第五章 結論
第二節 未來展望
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
色體族群數量（建議 300 以上），50 代的模擬演化就足以找到十分優秀之染 色體。
二、染色體族群數量越大，就能以越少演化代數找到高適應力之染色體，以 300 到 500 之間的染色體族群數量最為合適。
三、在本研究的基因編碼基礎之下，染色體長度不宜過長，建議低於 16。
未來使用者透過本系統進行模擬演化時，可以基於這三點要領選擇所需之參 數，即可以最有效率的方式，找到優秀的交易策略。
第二節 未來展望
本研究主要聚焦於基於 Hadoop 雲端運算架構之策略交易與回測模擬平台之 架構設計與建置、探討調整架構所帶來的效能改善與找出優秀交易策略所需之基 因演算法參數設定。但本研究所找出之優秀交易策略，乃是過去一段時間區間內 之優秀交易策略，本研究並未進行這些優秀交易策略未來是否能夠持續帶來超額 報酬之實證研究，後續研究者可針對此問題進行實證研究。除此之外，亦可針對 各項不同之指標組合進行績效探討，為使用者提供更多參考依據。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
參考文獻
中文部分
1. 王耀聰、辜文元、魏綸毅譯（2011）。Tom White 著。Hadoop 技術手冊（Hadoop:
The Definitive Guide, Second Edition）。台北市：碁峯資訊。
2. 陸嘉恆（2012）。Hadoop 實戰技術手冊。台北市：佳魁資訊。
3. 賴育漣（2009，10 月 1 日）。演算法交易漸成市場熱點。經濟日報。取自 http://itrader168.blogspot.com/2009/09/blog-post_23.html。
4. 杜金龍（2006）。最新技術指標－在台灣股市應用的訣竅。台北市：財訊。
5. 林昇甫、徐永吉（2009）。遺傳演算法及其應用。台北市：五南。
6. 江吉雄（2002）。遺傳演算法於股市選股與擇時策略之研究（未出版碩士論 文）。國立中央大學，桃園縣。
7. 姜林杰祐（2012）。「演算法交易與高頻交易」－台灣期交所課程教學資源。
取自http://www.programtrading.tw/viewtopic.php?f=24&t=18840。
8. 藍子軒譯（2011）。Ernest P. Chan 著。計量交易（Quantitative Trading）。台 北市：寰宇。
9. 寰宇財務顧問公司譯（2006）。Gregory L. Morris 著。強力陰陽線（Candle
Power）。台北市：寰宇。
10. 溫豐全（2008）。運用技術指標建構投資決策之知識架構（未出版碩士論文）。
國立政治大學，台北市。
11. 楊雅菱（2011）。基於雲端環境與服務導向架構之交易策略評估平台框架（未 出版碩士論文）。國立政治大學，台北市。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
英文部分
1. Kevin Kelly（2006）. Moving markets Shifts in trading patterns are making technology ever more important. The Economist. Retrived from http://www.economist.com/node/5475381?story_id=E1_VQSVPRT.
2. National Institute of Standards and Technology（2010）. Cloud Computing Forum
& Workshop. Retrieved from http://www.nist.gov/itl/cloud.cfm.
3. Dean J, Ghemawat S（2008）. MapReduce: Simplified data processing on large clusters. Communications of the ACM, 2008,51(1): 107-113.
4. Apache（2009）. Apache Hadoop 0.20 Documentation - HDFS Architecture.
Retrieved from http://hadoop.apache.org/common/docs/r0.20.0/hdfs_design.html 5. Chang F, Dean J, Ghemawat S, et al（2006）. Bigtable: A distributed structured
data storage system. The 7th OSDI. Seattle, Washington.
6. Robert D. Edwards, & John Magee（1998）, Technical Analysis of Stock Trends.
J. Magee, Inc.
7. Rob Iati（2009）, The Real Story of Trading Software Espionage. Retrieved from http://AdvancedTrading.com .
8. Gregory L. Morris, Ryan Litchfield（2006）. Candlestick Charting Explained:
Timeless Techniques for Trading Stocks And Futures. McGraw-Hill Professional.
9.
J.H.Holland（2009）. Adaption in Natural and Artificial Systems. University of Michigan, United States.
