使用每日交易策略的演化結果

本節是以第三章所提出的演化式類神經網路股價預測模型為架構所建立的 系統來實際對台灣股市的歷史資料作預測。在這個基本的實驗中，本研究取 17 個演化世代為一循環，而每一個 Agent 在做完每日的預測動作後，都是以每日交 易策略為操作方法來進行交易，一直到測試期的最後一個交易日，並結算整個測 試期累積的績效。本實驗主要觀察的重點有以下幾點：一是在演化的世代結束以 後，觀察不同的 Agents 之間是否有漸漸趨向收斂的情形，亦即最後所擁有的指 標基因是否漸趨一致。二是觀察其與對照組 Dummy Agent 的操作績效比較，判斷 演化的 Agents 是否能夠有勝出大盤的表現。三則是對所有的指標基因出現次數 作頻率統計，並據以觀察演化出來的基因組合和出現頻率的關係。

一、第一次循環（實驗一）

在指標基因的選取上，第一循環是由亂數隨機產生初始的分組資料，將 48 個指標分給 6 個 Agents，其績效表現的部分，本研究列出兩種表示方法，原始 績效為使用每日交易策略之後的淨值結果，而相對績效則為原始績效減掉使用買 入持有策略的 Dummy Agent 之淨值表現，若相對績效為正，則代表此 Agent 的預 測操作效果在此實驗的測試階段下超過大盤。指標的部分在表中只列出代碼，實 際指標名稱請參考表 4-1 的指標代碼對照表。其中各 Agent 的世代演進與原始績 效、相對績效表現繪製成折線圖 4-1、圖 4-2，而圖 4-3 則為對照的 Dummy Agent 買入持有績效表現。

表 4-1 指標代碼對照表

指標代碼 指標名稱 指標代碼 指標名稱 指標代碼 指標名稱 1 開盤價 17 D9 33 CDP 2 最高價 18 WMS%R9 34 AH 3 最低價 19 KINDER%R9 35 NH 4 收盤價 20 DIF 36 NL 5 成交量 21 MACD9 37 AL 6 成交值 22 MACD12 38 AR6 7 MA6 23 +DI10 39 BR6 8 MA12 24 -DI10 40 AR26 9 MA24 25 ADX10 41 BR26 10 BIAS6 26 +DI14 42 VR26 11 BIAS12 27 -DI14 43 TAPI10 12 BIAS24 28 ADX14 44 ADR10 13 BIAS72 29 MTM10 45 OSBS10 14 RSI6 30 MTM-A10 46 PSY6 15 RSI12 31 OSC10 47 PSY13 16 K9 32 OSC-A10 48 PSY26 資料來源：本研究

-2000

-2000 -1500 -1000 -500 0 500 1000 1500 2000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 世代

績 效 表 現

Dummy Agent

圖 4-3 Dummy Agent 買入持有策略績效表

由前面的圖表我們可以得知，六個 Agents 在 17 個世代的演化過程中，的確 有逐漸收斂的趨勢，從一開始第一世代所有的 Agents 都擁有完全不同的指標基 因，到 17 世代結束時，各個 Agent 之間大約有一半左右的指標是互相所共有的，

而且由操作績效來看，Agents 的預測能力也同樣有漸漸接近的情形發生， 從一 開始最高和最低相差超過千點以上，到最後幾個世代最大差異只有約在 500 點上 下。可見對於不同的神經網路，給予多個相同的輸入指標的確可能會讓神經網路 的輸出值比原來更接近。

在觀察了 Agents 的收斂程度之後，接下來我們要注意的是 Agents 的模擬操 作績效。首先我們從圖 4-3 的標準對照組先來看，可以發現在全部 17 個世代裡 大盤的走向可以說是震盪幅度不小的。和圖 4-1 的原始績效相比較之下，反而可 以發現演化 Agents 之操作績效相對穩定許多，而且從的從一開始有較大的震盪 到後期逐漸變的更平滑。因此和大盤相比，即使絕對績效在某些世代比大盤為 低，但整體上來說卻是比較穩定的獲利。

再繼續看圖 4-2，Agents 相對於大盤的績效一般來說均為正值，也就是在大 部分的情況下仍是優於大盤的表現的。但是我們可以注意到在某幾個世代中（世 代 4、7、12、14、16），Agents 預測的模擬操作績效明顯地不如 Buy-And-Hold 的大盤績效。從大盤走勢圖來看，這幾個世代正好都是由跌勢轉往大漲的情形，

10（BIAS6）、14（RSI6）、15（RSI12）、29（MTM10）、31（OSC10）、36（NL）、43

（TAPI10），而這幾個指標在演化到最後第 17 世代時出現的機率同樣非常的高。

據此我們推測這些出現機率較高的指標可能隱含其為重要指標的訊息，因此才能

在多次的演化汰換中存活下來。我們依照這個推論，根據圖 4-4 的結果來作成第 二循環第一個世代的 Agents 基因初始值。以進行第二次的演化循環並觀察其結 果。

0 10 20 30 40 50 60 70

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 指標基因代碼

出 現 頻 率

圖 4-4 實驗一中各指標出現頻率統計圖

二、第二次循環（實驗二）

第二次循環的演化過程基本上和第一次均為相同的做法，差別只在於分組的 初始值從亂數產生改成依照第一循環的頻率統計來作成。而同樣的，我們也把世 代和績效表現的關係圖繪製成折線圖 4-5 與圖 4-6，Dummy Agent 的買入持有績 效表現則可直接參考前面的圖 4-3。

-2000

由以上結果我們可以看出，經過第二循環的 Agents 演化到第十七世代時，

收斂程度更加的接近。舉例來說，第一名和第二名兩個 Agents，從初始世代的 基因完全相異，演化到第十七世代時，八個基因中已經有七個完全一樣，而由圖 斂的關係，Agents 之間的績效差異更縮小了。為了驗證起見，我們仍然對實驗 二的結果與大盤績效作一次檢定，計算如下： 價）、3（最低價）、6（成交值）、7（MA6）、14（RSI6）、15（RSI12）、36（NL）、 43（TAPI10）等，和第一次循環的結果非常相近，因此我們將這幾個指標列入優