多遺傳神經網路多數決策略可提高對大盤的投資績效嗎？

在 GNN 中其決策有「買入」、「賣出」、「不買不賣」三種。遺傳演算法的優 化結果具有隨機性，無法保證每一次的執行所產生的決策都有達到預期的效果，

投資者會因此而感到困惑，不知道執行出來的決策是否值得信賴。因此，本研究 嘗試利用多個遺傳神經網路多數決策略的方式，來降低因隨機性而產生的錯誤決 策增加穩定性，也期望能藉此增加大盤的投資績效。本研究提出另一個稱為「買 賣網數決策門檻」決策法，其原理是先建立多個GNN 網路，然後在模擬交易過 程中，以超過特定「決策門檻」做為決策。例如先產生三十個GNN 網路，然後 以四個網路為門檻，當有十二個以上(含十二個)的網路作出「買入」決策時，視

為達成「買入」共識；同理，當有十二個以上(含十二個)的網路作出「賣出」決 策時，視為達成「賣出」共識。當同時達成「買入」共識與「賣出」共識時，則 採「不買不賣」決策。

為了實證，本研究建立三種決策系統：

(1) 單網路單一決策略：表 3-6 是分別以 1、3、10、30、100 世代重複執行 30 次，

產生的單一網路決策系統的結果，並且以十個為一組進行平均值統計，這是 為了和下一種「10 網路多數決策略」的結果作比較。

(2) 十網路多數決策略：表 3-7 是分別以上述的 30 個網路以十個為一組的多數決 策略進行交易的結果。「決策門檻」分別設為3、4、5、6 個網路。

(3) 三十網路多數決策略：表 3-8 是分別以上述的 30 個網路的多數決策略進行交 易的結果。「決策門檻」分別設為9、12、15、18 個網路。

比較表3-6 與表 3-7 可知，第一、二、三組的「單網路單一決策略」的獲利 係數平均值(±標準差)分別為 1.06(±0.05)、1.06(±0.04)、1.05(±0.05)，而這三組的

「十網路多數決策略」的獲利係數平均值依門檻的高低不同達1.04~1.08、

1.04~1.07、1.06，標準差則為 0.04~0.05、0.02~0.05、0.02~0.06，兩相比較，十 網路多數決策略與單網之結果相差近，無明顯改善。

再比較表3-6 與表 3-8 可知，「三十網路多數決策略」的獲利係數在門檻為9、

12、15、18 時分別達 1.07(±0.03)、1.06(±0.05)、1.05(±0.03)、1.06(±0.02)，兩相 比較，「三十網路多數決策略」比起「單網路單一決策」雖然沒有明顯提高平均 值，但標準差明顯降低。表示它有更為穩健的決策品質。總結上述證據得知，「多 遺傳神經網路多數決策略」無法提高對大盤的投資績效，但可以提高決策的穩健 性。

表3-6 單網路單一決策略測試期間獲利係數表 (買賣網數決策門檻法)

第1~10 網 第 11~20 網 第 21~30 網 第 1~30 網

世代數 平均 標準差 平均 標準差 平均 標準差 平均 標準差

1 世代 1.02 0.06 1.04 0.03 1.03 0.05 1.03 0.05 3 世代 1.05 0.08 1.06 0.05 1.05 0.05 1.05 0.06 10 世代 1.07 0.04 1.04 0.03 1.06 0.04 1.06 0.04 30 世代 1.06 0.06 1.06 0.05 1.06 0.05 1.06 0.05 100 世代 1.10 0.03 1.07 0.03 1.07 0.05 1.08 0.04 平均 1.06 0.05 1.06 0.04 1.05 0.05 1.06 0.05

表3-7 十網路多數決策略測試期間獲利係數表(買賣網數決策門檻法)

