臺灣博碩士論文加值系統

本研究以臺股期貨為交易標的，組合及參數化數個常用的臺股現貨技術指標為交易規則，並運用基因演算法找出最佳的交易規則。為了比較以獲勝率為導向或以報酬為導向找出的最佳交易規則的績效，本研究設計了連續10個年份的實驗情境，包含盤整向上型、盤整向下型及多空分歧型。相較於以報酬為導向找出的最佳交易規則，實驗結果顯示以獲勝率為導向找出的最佳交易規則，絕大多數能獲得較高的獲勝率，且超過半數也能夠獲得較高的報酬，特別是長期(連續10個年份)的總合報酬表現。

關鍵詞：交易規則、基因演算法、獲勝率、技術指標、臺股期貨

Technical trading rules for TAIEX futures are studied in this research. They are parameterized and composed of several conventional technical indicators of TAIEX. To find the optimal parameters of the rules, genetic algorithms are used for specific learning objectives. Ten experiment cases in a decade that including swing upward, swing downward, and uncertainty cases are designed to compare the performance of the winning-percentage-oriented or the profit-oriented optimal trading rules. The results show that the winning-percentage-oriented optimal trading rules are superior. Their winning percentage performance is better in most cases and the profit performance is better in more than half of cases, especially, the total profit performance in the 10 cases.

Keywords: Trading Rules, Genetic Algorithms, Winning-percentage, Technical Indicators, TAIEX Futures

目 錄
摘 要 ................................................................................................................ I
Abstract................................................................................................................. II
目 錄 ............................................................................................................. III
圖目錄 .................................................................................................................. V
表目錄 ............................................................................................................... VII
壹、 緒論 ......................................................................................................... 1
1.1 研究背景與動機 ...................................................................................... 1
1.2 研究目的 .................................................................................................. 2
1.3 研究方法 .................................................................................................. 3
1.4 論文架構 .................................................................................................. 4
貳、 文獻回顧 ................................................................................................. 7
2.1 證券投資分析的方法 .............................................................................. 7
2.2 技術指標的特性 ...................................................................................... 9
2.3 預測股票模型的種類 ............................................................................ 11
2.4 方法比較表 ............................................................................................ 12
2.5 文獻總結 ................................................................................................ 13
參、 研究方法 ............................................................................................... 15
3.1 技術指標的採用 .................................................................................... 15
3.2 技術指標的運用法則 ............................................................................ 18
3.3 基因演算法 ............................................................................................ 19
3.4 實驗設計 ................................................................................................ 21
3.5 染色體編碼 ............................................................................................ 24
3.6 適應函數設計 ........................................................................................ 26
3.7 演化過程 ................................................................................................ 29
3.8 情境設定 ................................................................................................ 30
肆、 實驗結果 ............................................................................................... 35
