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。