第 1~10 個網路 決策門檻

第11~20 個網路

決策門檻

第21~30 個網路 決策門檻 世代數

3 次 4 次 5 次 6 次 3 次 4 次 5 次 6 次 3 次 4 次 5 次 6 次 1 世代 1.02 0.95 0.96 1.02 1.14 1.09 1.04 1.12 1.15 1.11 1.03 1.05 3 世代 1.13 1.08 1.09 1.14 1.02 1.03 1.06 1.06 1.02 1.03 1.06 1.06 10 世代 1.05 1.05 1.03 1.07 1.02 1.02 1.00 1.01 1.03 1.07 1.06 1.14 30 世代 1.04 1.04 1.05 1.09 1.07 1.01 1.02 1.03 1.02 1.03 1.08 1.07 100 世代 1.07 1.07 1.06 1.09 1.11 1.04 1.05 1.07 1.07 1.08 1.07 0.98 平均 1.06 1.04 1.04 1.08 1.07 1.04 1.04 1.06 1.06 1.06 1.06 1.06 標準差 0.04 0.05 0.05 0.04 0.05 0.03 0.02 0.04 0.05 0.03 0.02 0.06

表3-8 三十網路多數決策略測試期間獲利係數表(買賣網數決策門檻法)

決策門檻

世代數 9 次 12 次 15 次 18 次

1 世代 1.12 1.15 1.08 1.06

3 世代 1.07 1.04 1.06 1.07

10 世代 1.07 1.03 1.02 1.02

30 世代 1.03 1.05 1.02 1.07

100 世代 1.07 1.05 1.08 1.05

平均 1.07 1.06 1.05 1.06

標準差 0.03 0.05 0.03 0.02

圖 3-3 是 100 世代產生的三十單網之獲利係數的直方圖，由圖可知單網的獲 利係數散佈滿廣的，但皆大於1.00，有 60%的單網其獲利係數落於 1.06~1.12，

而全體平均值為1.08，其分佈情形接近常態分配，卡方檢定顯著水準達 0.19，但 未通過0.05 顯著水準。

0 1 2 3 4 5 6 7 8

0.98~1.00 1.00~1.02 1.02~1.04 1.04~1.06 1.06~1.08 1.08~1.10 1.10~1.12 1.12~1.14 1.14~1.16 1.16~1.18 1.18~1.20

獲利指標組距

出現次數

圖3-3 100 世代 1~30 網測試期間的獲利係數直方圖(買賣網數決策門檻法)

將100 世代 30 網的買賣訊號繪成圖 3-4，在圖中可以觀察出買賣訊號的變化 情形。雖然決定「買」的網路與決定「賣」的網路成反比，但有時會有決定「不 買不賣」的網路出現。此外，可以發現上述「買賣網數決策門檻」決策法有時會 發生同一時間達成「買入」共識與「賣出」共識，此時採「不買不賣」決策。

除了前述的「買賣網數決策門檻」決策法外，本研究提出另一個稱為「買賣 網數差額門檻」的決策方法，其原理是先建立多個GNN 網路，然後在模擬交易 過程中，以買、賣網數的差額超過一特定門檻來決定該買該賣。例如先產生三十 個GNN 網路，然後以四個網路為門檻，當作出「買入」決策的網路數目大於作 出「賣出」決策的網路數目四個以上(含四個)，視為達成「買入」共識；同理，

當作出「賣出」決策的網路數目大於作出「買入」決策的網路數目四個以上(含 四個)，視為達成「賣出」共識。此法的優點是不會有同一時間達成「買入」共 識與「賣出」共識的問題。

3 0 0 0 4 0 0 0 5 0 0 0 6 0 0 0 7 0 0 0 8 0 0 0 9 0 0 0

89年6月28日 89年12月28日 90年6月28日 90年12月28日 91年6月28日 91年12月28日 92年6月28日 92年12月28日 93年6月28日

