3 研究方法
3.4 選股模型之建立
3.4.2 根據股票排序指標與排序函數建立投資策略
在本研究的程式中，對於每一個投資人情緒指標，我們分別給予 1-bit 的股票排序 指標(0 或 1)。當採用「跟隨樂觀投資人情緒」的投資策略時，若某一個投資人情緒標 的值越高，則其所得到的分數就越高(即股票排序指標為 1)。而當採用「跟隨悲觀投資 人情緒」的投資策略時，某一個投資人情緒標的值越低，則其所得到的分數就越高(即 股票排序指標為 0)，我們可以用(34)及(35)公式來表示：
0
I
j :
i,j,t
k,j,tiff v
i,j,t v
k,j,t for i≠k; (34)
(35)28
其中
I
j表示投資人情緒指標 j 之股票排序指標；v
i,j,t代表股票 i 在第 t 月投資人情緒指標 j 之值；
i,j,t代表股票 i 在第 t 月針對投資人情緒指標 j 之獲得分數。當I
j 1
時，若 股票 i 所獲得的分數越高，則代表投資人根據投資人情緒指標 j 對於股票 i 的樂觀程度 越高；若I
j 0
時，股票 i 所獲得的分數越高，則代表投資人根據投資人情緒指標 j 對 於股票 i 的悲觀程度越高。1. 跟隨樂觀投資人情緒投資策略：
對於「跟隨樂觀投資人情緒」（買進前期投資人情緒最樂觀的股票）策略，我 們對於每一個投資人情緒指標分別給予 1-bit 為 1 的股票排序指標值(因為根據我們 的假設，若每個投資人情緒指標的值越高，則代表投資人對於此股票未來走勢越樂 觀)。假設股票 i 在第 t 月的投資人情緒指標 j 之值為
P
i,j,t R, i = 1, ..., m ，則我們
定義一個排序函數 (o) 如(36):
, ,,
,,jt o i jt
i
P
Q
(36)其中
Q
i,j,t 1 ,..., m
為股票 i 在第 t 月的投資人情緒指標 j 於整個測詴股票集合中的 排序。亦即如果P
i,j,t P
k,j,t，則Q
i,j,t Q
k,j,t。則依前述定義，我們指定股票 i 在第t 月的投資人情緒指標 j 所獲得之分數為 Q
i,j,t，而且所有測詴股票均可獲得介於 1 到 m 的分數。(亦若投資人情緒指標 j 獲得 m 分，則代表根據投資人情緒指標 j，投 資人對於股票 i 的情緒最樂觀)。由於每一項投資人情緒指標其預測股票報酬之能力程度可能不同，因此我們透 過加入權重的概念來賦予每個指標相對的重要性。關於每一個投資人情緒指標的權 重，我們利用遺傳演算法來搜尋各指標的權重值。茲將計算權重的線性模型如(37)：
, ,
i j i j,
i j
T
Y Q (37)其中，
Y
j表示投資人情緒指標 j 得到的權重值；Q
i,j表股票 i 在投資人情緒指標 j 所的到的分數；Ti代表股票 i 經由線性模型計算後的總分。而我們能透過(37)之公式來算出每支股票整體的樂觀程度。因此，當採用「跟隨樂觀投資人情緒」（買進
前期投資人情緒最樂觀的股票）的投資策略時，我們的方法是將 Ti 值乘上其隸屬 度後所獲得之值，以之選擇最高得分的前 N 支股票進行投資，如公式(40)所述。
2. 跟隨悲觀投資人情緒投資策略：
另一方面，對於「跟隨悲觀投資人情緒」（買進前期投資人情緒最悲觀的股票）
策略，我們對於每一個投資人情緒指標分別給予 1-bit 為 0 的股票排序指標值(因為 根據我們的假設，若每個投資人情緒指標的值越低，則代表投資人對於此股票未來 走勢越悲觀)。假設股票 i 在第 t 月的投資人情緒指標 j 之值為
G
i,j,t R, i = 1, ..., m ，
則我們定義一個排序函數 (p) 如 (38):
, ,,
,
,jt p ijt
i
G
S
(38)其中，
S
i,j,t 1 ,..., m
為股票 i 在第 t 月的投資人情緒指標 j 於整個測詴股票集合中 的排序。亦即如果G
i,j,t G
k,j,t則S
i,j,t S
k,j,t。依前述定義，我們指定股票 i 在第 t 月的投資人情緒指標 j 所獲得之分數為S
i,j,t；而且所有測詴股票均可獲得介於 1 到m 的分數(亦即若投資人情緒指標 j 獲得 m 分，則代表根據投資人情緒指標 j，投資
人對於股票 i 的情緒最悲觀)。30
, ,
i j i j,
i j
X
W S (39)其中，
W
j示投資人情緒指標 j 得到的權重值；S
i j, 表示股票 i 在投資人情緒指標 j所得到的分數；
X 代表股票 i 經由線性模型計算後的總分。而我們能透過(39)之公
i式來算出每支股票整體的悲觀程度。因此，當採用「跟隨悲觀投資人情緒」（買進
前期投資人情緒最悲觀的股票）的投資策略時，我們的方法是將 Xi 值乘上其隸屬 度後所獲得之值，以之選擇最高得分的前 N 支股票進行投資，如公式(41)所述。
3. 股票排序指標自由演化投資策略：
有鑑於 Huang et al. (2012)提出股票排序指標自由演化的方法，本研究也應用此 方法來加以討論投資人情緒指標與股票報酬之關係。在此投資策略中，我們讓電腦 經由遺傳演算法將股票排序指標值自由設定為 0 或 1，亦即讓系統可自行判斷哪一 種投資人情緒指標在追隨前期悲觀程度高或者樂觀程度高時，在未來較能夠獲得較 高的股票報酬。此類的研究方法乃是利用人工智慧高度彈性的優點以協助克服傳統 投資理論的侷限(Huang et al., 2011)。而由後面的實驗結果顯示，我們便能發現利用 人工智慧方法所建立的投資策略，不論選擇多股數或少股數時，的確都能獲得不錯 的投資績效。