摘要
基金有专业管理、保護资金之機制、利用规模经济以分散風除、易於燮现有助於投资者查金之流通、分攤並降低投资成本等優點,但共同基金之各颊研究均将重心放在挑選基金,雖然绩效良好之基金確實會表现较同颊型之基金为佳,然而正確的投资时點進埸可能有更顯著之影响。目前關於投资决策系统之模式建構,大都建構於單一输入單一输出之系统上,實隙投资决策中,投资绩效大多皆受到多重的因素所影响,本研究以基金为研究檩的,以整合统计裂程管制的概念为基礎,将技術分析舆统计分析技衍相结合,藉由基因演算法進行参敷设定,嚐试棌用多重输入及多重输出,建構更接近现實的交易仿真决策支援系统,以期提高基金投资品質,建構一智慧型系统。
本文针封投资品質特性不同要求,區分出三種投资策略：
損益策略指的是投资所用资金没有回收的期限,针封这样的需求,本研究以損益金额为適應函敷,在多空合计的情况下,可以有500多的損益金额,37.39%的平均年報酬率,高於持有策略平均的11.13%。
管運资金来自於企业资金的供给舆需求的时间差造成的浮额,營運资金策略的第一目標是在预订的时點出售投资、收回资金,其次才是獲利。本文提出的投资策略以次均天天數(?)小化为適應函敷,最小化的次均天敷为13.28天,天敷最短的CM05S平均年報酬率僅3.07%,速低於持有策略11.13%,但这是運用本無獲利预期之管運资金,等於是多赚的,而且管運资金的金额若龐大畴,这多赚的金额就相富可观。實隙上有许多營運资金的期间有相當大的弹性,亦可订定獲利目檩,本文设定合计損益金额大於30元,平均年報酬率大於等於10%,寻找可以使次均天天敷最小化的投资设定,檢视结果最低天敷为28.94天,平均年報酬率17.4%,優於持有策略。
投機策略以最大化平均年報酬率为適應函敷,最高约有134%的報酬率,次均天天敷为49天。又有时投機策略保要求報酬率逹一定水平,再高计平均年報酬率大於34%,損益金额合计超遇10元,並追求(?)小化次均天天敷的技術指檩设定之實驗,结果平均年報酬率由134%下降到34%左右,損益金额合计由3元多上升到20多元,次均天敷也由40天左右下降到20天左右。
本研究结果通遇實證测试,发现本文提出的損益策略、管運资金策略及投機策略的决策支援系统,確實能有效提升投资品質。
The main goal of the research was focusing on the fund investment decision system which was built through the technique of multiple-input and multiple-output (MIMO). We combined the technique of technical analysis and statistical analysis, used the concept of integrating statistical process control as the basis, and made parameters settings by Genetic Algorithms. We tried to raise the quality of fund investment by getting the better output of decision-making support system which simulated real transactions.
The result of decision-making support system was testified by examples, according to profit strategies, working capital strategies and speculation strategies. It really could raise the quality of investment effectively.
引文
1. Alexander, Sindney S., "Price Movements in Speculative Markets:Trend or Random Walks," Industrial Management Review,2, May 1961, pp.7-26.
2. Alexander, Sindney S., "Price Movements in Speculative Markets:Trend or Random Walks, No.2," Industrial Management Review,5, Spring 1964, pp. 25-46.
3. Allen, F., and Karjalainen,1999, R., " Using Genetic Algorithms to Find technical Trading Rules.", Journal of Finance Economics,51,.245-271。
4. Armano G, Marchesi M., and Murru A., "A hybrid genetic-neural architecture for stock indexes forecasting," Information Sciences, Vol.170, Issue 1, pp.3-33, 2005.
5. Baker, J.B."Adaptive Selection Methods for Genetic Algorithms," Proceedings of the First International Conference on Genetic Algorithms, pp.101-111, 1985.
