本研究的特點是提出一個區間股票評價與資金分配機制。故本節將先說明台 灣證券市場是處於何種狀態，投資人在此狀態下是否能獲取超額報酬；接著介紹
算法如何應用於財務金融領域，以及說明本研究採用遺傳演算法之優勢。
一、 效率市場假說
相同的股票評價模型所計算出的股票價值時常會不同，此表示傳統評估模型 有其主觀性，不易準確估計。即使是淨值或股利折現模型所計算的股票價值並不 等於市場價值。市場價值除受股價供需、產業脈動與總體經濟等變動影響外，效 率市場假說也是因素之一。效率市場假說 Fama(1970)意指，在市場中的投資人 針對可掌握的攸關資訊能有效且迅速的分析並獲取超額報酬。依其獲取超額報酬 的強度分為強式效率市場 (strong-form efficiency)、半強式效率市場 (semi-strong form efficiency)與弱式效率市場 (weak-form efficiency)。台灣的證券市場是屬於 那一種狀態，已有文獻進行研究。
王殷盛(2003)探討 1998 年 11 月 01 日到 2002 年 04 月 30 日止之財務預測資 訊對市場效率的影響。經實證發現，市場效率與財務預測之每股盈餘、本益比、
超額盈餘及 Ohlson Model 存在反應不足之現象。代表投資者可藉由技術分析或 基本面分析，來獲取超額報酬。吳百正(2004)利用採用趨向指標(DMI)、指數平 滑異同移動平均線(MACD)與隨機指標(KD)三項技術指標，配合停損策略與指標 相互搭配(雙重濾網)，在多頭與空頭行情走勢，驗證台灣股票市場於 1998 年 09 月到 2003 年 12 月之市場效率為何。研究結果發現，使用技術指標搭配停損機制 下的混合型技術，可在長期趨勢下，獲得超額報酬。謝政遠(2004)提出的累積成 交量、移動平均線及相對強勢三項技術指標驗證台灣證券市場。發現長期策略下 交易法則買賣訊號具對稱性，藉此可獲得超額報酬。總合以上有關台灣股市之效 率市場文獻，可發現現階段的台灣股市是處於無效率市場或弱式效率市場，投資 者可藉由歷史資料做研究分析，以獲得超額報酬。
二、 股票評價文獻回顧
股票評價主要目的是尋找被錯估價格(mispriced)的股票。在證券市場中找到 被錯估價格(被低估或被高估)的股票並不容易，同時效率市場假說也不排除以股 票評價獲取超額的可能性。股票評價模式一般可分析三類：第一類以資產負債表 為評價基礎，稱為資產負債表評價法；第二類是以企業未來獲利能力折現後計算 的公司價值，稱為折現法；第三類是以公司股票市價與同產業其他公司之乘數比 計算企業價值，稱為價格乘數法。
資產負債表為基礎的評價法中最常見的是帳面價值(book value)法。David &
Gregory(2006)採帳面價值法結合剩餘收入模型(residual income model)與超額盈 餘模型(excess earnings model)評估公司價值。經實證發現，混合模型較其他單一 評價模型更能正確的反應公司價值。Fama(1995)等學者發現市場價值對報酬率有 解釋能力，高的帳面價值對市場價值顯示低盈餘。
折現法是將企業未來的現金流量、股利與盈餘等因子折現後計算公司價值。
Palepu(1997)認為超常盈餘折現法的帳面價值與預測期間的盈餘會反映預期終期 的現金流量。Penman(1998)以超常盈餘折現法的估計誤差相較於自由現金流量折 現法與現金股利折現法是最低的。Luca & Garlo(2003)應用馬可夫鏈(markov chain) 預測下一期的股利成長率並計算公司價值，改善股利固定成長模式的限制。
O’Brien (2003)改善傳統現金流量折現法(discounted cash flow)中的高登模型 (Gordon model)所面對的限制，即成長率不得大於預期報酬率，否則會無法收斂。
