第三章 台灣股票市場之實證
第十節 最近三年之驗証結果
1000 3000 5000 7000 9000 11000 13000
80年11月23日 82年5月23日 83年11月23日 85年5月23日 86年11月23日 88年5月23日 89年11月23日 91年5月23日
買點 賣點
台 灣 股 市 大 盤 指 數
圖3-18 加入近三年資料的訓練範例大盤指數與買賣績效比較圖
2000 3000 4000 5000 6000 7000 8000 9000 10000
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
買點 賣點
台 灣 股 市 大 盤 指 數
圖3-19 加入近三年資料的測試範例大盤指數與買賣績效比較圖
0 100 200 300 400 500 600 700 800
80年12月24日 82年6月24日 83年12月24日 85年6月24日 86年12月24日 88年6月24日 89年12月24日 91年6月24日 資金(萬元)
圖3-20 加入近三年資料的訓練範例大盤指數與買賣績效比較圖
70 90 110 130 150 170 190 210
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日 資金(萬元)
圖3-21 加入近三年資料的測試範例的大盤指數與買賣績效比較圖
2000 3000 4000 5000 6000 7000 8000 9000
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
台 灣 股 市 大 盤 指 數
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
DW(10)
-1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
RSI(10)
圖3-22 加入近三年資料的 GNN 買賣決策時間點與技術指標的關係
2000 3000 4000 5000 6000 7000 8000 9000
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
台 灣 股 市 大 盤 指 數
-1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
PVI(10)
-1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
PVC(10)
圖3-23 加入近三年資料的 GNN 買賣決策時間點與技術指標的關係(續一)
2000 3000 4000 5000 6000 7000 8000 9000
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
台 灣 股 市 大 盤 指 數
-1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
MAI(5,20)
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
MVI(5,20)
圖3-24 加入近三年資料的 GNN 買賣決策時間點與技術指標的關係(續二)
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
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
台灣股市大盤指數
-1 -0.5 0 0.5 1
9 2 年 4 月 2 9 日 9 2 年 1 2 月 2 9 日 9 3 年 8 月 2 9 日 9 4 年 4 月 2 9 日 9 4 年 1 2 月 2 9 日 9 5 年 8 月 2 9 日 9 6 年 4 月 2 9 日
買賣決策指標(一)
-1 -0.5 0 0.5 1
9 2 年 4 月 2 9 日 9 2 年 1 2 月 2 9 日 9 3 年 8 月 2 9 日 9 4 年 4 月 2 9 日 9 4 年 1 2 月 2 9 日 9 5 年 8 月 2 9 日 9 6 年 4 月 2 9 日
買賣決策指標(二)
-1 -0.5 0 0.5 1
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
買賣決策指標(三)
圖3-25 加入近三年資料的 GNN 買賣決策時間點與技術指標的關係(續三)
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
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29日
台灣股市大盤指數
-5 0 5 10 15 20 25 30 35
9 2 年 4 月 2 9 日 9 2 年 1 2 月 2 9 日 9 3 年 8 月 2 9 日 9 4 年 4 月 2 9 日 9 4 年 1 2 月 2 9 日 9 5 年 8 月 2 9 日 9 6 年 4 月 2 9 日
決策買之網路數目
-5 0 5 10 15 20 25 30 35
9 2 年 4 月 2 9 日 9 2 年 1 2 月 2 9 日 9 3 年 8 月 2 9 日 9 4 年 4 月 2 9 日 9 4 年 1 2 月 2 9 日 9 5 年 8 月 2 9 日 9 6 年 4 月 2 9 日
決策賣之網路數目
-40 -30 -20 -10 0 10 20 30 40
