(18.204.227.34) 您好!臺灣時間:2021/05/17 04:46
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:許智和
研究生(外文):Chih-Ho Hsu
論文名稱:運用基因演算法搜尋最佳化技術指標之台灣股市實證研究
論文名稱(外文):Using Genetic Algorithms to Search Optimal Technical Indicators
指導教授:唐順明唐順明引用關係
指導教授(外文):Shung-Ming Tang
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:資訊管理系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
論文頁數:35
中文關鍵詞:基因演算法股市預測技術指標
外文關鍵詞:Genetic algorithms、Stock index prediction、Tech
相關次數:
  • 被引用被引用:29
  • 點閱點閱:611
  • 評分評分:
  • 下載下載:169
  • 收藏至我的研究室書目清單書目收藏:8
「市場行為涵蓋一切」可以說是技術分析的中心觀念,技術分析乃以供需理論為基礎,以預測大盤未來的走勢,然而技術指標的多樣性以及不一致性,往往讓投資大眾在面對抉擇時猶疑不定,導致錯失買賣的最佳時機,此時基因演算法之平行有效搜尋以及可調適性的特質,能夠協助搜尋最有效的技術指標,並且加以利用。本研究利用基因演算法搜尋最佳之技術指標,研究分為搜尋期與實證期,搜尋期為84年至88年,計五年期間,實證期為89年至91年,計三年期間,先以搜尋期為基礎,搜尋最佳的技術指標,然後以實證期加以驗證。實證研究最佳技術指標之交易法則是否能有效預測大盤漲跌,獲取利潤。在搜尋期間,所搜尋到的六條最佳交易法則的績效明顯優於同期間五年的買進並持有策略的績效,證明基因演算法的確能有效搜尋最佳解。實證結果顯示僅一條交易法則劣於買進並持有策略,其餘五條交易法則皆能打敗買進並持有策略,證明其交易法則是具備獲利能力的。從實證結果得知技術分析仍然是具備參考價值,而且投資人不應該將常用的技術指標視為最佳的交易法則。
Use the technical indicators to predict stock index , that is the main concept of technical analysis. But the variety and inconsistency of technical indicators usually confuse the investor. Genetic algorithms own the character of parallel searching and adaptability can help investor to search the optimal trading rule. So this study try to use genetic algorithms to search the optimal trading rule, and divide into two periods. The searching period was from 1995 to 1999 and the testing period from 2000 to 2002.
In the searching period, we find the six trading rules .The performance of the six trading rules is obvious better than buy-and-hold strategy. It prove the genetic algorithms can search the optimal trading rule. In the testing period, only one trading rule is worse than buy-and-hold strategy, the others are better than buy-and-hold strategy, so we can confirm the optimal trading rule have the ability of earning money. The technical analysis is worth understanding, and investor should not think of the common technical indicators as the best trading rules.
中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 v
圖目錄 vi
壹、緒論 1
1.1、研究背景與動機 1
1.2、研究目的 2
貳、文獻探討 3
2.1、人工智慧方法預測股價 3
2.2、股價走勢預測的相關學說 6
2.2.1、基本分析 6
2.2.2、隨機漫步理論 6
2.2.3、技術分析 7
2.3、技術指標簡介 8
2.4、基因演算法 12
參、研究方法 14
3.1、樣本來源及研究期間 14
3.2、交易法則參數設計 14
3.3、適應值的計算 15
3.4、基因演算法搜尋最佳解之流程 16