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
附錄一
單一 K 線型態-共 22 種
長紅線 長黑線 長腳十字
短紅線 短黑線 長下影十字
長紅實線 長黑實線 長上影十字
紅收盤實線 黑收盤實線 墓碑十字
紅開盤實線 黑開盤實線 蜻蜓十字
紅紡錘線 黑紡錘線 星形十字
長下影線紅線 長下影線黑線
長上影線紅線 長上影線黑線
‧
‧
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
反撲 A21
1. 在實線出現之後，立即出現相反顏色的實 線。
2. 兩根實線之間存在跳空缺口。
3. 本型態所處之市場方向並不重要。
飛鴿歸巢 A22
1. 在下降趨勢中出現長黑線。
2. 一根短黑線完全位於前一天的實體內。
梯底 A23
1. 連續三根黑線，其開、收盤價均不斷走低。
2. 第四天為具有上影線的黑線。
3. 最後一天為紅線，其開盤價位於前一天的 實體之上。
低價配 A24
1. 下降趨勢中出現連續兩根黑線，兩天的收 盤價相等。
‧
‧
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
內困三日 翻黑 B21
1. 前兩天為「母子」型態。
2. 第三天收盤走低，確認反轉。
反撲 B22
1. 在實線出現之後，立即出現相反顏色的實 線。
2. 兩根實線之間存在跳空缺口。
3. 本型態所處之市場方向並不重要。
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
三線反擊 C6
1. 前三天為不斷創新高的紅 K 線。
2. 第四天開盤價創新高，隨後價格急挫，最 低價較第一根紅線還低。
上缺口三 法 C7
1. 第一天為上漲的長紅線。
2. 第二天亦為長 K 線，但顏色不重要，與第 一天之間存在跳空缺口。
3. 第三天為下跌的黑 K 線，開盤價位於第二 天的實體之間，收盤價位於第一天的實體 之間。
‧
‧
‧
Average，MA)N 日 MA =N 日收盤價總和N 日 () N 為正整數
short 、 long 為 整 數 ， short < 𝑙𝑙𝑙𝑙
short, long, N
∈ {3,5,10,15,20,30, 40,50,60,80,100,120, 140,160,180,200,220, 240,300,360}
1. MAshort> MAlong 26,32,45,60,80,100, 120,140,160,180,200, 220,240,300,360}
𝛽 ∈ {0.2,0.25,0.3,0.35,0.4, 0.45,0.5,0.55,0.6,0.65,0.7}
1. BIAS(N) < −β 2. BIAS(N) > β 基因總數：462
3 指數移動平均
(Exponential Moving Average，EMA)
N 日的𝐸𝐸𝐸𝑡=
short, long, N
∈ {3,5,10,15,20,30, 40,50,60,80,100,120, 140,160,180,200,220, 240,300,360}
1. EMAshort> EMAlong 2. EMAshort< EMAlong 基因總數：380
‧
(Moving Average Convergence Divergence，MACD) (相依於 EMA)
DIF = EMA(short) − EMA(long)
𝐸𝐸𝐶𝑀𝑡= 𝐸𝐸𝐶𝑀𝑡−1+ 𝐾 × (𝑀𝐷𝐷𝑡− 𝐸𝐸𝐶𝑀𝑡−1)
short、long 為整數 short < 𝑙𝑙𝑙𝑙
K = 2 𝑁 + 1
short, long, N
∈ {3,5,8,12,16,20, 26,32,45,60,80,100, 120,140,160,180,200, 220,240,300,360}
1. DIF > 0
未成熟隨機值(Raw Stochastic Value, RSV)
RSV𝑡=𝐶𝑙𝑙𝐶𝐶𝑡− 𝐿𝑙𝐿𝑁 26,32,45,60,80,100, 120,140,160,180,200, 220,240,300,360}
α ∈ {95,90,85,80,75,70}
β ∈ {5,10,15,20,25,30}
‧
26,32,45,60,80,100, 120,140,160,180,200, 220,240,300,360}α ∈ {0.05,0.1,0.15, 0.2,0.25,0.3}
β ∈ {0.7,0.75,0.8, 0.85,0.9,0.95
1. WMS%R < α 2. WMS%R > β 基因總數：252
7 趨向指標(Directional Movement Index，DMI)
Step1.趨向變動值(Directional Movement，DM) +DM = 本日最高價 - 昨日最高價
-DM = 本日最低價 - 昨日最低價 Step2.真實的波幅(True Range，TR)
TR = MAX[|𝐻𝐻𝑙ℎ𝑡− 𝐿𝑙𝐿𝑡|, |𝐻𝐻𝑙ℎ𝑡− 𝐶𝑙𝑙𝐶𝐶𝑡−1|, |𝐿𝑙𝐿𝑡
− 𝐶𝑙𝑙𝐶𝐶𝑡−1|]
Step3.方向指標(Directional Indicator，DI) +DI𝑁= +𝐷𝐷𝑇𝑇𝑁
