跳到主要內容

臺灣博碩士論文加值系統

(44.200.194.255) 您好!臺灣時間:2024/07/15 01:40
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

我願授權國圖
: 
twitterline
研究生:王婷
研究生(外文):WANG,TING
論文名稱:一個結合遺傳演算法和蒙特卡羅樹搜尋方法在高頻交易的比較性研究
論文名稱(外文):Genetic Algorithms and Monte Carlo Methods in High-Frequency Trading: A Comparative Analysis
指導教授:黃健峯
指導教授(外文):HUANG,CHIEN-FENG
口試委員:陳志忠張志向
口試委員(外文):CHEN,ZHI-ZHONGChang,CHIH-HSIANG
口試日期:2024-04-10
學位類別:碩士
校院名稱:國立高雄大學
系所名稱:資訊工程學系碩士班
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2024
畢業學年度:112
語文別:中文
論文頁數:84
中文關鍵詞:遺傳演算法蒙地卡羅樹搜尋高頻交易人工智慧預測法則
外文關鍵詞:Genetic AlgorithmMonte Carlo Tree SearchHigh-Frequency TradingArtificial IntelligencePrediction Rules
相關次數:
  • 被引用被引用:0
  • 點閱點閱:19
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
隨著科技的發展,人工智慧應用在金融市場已經成為一個備受關注的領域,本文旨在透過台灣股市盤中即時揭露的資訊,並挑選十間公司作為研究對象,利用高頻交易中買賣最佳五檔的價量以及成交價量歸納出五種法則,隨後,我們建構出兩種預測模型:一種僅利用遺傳演算法所建構的模型,另一種在變異的步驟中加入蒙地卡羅樹搜尋(MCTS)變異的模型,我們對這兩種模型進行比較,評估加入MCTS變異的模型是否能夠有效的提高預測準確度,實驗結果表明,針對十間公司的研究,MCTS模型普遍取得了比遺傳演算法更加準確的預測結果。
Along with technology advancement, the applications of Artificial Intelligence in financial markets have gained significant interest in academia and industry. In this thesis we utilize real-time high-frequency trading data from the Taiwan stock market. We analyze the best bid and ask prices and volumes in high-frequency trading environments, along with transaction data of prices, to construct financial forecasting model by Genetic Algorithms (GA) and Monte Carlo Tree Search (MCTS). Our empirical results show the MCTS with GA models generally outperform the GA model alone across various companies studied, thus demonstrating the promising potential of MCTS in the field of high-frequency treading.
摘要 II
ABSTRACT III
致謝 IV
圖目錄 IX
表目錄 XI
1. 導論 1
1.1 研究背景 1
1.2 研究目的 2
1.3 研究架構圖 2
2. 文獻探討 4
2.1 高頻交易相關文獻 4
2.2 股票的價量關係相關文獻 5
2.3 人工智慧與金融科技相關文獻 5
2.4 蒙地卡羅樹搜尋相關文獻 7
3. 研究方法 9
3.1 台灣股市的交易機制 9
3.2 預測規則與預測模型 12
3.2.1成交價與最佳買價及最佳賣價之法則 12
3.2.2最佳五檔委託量權重法則 14
3.2.3最佳一檔委買量、委賣量壓力法則 15
3.2.4買賣壓與中間價之關係法則 17
3.2.5最佳五檔買賣壓與中間價之關係法則 18
3.2.6自動演化之模型 19
3.2.7觀測方式 20
3.3 效能評估指標 21
3.4 遺傳演算法 22
3.4.1 基因編碼 24
3.4.2 解碼 24
3.4.3 選擇及淘汰 25
3.4.4 交配及突變 25
3.5 蒙地卡羅樹搜尋 27
3.5.1 UCB公式 28
3.5.2 蒙地卡羅樹搜尋 – 選擇 30
3.5.3 蒙地卡羅樹搜尋 – 擴展 33
3.5.4 蒙地卡羅樹搜尋 – 模擬 34
3.5.5 蒙地卡羅樹搜尋 – 反向傳播 35
3.6 遺傳演算法結合蒙地卡羅樹搜尋 36
4. 研究結果 38
4.1 資料來源 38
4.2 研究區間 39
4.3 時間驗證法 39
4.4 遺傳演算法模型設定 41
4.4.1 模型參數設定 41
4.4.2 GA模型展示 42
4.4.2.1 台達電子之GA研究結果 42
4.4.2.2 鴻海精密之GA研究結果 43
4.4.2.3 台灣積體電路之GA研究結果 44
4.4.2.4 旺宏之GA研究結果 44
4.4.2.5 友達光電之GA研究結果 45
4.4.2.6 聯發科技之GA研究結果 46
4.4.2.7 聯電之GA研究結果 46
4.4.2.8 國泰金之GA研究結果 47
4.4.2.9 中信金之GA研究結果 48
4.4.2.10 日月光半導體之GA研究結果 48
4.4.3 R1、GA與MCTS模型比較 49
4.5 基於蒙地卡羅演算法之遺傳演算法模型 50
4.5.1 觀察GA演算法收斂代數 50
4.5.2 評估代數的影響 - 50代與100代比較 51
4.5.2.1 台達電子之MCTS研究結果(股票代號2308) 51
4.5.2.2 鴻海精密之MCTS研究結果(股票代號2317) 53
4.5.3 MCTS變異模型參數設定 54
4.5.4 MCTS變異模型展示 55
4.5.4.1 台達電之MCTS研究結果 55
4.5.4.2 鴻海精密之MCTS研究結果 57
4.5.4.3 台灣積體電路之MCTS研究結果 58
4.6 GA及MCTS勝率比較 59
4.6.1 鴻海精密(股票代號2317) 59
4.6.2 台達電子(股票代號2308) 60
4.6.3 台灣積體電路(股票代號2330) 60
4.6.4 日月光(股票代號3711) 61
4.6.5 聯華電子(股票代號2303) 62
4.6.6 中信金(股票代號2891) 62
4.6.7 國泰金(股票代號2882) 63
4.6.8 友達光電(股票代號2409) 64
4.6.9 聯發科技(股票代號2454) 64
4.6.10 旺宏(股票代號2337) 65
5. 結論 66
6. 參考文獻 67