肆、實證結果 18
4.1、移動平均線最佳交易法則之搜尋與實證 18
4.2、隨機指標之最佳交易法則之搜尋與實證 20
4.3、平均成交量之最佳交易法則之搜尋與實證 21
4.4、最佳交易法則與買進並持有策略整體比較與分析 23
伍、結論與建議 25
六、參考文獻 27
1.周怡芳,以KD線投資策略分析台灣股市,成功大學統計研究所碩士論文,民國83年。
2.周慶華,整合基因演算法及類神經網路於現貨開盤指數之預測-以新加坡交易所摩根台股指數期貨為例,輔仁大學金融研究所碩士論文,民國90年。
3.李政芳,應用類神經網路與模糊德菲法於股票預測模式建立之研究,高雄工學院管科所碩士論文,民85年。
4.林宗永,證券投資技術分析指標獲利性之實證研究,國立政治大學企業管理研究所碩士論文,民88年。
5.林耀堂,遺傳程式規劃於股市擇時交易策略之應用,中央大學資訊管理研究所碩士論文,民國90年。
6.林維垣, 有關對調適與演化機制的再審思--在財務時間序列資料中應用的統計分析,國立政治大學經濟學系博士論文,民國89年
7.杜金龍,技術指標在台灣股市應用的訣竅,財訊, 民國91年。
8.吳宗正,技資技術分析,華泰文化事業股份有限公司,民國87年。
9.吳孟儒,以輸入資訊內涵觀點構建台灣股價指數類神經網路預測模式之研究, 義守大學管理科學研究所碩士論文,民國89年。
10.高梓森,台灣股市技術分析之實證研究,國立台灣大學財務金融研究所未出版碩士論文,民國83年。
11.陳明杰,基因演算擇時策略在台灣股市的實證研究,雲林科技大學企業管理研究所碩士論文,民國86年。
12.陳照憲,基因演算法技術交易法則-臺灣股市實證研究,雲林科技大學財金所碩士論文,民國87年。
13.陳建全,台灣股市技術分析之實證研究,國立台灣大學商學研究所未出版碩士論文,民國87年。
14.黃怡芬,道氏理論、濾嘴法則與買入持有策略在台灣股市投資績效之比較,成功大學企業管理研究所碩士論文,民國90年。
15.黃永成,應用遺傳演算法與模糊神經網路於股票預測模式之研究,高雄工學院管理科學研究碩士論文,民國86年。
16.蔡瀚賢,成交量放大訊號及技術指標綜合策略在台灣股市之實證研究,成功大學企業管理學系碩士論文,民國90年。
17.蔡尚儒,台灣店頭市場技術分析的實證研究,中正大學財務金融所碩士論文,民國89年。
18.洪美慧,技術分析應用於台灣股市之研究—移動平均線、乖離率指標與相對強弱指標之評估,東海大學管理究所碩士論文,民國86年。
19.董茲莉,由技術分析效果驗證我國股市效率性,中山大學企業管理研究所碩士論文,民國84年。
20.賴宏祺,技術分析有效性之研究,中興大學企業管理研究所碩士論文,民國86年。
21.楊家維,技術分析用於當沖之有效性研究—台灣股市之實證分析,台北大學經濟研究所碩士論文,民國89年。
22.鄭淑貞,台灣股票市場弱式效率性實證研究─過濾法則之應用,台灣工業技術學院管理技術研究所企業管理技術學程碩士論文,民國83年。
23.翁龍翔,各國股市技術分析的有效性,台灣大學財務金融研究所碩士論文 ,民國83年。
英文部分
24Allen , F. , and Karjalainen , 1999, R.﹐”Using Genetic Algorithms to Find technical Trading Rules.”, Journal of Finance Economics,51 , .245-271
25.Alexander, S. S., 1962 ,“Price Movements in Speculative Markets: Trend or Random Walks ”, Industrial Management Review, 2, 7-26.
26.Alexander, S. S., 1964,”Price Movements in Speculative Markets: Trend or Random Walks “, Industrial Management Review, 5, .25-46.
27.Brock, W., Lakonishok , J. and LeBaron,B., 1992,”Simple technical trading rules and stochastic properties of stock returns”, Journal of Finance, 47(5),1731-1764,
28Bauer,R.J, 1994,.Genetic Algorithms and Investment Strategies, John Wiley & Sons,NY
30.Cootner,P.H. ,1964, The Random Character of Stock Market Prices, MIT Press, Cambridge.
31Cowles, A. , 1934,Can stock market forecasters forecast?, Econometrica,1(3),309-324..
32Davis, L. ,1991, Handbook of Genetic Algorithms,Van Nostrand Reinhold ,NY
33Edwards, R.D. and J. Magee, Jr., 1966, Technical Analysis of Stock Trends,5th rev. ed., Springfield, Mass.
