本研究之系統是以螞蟻族群演算法為系統主體,藉由費 洛蒙量及螞蟻尋找最短路徑的概念。因此在此系統裡,每一 隻螞蟻代表著投資人,而各股的歷史資料(交易量)為螞蟻所 辨識的費洛蒙。以下為符合螞蟻族群演算法的運作精神所設 計的多項參數。如下表 3-4 系統參數設定:
表 3-4 系統參數定義 參數名稱 說 明
τ
i 費洛蒙(pheromone)ρ
費落蒙殘留率τ
iΔ
新增費洛蒙訊息(量) D ( )i t 每日費洛蒙量Vt 當日成交量
t
η
Ti 本研究所選擇之台灣各股能見度t
η
Ai 本研究所選擇之美國各股能見度 Rif 各股每日之報酬率)
t
(t
Ρ
路徑選擇機率α
費洛蒙刺激係數β
、if 能見度刺激係數)
t
(t
Ρ
各股投資金額α
總投資回收金額(資料來源:本研究整理)
3.6.1 費洛蒙 τ
i在公式 3.1 中,
τ
為費洛蒙訊息,Δ τ
i(t )
為螞蟻行經的 路徑新增加的費洛蒙數量。費洛蒙會因隨時間的改變而殘留 值會有所變化,以下為螞蟻費洛蒙量計算模式:) ( )
( )
1
(
t
it
it
i
ρτ τ
τ
+ = +Δ 公式 3.1其中
ρ
為費落蒙殘留率,費落蒙殘留率ρ
為 0 到 1 之間,本 研究將參數ρ
值設定為 0.7。t 則表示為回合數,i 為第 i 支股 票。而τ
i(
t+ 1 )
為經過時間蒸發後所遺留的費洛蒙累積量,再 加上新增費洛蒙量。當螞蟻回合數頻率越高,新費洛蒙數量) 1 (
t+
τ
i 便會隨著 t 值越大而數量累積越多,而因路徑的不同 螞蟻所遺留產生新費落蒙量也有所不同。在費落蒙量方面,將取各股成交量作為投資者所依循的 費落蒙,其中,在公式 3.2 中,Vi
(t )
為第 i 支股票的當日的 成交量;Vi(
t− 1 )
則為第 i 支股票的前日成交量。而以下則是 每日費落蒙的計算模式:) 1 (
) ) (
( = −
t V
t t V
D
i i
i 公式 3.2
在公式 3.3 中,新增費洛蒙量
Δ τ
i為:藉由當期費洛蒙除 上前 S 日的平均值,以達到維持每日費洛蒙的變化穩定性;本研究設定 S 為前六日。i=1,2, 3, 4,則表示本研究所選擇之 各股股票。i=5,則表示銀行。 而以下是本研究所選擇之各 股新增費洛蒙的計算模式:
∑
==
Δ
sj i i
t s D
t t
1 i
) 1 (
) ( ) D
τ (
,i=1,…4 公式 3.3而在銀行的部分,由於銀行在此系統中扮演著平衡系統 的角色,希望藉由銀行的特性使得在股票市場或是各股表現 不佳的情況下,使系統投資可以有所正確性選擇。
在公式 3.4 中,
Δ τ
i(t )
為銀行當日費洛蒙變化量,其此變 化量為當日各股費洛蒙τ
(i)倒數之總和平均。而以下則是銀行 費落蒙變化量的計算模式:∑
=−
= −
Δ n
i i
i
t n
1 1
1 ) 1
(
τ
τ
, i=5 公式 3.43.6.2 能見度 η
i(t )
在蟻元系統中其
η
表示兩目標點路徑的可視距離,也就 是能見度。因此,η
為兩目標點路徑的倒數。而本研究採用能見度,而在系統限制
η
t(i )
方面,採用各 股每日之報酬率Rf 做為函數值。依據各股每日收盤價來計算 出各股之報酬率,由於,報酬率會隨著各股前後日表現,而 有所差異也會有負值表現產生,因此藉由 0.1 將負值報酬率轉為正值結果,使此系統能順利進行。能見度分為本系統所 選擇之台灣股票之能見度,本研究設定為
η
Ti,而本研究設定η
Ai,則是本研究所選擇之美國股票之能見度。而以下則是各 股之能見度的計算模式:台灣各股之能見度的計算模式:
1 . 0 01 .
0 +
×
= f
t
Ti R
η
,i=1,…4 公式 3.5 美國各股之能見度的計算模式:1 . 0 01 .
0 +
×
= f
t
Ai R
η
,i=5 公式 3.6而在台灣銀行方面則以銀行利率 0.00001 作為其值,而 以下則是台灣銀行之能見度的計算模式:
1 . 0 00001 .
