2
1.2 研究目的
台灣股市從開市以來一直是採取集合競價的交易模式，隨著時間的推進不斷 修正了各種交易制度，像是撮合頻率、揭示訊息，檔位價格等等，但更詳盡的委 託簿資訊並沒有公開對外展示。
我們從國外的高頻交易文獻中可以發現，國外的研究者們可以獲得交易所最 原始的委託單資料進行研究。使用原始委託單資料的好處在於，我們可以從委託 單的提交、取消、出價、時間頻率等資訊去研判市場上的其他投資者的出價模式 或股價在未來更精確的走勢[5]。雖然台灣證券交易所目前在交易期間每五秒對 外揭示了前一盤包含成交量、成交價、最佳五檔委託量…等交易訊息，但並未公 開提供上述的原始委託單資料，投資人只能從這些被集中對外公佈的資料去推測 往後的交易盤狀況。雖然國內有研究者曾使用過台灣證券交易所提供的歷史委託 單資料進行研究[6]，然而普通的研究者與投資者若想使用這些資料會有較難克 服的缺點，例如這些資料的取得對上述的角色來說相當不容易且成本很高，以及 這些資料缺乏即時性而較難應用於變化快速的高速交易市場。
除此之外，將人工智慧結合演算法交易的研究與應用在台灣卻不常見，因此 我們希望透過這個研究，讓人工智慧學習出具有處理微觀結構的高速交易環境問 題的能力，以增進台灣在這個領域的相關研究與應用。
3
1.3 論文架構
本論文共分五個章節：第一章為導論，描述本文的研究背景與研究目的。第 二章為文獻探討，主要探討高頻交易，台灣股票市場，及人工智慧的相關文獻。
第三章為詳細介紹本文的研究方法與其定義：包含了做為模型績效的評估指標、
利用證交所公開揭示資訊來判斷價格走勢的四種規則、以及用於比較基準的線性 迴歸模型，邏輯迴歸模型，以及一個基於成交價法則的模型，尋找擁有最佳預測 能力參數的遺傳演算法模型。第四章會呈現本文的實驗架構與實驗結果，包含了 資料來源及實驗數據的時間範圍、遺傳演算法模型最佳化參數的設定，檢驗本研 究實驗的有效性驗證方法，及實驗結果。最後以第五章的結論與展望作為本文的 總結。
4 頻交易的活動，Kauffman [8]則是探討了能夠運作高頻交易的金融市場下，所使 用的技術、制度、以及市場發展等議題，他們發現高頻交易占了美國股市接近一
Allen [11]利用了 NASDAQ 的交易資料，分析了高頻交易者的交易表現、交易成 本，以及對市場效率的影響，其結果顯示高頻交易的成本不高，且當高頻交易者 提供市場流動性(liquidity)時會導致價格波動變大，且能增進價格效率。