92年4月29日 92年10月29日 93年4月29日 93年10月29日 94年4月29日 94年10月29日 95年4月29日 95年10月29日 96年4月29
決策(買-賣)之網路數目
圖3-26 加入近三年資料的 GNN 買賣決策時間點與技術指標的關係(續四)
第十一節 移動學習法可以改善績效嗎？
在第十節的研究中發現加入近三年的資料後，投資績效明顯的變差，而績效 變差原因或許是因為12 年的訓練期間資料太過老舊，使得系統所學習到的規則 不適合測試期間的資料，也可能是因為測試期間過長，在這段時間內股市結構有 所變化，使得訓練期間所學習到的規則無法套用整個測試時期。為了改善這原因 本研究嘗試使用學習移動法，使用民國78 年 6 月 7 日 至 96 年 4 月 24 日的資料 共4800 筆，以 2160 筆(大約 8 年)為訓練期間，以 240 筆(大約 1 年)為測試期間，
以移動視窗法學習測試11 次(=(4800-2160)/240=11)，以三十世代去執行，結果整 理成表3-25。
由結果來看2、3、5、6、7、11 時期獲利係數大於 1，其餘小於 1，且平均 獲利係數只有1.02，由此可知移動學習法無法改善績效。
表3-25 以三十世代使用移動學習法十一個時期的獲利係數表
訓練期間平均獲利係數 測試期間平均獲利係數
時期 第1 次 第 2 次 第 3 次 平均 第1 次 第 2 次 第 3 次 平均 1 1.197 1.189 1.202 1.196 0.957 0.984 0.957 0.966 2 1.186 1.174 1.189 1.183 1.090 1.006 1.036 1.044 3 1.122 1.128 1.125 1.125 0.947 1.134 1.212 1.098 4 1.137 1.124 1.122 1.127 0.914 0.938 0.934 0.929 5 1.141 1.124 1.106 1.124 1.252 0.855 0.939 1.015 6 1.127 1.153 1.130 1.137 1.264 1.214 1.045 1.174 7 1.130 1.179 1.140 1.150 1.139 1.025 1.018 1.061 8 1.148 1.208 1.169 1.175 0.852 0.905 0.884 0.881 9 1.152 1.156 1.175 1.161 0.990 1.017 0.934 0.981 10 1.162 1.131 1.119 1.137 1.031 0.968 0.929 0.976 11 1.144 1.115 1.124 1.127 1.137 1.040 1.075 1.084 平均 1.150 1.153 1.146 1.149 1.052 1.008 0.997 1.019
為了探討隱藏在遺傳神經網路內的決策規則是否會依時而變，將這11 個時 期建立的網路用權值分析得圖3-25 至 3-30。由圖可知，隱藏在遺傳神經網路內 的決策規則會依時而變。將這11 個時期的權值取平均值，得圖 3-29，可知 MVI(5,20)與買賣時機指標確實成正比，而 PVC(10)成反比，RSI(10)成輕微正比。
-2 -1.5 -1 -0.5 0 0.5 1 1.5
1 2 3 4 5 6 7 8 9 10 11
權 值 敏 感 度
時期
圖3-27 DW 權值敏感度折線圖
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
1 2 3 4 5 6 7 8 9 10 11
權 值 敏 感 度
時期
圖3-28 RSI 權值敏感度折線圖
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1 2 3 4 5 6 7 8 9 10 11
權 值 敏 感 度
時期
圖3-29 PVI 權值敏感度折線圖
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
1 2 3 4 5 6 7 8 9 10 11
權 值 敏 感 度
時期
圖3-30 PVC 權值敏感度折線圖
-1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
1 2 3 4 5 6 7 8 9 10 11
權 值 敏 感 度
時期
圖3-31 MAI 權值敏感度折線圖
-1 -0.5 0 0.5 1 1.5 2 2.5
1 2 3 4 5 6 7 8 9 10 11
權 值 敏 感 度
時期
圖3-32 MVI 權值敏感度折線圖
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
DW(10) RSI(10) PVI(10) PVC(10) MAI(5,20) MAV(5,20)
技術指標 權
值 敏 感 度 統 計 平 均 值
圖3-33 加入近三年資料的 GNN 線性作用指標
第十二節 過度學習是可以改善嗎？
在第十一節中的結果來看，時期 1、2、8、9 的訓練期間獲利係數特別高，
但其測試期間卻特別差，因此可能有過度學習的現象。本研究嘗試降低世代數為 一世代，以求改善過度學習的現象，其執行結果整理成表3-25。由結果來看，其 改善了1、2、4、5、10 時期的結果，但其它時期卻變差，平均的獲利係數也降 低到只有1.00，由此可知以降低世代的方法無法改善過度學習。
本研究嘗試減少自變數數目為三個，即RSI(10)、PVC(10)、MVI(5,20)，以 求改善過度學習的現象，其執行結果整理成表3-26。由結果來看，其改善了 1、
4、5、6 ，但其它時期卻變差，整體來看其平均獲利係數還是只有 1.00，减少自 變數依然無法改善過度學習的現象。