6. Bergerson, K. and Wunsch, D. C., "A Commodity Trading Model based on a Neural Network-Expert System Hybird," Proceedings of the International Joint Conference on Neural Networks,1991, vol.1, pp.289-293.
7. Brown, Constance, Technical analysis for the trading professional, NY: McGraw-Hill,1999.
8. Cootner, Paul H.'" Stock Market Price:Random v.s.System Change," in-dustrial Management Review,3,pp.24-25,1964。
9. Cootner,Paul H.,"The Random Character of stock Market Prices,Mit Press",1964。
10. Copeland,T.E." A Model of Asset Trading Under the Assumption of Sequential Information Arrival, " Journal of finance,Vol.31,976。
11. Davis and Olson, "Management Information System," 1975.
12. Davis, L. Ed. Handbook of Genetic Algorithms, New York:Van Nostrand Reinhold,1991.
13. Edwards,Robert,D.,and John Magee,Jr.," Technical Analysis of stock Trends" 5th Edition,Springfield,MA:John Magee,1966。
14. Fama, Eugene F., The behavior of stock market prices, Joural of Business, January,1965,33, pp34-105.
15. Fayyad, Data Mining and knowledge Discovery:Making Sense Out of Data, IEEE Expert (11:10),1996,pp.20-25.
16. Frawley, Piatetsky-Shapiro, and Matheus, "Knowledge discovery in database: An overview," Menlo Park, CA:AAAI Press/The MIT Press,1991.
17. Gabriel Pui Cheong Fung, Jeffrey Xu Yu, and Wai Lam, "Stock prediction: integrating text mining approach using real-time news,", Computational Intelligence for Financial Engineering,2003
18. Goldberg, D. E. "Genetic Algorithms in Search, Optimization, and Machine Learning", Addison-Wesley Publishing Company Inc.1989.
19. Granville,Joseph E.," A Strategy of Daily Stock Market Timing for M aximum Profit"'Englewood Cliffs:Prentice-Hall,Inc.,1960.
20. Guape, F. H. and Owrang, M. M., "Database Mining Discovering New Knowledge and Cooperative Advantage," Information Systems Management, Vol.12, Fall 1995, pp.26-31.
21. Gunasekarage, A. and Power, D. M. (2001), "The Profitability of Moving Average Trading Rules in South Asian Stock Markets," Emerging Markets Review 2, pp.17-33.
22. Hassibi, B., Stork, D.G and Wolff,G.J., " Optimal Brain Surgeon and General Network Prung", Proceeding of the Intern. Conference on Neural Network, San Francisco, California, pp.293-299,1993.
23. Holland, J. H."Adaptation in Natural and Artificial System:an introductory analysis with applications to biology, control, and artificial intelligence", MIT press,1992.
24. Hung, S.Y., Liang, T.P. and Liu, W.C., "Intergrating Arbitrage Pricing Theory and Artificial Neural Networks to Support Portfolio Management," Decision Support Systems, vol.18, pp.301-316,1996.
25. Ivanova, Irena and Miroslav Kubat, "Initialization of neural networks by means of decision trees,"Knowledge-Based Systems, Vol.8, No.6, P333-344, December 1995.
26. Jang G S., Lai F. and Parng T. M., "Intelligent Stock Trading Decision Support System Using Dual Adaptive-Structure Neural Networks." Journal of Information Science and Engineering,9(2):271-297, June,1993.
27. John B. Williams, " The Theory of Investment Value",Prentice-Hall Inc,1962。
28. Kim, K. J. and Han, I., Genetic Algorithms Approach to Feature Discretization in Artificial Neural Networks for the Prediction of Stock Price Index, Expert Systems with Applications 19, pp.125-132,2000.
29. Kuo, R.J., Chen, C.H., and Hwang, Y.C., "An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network," Fuzzy sets and systems,118, pp.21-45, 2001.
