指標調整又分為兩種取向：Buttom Up及Global。Buttom Up為將指 標依性質分成若干類型各自進行基因規劃，依結果與調整策略淘汰各類 型中較差的指標，於各類型達成區域性最佳化（local optimal）後，再 將各類型合併，選出一群較佳的指標群。Global的調整方式則是不先將
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
30
2、 染色體群（Population） : 運算中現存染色體的集 合。
3、 最佳染色體（Best Chromosome） : 染色體群 中fv最高的 。
4、 適配性計算函式 ： 的輸入為一染色體 ，及一組指標群之指標的時 間序列資料集合 ，輸出為染色體適配值 。
論文中 ， ：對於染色體 的金價預測能
力評估指標。
(1)Hit：C於驗證期間中模型預測金價波動方向的正確次數之比率。其 為百分比率，使用來評估波動方向預測表現。
(2)Diff：於驗證期間中每期預測與實際金價價差之絕對值除以真實金價 將獲得一比率，而此比率為本期誤差值，再將每期的誤差加以帄均，得 到帄均誤差（AE），此模型的Diff指標值為(1-AE)*100，其值小於一百，
若值小於零則以零記，使用來評估模型於金價數值預測之風險性。
，if Diff<0 Di ff=0
Where，
為第i期的真實金價， 為第i期的預估金價。
5、 挑選函式 : 輸入染色體群 ，輸出一染色體 ，在進行染色體重組時 挑選適當染色體進行重組。
6、 染色體重組函式 : 的輸入為一個染色體群 ，輸出為另一個染色體群
，重組過程先使用挑選函式 挑選適當染色體 ，再進行交配及突變。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
31
(二)GP運算流程
本論文基因規劃運算流程如圖14，先依使用者設定的指標群 及運算子集合
，隨機產生初始染色體群 ， 中所有染色體 的
Fitness值（ ）初始值為0，同時設定累積演化代數（Gen）初值等於0。
接著取 中各指標於時間參數 指定之訓練期間區段歷史資料集合 ，使用 Fitness函式 計算 中所有 的 ，得到計算過Fitness值的染色
體群 。
之後判斷Gen是否已等於使用者設定的演化代數 ，如不等於則使用染色體
重組函式 ，取得染色體重組後的染色體群組 ，
同時將Gen加1，之後將 經由 Fitness函式 計算 中所有 的 ，再進 行前述流程，直到若 ，則將此時染色體群 中 最高的 取出當作結果。
圖 16: GP 運算流程圖
‧
指標調整子流程中，Buttom Up及Global兩種取向方法使用相同的調整策略 對指標之表現作評估並回饋調整，而研究發現的較佳策略為：
1、找出 最高之指標，及與上述指標 數值差距5之內之其他指標。
2、列出所有包含上一步挑出指標的染色體 。
3、找到上列 中Fitness最高者，以其所包含指標集合 作為輸出，進行 調整回饋，如Fitness次高與最高之 ，Fitness相距在1之內，則同時將 次高模型所含指標集合挑出。