運用演化式類神經網路預測台灣股市行為之研究
近年來人工智慧(Artificial Intelligence)的技術不斷的發展,並且在各個領域中都有其傑出的表現。如類神經網路系統,具有從龐大資料的輸入中萃取出有用資訊的特性;而遺傳演算法,則能夠利用演化的機制,同時從多個方向出發做最優解的搜尋。因此兩者的發展,對於在商業領域的應用上,均有相當大的貢獻。 而鑒於上述兩種方法各有其傑出的特性,是故本研究嘗試將兩者做應用上的結合,並針對台灣股市大盤指數的趨勢做預測。首先,在繁多的股市指標中取具有其獨特代表性的48個技術指標作為神經網路的候選輸入變數。其次,再經由人工生命的方式建立一個演化族群,其內含的個體由許多不同的神經網路系統所構成,並各以不...
Main Author: | |
---|---|
Language: | 中文 |
Published: |
國立政治大學
|
Subjects: | |
Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22A2002001577%22. |
Summary: | 近年來人工智慧(Artificial Intelligence)的技術不斷的發展,並且在各個領域中都有其傑出的表現。如類神經網路系統,具有從龐大資料的輸入中萃取出有用資訊的特性;而遺傳演算法,則能夠利用演化的機制,同時從多個方向出發做最優解的搜尋。因此兩者的發展,對於在商業領域的應用上,均有相當大的貢獻。
而鑒於上述兩種方法各有其傑出的特性,是故本研究嘗試將兩者做應用上的結合,並針對台灣股市大盤指數的趨勢做預測。首先,在繁多的股市指標中取具有其獨特代表性的48個技術指標作為神經網路的候選輸入變數。其次,再經由人工生命的方式建立一個演化族群,其內含的個體由許多不同的神經網路系統所構成,並各以不同的股市指標作為其基因。最後,將模型中的每個個體以本研究所發展的機制,對台灣股市的歷史資料作學習,並依世代的進行展開演化的動作。
本研究取台灣股市從民國80年1月到民國88年12月間9年的歷史資料進行模型的學習,將整個族群分成6個個體同時進行。每個世代分成學習期與模擬驗證期,學習方式採用倒傳遞類類神經網路分析。在世代的結束時評估每個個體的適應性函數,並據以決定演化機制中複製、交配、與突變的發生。
在整個模型的設計之下,我們可以得到下列的研究結果︰
1.演化的結果會逐漸收斂到一種接近最優的基因組合。亦即發現在神經網路的預測模型中可能的關鍵指標因素的所在。
2.經過演化的個體在模擬操作的績效表現上,確實能夠有優於大盤的表現。
3.經節選後的關鍵指標因素組合,可以建立一個擁有良好預測能力的Agent。
4.本研究提出之模型結合遺傳演算法及類神經網路,主要貢獻在於驗證演化式學習能有效改善類神經網路的輸出入,可作為未來相關研究之參考。
|
---|