0 +
=
t
η
Ti , i=1,…4 公式 3.7而在美國銀行方面則以銀行利率 0.00001 作為其值,而 以下則是美國銀行之能見度的計算模式:
η
tAi= 0 . 00001 + 0 . 1
, i=5 公式 3.83.6.3 路徑選擇機率比 Ρ t
i( + 1 )
路徑選擇機率
Ρ t
t( + 1 )
是螞蟻在選擇下一條路徑時機率,其此機率是由各股費洛蒙
τ
i(t )
及能見度η
t(i )
相乘結果除上總合而所得權重比。
而
α
為費洛蒙刺激係數;β
為能見度η
Ait 刺激係數(台灣 股票)、γ
為能見度η
Tit 刺激係數(美國股票),其代表著能見 度及費落蒙的相對重要性比例,在本研究中此系統裡設α
與β
與γ
皆為重要,並以 1 來作為表示。而以下則是選擇各個之 機率比的計算模式:[ ] [ ] [ ]
[ ] [ ] [ ]
{ }
=
∑
+
Ρ .
. ( )
) ) (
1
( α β γ
γ α β
η η τ
η η τ
t Ai t Ti i
t Ai t Ti i
i t
t t 公式 3.9
3.6.4 投資金額
在此系統中,初期有 100 萬的總投資金額Mi
(t )
,而每 日採路徑選擇機率比值結果進行投資,而每日在最後收盤前 進行清倉動作,並依本研究所設計之模型累積計算每日所投 資之金額。本系統之各股當期投資金額等於前期總投資金額 乘上前期各股投資比例。而以下則是各股投資金額的計算模 式:) 1 ( ) 1 ( )
(
t=
M t− ×
P t−
Ii R i 公式 3.10
而 本 系 統 之 總 投 資 為 前 期 總 投 資 金 額 乘 上 前 期 各 股 投 資 比 例,再乘上(當期報酬率乘上 0.01 加上 1)。而以下則是各
股投資回收金額的計算模式:
(
( ) 0.01 1)
) ( ) ( )
(t = I t ×P t × R t × +
Ri i i if 公式 3.11
本 系 統 之 總 投 資 回 收 金 額Mi
(t )
計 算 為 各 股 投 資 回 收 金 額 相 加 總 而 所 得 , 每 日 總 投 資 回 收 金 額 關 係 著 隔 日 投 資 金 額。而以下則是總投資回收金額的計算模式:∑
==
ni i
R
t R t
M
1
) ( )
(
公式 3.12第四章 實例驗證與分析
以 2002 年 4 月至 2004 年 4 月的台灣上市公司證券每日 交易紀錄(股價、交易量、報酬率)作為系統的累積資料;本 系統以基本面分析與技術面分析,套用在第三章所提出的系 統 模 型 中 , 以 進 行 系 統 演 算 之 研 究 。 本 研 究 之 系 統 人 工 螞 蟻,進行 2002 年 4 月至 2002 年底止之資料學習累計完成 後,再從 2003 年 1 月開始進行整年投資演算,由於每日的 各股成交量、股價及報酬率之不同,因而每日便會產生一組 新的投資組合。而本系統之資料來源,取自於台灣經濟新報 財經資料庫(TEJ) 、情報贏家 2000 財經資料庫。
4.1 系統執行環境
本研究在選股部分依據各股之營運狀況,選擇了四支代 工類股股票,分別為寶成(9904)、仁寶(2324)、廣達(2382)及 明基(2352)。而本研究系統以 2002 年作為系統人工螞蟻學習 資料範圍已累計數值。再以授權本研究中之個股公司來代工 之廠商中,對本研究中之個股公司的影響較重要者,故選擇 美國 NIKE 公司、HPQ 公司、DELL 公司、Motorola 公司。
本研究以一百萬作為初期的投資資金,螞蟻(投資人)
可 以 依 據 本 研 究 之 系 統 , 每 日 找 出 最 適 的 投 資 個 股 之 配 置 比。而本研究系統將與標準系統之資金配置作比較,所以在 此針對本研究系統與標準系統之資金配置加以說明:
(一)本研究系統投資資金配置
本系統藉由初期一百萬資金開始,由本研究之系統演算後 得到每日各股資金配置機率,依據每日各股資金配置比例 進 行 資 金 配 置 , 並 於 每 日 收 盤 時 做 賣 空 動 作 並 且 資 金 結 算。而在每日開盤時再依據前日資總資金、前日資金配置 比重及當期投資報酬率重新做買入動作。
(二)標準系統投資資金配置
標準系統也是藉由初期一百萬資金開始,,初期總投資金 額平均分配至要投資之股票上,各股票獨立操作,每日不 做買入、賣出動作。