Basic Search / Detailed Display

Author: 吳先峰
SHIEN-FENG WU
Thesis Title: 運用基因演算法於臺指選擇權策略之研究
Applying Genetic Algorithm in Taiex Options Strategies
Advisor: 徐演政
Yen-Tseng Hsu
Committee: 林昌本
CHANG-BEN LIN
葉治宏
none
Degree: 碩士
Master
Department: 電資學院 - 資訊工程系
Department of Computer Science and Information Engineering
Thesis Publication Year: 2012
Graduation Academic Year: 100
Language: 中文
Pages: 127
Keywords (in Chinese): 基因演算法選擇權
Keywords (in other languages): Genetic Algorithm, Taiex Options
Reference times: Clicks: 278Downloads: 2
Share:
School Collection Retrieve National Library Collection Retrieve Error Report

本論文主要的目的在探討利用基因演算法之人工智慧技術,運用於臺指選擇權的策略產生;基因演算法的特性是模擬生物的演化特性,讓適合環境的基因能得到更高的繁衍機會,達到物競天擇的效果,本研究將技術指標視為臺指選擇權的基因,若某些技術指標的組合,能夠帶來較高的獲利,此組合將被順利繁衍至下一代,反之若某些技術指標的組合,帶來較低的獲利,此組合將會被淘汰,如此反覆的世代演替之後,基因池中的技術指標組合,將會是大部分有利於臺指選擇權的獲利操作,透過此演算法所產生的臺指選擇權投資策略,將能獲得較高的報酬。


The purpose of this thesis is to research the usage of Artificial Intelligence in genetic algorithm to generate a strategy in Taiex Options. The theory of genetic algorithm is to animate the characteristic of biological evolution of which the genes that are more suitable to the environment get more chances to be passed to the next generation, so as to reach natural selection result. This research is to take technology indicator as the gene of Taiex Options. If some combinations of technology indicator can bring more profit, this combination will be passed to the next generation. On the contrary, if some combinations bring lower profit, these combinations will be obsoleted. After repeating this evolution procedure for generations, most of the combinations of technology indicator in the gene pool will be good for the Taiex Options. The investment strategy of Taiex Options generated through this algorithm will be able to gain more proceeds.

論文摘要1 ABSTRACT2 誌謝3 圖目錄7 表目錄11 第一章 緒論12 1.1 研究背景與動機12 1.2 研究目的12 1.3 研究方法12 1.4 論文架構13 第二章 文獻回顧與背景知識15 2.1 期貨市場15 2.2 選擇權市場19 2.3 基因演算法37 第三章 AiSMFO期貨與選擇權平台49 第四章 研究方法55 4.1 基因演算法模型開發概述55 4.1.1 技術指標編碼55 4.1.2 基因池初始化59 4.1.3 複製60 4.1.4 交配61 4.1.5 突變62 4.1.6 使用基因演算法產生臺指選擇權策略64 4.1.7 基因演算法策略實驗內容66 第五章 實驗績效評估結果68 5.1績效評估指標68 5.2實驗績效結果68 5.2.1 基因模型A實驗績效結果70 5.2.2 基因模型B實驗績效結果74 5.2.3 基因模型C實驗績效結果78 5.2.4 基因模型D實驗績效結果82 5.2.5 基因模型E實驗績效結果86 5.2.6 基因模型F實驗績效結果90 5.2.7 基因模型G實驗績效結果94 5.2.8 基因模型H實驗績效結果98 5.2.9 基因模型I實驗績效結果102 5.2.10 基因模型J實驗績效結果106 5.3 實驗績效統計110 5.3.1Training區間與Prediction區間即時獲利損益統計110 5.3.2技術指標使用統計111 5.3.3Prediction區間單次交易最大獲利/虧損點數113 5.3.4Prediction區間平均單次交易損益115 第六章 結論與未來展望118 6.1 結論118 6.2 未來展望119 參考文獻120 作者簡介124