台灣證券交易所, “盤中全面逐筆交易專區,” 2020. [線上]. Available: https://accessibility.twse.com.tw/zh/trading/info/information6.html.
許翠萍, 逐筆交易新制對股票市場價量關係之影響, 碩士論文, 淡江大學財務金融學系碩士在職專班, 2021.
陳柏均, 一個高速交易的自動演化預測系統的研究, 碩士論文, 國立高雄大學資訊工程學系, 2019.
楊育誠, 一個使用遺傳演算法及蒙地卡羅樹搜尋之週選擇權交易模型的研究, 碩士論文, 國立高雄大學資訊工程學系碩士班, 2023.
“Regulatory Issues Raised by the Impact of Technological Changes on Market Integrity and Efficiency Consultation Report,” TECHNICAL COMMITTEE OF THE INTERNATIONAL ORGANIZATION OF SECURITIES COMMISSIONS, 2011.
Hendrik Bessembinder, Allen Carrion, Laura Tuttle, Kumar Venkataraman, “Liquidity, resiliency and market quality around predictable trades: Theory and evidence20,” Journal of Financial Economics, Pages 142-166, July 2016.
A. Carrion, “Very fast money: High-frequency trading on the NASDAQ,” Journal of Financial Markets, Pages 680-711, Volume 16, Issue 4, November 2013.
Amber Anand, Kumar Venkataraman, “Market conditions, fragility, and the economics of market making,” Journal of Financial Economics, Pages 327-349, Volume 121, Issue 2, August 2016.
J. M. Karpoff, “The Relation between Price Changes and Trading Volume: A Survey,” Journal of Financial and quantitative Analysis, Pages 109-126, Volume 22, No. 1, Mar 1987.
Charles M. C. Lee, Bhaskaran Swaminathan, “Price Momentum and Trading Volume,” Journal of Finance, Pages 2017-2069, Volume 55, No. 5, Oct 2000.
C. Ying, “Stock market prices and volumes of sales,” Econometrica: Journal of the Econometric Society, Pages 676-685, Volume 34, No. 3, Jul 1966.
賈國威, 機器學習在台灣股票投資策略建構之應用, 碩士論文, 國立中山大學財務管理學系研究所, 2023.
許茱媛, 機器學習方法建構股票市場投資策略及波動度管理, 碩士論文, 國立政治大學風險管理與保險學系, 2023.
蘇禹丞, 機器學習演算法在股票交易策略之應用, 碩士論文, 國立中山大學應用數學系研究所, 2022.
楊易學, 基於機器學習方法進行股票價格預測之研究, 碩士論文, 國立臺中教育大學資訊工程學系, 2021.
陳暐文, 利用深度學習圖形辨識技術建置最適投資策略-以台灣股票市場為例, 碩士論文, 國立政治大學風險管理與保險學系, 2019.
黃榮凱, 使用CNN深度學習K線圖形預測股票市場趨勢, 碩士論文, 國立臺中科技大學資訊管理系碩士班, 2021.
周家民, 應用深度學習於股票走勢分析-以台灣市場為例, 碩士論文, 國立臺中科技大學財務金融研究所碩士班, 2022.
夏鶴芸, 應用深度學習與自然語言處理新技術預測股票走勢 – 以台積電為例, 碩士論文, 國立臺北大學資訊管理研究所, 2020.
J. H. Holland, Adaptation in natural and artificial systems: An introductory analysis with applications to biology, control, and artificial intelligence, The MIT Press, 1992.
Allen, F. and Karjalainen, R., “Using genetic algorithms to find technical trading rules,” Journal of Financial Economics, Pages 245-271, Volume 51, Issue 2, February 1999.
