績效評估比較

以下針對實驗組的多重類神經網路實驗結果、對照組一的倒傳遞類神經網路 的單一子網路實驗結果和對照組二的隨機漫步模型實驗結果進行綜合比較：

在預測 3 日後漲跌幅的結果部分，由下面表 21 可知，平均準確率最高的是 多重類神經網路的結果，其次是單一子網路的結果，最差的是隨機漫步模型；而 從平均獲利點數來看，多重類神經網路的獲利績效是最好的，其次是單一子網路 的獲利績效，最差的則是隨機漫步模型。茲將此結果整理成圖 6，可以明顯的看 出平均獲利點數有相當大的差異，平均準確率也有提升。

表 21 預測 3 日後的漲跌幅，實驗組與對照組績效比較

平均準確率 平均獲利點數

隨機漫步模型 43.17% -4.87

單一子網路 44.26% 26.46

多重類神經網路 55.44% 63.19

圖 6 預測 3 日後的漲跌幅，實驗組與對照組績效比較

41

在預測 5 日後漲跌幅的結果部分，由下面表 22 可知，平均準確率最高的是多 重類神經網路的結果，其次是單一子網路的結果，最差的是隨機漫步模型；而從 平均獲利點數來看，多重類神經網路的獲利績效是最好的，其次是單一子網路的 獲利績效，最差的是隨機漫步模型的獲利績效。茲將此結果整理成圖 7，可以明 顯發現在平均獲利點數上面，經由多重類神經網路學習的模型其獲利能力遠遠的 大過單一子網路的結果與僅用隨機漫步模型的交易結果；而在平均準確率上面，

運用多重類神經網路進行學習的模型準確率高於隨機漫步模型達 15%，表示運用 此人工智慧方法學進行預測的結果是相當好的。

表 22 預測 5 日後的漲跌幅，實驗組與對照組績效比較

平均準確率 平均獲利點數

隨機漫步模型 41.5% 5.17

單一子網路 46% 7.24

多重類神經網路 56.72% 135.6

圖 7 預測 5 日後的漲跌幅，實驗組與對照組績效比較

在預測 7 日後漲跌幅的結果部分，由下表 23 可得知，平均準確率最高的是 多重類神經網路的結果，其次是隨機漫步模型的結果，最差的是透過單一子網路 學習的結果；在平均獲利點數方面，獲利績效表現最好的是多重類神經網路的結 果，隨機漫步模型和單一子網路的結果都不甚理想，績效表現是負的。

42

表 23 預測 7 日後的漲跌幅，實驗組與對照組績效比較

平均準確率 平均獲利點數

隨機漫步模型 43.52% -76.15

單一子網路 42.31% -52.87

多重類神經網路 51.87% 43.71

圖 8 預測 7 日後的漲跌幅，實驗組與對照組績效比較

接著將兩組對照組與一組實驗組進行平均準確率的比較，如下圖 9 所示。可 以發現經由多重類神經網路學習的模型結果，其平均準確率比貣僅透過倒傳遞類 神經網路學習的單一子網路模型或是隨機交易的隨機漫步模型都來的穩定，準確 率提升 10%以上，顯現經由多重類神經網路學習的模型其表現較為穩定，也較值 得投資人信任。另外可以發現預測五日後的平均準確率表現來的最好，比預測 3 日後和預測 5 日後的結果好。

43

圖 9 實驗組與對照組平均準確率綜合比較

下圖 10 為將兩組對照組與一組實驗組進行平均獲利點數的比較，可以發現 經由多重類神經網路學習的模型結果，其獲利點數表現的比貣僅透過倒傳遞類神 經網路學習的單一子網路模型或是隨機交易的隨機漫步模型都來的多，而可以發 現預測五日後的平均獲利點數是表現最好的，比預測 3 日後和預測 7 日後的結果 都要來的好。

圖 10 實驗組與對照組平均獲利點數綜合比較

44

根據以上實驗結果顯示，可以知道經過多重類神經網路學習的實驗結果表現 都較隨機漫步模型與單一子網路的結果來的好，平均的準確率與平均的獲利點數 上來看都是實驗組-多重類神經網路這組表現最穩定。

在預測準確率上，經過倒傳遞類神經網路學習後，再經過多重類神經網路學 習的實驗組，擁有最高的準確率，其次是單純只經過倒傳遞類神經網路的單一子 網路學習的對照組，而準確率最低的則是對照組的隨機漫步模型這一組，代表投 資人若以隨機的方式進行投資策略，有相當大的機率會預測錯誤而產生損失。

在獲利點數上來看，經過倒傳遞類神經網路學習後，再經過多重類神經網路 學習的實驗組，獲利點數最多，其次是單純只經過倒傳遞類神經網路的單一子網 路學習的對照組，獲利表現最差的則是對照組的隨機漫步模型這一組，可以得知 實驗組有經過多重類神經網路再經過一次學習的模型，表現都是相對來的穩定，

獲利能力明顯比兩組對照組好。

綜合比較平均獲利點數與平均準確率，可以發現透過多重類神經網路學習的 模型，其預測 5 日後的表現最佳，不只平均獲利點數高於預測 3 日後及預測 7 日後，平均準確率也比預測 3 日後及預測 7 日後穩定。驗證此長線趨勢行為能否 保護短線趨勢行為下，可以得知預測 5 日後的表現是最好的，其結果直接反映在 平均準確率與平均獲利點數上。

比較對照組一與實驗組可以發現，使用多重類神經網路的模型表現比倒傳遞 類神經網路的單一子網路好，證實使用多重類神經網路經由多一次的學習與訓 練，可使神經網路的輸出結果更具可靠性與穩定性。而比較對照組二與實驗組可 以發現，應用人工智慧的方法學於財務金融上的預測是具有信度的，是比一般投 資人單純的進行隨機交易去猜測大盤方向而進行投機操作來的穩定，證實人工智 慧是可以運用於財務金融方面的預測，可協助投資人規避風險，獲取穩定的報酬。

45