30. Lev, B. and Thiagarajan, R., "Fundamental Information Analysis," Journal of Accounting Research, Autumn,1993.
31. Levy,Haim," Introduction to Investmesnts,South-Western college Publi-shing",1966。
32. Mehrotra, Kishan, Chilukuri, K. and Mohan, S. R., "Elements of Artificial Neural Networks," London:A Bradford Book The MIT Press,1997, p.8.
33. Montana, D. and Davis, L."Training Feedforward Neural Networks using Genetic Algorithms," Proceedings of Eleventh International Joint Conference on Artificial Intelligence, San Mateo, CA, Morgan Kaufmann,, pp.762-767, 1989.
34. Nelson, L. S., The Shewhart Control Chart-Test for Special Causes, Journal of Quality Technology, Vol.16, No.4, pp.237-239,1984.
35. Phua, Hoh P. K.; Ming, Daohua; Lin,Weidon,2001, "Neural Network Wirh Genetically Evolution Algorithms For Stocks Prediction" Asia-Pacific Journal of Operation Research,18(1) 103-108。
36. R.J. Kuoa, C.H. Chenb, and Y.C. Hwangc, "An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network," Fuzzy Sets and Systems 118, pp.21-45,2001.
37. R.S.T. Lee, "iJADE stock advisor:An intelligent agent based stock prediction system using hybrid RBF recurrent network," IEEE Transactions on Systems, Man, and Cybernetics Part A, Vol.34, Issue 3, pp.421-428,2004.
38. S. Autin, "An introduction to genetic algorithms," AI Expert, pp.49-53, 1990.
39. Schaffer, C. "A Conservation Law for Generalization Performance, in Machine Learning," Proceedings of the Eleventh International Conference, Morgan Kaufmann,1994, pp.259-265.
40. Seng-Cho Timothy Chou, Chau-Chen Yang, Chi-Huang Chan, and Feipei Lai(1996), "A rule-based neural stock trading decision support system," Computational Intelligence for Financial Engineering,1996., Proceedings of the EEE/IAFE 1996 Conference on 24-26 March 1996. pp.148-154.
41. Srinivas, M. and L. M. Patnaik, Genetic Algorithms:A Survey, IEEE Computer, pp.17-26, June 1994.
42. Tsaih, R., Hsu, Y. and Lai, C. C.,"Forecasting S&P 500 Stock Index Futures with a Hybrid AI System," Decision Support Systems,23,1998, pp.161-174.
43. Versace Massimiliano, Bhatt Rushi, Hinds Oliver, and Shiffer Mark, "Predicting the exchange traded fund DIA with a combination of genetic algorithms and neural networks," Expert Systems with Applications, Vol.27, Issue 3, pp.417-425,2004.
44. Welles, Wilder J.,1978, "New Concepts in Technical Trading Systems, Greensboro NC:Trend Research".
45. Welles Wilder. JR,林盈科譯,最新寅用股僵技術分析,證券投资发展中心,民国78年。
46. Western Electronic, Statistical Quality Control Handbook, Western Electric Corporation, Indianapolis,1956.
47. Yuan Luo, Kecheng Liu, and Davis D.N., "A multi-agent decision support system for stock trading," IEEE Transactions on Systems, Man, and Cybernetics, Vol.16, Issue 1, pp.20-27,2002.