[1]維基百科,http://zh.wikipedia.org/wiki/,2012。
[2]許啟智,選擇權入門,2003。
[3]陳進忠,股票基礎分析操作寶典,臺灣實業文化,2004。
[4]元大寶來期貨,http://www.yuantafutures.com.tw/,2012。
[5]柯文俊,期貨交易學—入門基礎知識,時報文化出版企業有限公司,1993。
[6]輕鬆交易選擇權,台灣期貨交易所,2001。
[7]李仁君, 玩權精通, 2006
[8]John H. Holland , Genetic Algorithms , 1975
[9]林昇甫、徐永吉,遺傳演算法及其應用,2009
[10]葉鎮維, Genetic Algorithms introduction ,2007
[11]林木花, 人工智慧導論-基因演算法(Genetic Algorithms) , 2008
[12]林豐澤, 基因演算法以及三種應用實例
[13]石其生,期貨與選擇權程式交易平台之實現,國立台灣科技大學資訊工程研究所碩士論文,2007。
[14]AiSM,台灣科技大學資訊工程所人工智慧金融交易研究室, http://aism.csie.ntust.edu.tw,2006。
[15]林榮輝,AiSM模型之選擇權交易策略設計,國立台灣科技大學資訊工程研究所碩士論文,2006。
[16]陳宇政,以權利金變化為主之台指選擇權交易策略,國立台灣科技大學資訊工程研究所碩士論文,2008
[17]陳士杰、王濬哲、呂佳芸、楊仕任、林懿文,智慧型股票投資系統之研究,2007
[18]黃國權、林文修,應用遺傳演算法在政府公債投資決策之研究
[19]邱昭彰、李安邦,遺傳演算法在發展股市投資專家知識規則之研究,1998
[20]李沃牆、張克群,運用計算智慧演算法於台灣股票選擇權的評價與套利之研究
[21]林文修、陳鈞博,應用遺傳演算法整合事前與事後VaR以建構具資金配置策略之投資組合模型
[22]徐毓宏、陳丁旗,總體經濟指標預測股價指數報酬率之實證研究
[23]林進財、葉欣怡,類神經網路於選擇權價格之預測
[24]蔣德威、王佩琪、簡春雄、阮定憲,應用決策樹技術與財務分析比率探討台灣電子股漲跌
[25]許智和,運用基因演算法搜尋最佳化技術指標之台灣股市證實研究,2003
[26]蔡安燦,運用基因演算法以輔助股票市場投資人判斷進場時機之研究,2005
[27]邱寬旭,基因演算法演化交易策略在股票買賣點的預測, 2009
[28]連立川、葉怡成、謝明勳,以遺傳演算法建構台灣股市買賣決策規則之研究
[29]劉文卿,遺傳演算法在財務預測之應用,1997
[30]林耀堂,遺傳程式規劃於股市擇時交易策略之應用,2001
[31]杜金龍,最新技術指標在台灣股市應用的訣竅,2008
[32]黃嘉斌,選擇權賣方交易策略,2006
[33]許宏勝,第一次買台指期貨就上手,2008
[34]余尚武、郭至軒,運用基因演算法與模糊理論於台股指數期貨投資策略之研究,2004
[35]張瑞芳、吳珮芸、徐培齡,以遺傳演算法建構個性化投資組合
[36]卓玉如,應用基因演算法於股票市場之投資組合資金分配, 2008
[37]何信瑩,基因演算法
[38]黃衍明,基因演算法之基本概念、方法與國內相關研究概況,2003
[39] Matthew Wall,A C++ Library of Genetic Algorithm Components ,http://lancet.mit.edu/ga/
[40]Mitchell Melanie, An Introduction to Genetic Algorithms, 1999
[41]David Beasley, David R. Bull, Ralph R. Martin, An Overview of Genetic Algorithms, 1993
[42]SAM MAHFOUD and GANESH MANI, FINANCIAL FORECASTING USING GENETIC ALGORITHMS, 1996
[43]Guy Cohen,Options made easy: your guide to profitable trading,2002
[44]Franklin Allen, Risto Karjalainen,Using genetic algorithms to Tnd technical trading rules, 1999
[45]Lance D. Chambers, The practical handbook of genetic algorithms, 2000
[46]Kenneth A. De Jong, Genetic Algorithms Are NOT Function Optimizers
[47]Salvatore R. Mangano, A Genetic Algorithm White Paper, 1995
[48]Laura Nunez-Letamendia, Fitting the control parameters of a genetic algorithm: an application to technical trading systems design
[49]Melanie Mitchell, Genetic Algorithms: An Overview, 1995
[50]Li Lin, Longbing Cao, Jiaqi Wang, Chengqi Zhang, The Applications of Genetic Algorithms in Stock Market Data Mining Optimisation, 2007

無法下載圖示 Full text public date 2017/07/16 (Intranet public)
Full text public date This full text is not authorized to be published. (Internet public)
Full text public date This full text is not authorized to be published. (National library)
QR CODE