,台股籌碼資料尤其省事。缺點是:免費版要一檔一檔抓、還原股價要付費;每個資料集的欄位格式不太一樣,要合併時得自己處理;額度用完會回 402,自動化腳本要記得處理重試。這些我都是讓 Claude Code 寫腳本時一起處理掉的。

FinMind 有優惠嗎?

官網公開的省錢方式是年繳(Sponsor 省約 26%、Backer 省約 34%)、已購方案補差額升級,以及學校的校園方案。我沒有推薦碼,也不建議為了找優惠碼去點來路不明的連結。

結論

FinMind 是我目前覺得抓台股資料最省事的方式:資料整理好、API 簡單、有免費版可以先試。

只追蹤自己的持股,免費版就夠了;要掃全市場、看盤中即時或分點,再升級到 Backer 或 Sponsor。 先用免費版做到卡住,你自然會知道自己需要哪個方案。

如果你想再往前走一步——讓 AI 用這些資料幫你做策略研究、回測,一路做到會自己下單的系統——我正在把整套做法整理成一門課《用 AI 打造自動化交易系統》。想搶先知道開課消息,加我的 LINE 跟我說一聲「交易課」就好~(課程教的是怎麼把工具做出來、做得安全,不報明牌、也不保證賺錢😂)

延伸閱讀:

希望這篇對大家有一丁點兒的幫助~


喜歡這篇文章嗎?

📧 訂閱 Newsletter — 新文章直接寄到你信箱 🎬 追蹤我的 YouTube — 看 AI / 工具實作影片 💬 加我的 LINE — 想上交易課、或有問題隨時問我 🧵 追蹤 Threads — 平常的工程隨筆

掰掰~👋

想學更多?

訂閱電子報,每週收到最新的 AI 實戰教學。