台灣股市大盤指數

0 5 10 15 20 25 30 35

171 31 92 53 13 74 34 95 56 16 77 37 98 59 19 71 0 31 0 91 1 51 2 11 2 71 3 31 3 91 4 51 5 11 5 71 6 31 6 91 7 51 8 11 8 71 9 31 9 92 0 52 1 12 1 72 2 32 2 92 3 52 4 12 4 72 5 32 5 92 6 52 7 12 7 72 8 32 8 92 9 53 0 13 0 73 1 33 1 93 2 53 3 13 3 73 4 33 4 93 5 53 6 13 6 73 7 33 7 93 8 53 9 13 9 74 0 34 0 94 1 54 2 14 2 74 3 34 3 94 4 54 5 14 5 74 6 34 6 94 7 54 8 14 8 74 9 34 9 95 0 55 1 15 1 75 2 35 2 95 3 55 4 15 4 75 5 35 5 95 6 55 7 15 7 75 8 35 8 95 9 56 0 16 0 76 1 36 1 96 2 56 3 16 3 76 4 36 4 96 5 56 6 16 6 76 7 36 7 96 8 56 9 16 9 77 0 37 0 97 1 57 2 17 2 77 3 37 3 97 4 57 5 17 5 77 6 37 6 97 7 57 8 17 8 77 9 37 9 98 0 58 1 18 1 78 2 38 2 98 3 58 4 18 4 78 5 38 5 98 6 58 7 18 7 78 8 38 8 98 9 59 0 19 0 79 1 39 1 99 2 59 3 19 3 79 4 39 4 99 5 59 6 19 6 79 7 39 7 99 8 59 9 19 9 7

決策買之網路數目

0 5 10 15 20 25 30 35

171 31 92 53 13 74 34 95 56 16 77 37 98 59 19 71 0 31 0 91 1 51 2 11 2 71 3 31 3 91 4 51 5 11 5 71 6 31 6 91 7 51 8 11 8 71 9 31 9 92 0 52 1 12 1 72 2 32 2 92 3 52 4 12 4 72 5 32 5 92 6 52 7 12 7 72 8 32 8 92 9 53 0 13 0 73 1 33 1 93 2 53 3 13 3 73 4 33 4 93 5 53 6 13 6 73 7 33 7 93 8 53 9 13 9 74 0 34 0 94 1 54 2 14 2 74 3 34 3 94 4 54 5 14 5 74 6 34 6 94 7 54 8 14 8 74 9 34 9 95 0 55 1 15 1 75 2 35 2 95 3 55 4 15 4 75 5 35 5 95 6 55 7 15 7 75 8 35 8 95 9 56 0 16 0 76 1 36 1 96 2 56 3 16 3 76 4 36 4 96 5 56 6 16 6 76 7 36 7 96 8 56 9 16 9 77 0 37 0 97 1 57 2 17 2 77 3 37 3 97 4 57 5 17 5 77 6 37 6 97 7 57 8 17 8 77 9 37 9 98 0 58 1 18 1 78 2 38 2 98 3 58 4 18 4 78 5 38 5 98 6 58 7 18 7 78 8 38 8 98 9 59 0 19 0 79 1 39 1 99 2 59 3 19 3 79 4 39 4 99 5 59 6 19 6 79 7 39 7 99 8 59 9 19 9 7

決策賣之網路數目

- 4 0 - 3 0 - 2 0 - 1 0 0 1 0 2 0 3 0 4 0

89年6月28日 89年12月28日 90年6月28日 90年12月28日 91年6月28日 91年12月28日 92年6月28日 92年12月28日 93年6月28日

決策(買-賣)之網路數目

圖3-4 100 世代三十網路之買、賣、不買不賣網路數目變化圖

表3-9 是以上述的 30 個網路用「買賣網數差額門檻」的決策方法進行交易 的結果，「差額門檻」分別設為0~5 個網路。由表可知，在測試期間的獲利為 1.08(±0.01)，比原本的「買賣網數決策門檻」決策法更加獲利更高、更穩定。