4.1 實驗資料及分析設計 ............................................................................ 35
4.2 訓練期間之績效及分析 ........................................................................ 35
4.3 測試期間之績效及分析 ........................................................................ 37
伍、 結論及建議 ........................................................................................... 52
參考文獻 ............................................................................................................. 54
附錄 A 實際買賣期貨操作之補充說明 ........................................................... 59
圖目錄
圖 1 研究方法簡述圖 ..................................................................................... 4
圖 2 基因演算法的演化流程圖 ................................................................... 20
圖 3 簡易基因演算法的步驟 ....................................................................... 21
圖 4 實驗運作流程圖 ................................................................................... 23
圖 5 染色體基本結構 ................................................................................... 24
圖 6 法則的門檻值編碼 ............................................................................... 25
圖 7 法則的權重值編碼 ............................................................................... 25
圖 8 買點及賣點的權重門檻值編碼 ........................................................... 26
圖 9 西元 2009 年臺股期貨走勢圖 ............................................................. 32
圖 10 西元 2008 年臺股期貨走勢 .............................................................. 32
圖 11 西元 2004 及 2005 年臺股期貨走勢圖 ............................................... 33
圖 12 西元 2006、2011 及 2012 年臺股期貨走勢圖 ................................... 33
圖 13 西元 2007、2010 及 2013 年臺股期貨走勢圖 ................................... 34
圖 14 西元 2004 年累積損益(以獲勝率為導向) .......................................... 42
圖 15 西元 2005 年累積損益(以獲勝率為導向) .......................................... 42
圖 16 西元 2006 年累積損益(以獲勝率為導向) .......................................... 43
圖 17 西元 2007 年累積損益(以獲勝率為導向) .......................................... 43
圖 18 西元 2008 年累積損益(以獲勝率為導向) .......................................... 44
圖 19 西元 2009 年累積損益(以獲勝率為導向) .......................................... 44
圖 20 西元 2010 年累積損益(以獲勝率為導向) .......................................... 45
圖 21 西元 2011 年累積損益(以獲勝率為導向) .......................................... 45
圖 22 西元 2012 年累積損益(以獲勝率為導向) .......................................... 46
圖 23 西元 2013 年累積損益(以獲勝率為導向) .......................................... 46
圖 24 西元 2004 年累積損益(以報酬為導向) .............................................. 47
圖 25 西元 2005 年累積損益(以報酬為導向) .............................................. 47
圖 26 西元 2006 年累積損益(以報酬為導向) .............................................. 48
圖 27 西元 2007 年累積損益(以報酬為導向) .............................................. 48
圖 28 西元 2008 年累積損益(以報酬為導向) .............................................. 49
圖 29 西元 2009 年累積損益(以報酬為導向) .............................................. 49
圖 30 西元 2010 年累積損益(以報酬為導向) .............................................. 50
圖 31 西元 2011 年累積損益(以報酬為導向) .............................................. 50
圖 32 西元 2012 年累積損益(以報酬為導向) .............................................. 51
圖 33 西元 2013 年累積損益(以報酬為導向) .............................................. 51
表目錄
表 1 近年預測股票趨勢的相關文獻 ........................................................... 12
表 2 組合式技術指標運用法則 ................................................................... 18
表 3 運用法則的意義 ................................................................................... 19
表 4 西元 2004 至 2013 年期貨收盤價 ...................................................... 31
表 5 測試及訓練期間設定 ........................................................................... 34
表 6 各情境中最佳染色體集合於訓練期間之績效 ................................... 36
表 7 各情境中最佳染色體集合於測試期間之日決策 ............................... 37
表 8 各情境中最佳染色體集合於測試期間之獲勝率 ............................... 39
表 9 各情境中最佳染色體集合於測試期間之報酬 ................................... 41

