遺傳演算法在發展股市投資 遺傳演算法在發展股市投資
專家知識規則之研究 專家知識規則之研究
著者:邱昭彰&李安邦
資管評論:第八期(1998年12月)
財金研一
林文健
91.06.13內容簡介 內容簡介
z
緒論
z
文獻探討
z
遺傳演算法理論
z
結果分析與討論
z
結論
二、文獻探討 二、文獻探討
z
股價理論
z
技術指標的影響
z
技術指標的迷思
股價理論 股價理論
z
基本分析
公司獲利能力、產業前景、國內政治等
z技術分析
係基於統計科學的方法,根據市場過去
循環的軌跡探索未來股價的變動(鄭超
文,1996)
人工智慧股市應用之重要文獻 人工智慧股市應用之重要文獻
z
國內學者
金必煌(1995)、范饒耀(1996)、
洪新原(1995)、湯玉珍(1994)、
許顯榮(1995)、黃金生(1996)
z
國外學者
Bauer(1994)、Graf(1994)、
Tayler(1995)、Chenoweth
(1996)
技術指標的影響 技術指標的影響
z
移動平均線(MA)
z
相對強弱指標
(RSI)
z
乖離率(BIAS)
z
心理線(PSY)
技術指標的迷思 技術指標的迷思
z
指標間具某種程度相似
z
在搭配使用時會有問題存在
z
產生鈍化的可能
z
計算期間因人而異
三、遺傳演算法理論 三、遺傳演算法理論
( 1)遺傳演算法基本架構
如圖一
(2)模擬前置作業
編碼(coding)、解碼(decoding)
(3)模擬作業
產生初始族群、評估適合度、再生、交 配、突變、新族群、停止條件
(4)系統發展與測試
(1) (1) 遺傳演算法基本架構 遺傳演算法基本架構
圖一、SGA流程圖
開始 產生 初始族群
評估 適合度
再 生
交 配
突 變
新 族 群 是否滿足
目標條件?
結束 是
否
(4) (4) 系統發展與測試一 系統發展與測試一
假如
滿足(條件一)與(條件二)與(條件三)與 (條件四)與 (條件五)與(條件六時)
則
買入(或賣出)並持有(或放空)(一段期間)
(4) (4) 系統發展與測試二 系統發展與測試二
z
資料來源:台灣經濟新報資料庫
z
資料期間:民國84年1月5日~85年8月31日
z
學習期間:前286日之空頭趨勢
z
測試期間:後184日之多頭趨勢
(4) (4) 系統發展與測試三 系統發展與測試三
表一、編碼方式及其涵意
以營業日數為單位 [0,30]
1 持有期間
或
放空期間
1表小於,2表大於 [1,2]
6 邏輯判斷
0表該指標不用 1表選用該指標 [0,1]
6 指標選擇
6日RSI、6日價
BIAS、6日量BIAS、
13日PSY [0,100]
4 技術指標
說明 值域
基因個數
名稱
(4) (4) 系統發展與測試四 系統發展與測試四
z
操作條件-表二、GA參數
Uniform 交 配 方 式
0.06 突 變 機 率
0.5 交 配 機 率
50 族 群 大 小
34 染 色 體 長 度
說 明
參 數 名 稱
Srinivas
(1994)
(4) (4) 系統發展與測試五 系統發展與測試五
z
學習方式
買入的搜尋策略與目標
策略: 找出學習期的技術指標組合與值域並 計算持有期間(測試期)的報酬率
目標: 持有期間(測試期)的最大報酬率
賣出的搜尋策略與目標
策略: 找出學習期的技術指標組合與值域並 計算持有期間(測試期)的報酬率
目標: 放空期間(測試期)的最小報酬率
(4) (4) 系統發展與測試六 系統發展與測試六
z
績效評估
【1】總報酬(R)
【2】平均報酬(AR)
【3】整體報酬(TR)
∑ ∑
= =
= m
i
n
j
r i
R
1 1
m R AR = 1
(
AR m)
買入部分(
AR m)
賣出部分TR = * − *
四、結果分析與討論
四、結果分析與討論 - - 買入部分 買入部分
測試 訓練
買5 買4
買3 買2
買1 買入類型
95.4%
5.6%
62.9%
-72.6%
-68.4%
-15.4%
-0.7%
總報酬率
3.7%
0.4%
3.3%
-2.3%
-1.5%
-1.4%
-0.7%
每筆報酬率
65.4%
53.3%
73.7%
28.1%
35.6%
36.4%
正確率 0.0%
17 8
14 9
16 4
正確數 0
14.1%
5.2%
10.3%
11.2%
15.7%
3.8%
投資率 0.3%
26 15
19 32
45 11
投資次數 1
23日 23日
23日 23日
6日 1日
持有期間 1日 買
入 結 果
<25 13日心理線
<-4%
6日成交量BIAS
>-4%
<-2%
<-2%
<-2%
<-4%
<-4%
6日股價BIAS
>87
<20
<20
<30
<20
<20 6日RSI
買 入 規 則
184 286
184 286
286 286
總次數 286
85.8.31 84.12.30
85.8.31 84.12.30
應用期間(迄)
85.1.4 84.1.5
85.1.4 84.1.5
應用期間(起)
傳統判斷 GA 模擬方式
四、結果分析與討論
四、結果分析與討論 - - 賣出部分 賣出部分
99.0%
63.9%
-43.2%
270.8%
105.6%
45.4%
-0.7%
整體報酬
測試 訓練
賣5 賣4
賣3 賣2
賣1 買入類型
-3.6%
-58.4%
106.1%
-343.4%
-174.0%
-60.8%
總報酬率
-0.7%
-2.8%
1.0%
-1.6%
-0.9%
-0.3%
每筆報酬率
60.0%
71.4%
45.1%
59.7%
59.0%
58.2%
正確率 -
3 15
46 129
118 131
正確數 0
2.7%
7.3%
55.4%
75.5%
69.9%
78.7%
投資率 0.0%
5 21
102 216
200 225
投資次數 0
12日 12日
12日 12日
6日 1日
持有期間 1日 買
入 結 果
>75 13日心理線
<2.8%
>+4%
6日成交量BIAS
>+2%
>+2%
>+2%
>+4%
>+4%
6日股價BIAS
>14
>80
>80
>70
>80
>80 6日RSI
買 入 規 則
184 286
184 286
286 286
總次數 286
85.8.31 84.12.30
85.8.31 84.12.30
應用期間(迄)
85.1.4 84.1.5
85.1.4 84.1.5
應用期間(起)
傳統判斷 GA 模擬方式
五、結論 五、結論
z
買入部分:持有期間相同之GA規則每筆報酬率
(3.7%)高於傳統判斷方式(3.3%);
賣出部分: GA規則(-0.7%)亦比傳統判斷方式
(1.0%)正確。
z
模擬過程中發現,學習方式之搜尋策略與目標可 能會形成交易次數太低或頻繁的結果,進而影響 結果之精確性。
z