在近幾年有關金融市場方面的學術研究，財務工程的發展已逐漸受到重視，在探討過相關文獻後，發現在眾多的人工智慧方法中，不同方法有其不同的特性。在考慮如何建構出一個好的投資組合時，本研究期望能利用各方法所長，相互搭配出一個最適合的模型。
本研究企圖利用類神經網路的預測能力，在每次買入股票前，預測欲賣出時點的股價，將此有利的訊息輸入蟻元合作系統，接著利用螞蟻的生物特性，在可能的樣本空間中搜尋最佳路徑，搜尋出的最佳解即代表最佳投資組合。本研究在擇時的部分是以每週一買入，每週五賣出，選股與資金分配的部分則採用系統的建議，以2004年51週作為研究期間，經實證結果發現：
一、在類神經預測模型中，以RSI(相對強弱指標)、VR(量強弱指標)、PSY(心理 線)、WMS%R(威廉指標)與日收盤價為輸入變數，發現準確度平均可達九成以上，相當適合作預測。
二、蟻元合作系統在處理組合問題方面有很強的能力，惟需注意的是對於問題的界定須謹慎，參數如何設定對結果影響相當大。
三、本研究利用類神經網路與蟻元合作系統搭配所建構出的投資組合，在實驗的50週中報酬率優於傳統方法有38週、崔納指標則領先37週，在整年的累積報酬率更是遙遙領先。

Among the financial literature, the concept of financial engineering has been noticed. After surveying many relative papers, we found that every artificial intelligence approach has its own special properties. When constructing a good portfolio, this study hopes combining different functions of different approaches to establish appropriate portfolio models.
In this study, we take advantage of forecasting ability of neural network to forecast stock price before the portfolio is constructed and input this important information to ant colony system(ACS). Using the biological character of ants, we will get a best path in possible solution space. And this best path means the best portfolio. A simple trading strategy is completed to buy stocks on every Monday and sell them on every Friday. The output of ACS is referred to do the following stock selection and capital assignment. The empirical data is from the first week to the last week in 2004. The empirical results are as follows:
1. When forecasting, we use five indices: RSI, VR, PSY, WM and closing price. We found that hit ratio is near to 90%. It means that neural network is very suitable on forecasting.
2. Ant colony system has a good ability on solving problems of combination. It is noted that we need to form our questions carefully, because the settings of parameters in the system have a big influence on output.
3. In 2004, using the method in this study has higher return than traditional way on 38 weeks, and higher Treynor index value on 37 weeks. In terms of overall return, this process performs better the rest.

中文部份
[1] 王信文(2002)，「投資組合管理：資產最佳配置、保本與套利之模型規劃」，國立交通大學資訊管理所碩士論文。
[2] 方閔正(2004)，「應用蟻元系統於台灣股票市場投資組合」，中華大學經營管理研究所碩士論文。
[3] 李威德(2003)，「類神經網路於台股指數價格預測及交易策略之應用」，輔仁大學金融研究所碩士論文。
[4] 林獻堂(2003)，「蟻元合作系統於投資決策之應用」，輔仁大學資訊管理研究所碩士論文。
[5] 洪崇恩(1999)，「以類神經網路預測台灣股價報酬率 - 以電子股為例」，朝陽大學財務金融研究所碩士論文。
[6] 洪幸資(2002)，「控制風險值下的最適投資組合」，國立中央大學統計研究所碩士論文。
[7] 張志成(2002)，「投資組合選取準則之實證研究-Sharpe ratio的應用」，淡江大學財務金融學系研究所碩士論文。
[8] 黃光廷(2002)，「技術分析、基本分析與投資組合避險績效之研究」，國立成功大學會計學系研究所碩士論文。
[9] 黃致翔(2004)，「最佳投資組合研究-以台股為例」，國立中央大學統計研究所碩士論文。
[10] 黃綺年(2004)，「統計方法與類神經網路應用於國內開放式股票型基金投 資績效分類及投資報酬率預測之研究」，國立成功大學統計學研究所碩士論文。
[11] 陳與泳(2004)，「組合式基金資金分配策略－蟻元合作系統與遺傳演算法之應用」，國立台灣科技大學資訊管理研究所碩士論文。
[12] 楊孟龍(2000)，「類神經網路於股價波段預測及選股之應用」，國立中央大學資訊管理研究所碩士論文。
[13] 鍾秀培(1997)，「運用類神經網路建構指數套利模型-以日經225指數為例」，國立交通大學資訊管理研究所碩士論文。
[14] 蕭宗勝(2002)，「螞蟻族群演算法應用在組合問題之研究」，銘傳大學資訊管理研究所碩士論文。
[15] 謝劍平(1999)，財務管理─新觀念與本土化，智勝出版。

英文部分
[1] Dorigo, M. and Gambardella, L.M.(1997),“ Ant colony system: A cooperative learning approach to the traveling salesman problem,” IEEE Transactions on Evolutionary Computation, Vol.1, No.1, pp.53-66.
[2] Dorigo, M. & Gambardella, L.M.(1997), ”Ant colonies for the traveling salesman problem,” BioSystems, Vol.43, pp.73-81.
[3] Dorigo, M., Maniezzo, V. & Colorni, A.(1991), ”Positive feedback as a search strategy,” Technical Report, No.91-016, Politecnico di Milano, Italy.
[4] Dorigo, M., Gambardella & L.M,(1997), “Ant colony system: a cooperative learning approach to the traveling salesman problem,” IEEE Transactions on Evolutionary Computation, Vol.1, No.1, pp.53-66.
[5] Maniezzo, V. & Colorni, A.(1999), ”The ant system applied to the quadratic assignment problem,” IEEE Transactions on Knowledge and Data Engineering.
[6] Stützle, Thomas, Hoos, Holger(1996), “Improvements on ant-aystem: introducing max-min ant system,” Forschungsbericht AIDA.
[7] Treynor, J.L.(1965), “How to rate management investment funds,” Harvard Business Review, Vol.43, pp.63-75.