[ 1] 元 大 寶 來 證 券 ， yeswin 越 是 贏 ，http://www.yuanta.com.tw/pages/static-pages/service/product1_1.aspx?Node=e4096042-6b19-49e7-8b26-c0bdbb658ff6&Show=LIST。
[ 2] 吳百正(2004)，台股期貨市場弱式效率性之研究，碩士論文，國立臺灣科技大學財務金融研究所，臺北。
[ 3] 杜金龍(2008)，最新技術指標在臺灣股市應用的訣竅，財信出版有限公司，第四版，臺北。
[ 4] 林麗珍(2006)，以不同進場點與黃金分割率所形成之濾嘴比率檢驗台灣股票市場效率性，碩士論文，國立中正大學國際經濟學系，嘉義。
[ 5] 林德祥(2010)，應用模糊時間序列與倒傳遞類神經網路預測台灣加權股票指數趨勢，碩士論文，國立交通大學工業工程與管理學系，新竹。
[ 6] 林俊騰(2010)，應用決策樹與類神經預測台指期貨隔日漲跌之研究，碩 士論文，國立彰化師範大學資訊管理學系，彰化。
[ 7] 邱致仁(2005)，應用基因演算法於濾嘴法則並驗證台灣股票市場弱勢效率性，碩士論文，國立高雄第一科技大學金融營運系，高雄。
[ 8] 夏文琪(2012)，考慮循環趨勢應用人工智慧於期貨商品價格預測—以台指期貨為例，碩士論文，中國文化大學資訊管理學系，臺北。
[ 9] 陳共、周升業、吳曉求(2010)，證券投資分析，五南圖書出版有限公司，第一版，臺北。
[10] 陳逸平(2007)，結合類神經網路及隨機與威廉指標應用於股市預測之研究，碩士論文，大葉大學資訊管理系，彰化。
[11] 莊政文(2008)，以獲勝率為導向的最佳化技術交易規則—以台股期貨為交易標的，碩士論文，朝陽科技大學資訊管理系，臺中。
[12] 臺 灣 證 券 交 易 所 ， 證 券 經 紀 商 委 託 人 開 戶 統 計 表 — 年 報 ， http://www.twse.com.tw/ch/statistics/statistics_list.php?tm=07&stm=030。
[13] 維 基 百 科 ， 2007 年 － 2008 年 環 球 金 融 危 機 ， http://zh.wikipedia.org/wiki/%E5%85%A8%E7%90%83%E9%87%91%E8%9E%8D%E5%8D%B1%E6%A9%9F。
[14] 蔡安璨(2005)，運用基因演算法以輔助股票市場投資人判斷進場時機之研究，碩士論文，國立臺灣科技大學資訊管理系，臺北。
[15] 蔡伯煜(2011)，K 線圖探勘於股票預測之研究，碩士論文，國立中央大學資訊管理學系，桃園。
[16] 寰宇證券投資顧問公司(1999)，完全技術分析手冊，麥格羅．希爾國際出版公司，第一版，臺北。
[17] 蘇木春、張孝德(2006)，機器學習：類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，第三版，臺北。
[18] S. B. Achelis (2001), Technical Analysis from A to Z, McGraw Hill, 2nd Edition.
[19] G. S. Atsalakis and K. P. Valavanis (2009), “Forecasting Stock Market Short-term Trends Using a Neuro-fuzzy Based Methodology,” Expert Systems with Applications, Vol. 36, No. 7, pp. 10696-10707.
[20] F. A. Badawy, H. Y. Abdelazim, and M. G. Darwish (2005), “Genetic Algorithms for Predicting the Egyptian Stock Market,” Proc. of IEEE International Conference on Information and Communications Technology, Cairo,Egypt, pp. 109-122.
[21] P. C. Chang, C. H. Liu, J. L. Lin, C. Y. Fan, and C. P. Ng (2009), “A Neural Network with a Case based Dynamic Window for Stock Trading Prediction,” Expert Systems with Applications, Vol. 36, No. 3, pp. 6889-6898.
[22] E. F. Fama (1970), “Efficient Capital Markets: A Review of Theory and Empirical Work,” Journal of Finance, Vol. 25, No. 2, pp. 383-417.
[23] J. Holland (1975), Adaptation in Natural and Artificial System, University of Michigan Press, 1st Edition.
[24] R. Jiang and K. Y. Szeto (2003), “Extraction of Investment Strategies Based on Moving Averages: A Genetic Algorithm Approach,” Proc. of IEEE International Conference on Computational Intelligence for Financial Engineering, Hong Kong, China, pp. 403-410.
[25] K. J. Kim (2006), “Artificial Neural Networks with Evolutionary Instance Selection for Financial Forecasting,” Expert Systems with Applications, Vol.
30, No. 3, pp. 519-526.
[26] Y. K. Kwon and B. R. Moon (2007), “A Hybrid Neurogenetic Approach for Stock Forecasting,” IEEE Transactions on Neural Networks, Vol. 18, No. 3, pp. 851-864.
[27] R. J. Li and Z. B. Xiong (2005), “Forecasting Stock Market with Fuzzy Neural Networks,” Proc. of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, China, pp. 3475-3479.
[28] J. Ni and C. Zhang (2006), “Mining Better Technical Trading Strategies with Genetic Algorithms,” Proc. of IEEE International Workshop on Integrating AI and Data Mining, Hobart, Australia, pp. 26-33.
[29] K. N. Pantazopoulous, L. H. Tsoukalas, N. G. Bourbakis, M. J. Brun, and E. N. Houstis (1998), “Financial Prediction and Trading Strategies Using Neurofuzzy Approaches,” IEEE Transactions on Systems, Man, and Cybernetics, Vol. 28, No. 4, pp. 520-531.
[30] L. P. Qin and B. Mei (2009), “Predicting Trend in Futures Prices Time Series Using a New Association Rules Algorithm,” Proc. of the 16th International Conference on Management Science & Engineering, Moscow, Russia, pp.1511-1517.
[31] E. W. Saad, D. V. Prokhorov, and D. C. Wunsch (1998), “Comparative Study of Stock Trend Prediction Using Time Delay, Recurrent and Probabilistic Neural Networks,” IEEE Transactions on Neural Networks, Vol. 9, No. 6, pp.1456-1470.
[32] X. T. Wang (2006), “Study on the Application of ARIMA Model in Time-bargain Forecast,” E-Commerce and Logistics, Vol. 22, No. 15, pp.139-140.