48. Z. Michalewicz Genetic Algorithms+Data Structures=Evolution Programs, Springer-Verlag, NY.1992.
49.卞志祥,台湾加權股價指數投资组合之基因演算法建構模型,交通大学资管所硕士論文,1996。
50.方国榮,證券投资最適决策指標之研究—技術面分析,台湾大学商学研究所硕士論文,1991。
51.王春笙,以技術指標预测台湾股市股價涨跌之實證研究—以類神经網路與複回歸模式建構,国立台湾大学资讯管理研究所硕士論文,1996。
52.吴麗雪,利用均線理論與技術指標之操作分析股價指數報酬率,国立中正大学财務金融研究所硕士論文,2003。
53.李安邦,以遺傳演算法为基底的模糊专家系统於投资策略之應用,元智大学管理研究所资讯管理组硕士論文,1997。
54.李政芳,應用類神经網路與模糊德菲法於股票预测模式建立之研究,高雄工学院管理科学研究所硕士論文,1996。
55.李家豪,KD技術指標之類神经模糊交易决策支援系统,静宜大学企业管理学系硕士論文,2000。
56.李惠妍,類神经網路與回歸模式在台股指數期货预测之研究,国立成功大学管理学院高階管理硕士在職專班硕士論文,2003。
57.李贻玲,在LISREL统计软體上變项選擇之研究,国立成功大学應用數学研究所硕士論文,1993。
58.杜金龍,技術指數標在台湾股市應用的訣竅,财讯出版社,2002。
59.周慶华,整合基因演算法及類神经網路於现货開盤指數之预测-以新加坡交易所摩根台股指數期货为例,輔仁大学金融研究所硕士論文,2001。
60.林威廷,以總體经济因素预测股票報酬率—類神经網路與多元回歸之比较研究,国立交通大学资讯管理研究所硕士論文,1995。
61.林建成,遺傅演化類神经網路於台湾股市预测舆交易策略之研究,束吴大学经济学系硕士输文,2002。
62.林敏鈞,運用基因演算法改進三階段投资组合建構程式,国立中正大学资飘管理学系硕士論文,2000。
63.林萍珍,遺傅演算法在使用者尊向的投资组合選挥之應用,“中央”资管所硕士输文,1998。
64.林维垣,有關對调適舆演化機制的再審思--在财務时间序列资料中應用的统计分析,国立政治大学经济学系博士論文,2000。
65.林耀堂,遺傅程式规割於股市擇时交易策略之應用,“中央”大学资飘管理研究所硕士输文,2001。
66.林耀暄,模糊理输和基因演算法於股市買實點决策及资金比例配置之研究,中华大学资飘工程学系研究所硕士論文,2001。
67.邱仕敏,總體经济舆财務指檩於投资臺湾股市之應用,台湾大学财務金融研究所硕士输文,1997。
68.施正宏,结合穗體经济指檩及個股财報查料以预测個股涨跌--以台潜电子類股为例,中原大学资飘管理研究所硕士論文,2004。
69.纪如龍,BPN暨RN神经網路舆向量误差修正模型封国内债券價格之预测绩效,国立政治大学国际贸易研究所硕士输文,1996。
70.徐松奕,以技術指檩封台湾加權股價期货指敷報酬之研究,国立束摹大学企业管理学系在職專班硕士输文,2003。
71.高国欽,羅吉斯迴歸模式解释燮數選擇法,国立“中央”大学统计研究所硕士输文,1992。
72.高梓森,台湾股市技術分析之寅證研究,台湾大学财務金融学研究所硕士输文,1994。
73.崔蕙蓮,Logistic迥蹄方法之應用,国立“中央”大学统计研究所硕士输文,1989。
74.张文信,以類神经網路预测股價指敷涨跌,国立台湾大学财務金融研究所硕士输文,1995。
75.张政一,類神经網路於有價證券预测股價及涨跌之研究,中国文化大学国際企业管理研究所硕士输文,2001。
76.强佑璋,運用基因演算法整合技術指標以支援證券投资决策之研究,中山大学资讯管理研究所硕士論文,1999。
