禁空令是什麼?為何實施、成效如何?一次看懂禁空令
禁空令是什麼?為何實施、成效如何?一次看懂禁空令

2022.10.24更新
由於俄烏戰爭加劇,通膨及金融市場主要國家加速升息等影響,引發台股動盪不安。為了維持市場穩定,避免個股價格因放空交易行為加速跌勢,金管會於10月21日宣布祭出「禁空令」。內容有2大措施:

  1. 投資人融券賣出或向證券交易所借券系統、證券商或證券金融事業借券賣出上市櫃股票及台灣存託憑證,當日收盤價跌幅達3.5%以上,次一交易日不得以低於前一交易日收盤價融券及借券賣出。次一交易日的收盤價跌幅仍達3.5%以上,持續進行價格限制措施

但是證券商及期貨商因辦理業務的買賣報價或者避險需求進行融券及借券賣出,不在此限。

  1. 此限制不得以低於前一交易日收盤價融券及借券賣出的交易日,投資人從事有價證券當日沖銷交易,現券賣出後未完成反向交易,賣出價格低於前一交易日收盤價者,不得變更交易類別為融券賣出或借券賣出。

2022.10.12更新

台股11日狂跌將近600點,創下史上第七大跌點,金管會也再次出手穩盤。

金管會於宣布自111年10月12日起再採行下列措施:

  1. 調降每日盤中借券賣出委託數量,由原不超過該種有價證券前30個營業日之日平均成交數量之20%調降為10%,但證券商因發行認售權證、指數投資證券、營業處所經營結構型商品與股權衍生性商品交易業務、擔任受益憑證流動量提供者或期貨自營商擔任股票選擇權或股票期貨造市者等避險需求、或證券商擔任股票造市者提供買賣報價或避險需求之借券賣出,得不受限制。

  2. 上市及上櫃有價證券之最低融券保證金成數由100%調整為120%。

隨著新冠肺炎疫情趨緩、國內外股市逐步回穩,台灣6月7日解封,金管會也宣布「禁空令」6月10日起將解除;雖然空方約束解除,但台股10日仍上漲超過60點,穩穩站在1萬1,000點大關之上。

金管會原宣布禁空令實施3個月,也就是從3月19日到6月19日,但6月9日無預警提前解除,顯示市場氣氛轉趨樂觀,不需要過多干預而提前退場,而此次禁空令成效卓越,台股指數從3月19日今年最低點一路回升,上漲2956點,漲幅高達34%。

整理2020年這次的禁空令,總計包括三大措施;

  1. 自3月19日起,每天盤中借券賣出委託數量不得超過該有價證券前 30個營業日的日均成交量10%, 現在恢復為30%
  2. 投資人經授信機構同意,得以具有市場流動性且能被客觀合理評估價值的其他擔保品,補繳融資自備款或融券保證金差額, 該項規定自6月10日起「停止」適用
  3. 個股當天收盤價跌幅逾3.5%,次一日交易不得在平盤以下放空,現在恢復成原有規定: 個股前一日跌停10%,隔天平盤以下不能放空

上述三大措施中,第一跟第三都是限制空方以融券方式增加賣壓,比方說,只給10%成交量的借券額度,空方就不容易借券賣股帶來賣壓;其次,若前一天已經跌超過3.5%的股票,第二天顯然仍將十分弱勢,金管會也限制不能盤下追空,限制空頭行動範圍。

舉例來說,惠普提告廣明反托拉斯求償鉅額罰金,而連續跌停三根跌停板,在6月8日可以融券放空廣明,當天確實超過千張空單進場,但6月9日則因前一天跌停(超過3.5%跌幅),空方就不能再融券放空。

縮減單日借券量及可盤下空的門檻,都是為減緩空方狙擊股票力道,使台股賣壓減緩,市場多解讀為政府護盤工具之一,而限空令第二點則是因股市重挫,放寬投資人補繳融資保證金工具,讓投資人免於斷頭,斷頭又是另一種賣壓。

台股史上實施三次禁空令,分別為1998年、2008年及2015年,2020年是第四次,今年實施禁空令以來成效顯然相當不錯。

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