表3-9 6-6-1 三十世代三十網路獲利係數表(買賣網數差額門檻法) 獲利係數

差額門檻 訓練期間 測試期間 1 1.13 1.07 2 1.15 1.08 3 1.17 1.08 4 1.19 1.09 5 1.19 1.08 6 1.19 1.08 平均 1.17 1.08 標準差 0.02 0.01

第六節 遺傳神經網路可提高對類股的投資績效嗎？

大盤是由各個不同產業的類股所組合而成，大盤與類股漲跌趨勢應有某種程 度的關聯。但由資金流動的觀點來看，資金可能相當穩定地在整體股市內流動，

但可能快速地在類股間流動，因此大盤的漲跌特性與類股的漲跌特性可能不同，

對大盤有效的方法對類股未必有效。

為了實證，本研究分別針對最具代表性的台灣八大類股指數(金融類股、營 建類股、塑化類股、機電類股、泥窯類股、紡織類股、造紙類股、食品類股)建 立決策系統，訓練與測試期間與 3.1 節的大盤資料完全相同，其結果整理成表 3-10。

由t 統計單尾檢定可知，有營建、機電、造紙等三個類股的 GNN 的訓練期 間與測試期間之年平均獲利、獲利係數均顯著高於買入持有策略，顯著水準均通 過1%，但有塑化、泥窯、紡織等三個類股雖優於買入持有策略，顯著水準未通 過1%，而金融、食品甚至劣於買入持有策略。

由表可知，只有營建類股的獲利明顯大於1，其獲利係數平均值 1.09，金融 與食品類股則是明顯小於1，其獲利係數分別為 0.92 與 0.95，其於各類股的平均

獲利係數略大於1 為 1.00~1.03，八大類股取平均則剛好為 1.0，可見 GNN 決策 系統無法提高類股投資績效。

表3-10 八大類股投資績效

年平均獲利(%) 獲利係數

GNN GNN 期間 類股

平均值 標準差 買入持有 t 檢定

平均值 標準差

買入持有 t 檢定

金融 22.84% 9.30% -6.14% 2.03E-06 1.27 0.096 0.97 2.21E-06 營建 15.03% 0.80% -10.81% 1.50E-15 1.22 0.008 0.94 1.37E-15 塑化 10.89% 1.30% -0.05% 3.36E-10 1.11 0.013 1.00 3.94E-10 機電 27.71% 1.50% 12.93% 1.19E-10 1.20 0.015 1.06 1.10E-10 泥窯 6.71% 1.00% -7.44% 4.86E-12 1.11 0.011 0.96 4.57E-12 紡織 18.51% 2.10% -5.07% 2.36E-11 1.21 0.021 0.97 2.11E-11 造紙 10.56% 1.20% -8.40% 1.24E-12 1.15 0.012 0.96 1.48E-12 訓

練 期 間

食品 20.01% 4.60% -4.67% 1.85E-08 1.23 0.047 0.98 2.17E-08 金融 -6.80% 5.00% 1.98% >0.5 0.92 0.050 1.01 >0.5 營建 9.55% 6.60% 0.66% 1.08E-03 1.09 0.066 1.00 8.88E-04 塑化 0.10% 9.60% -0.21% 4.60E-01 1.00 0.096 1.00 4.80E-01 機電 -4.16% 6.80% -13.08% 1.26E-03 1.03 0.073 0.93 1.11E-03 泥窯 -0.98% 5.20% -3.20% 1.04E-01 1.01 0.053 0.98 7.53E-02 紡織 0.52% 6.20% -2.58% 7.50E-02 1.02 0.063 0.99 1.07E-01 造紙 2.61% 3.10% -0.48% 5.80E-03 1.03 0.031 1.00 8.61E-03 測

試 期 間

食品 -7.77% 7.20% -5.08% >0.5 0.95 0.074 0.97 >0.5