Huang, C.-F., Hsu, C.-J., Chen, C.-C., Chang, B.-R. and Li, C.-A., “An intelligent model for pairs trading using genetic algorithms,” Computational Intelligence and Neuroscience, Pages 10, Volume 2015, Article ID 939606, 2015.
Chien-Feng Huang, Hsu-Chih Li, “An Evolutionary Method for Financial Forecasting in Microscopic High-Speed Trading Environment,” Computational Intelligence and Neuroscience, Volume 2017, Article ID 9580815, 20 Feb 2017.
Huang, C.-F., Lin, C.-H., Chen, P.-C. and Chang, B.-R., “An improved genetic-based forecasting model for high-speed trading,” 2017 International Conference on Applied System Innovation (ICASI), Pages 1904-1907, DOI 10.1109, July 2017.
S. Ulam, Nicholas Metropolis, “The Monte Carlo Method,” Journal of the American statistical association, Pages 335-341, Volume 44, Issue 247, 1949.
S. Raychaudhuri, “Introduction to monte carlo simulation,” Proceedings of the 2008 Winter Simulation Conference, 2008.
B. Abramson, “Thesis Proposal: The Expected-Outcome Model of Two-Player Games,” Department of Computer Science, Columbia University Computer Science Department, University of California at Los Angeles, CUCS-230-86, November 2, 1986.
R. Coulom, “Efficient Selectivity and Back up Operators in Monte-Carlo Tree Search,” 5th International Conference on Computer and Games, HAL Id inria-00116992, Nov 2006.
Edoardo Vittori, Amarildo Likmeta, Marcello Restelli, “Monte carlo tree search for trading and hedging,” Proceedings of the Second ACM International Conference on AI in Finance, Pages 1–9, No. 37, November 2021.
吳宇生, 蒙地卡羅樹搜尋應用於黃金市場的交易決策, 碩士論文, 國立東華大學資訊工程學系, 2014.
“台灣證券交易所,” [線上]. Available: https://www.twse.com.tw/zh/products/system/trading.html.
詹場、胡星陽、陳建宏, “台灣證券市場揭示狀態之資訊含量,” 證券市場發展季刊, 2003.
Avellaneda, M. and Stoikov, S., “High frequency trading in a limit order book,” Quantitative Finance, Pages 217-224, Volume 8, No. 3, April 2008.
Goldberg, D. E. and Deb, K., “Comparative analysis of selection schemes used in genetic algorithms,” Foundation of Genetic Algorithms, Pages 69-93, Volume 1, 1991.
De Jong, K. A., Spears, W. M. and Gordon, D. A., “Using genetic algorithms for concept learning,” Machine Learning, Pages 161-188, Volume 13, November 1993.
Levente Kocsis and Csaba Szepesv´ari, “Bandit based monte-carlo planning,” 15th European Conference on Machine Learning, Pages 282-293, Volume 4212, 2006.

電子全文 電子全文(網際網路公開日期:20290603)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