34Fama, E. F., 1965,” The Behavior of Stock Market Prices,” Journal of Business, 38, 34-105.
35Glickstein, D. A. and Wubbels, R.E.,1983., “Dow Theory is Alive and Well”, Journal of Portfolio Management, .28-32
36Glodberg, D.E. ,1989, "Genetic Algorithm in Search, Optimization and Machine Learning", Addison Wesley, Reading
37Graham,B.,Dodd,D.L.andCottle,S, 1962, Security Analysis:Principles and Techniques, ., ,McGraw-Hill, New York
38Holland, J.H. , 1975., Adaptation in Natural and Artificial System , University of Michigan Press,Ann Arbor
39Lam K.C., THMAS T. H., YUEN R.K. , LO S.M. & CONRAD T.C.W,2001 “Using an adaptive genetic algorithms to improve construction finance decisions ” Engineering ,Construction and Architectural Management, 8(1),31-45
41Levy, R.A., 1967, “Relative Strength as a Criterion for Investment Selection,” Journal of Finance, 22, .595-610
42Malkiel, B. G.. , 2000, A Random Walk Down Wall Street-Including A Life-cycle Guide To Personal Investing, W.W. Norton & Company, NY
43Kendall, M.G. , 1996 ,“The Analysis of Economic Time Series, Part I: Prices.” , Journal of the Royal Statistical Society, 11-25
44Kim K., and Han I.,2000 ,Genetic algorithms approach to feature discretization in artificial neural networks for the prediction of stock price index, Expert Systems with Applications,19,125-132
45Kimoto,T.and Asakwa, K.,1990,"Stock Market Predication System with Modular Networks , IJCNN-90-Wash.,I, 1-6.
46Kuo,R.J., Chen, C.H. ,and Hwang, Y.C. ,1998, ” An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network” Fuzzy Sets and Systems ,21-45
47Phua, 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
48Shazly,E. ,Mona R.,and Hassan E., 1999, “ Forecasting currency prices using a genetically evolved neural network architecture “International Review of Financial-Analysis ,.8(1),67
49Sweeny, R. J, 1988,“Some New Filter Rule Test: Methods and Results”, Journal of Financial and Quantitative Analysis, 23,.285-300
50Sweeny, R. J. , 1990,“Evidence on Short-term Trading Strategies,”Journal of Portfolio Management, 20-26.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 高宣揚(民83)。語用論探源。國立台灣大學中山學術論叢,12,35-74。
2. 高宣揚(民83)。語用論探源。國立台灣大學中山學術論叢,12,35-74。
3. 吳知賢(民85)。電視與兒童的語言發展。教學科技與媒體,30,24-32。
4. 吳知賢(民85)。電視與兒童的語言發展。教學科技與媒體,30,24-32。
5. 李櫻(民89)。漢語研究中的語用面向。漢學研究,18,323-356。
6. 李櫻(民89)。漢語研究中的語用面向。漢學研究,18,323-356。
7. 石素錦,陳瑞慧(民88)。從認知心理學與社會互動談兒童語言發展-從皮亞傑與維高斯基理論談兒童英語學習。課程與教學季刊,2(3),1-22。
8. 石素錦,陳瑞慧(民88)。從認知心理學與社會互動談兒童語言發展-從皮亞傑與維高斯基理論談兒童英語學習。課程與教學季刊,2(3),1-22。
9. 曹純瓊(民85)。自閉症兒童的語言發展過程與其語言溝通能力。特殊教育季刊,58,25-32。
10. 曹純瓊(民85)。自閉症兒童的語言發展過程與其語言溝通能力。特殊教育季刊,58,25-32。
11. 陳淑琴(民89)。幼兒語言發展與語言獲得理論探討。幼兒教育年刊,12,108-110。
12. 陳淑琴(民89)。幼兒語言發展與語言獲得理論探討。幼兒教育年刊,12,108-110。
13. 陳麗霞(民93)。幼兒語言能力的發展。親子教育,117,8-9。
14. 陳麗霞(民93)。幼兒語言能力的發展。親子教育,117,8-9。
15. 張正芬(民91)。一位自閉症兒童的語言發展歷程─二年縱貫研究的發現。特殊教育研究學刊,22,27-48。