𝑁 ； −DI𝑁= −𝐷𝐷𝑇𝑇𝑁
𝑁
Step4.平均趨向指標(Average Directional Movement Index， ADX) 26,32,45,60,80,100, 120,140,160,180,200, 220,240,300,360}
α ∈ {0.5,0.1,0.15,0.2, 0.25,0.3,0.35,0.4}
β ∈ {0.6,0.65,0.7,0.75, 0.8,0.85,0.9,0.95}
γ ∈ {0.2,0.25,0.3,0.35, 0.4,0.45,0.5,0.55,0.6}
1. +DI > 𝛾 2. −DI > 𝛾 3. ADX < 𝛼 (N) 4. ADX > 𝛽 (N) 基因總數：525
‧
Index，MTM)MTM𝑁= 𝐶𝑙𝑙𝐶𝐶𝑡− 𝐶𝑙𝑙𝐶𝐶𝑡−𝑁 N 為正整數
𝐶𝑙𝑙𝐶𝐶𝑡−𝑁為 N 日前之收 盤價
short, long, N
∈ {3,5,8,12,16,20,26}
1. MTMshort> MTMlong 2. MTMshort< MTMlong 基因總數：42
9 震盪量指標
(Oscillator，OSC)
OSC𝑁= 𝐶𝑙𝑙𝐶𝐶𝑡
𝐶𝑙𝑙𝐶𝐶𝑡−𝑁× 100% N 為正整數
𝐶𝑙𝑙𝐶𝐶𝑡−𝑁為 N 日前之收 盤價
N ∈ {3,5,8,12,16,20,26}
β ∈ {5,10,15,20,25,30,35,40}
1. OSCN> 100 + 𝛽 short、long 為整數 short < 𝑙𝑙𝑙𝑙
N ∈ {3,5,8,12,16,20, 26,32,45,60,80,100, 120,140,160,180,200,
220,240,300,360}
α ∈ {95,90,85,80,75,70}
β ∈ {5,10,15,20,25,30}
‧
(Weighted Relative Strength Index，WRSI) (相依於 RSI)
N 日的𝑊𝑅𝑅𝐷𝑡＝
2(1 ∗ 𝑅𝑅𝐷𝑡−𝑁+ 2 ∗ 𝑅𝑅𝐷𝑡−𝑁+1+ ⋯ + 𝑁 ∗ 𝑅𝑅𝐷𝑡) N(N + 1)
N 為正整數 short、long 為整數 short < 𝑙𝑙𝑙𝑙
N ∈ {3,5,8,12,16,20, 26,32,45,60,80,100, 120,140,160,180,200, 220,240,300,360}
α ∈ {95,90,85,80,75,70}
β ∈ {5,10,15,20,25,30}
N ∈ {3,5,8,12,16,20,26,40,62}
α ∈ {300,325,350,375,400}
β ∈ {25,30,35,40,45,50,55}
1. 𝐶𝑅 > 𝐶𝑅𝐷𝑀 2. 𝐶𝑅 < 𝐶𝑅𝐷𝑀 3. 𝐶𝑅 > 𝛼 4. 𝐶𝑅 < 𝛽 基因總數：181
‧
(Accumulation Distribution Line）(相依於 MA)
short, long, N
∈ {3,5,10,15,20,30, 40,50,60,80,100,120}
1. 𝐸𝑀𝐸𝐸𝑠ℎ𝑜𝑜𝑡> 𝐸𝑀𝐸𝐸𝑙𝑜𝑙𝑙
N ∈ {3,5,8,12,16,20,26, 32,45,60,80,100,120}
α ∈ {130,140,150,160,170}
β ∈ {60,65,70,75,80}
N ∈ {3,5,8,12,16,20,26, 32,45,60,80,100,120}
α ∈ {360,380,400,420,440}
β ∈ {40,45,50,55,60}
‧
(Ease of Movement Value, EMV)short, long, N
∈ {1,3,5,8,12,16,20,26, 32,45,60,80,100,120}
1. EMV𝑁> 0 (Chande Momentum Oscillator, CMO)
單日上漲/下跌幅度：今日收盤價-前一日收盤價
𝐶𝐸𝐶𝑁=N 日內上漲總幅度 − N 日內下跌總幅度 N 日內上漲總幅度 + N 日內下跌總幅度
N ∈ {3,5,8,12,16,20,26, 32,45,60,80,100,120}
α ∈ {30,35,40,45,50,55,60}
1. CMON> 𝛼 2. CMON< −𝛼 基因總數：91
18 勁道指數 (Force Index, FI)
FI = 𝑅𝑡∗ (𝐶𝑡− 𝐶𝑡−1) 再對 FI 計算 N 日移動平均
t：當日 V：成交量 C：收盤價
N ∈ {3,5,8,12,16,20,26, 32,45,60,80,100,120}
1. 𝐷𝐷𝑁> 0 2. 𝐷𝐷𝑁< 0 基因總數：13
19 心理線
(Psychological Line, PSY)
𝑃𝑅𝑃𝑁=𝑁日內的上漲天數
𝑁 ∗ 100%
N ∈ {3,5,8,12,16,20,26, 32,45,60,80,100,120}
α ∈ {0.5,0.1,0.15,0.2, 0.25,0.3,0.35,0.4}
β ∈ {0.6,0.65,0.7,0.75, 0.8,0.85,0.9,0.95}
1. 𝑃𝑅𝑃𝑁< α 2. 𝑃𝑅𝑃𝑁> β 基因總數：208
總計 K 線型態共 84 種，技術指標共 19 種，技術指標基因狀態共 58 種，基因總數共 5886 種。