實驗背景

函數值（fitness value）為衡量此次演算法優劣的參考值，在本研究則代表 ROI 投資報酬績效。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

（3）EPSO 粒子買賣交易紀錄資料格式

日期 買賣識別 flag 交易股數 交易金額 剩餘持有金額

2. EPSO 演算法參數設定

EPSO 演算法共產生 50 個粒子（n=50），每個粒子均有一組資訊

（XiT,ViT），粒子 XiT代表 EPSO 粒子位置，為 SMA 天數參數屬性計 8 個（T 為 1 至 8），XiT值範圍介於 6 至 400 天間；ViT為粒子 XiT之移動方向及速度屬 性計 8 個（T 為 1 至 8），其範圍為-80 至 80 天間。c1 代表粒子自信係數，一 般研究設定 c1=2，c2 代表粒子社會信心係數，一般研究設定 c2 =2，ω 代表慣性 權重值係數，一般研究設定ω=1.4，依演化執行次數遞減至 0.4。期初資金

（initial capital）為 1,000,000 元，每次交易至少買 50 張股票（每張股票 1000 股）。每次買賣股票均需支付交易成本，買入交易成本為交易金額的千分之 1.425，賣出之交易成本為交易金額的千分之 4.425。因考慮支付交易成本，故 每次買入以持有資金之 80%購買股票。

3. 資料來源

本研究從台灣上市股票市場按類別區分為 33 類，除 5 類屬於憑證指數類別 外，餘 28 類為選用樣本來源，每類股票依該類股按股價高中低（以實驗當日 2014/11/14 之收盤價為準）分三種，每類每群隨機各選一支作為樣本，因此總 計 28 類、84 家股票為訓練之樣本標的，從這些樣本資料標的中之每日收盤價 作為資料來源，自動運算饋入作為 EPSO 訓練之資料來源。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

4.1.2 股票選擇策略

4.1.2.1EPSO-GHSOM 股票選擇策略

此選擇策略演算法之資料格式、實驗步驟與訓練測試資料來源如下說明：

1. 資料格式

本研究欲觀察各股票財務指標之內涵與軌跡， 將 GHSOM 輸入變量（X）

資料格式設計如下所示：

股票號碼 EPSO ROI

2010 年 財務指標

2011 年 財務指標

2012 年 財務指標

2013 年 財務指標

2014 年 財務指標

董監事持 股比率

ROE% 4 年盈再率 稅後淨利$b 配息率 EPS$

2. 決定廣度參數（1）、深度參數（2）、最適群數及群內個數

GHSOM 在訓練階段對於廣度參數（1）、深度參數（2）、最適群數及群 內個數決定，採先決定廣度參數（1）之最適參數後，再決定深度參數（2）。

本研究實驗在廣度參數（1）部份由 0.25 至 0.05 測試，觀察並找出第一層分群 群內個數分佈最為適當個數後，再執行深度參數（2）由 0.01 至 0.0025 測試，

觀察並找出子層群內個數分佈最為適當個數。

3. 決定輸出變量（Y）：首先於訓練階段先執行股票交易策略，得到 EPSO ROI 股票報酬績效值，作為 GHSOM 演算法之輸出變量。

‧

網路探勘暨情緒分析（Web Mining with Sentiment Analysis）股票選擇策略 模型是以 EPSO-GHSOM 模型篩選完後之優質安全股票作為選用樣本來源，並 依樣本標的從 fackbook 經濟日報、工商時報及 MoneyDJ 網頁新聞資訊作為訓

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y