資料頻率與歷史長度

所屬章節：Data 表格查詢全部以 2026-08-21 實測（標的 2330，資料日 2026-08-20）

問「近五年 / 近十年」之前先看這頁。 日頻有 1000 筆硬上限（約 4 年）。台股降頻就能拿到 11~16 年，但美股不行（週／月 K 也只有 4 年）——見下方「美股的規則不一樣」。答不出來通常不是沒資料，是頻率選錯了。

下面的表除非另外標明，都是台股。

歷史長度地圖

頻率	取法	筆數	期間	約幾年
日	`MSMP.日_*`（K、三大法人、融資券、指標…）	1000	2022-07-08 ~ 2026-08-20	4.1
日	`Data.get('日K/技術指標/價量資料-單檔股票多個區間', s)`	1000	同上	4.1
日	`Data.get('還原日K價量資料(個股、ETF、大盤)-單檔股票多個區間', s)`	1000	同上	4.1
週	`MSMP.週_K`	604	2014-12-05 ~	11.7
週	`Data.get('還原週K價量資料(個股、ETF、大盤)-單檔股票多個區間', s)`	754	2012-01-06 ~	14.6
月	`MSMP.月_K`	141	2014-12-31 ~	11.7
月	`Data.get('還原月K價量資料(個股、ETF、大盤)-單檔股票多個區間', s)`	176	2012-01-01 ~	14.6
月營收	`MSMP.月_營收`	199	2010-M01 ~	16.6
月營收	`Data.get('個股營收資訊-單檔股票多個區間', s)`	175	—	~14.6
季財報	`Data.get('個股季財報資訊-單檔股票多個區間', s)`	46	2015-Q1 ~ 2026-Q2	11.5
年股利	`Data.get('個股股利資訊(年)-單檔股票多個區間', s)`	15	2012 ~ 2026	15
年股利	`MSMP.季股利資訊`	15	2012-Y ~ 2026-Y	15
期貨 1 分	`MSMP._fut_TXF`	2,570,820	2017-05-15 ~	9.3
個股 1 分	`Data.get('取得歷史1分K(指定起訖日)', s, start, end)`	依區間	你指定	—

日頻是 1000 筆，週／月頻的 Data 版本比 MSMP 版本更長。 要長歷史的日線只能自己用 取得歷史1分K(指定起訖日) 逐段抓再聚合。

「近 N 年」該走哪張表

問題	走哪
近一週 / 一個月 / 一季	日頻，隨便哪張都行
近一年 ~ 近四年	日頻可以（1000 筆剛好蓋到 4.1 年）
近五年	日頻不夠。週頻（`還原週K`，14.6 年）或季頻（`個股季財報`，11.5 年）
近十年	週／月頻，或月營收（16.6 年）
十年以上	只有 `月_營收`（2010 起）與年股利（2012 起）

實例——「2330 近五年 PER 走勢」：

# ✗ 日頻只有 4.1 年，給不出五年
api.MSMP.日_指標.本益比['2330']            # (1000,) 2022-07-08 起

# ✓ 季頻有 11.5 年
d = api.Data.get('個股季財報資訊-單檔股票多個區間', '2330')
d[d['年季'] >= '2021-Q1'][['年季', '本益比', '公告EPS(元)']]
# 22 期，本益比 13.1 ~ 32.4

兩個容易誤判的陷阱

1. 月_營收 的 index 是字串不是日期。 格式 '2026-M07'，所以 .resample() / >= pd.Timestamp(...) 都不能用，要用字串比較：

s = api.MSMP.月_營收.金額_千['2330']
s[s.index >= '2026-M01']            # 字串比較剛好可行（zero-padded）

季頻同理是 '2026-Q2'、年頻是 '2026-Y' 或 2026（整數）。

2. 月_營收.金額_千 的單位是千元。 換億元要 ÷ 1e5，不是 ÷ 1e7：

api.MSMP.月_營收.金額_千['2330'].iloc[-1]        # 467580548.0
# ÷ 1e5 = 4676 億元   ← 對
# ÷ 1e7 = 46.8        ← 錯了 100 倍

凡是 _千 結尾的欄位都是這個規則。_百萬 結尾（如 成交額_百萬）則是 ÷ 1e4 得億元。

期貨資料在 `MSMP._fut_TXF`

不在 api.Data 的 80 張表裡（那些全是台股現貨），期貨是 MSMP 的一個私有屬性：

f = api.MSMP._fut_TXF
# DataFrame (2570820, 7)
# columns: DateTime, Open, High, Low, Close, TotalVolume, settlement

欄	說明
`DateTime`	1 分 K 的時間。零重複——這是單一「近月連續序列」，不是多合約併排
`Open`/`High`/`Low`/`Close`	點數
`TotalVolume`	口數
`settlement`	這根 K 屬於哪個合約（結算日）。共 113 個不同值 = 113 個合約月

因為 DateTime 不重複，任何時點都只有近月合約，聚合成日線就是「近月合約日成交資訊」：

g = api.MSMP._fut_TXF.set_index('DateTime')
daily = g.resample('D').agg(開盤=('Open','first'), 最高=('High','max'),
                            最低=('Low','min'), 收盤=('Close','last'),
                            成交量=('TotalVolume','sum'),
                            結算日=('settlement','last')).dropna(subset=['開盤'])
daily.tail(5)

實測近一週（2026-08-15 ~ 08-20）合計 269,758 口，08-19 換月到 09-16 合約。

要 K 線而不是自己 resample，用 api.bt.Tools.get_fut_ohlc('TXF', freq=60)—— 它讀的就是這份快取，還會處理日夜盤時段與結算切斷。見 backtest-data.md。

美股的規則不一樣

台股的「降頻拿長歷史」在美股不成立。 台股週／月 K 回溯 11.7 年，美股週 K 只有 4.5 年、月 K 只有 4 年——跟日 K 差不多。

頻率	台股	美股
日	1000 筆 / 4.1 年	1000 筆 / 4.0 年
週	604 筆 / 11.7 年	235 筆 / 4.5 年
月	141 筆 / 11.7 年	49 筆 / 4.0 年
季財報	46 期 / 11.5 年（走 `Data`）	111 期 / 27.8 年（`USMSMP.季財報_*`）
月／季營收	199 期 / 16.6 年	111 期 / 27.8 年
年股利	15 期 / 15 年	34 期 / 34 年

所以：

美股要長期股價：沒有。價格類最多 4.5 年。
美股要長期基本面：很充足，季財報回到 1998-Q4、股利回到 1993。
美股財報只覆蓋 5801 檔，價格覆蓋 13174 檔——跨表運算要 .dropna()。

細節見 usmsmp.md。

SnowyOwl 沒有的資料

問到這些要直接說沒有，不要硬湊：

選擇權（台指選擇權、個股選擇權）——完全沒有
匯率（USD/TWD 等 FX 行情）——沒有。表裡出現的「匯率」都是財報的「匯率變動對現金及約當現金之影響」，不是行情
利率（央行、聯準會、公債殖利率）——沒有。出現的「利率」都是「殖利率」「毛利率」「週轉率」這類財務比率
原物料（原油、黃金…）——沒有
海外期貨——沒有，期貨只有台指期 TXF