多重類神經網路模型設計

本小節將逐步說明本模型設計細節。

3.5.1 倒傳遞類神經參數設定

依據 Vellido(1999)[16]所述，類神經網路的參數設定上並沒有一定之限制，一 般使用文獻探討、專家之意見或是其他方法學來決定。

1. 隱藏層數目

在隱藏層的數目設定上，葉怡成(2003)[35]指出通常隱藏層為一至二層，有最 好的收斂效果。Zhang(1998)[20]提出只要單一隱藏層之類神經網路即可達到可靠的 學習度，且單一隱藏層為目前最普遍的架構。因此本研究的倒傳遞類神經網路之隱 藏層設為一層。

2. 隱藏層節點數

在隱藏層節點數目的決定上，葉怡成(2003)[35]表示數目過多會使誤差函數值 減小，但網路過於複雜而收斂速度慢。數目過少又不足反應變數間的交互關係，誤 差函數值亦較大。Davies(1994)[5]則認為隱藏層的節點數需要透過詴誤法( Trial and Error)，才能找到最適合的隱藏節點的個數，並沒有速成的方法可以決定。

根據葉怡成(2003)[35]建議隱藏層節點數目之公式：

隱藏層節點數目=(輸入層節點+輸出層節點)/2 (3.12) 本研究一分鐘單一網路輸入層節點共 32 個，輸出層節點共 1 個；五分鐘單一 網路輸入層節點共 33 個，輸出層節點共 1 個。經由上述公式計算隱藏層節點數約 17 個，因此本研究亦採用詴誤法，分別使用 1 到 17 個隱藏層節點來進行實驗，

實驗結果發現當隱藏節點為 5 個時會使 RMSE 達到最小的情況，收歛到最小，因 此本研究將隱藏節點數設為 5 個。

3. 學習速率、動量、訓練次數

在其他參數的決定上，亦採用 Davies(1994)[5]建議的詴誤法。Freeman &

Skapura(1992)[8]指出學習速率小於 1 時，可以使類神經網路有較好的學習及達到 收斂效果。陳安斌(2005)[35]表示學習速率在 0.1-0.3 之間效果為佳。因此，本實驗 學習速率分別以 0.1、0.2、0.3 進行實驗，動量以 0.1、0.2、0.3、0.4、0.5 進行實驗，

訓練次數以 1000、5000、10000 次進行實驗。各個網路最終參數設定如下表所示。

表 3-5 一分鐘子網路參數設定表 表 3-6 五分鐘子網路參數設定

參數名稱 設定值 參數名稱 設定值

輸入層節點數 32 輸入層節點數 33

輸出層節點數 1 輸出層節點數 1

隱藏層數目 1 隱藏層數目 1

隱藏層節點數 5 隱藏層節點數 5

訓練次數 1000 訓練次數 1000

學習速率 0.1 學習速率 0.2

動量 0.3 動量 0.3

表 3-7 多重主網路參數設定

參數名稱 設定值

輸入層節點數 2

輸出層節點數 1

隱藏層數目 1

隱藏層節點數 5

訓練次數 1000

學習速率 0.1

動量 0.3

3.5.2 買賣訊號門檻值設定

本研究在預測時亦加入門檻值的概念，目的是為了排除預測程度較弱之預測值，

以達到更佳的準確程度。神經網路針對股市趨勢方向預測的輸出值，將介於 0 到 1 之間，本研究利用門檻值的設定，將預測值轉換為買賣訊號以進行實證交易，門檻 值的包含多方門檻值及空方門檻值的決定，若預測值超過多方門檻值則觸發作多訊

號(long)，若預測值低於空方門檻值則觸發放空訊號(short)，而當預測值介於兩者之 間，則代表作多或放空的力道不夠強勁明顯，因此維持原有的多空看法而不進行更 動(hold)。

多方門檻值及空方門檻值的設定方式，本研究採取暴力搜尋每個可能的多方門 檻值及空方門檻值，詴圖找出最佳的門檻值配對方式。

本研究設定多方門檻值為 0.95~0.5 每間距 0.01 設一個多方門檻值，空方門檻 值為 0.5~0.05 每間距 0.01 設一個空方門檻值，多方與空方門檻值共有 2116 種排列 組合，每種門檻值組合會在不同的交易日產生不同的買賣訊號，依據這些買賣訊號 與實際值的買賣訊號進行比對，可獲得該門檻值組合下的準確率。接著挑選出準確 率大於 80%的門檻值組合，統計各個門檻值出現的次數，分別取得出現頻率最高的 多方門檻值及空方門檻值，做為最終的多方門檻值及空方門檻值。

3.5.3 停損機制與交易策略

本研究的預測目標為股市未來 n 分的趨勢方向，實際漲跌點數在本實驗中並沒 有辦法預估，因此必頇配合交易策略來進行操作，方能獲利。進行投資決策時，設 定適當的停損點為必要的投資觀念，當系統預測方向與實際市場方向相反時，透過 停損點的設定有助於減少蒙受重大損失的可能性。而停損點的設立，經過本研究進 行四種(10 點、15 點、20 點、25 點)停損點的模擬後，以 3 分鐘停損為 15 點、5 分 鐘停損為 20 點、7 分鐘停損點為 25 點，為最佳停損點之設定。

本研究以台灣加權指數期貨為標的物的交易策略共有以下六種，最大作多(放 空)契約口數設定為 1 口，交易策略說明如下：

1. 作多買進：當系統無進行任何交易策略時出現買進訊號，以當分收盤價買進一 口指數期貨。

2. 作多賣出：當系統狀態為作多買進時出現賣出訊號，以當分收盤價作為賣出價，

賣出所有買進單位，並放空一口指數期貨。

3. 放空賣出：當系統無進行任何交易策略時出現賣出訊號，以當日收盤價放空一 口指數期貨。

4. 放空回補：當系統狀態為放空賣出時出現買進訊號，以當分收盤價作為回補價，

並買進一口指數期貨。

5. 停損賣出：當系統狀態為作多買進時，如果當分收盤價已低於之前買進價的停 損價時，以當分收盤價作為停損賣出價。

6. 停損回補：當系統狀態為放空賣出時，如果當分收盤價已高於之前放空價之停 損價時，以當分收盤價作為停損回補價。

7. 若系統狀態已為作多(放空)，而在收盤前遲遲未出現賣出(買進)訊號，且持續 不滿足停損點，則系統將會在 13:30 進行帄倉。