本章節將從高速交易領域的應用進行探討，在股票的價量關係中，可以由 Huang et al. [4] 的研究中發現，在已知的文獻中大多數皆認為台灣股市的委託簿 中的委託量的增減與成交價的漲跌呈現某種程度的正相關，為了讓自動演化模型 演化出最適切的模型組合，我們也將 Huang et al. [4]在其研究中所提出的兩個委 託量與成交價相關的預測模型放入自動演化的模型組合中。最後則是探討利用遺 傳演算法所搜尋到之應用在股價預測或金融相關的案例。本研究主要將以 Huang et al. [4]的方法為基礎並運用 GA 以自動產生更複雜的預測模型。為了瞭解高速 交易應用的範疇、特性和國外股市應用高速高易，以及智慧型計算應用在金融方 面之應用的範例，以下將分兩小節來介紹相關的文獻探討。
2.1 高頻交易及股票量價關係相關文獻
在現今的金融市場中，高頻交易者在提供市場流動性方面有著重要的作用 [5-7]，而高頻交易者的增加往往伴隨著交易成本的降低以及價格有效性的提高 [8-13]，Brogaard et al. [12]以 NASDAQ 所提供的學術用資料集中 2008 年至 2009 年的 HFTs 子集來分析高頻交易在價格發現上的作用，其結果發現高頻交易並沒 有 直 接的 證據 可 以 證 明 高頻交 易 直接 導致 市場價 格不穩定 。Jovanovic and Menkveld [14]對 Chi-x 交易所中的交易資料作分析以了解高頻交易對於市場的影 響，作者發現某一特定交易人之交易單數佔了 Chi-x 約 30%的交易量，在多數時 間並不持有證券且下單非常的頻繁，因此判斷與高頻交易的特性完全相符。
本研究的方法組合了各種以股市微觀架構下之量價關係所產生的法則，其中 股票價量關係的相關研究如下：
Karpoff [15]研究價量的關聯性而提出四個有關價量關係的重要論點: (1)透 過價量關係可瞭解該金融市場的結構; (2)運用價量的資料以推論事件的研究結
5
論時，價量關係時常屬於重要的關鍵; (3)價量關係對於價格的定位具有關鍵性的 作用; (4)釐清價量關係對於期貨市場的研究有明顯的幫助。
Ying [16]以標準 500 普爾指數與 NYSE 於 1957/01 至 1962/10 之間的交易資 料運用交叉光譜分析、變異數分析及卡方分配研究價格與成交量的關係發現: (1) 成交量少時股價下跌; (2)成交量上升時股價上漲; (3)成交量激增後隨之價格上漲;
(4)成交量持續減少時會發生價格連續數日下跌; (5)成交量持續增加時會發生價 格連續數日上漲。由此現象可以發現價格與成交量有非常高的關聯性。
高士軒 [17]使用回歸模型和 t 檢定來檢驗台股集中市場 2005 年到 2007 年 間是否存有價量關係。研究結果是價格產生反彈或反轉的機率在成交量呈倍數增 加時就愈高，且台股有明顯價量齊揚和價跌量縮的特徵存在。
郭及李 [18]進行研究股票市場波動性與總體經濟波動性及市場交易量之關 係，兩位作者運用 Granger 因果關係檢驗的統計方法來分析民國 68 年至民國 87 年之間的台灣股市資料並發現交易量成長率領先股價波動性，也間接確定了「量 先價行」的現象存在於台股集中市場。
李雪 [19]為了尋找價格及成交量之間的關聯性，研究將成交量列為變數並 應用於中國股票市場，其研究發現牛市及熊市的關聯並不相同，價格在牛市時與 成交量有非常強的正相關存在，而熊市時則無法發現其關聯性。
2.2 智慧型計算及其應用之相關文獻
智慧型計算(Computational Intelligence)為一種借用自然界的生物行為作為啟 迪並根據其原理模仿設計求解問題的算法，包括了遺傳算法、DNA 計算、啟發 式算法等，而在過去幾十年中，已經有許多針對金融應用的智慧型計算方法被提 出，像是神經網路、支援向量機、混合模型的進化算法[20]以及其他的方法[21]。
其中這些研究也涵蓋了廣泛的應用，包括投資組合最佳化[22,23]，套利[24, 25]，
6
財務預測[26,27]，破產偵測[28]以及雜訊及詐騙偵測[29,30]。
在本研究中使用到了演化式計算的其中一種方法—遺傳演算法(Genetic Algorithm)，其為 Holland [31]所提出藉由模擬自然界生物演化的過程中「物競天 擇，適者生存」的演化與淘汰的概念，藉此方法模擬生物演化過程及運作方式用 以尋找最佳解，以下將介紹遺傳演算法應用在金融相關的研究：
Allen [32]以 1928 年至 1998 年間以標準 500 普爾指數(SP500)資料作為研究 對象，利用遺傳規劃法(Genetic Programming)以產生進場及出場之交易法則，結 果顯示在考量交易成本後所進行的投資績效並不佳，如果能再加入其他指標作為 輸入變數，或許能較有效的提升投資績效。
Huang et al. [25]以 2003 年至 2012 年台灣股票市場中屬於半導體產業相關的 十檔個股及前十大市值個股，並利用遺傳演算法建構一個用於配對交易的穩健投 資模型，該結果顯示遺傳演算法建構出的穩健投資模型之獲利能力遠大於傳統買 入持有的方法，且該穩健投資模型用於半導體產業相關的十檔個股及前十大市值 個股其預測能力皆大於 70%。
Huang and Li [3]以 2015/09/15 至 2016/1/21 期間台灣股票市場每五秒公開的 即時揭露資料，利用遺傳演算法加上財務預測模型以建置一個高速交易環境下的 智慧型股價預測模型，其結果顯示遺傳演算法建構的預測模型其預測能力遠勝過 線性回歸及邏輯回歸的預測方法，因而建立一個將遺傳演算法應用於台灣股票市 場高頻交易資料的一個創新的研究。
Huang et al. [33,34]在 Huang and Li [3]所發表的模型基礎下，以數個不同的 基因演算法所用的適應性函數版本協助預測模型的設計以期改善出現在 Huang and Li [3]的模型預測效能不穩定的現象，其結果顯示這些新提出的方法於 GA 所 搜尋到的預測模型在多數情況中都能增強預測效能的穩定度，而在這幾篇中所提 到模型即為本研究的概念雛形，因此本研究將建立一個更完善的自動演化模型以 提升模型的預測效能。
7