市場乘數法可探討價格對帳面價值比、股東權益報酬率、本益比、成長率與盈餘 變動間的關係，以及股東權益報酬率會影響本益比和成長率，並與盈餘程正向關 係 Block(1995)。
三、 遺傳演算法在股票市場的應用
在股票市場上，存在著複雜的影響因子與雜訊干擾，並且其評價模型的假設 前題存在部分爭議與實證結果不一致現象，使得傳統股票評價模型相當不容易尋 找到被低估的股票。反觀人工智慧對於資料雜訊處理具有智慧性及自我學習，能 有效從過去的歷史資料發現有用的樣版(pattern)，應用於預測股票市場有顯著的 成效。
截至目前為止，遺傳演算法於股票評價的相關研究數量極少，多數是應用在 最佳化投資組合選股等財務相關領域。林萍珍等(2000)應用遺傳演算法，利用使 用者對產業及公司財務比率之偏好，發展出一套穩健、理性、積極且操作簡易的 投資組合選擇模型，以提供投資人依個人不同的需求挑選出最適的投資組合，投 資績效勝過國內基金與大盤報酬。Shoaf(1998)提出以 GA 找投資組合效率集合之 方法，其目的是找出同時考慮極大化報酬與極小化風險之投資組合，此方法主要 在遺傳演算法之編碼及輪盤法作形式上的改變，但方法上之缺點是遺傳演化過程 非常的不易收斂，可能導致好基因被劣等基因所取代，進而產生無意義的投資組 合。同樣以遺傳演算法來最佳化投資組合的研究，其報酬率的評估準則是以期望 值法取代算術平均法 Xia et. al.(2000)，即根據過去報酬率來估計近似的期望報酬 率，投資組合中資金分配比例是藉由正規化處理才能保持總和為 100%。此舉將 會發生同一組基因在不同染色體中的編碼所表示的投資比例將會不同，其比例強 調的是在投資組合的相對位置而不是絶對位置，為其不合理之處。
應用其他計算智慧的技術於股票評價計算企業價值的研究有：Lin & Chen (2007)研究發展出以遺傳程式規劃(GP，genetic programming)為基礎，配合個股 基本面因素(如：會計科目、財務比例及股價相關資料)，來建立股價評估模型及 線性資金配置。其貢獻是將合理股價由傳統的單一值，轉換成多值屬性的模糊區 間。經研究結果顯示，由遺傳程式規劃所演化出的評價模型，不僅能有效的將個
市進入整盤局勢時，不會因股價時高時低於合理股價點，而全進全出手中持的股 票，以減少投資成本。Mckee (2004)提出以模糊理論為基礎的區間合理股價，不 同以住的傳統單一價值。加入考慮當盈餘成長最大化與最小化之間取一區間合理 成長率，若將合理成長率區間轉換成股票價值，則視為合理價值。其中合理成長 率設定，可利用一般統計方法的信賴區域方式設定，排除極值所帶來的短期誤差。
綜合前述文獻的討論，本研究選擇以遺傳演算法建構股票評價模型，並結合 三次方程內插法最佳化資金配置。相較於上述文獻，本研究的特點歸納如下幾 點：1)合理的股價區間：過去的傳統股票評價文獻的假設前題與實證結果存在一 些爭議與不一致現象。相同的評估模型所計算的評估值在不同的證券市場可能產 生不同的研究結果，此意謂著股票的合理價格可能是區間而非單點；2)模型沒有 假設前題：一般評價方法專注於模型萃取，多數評價模型有使用上的假設前題(例 如：資料要符合常態分配)，本研究採用計算智慧的非線性特性改善計量模型對 資料分配的假設限制；3)整合交易策略與資金配置：多數文獻專注於股價挑選或 買賣策略，甚少結合買賣策略與資金配置，易造成買賣時機出現，卻不知該如何 配置投資資金的情形。本研究發展的演化式股票評價模型，當股價進入超跌或超 漲的股價區間時，會建議採用買入或賣出交配策略，同時會算出適合的資金配置 部位，提高投資的便利性與有效性；4)非線性資金配置：Lin 與 Mckee 的研究限 於考量當股價偏離合理區間時，以線性方式做適當的資金配置，欠缺彈性。股票 市場具有資料量龐大、資訊超載及訊息快速變化等特性，本研究結合遺傳演算法 與三次方程內插法以非線性方式決定資金配置比例，期望能捕捉複雜的股票市場 投資規則，以獲取超額報酬。