77.强家澍,以可稠结構颊神经網路为主之智慧型證券交易决策支援系统之设计舆制作,国立台湾大学电機工程研究所博士输文,1993。
78.隙仁龍,罩事投资最適化比例之研究,国防大学管理学院国防决策科学研究硕士输文,2000。
79.隙世章,基本分析舆股價報酬之關聯性,台湾大学會计研究所硕士输文,1996。
80.陈志能,運用類神经網路舆技術指檩预测股票型基金涨跌及交易时機之研究—以臺湾50指敷股票型基金为例,朝陽科技大学资飘管理系硕士論文,2006。
81.陈宗益,利用總经燮敷掌握台股超势,国立台湾大学會计研究所硕士論文,2001。
82.陈明智,智慧型股票操作法第四版,邯鄲出版社,1989。
83.陈峙儒,S&P500股價指敷期货舆现货间價格预测效果的探讨---根據时间序歹(?)人工智慧模型,国立成功大学财務金融研究所,2004。
84.陈建全,台湾股市技術分析之實证研究,国立台湾大学商学研究所硕士論文,1998。
85.陈建欣,僵量技術指檩交易系统之绩效研究—類神经模糊之應用,静宜大学企业管理学系硕士输文,2002。
86.隙建福,遺傅程式舆市埸挥时策略之研究：台湾股票市埸的應用,政治大学经济研究所硕士論文,1995。
87.陈照憲,基因演算法技術交易法则-台湾股市實證研究,雲林科技大学财金所硕士論文,1998。
88.隙應慶,應用技術分析指標於台湾股票市埸加榷指敷買進时機切入之實證研究—以RSI、MACD及DIF为技術指漂,佛光人文社會学院管理学研究所硕士論文,2004。
89.曾思博,類神经網路於股價预测舆资金配置之應用,“中央”大学资讯管理研宪所硕士論文,1999。
90.游英裕,股價舆成交量因果關係之研究—台湾股市的實證,義守大肇管理 研究所硕士输文,2004。
91.黄永成,應用遺傅演算法舆模糊神经網路於股票预测模式之研究,高雄工学院管理科学研究硕士输文,1997。
92.黄鑫茂,利用基因演算法訓练類神经網路的研究,国立交通大学电機舆控制工程系研究所硕士論文,2000。
93.楊建民,在微平行电脑上发展類神经耦路演算法以预测台湾股市行为,国科會專案研究计畫,1992。
94.廖清逹,综合性技術指標的有效性驗證-兼输台湾股票市埸的弱势效率性假说,国立东华大学国际经济研究所硕士输文,1998。
95.到克一,以遺傅演算法演化颊神经網路在股價预测上的應用,真理大学管理科学研究所硕士論文,2001。
96.欧陽平,以遺傅演化類神经網路封初次上市公司股票建構價格预测模式--以上市公司民子股为例,东吴大学经济学系研究所硕士输文,2001。
97.蔡嘉文,應用類神经網路於股價预测之研究,成功大学工管所硕士論文,1996。
98.蔡锦堂,APT聪接CAPM模型在臺湾證券市埸之實證研究,臺湾大学商学研究所硕士論文,1991。
99.蔡瀚賢,成交量放大讯號及技術指漂粽合策略在台湾股市之實例研究,国立成功大学企管所硕士論文,1991。
1oo.郑忠樑,運用分類樹於股價報酬率预测之研究,元智大学资飘管理学系碩士論文,2002。
101.鄧绍勳,遺傅演算法於股市挥时策略之研究,“中央”大学资飘管理研究所硕士输文,1999。
102.盧麗安,财務基本分析舆台湾股價的表现,国立中山大学财務管理研究所硕士输文,1996。
103.(?)宏仁,结合技術分析舆類神经網路以支援股票投资決策之研究,中山大学资飘管理硕士論文,1995。
104.(?)宏祺,技術分析有效性之研究,中典大学企业管理研究所士論文1996。
105.薛淑嫻,認購權證评價模式之研究—基因演算法舆颊神经網路的運用,铭 傅大学金融所硕士输文,1999。
106.谢榮记,台中地區個别投资人封飘息心理反應舆加權股價指數關聯性之研究,朝陽科技大学财務金融系硕士输文,2000。
107.筒辰丞,结合MACD舆類神经模糊技術之股票预测模型—以臺湾金融股为例,静宜大罩企业管理研究所硕士論文,2001。