表3-25 以一世代使用移動學習法十一個時期的獲利係數表
時期 訓練期間平均獲利係數 測試期間平均獲利係數
1 2 3 平均 1 2 3 平均
1 1.133 1.110 1.164 1.136 1.069 1.019 1.054 1.047 2 1.090 1.102 1.133 1.108 1.082 1.055 1.059 1.065 3 1.064 1.039 1.056 1.053 1.000 1.114 0.920 1.011 4 1.073 1.066 1.090 1.076 0.968 0.978 1.030 0.992 5 1.090 1.053 1.086 1.077 1.401 0.904 0.829 1.044 6 1.079 1.147 1.121 1.116 1.163 1.034 1.045 1.080 7 1.094 1.109 1.087 1.096 0.997 0.948 1.063 1.003 8 1.123 1.105 1.122 1.117 0.813 0.835 0.900 0.849 9 1.056 1.078 1.124 1.086 0.962 1.013 0.957 0.977 10 1.080 1.045 1.119 1.082 1.019 0.966 1.023 1.002 11 1.059 1.088 1.058 1.068 0.985 0.949 1.066 1.000 平均 1.085 1.086 1.105 1.092 1.042 0.983 0.995 1.007
表3-26 以三自變數使用移動學習法十一個時期的獲利係數表
時期 訓練期間平均獲利係數 測試期間平均獲利係數
1 2 3 平均 1 2 3 平均
1 1.202 1.195 1.195 1.197 0.923 1.093 1.083 1.033 2 1.179 1.180 1.160 1.173 0.841 0.990 1.006 0.946 3 1.109 1.096 1.127 1.111 0.922 1.131 0.996 1.017 4 1.110 1.128 1.118 1.119 0.996 0.994 0.863 0.951 5 1.104 1.098 1.141 1.114 1.427 1.318 1.012 1.252 6 1.153 1.131 1.153 1.146 1.151 1.220 1.234 1.202 7 1.128 1.134 1.123 1.128 1.010 1.033 1.019 1.020 8 1.161 1.170 1.156 1.162 0.812 0.719 0.795 0.775 9 1.120 1.117 1.120 1.119 0.976 0.908 0.833 0.906 10 1.123 1.119 1.121 1.121 0.944 0.967 0.931 0.947 11 1.112 1.112 1.116 1.113 0.949 1.082 1.009 1.013 平均 1.137 1.135 1.139 1.137 0.996 1.041 0.980 1.006
第十三節 結論
本研究對第一章所提出的七個問題的實證結論如下：
問題一：遺傳神經網路可以提高對大盤的投資績效嗎？
實證結果顯示，在演化過程中，確實可以觀察到「訓測相關」與「世代進步」
現象，顯示在強化式學習的演化歷程中，GNN 確實學習到具普遍化獲利能力的 交易策略。
問題二：成交量的資訊可提高對大盤的投資績效嗎？
實證結果顯示，使用包含成交量的資訊產生的系統如果能避免過度學習，可 以提高投資績效。
問題三：訓練期間的長度需要多長以上才足夠呢？
實證結果顯示，三個使用「短訓練期間」(4.5 年)的 GNN 決策系統的獲利係 數皆無法超過1.0，明顯小於使用「長訓練期間」(12 年)者的 1.04，顯示 4.5 年 的訓練期間太短，不足以學習到具普遍化獲利能力的交易策略。
問題四：多遺傳神經網路多數決策略可提高對大盤的投資績效嗎？
實證結果顯示，使用「多遺傳神經網路多數決策略」無法提高獲利係數的平 均值，但可降低其標準差(約從 0.04~0.05 降低到 0.02~0.05)，顯示採用多數決策 略無助於提高對大盤的投資績效，僅可使其更加穩定。
問題五：遺傳神經網路可提高對類股的投資績效嗎？
實證結果顯示，應用GNN 決策系統到八大類股指數，其獲利係數的平均值 介於0.92~1.09，而八個類股平均剛好等於 1，顯示 GNN 決策系統無法提高類股 投資績效。
問題六：雙向交易可提高對大盤的投資績效嗎？
實證結果顯示，使用雙向交易方式可以提高測試期間之「獲利係數」超過 1.20 以上，獲利約為單向交易方式的二倍。
問題七：隱藏在遺傳神經網路內的決策規則是什麼？
透過神經網路的敏感性分析，遺傳神經網路的決策規則為「DW 指標越小，
越適合買進；RSI、PVC、MAI 和 MAI 指標越大，越適合買進。」這與傳統技 術分析的觀點，除RSI 相反與 DW 是新發現外，大致相符，代表 GNN 確實學習 到合理的交易規則。
其他結論如下：
結論 1：結合加入量的資訊與多網決策之 GNN 模式
實證結果顯示，6-6-1 模型架構結合多個遺傳神經網路多數決策略確實可獲 得最佳且穩定投資績效。
結論 2：最近三年之驗証結果
實證結果顯示，測試期間的平均獲利係數只有0.99，顯示在加入近三年的資
料後的投資績效明顯變差。
結論 3：移動學習法可以改善績效嗎？
實證結果顯示，測試期間的平均獲利係數只有1.02，顯示移動學習法無法改
善績效。
結論 4：過度學習是可以改善嗎？
實證結果顯示，减少自變數與降低世代的方法測試期間的平均獲利係數皆是
1.00，顯示减少自變數與降低世代的方法無法改善過度學習。