本論文首先提出十二個針對台灣股票指數期貨的程式交易模型，並針對這十二個模型操作的訊號及績效作介紹；再來利用自組織映射圖網路(Self-Organizing Map, SOM)及模糊C平均值演算法 (Fuzzy C Means Algorithm, FCM)等人工智慧方法對所發展出的修正器(Refiner)對原有的十二個模型的獲利曲線(Profit Curve, PC)加以修正，以期能夠改善原本的PC，使得模型的績效得以提升。
原有的模型經過修正之後，將根據我們定義的獲利曲線評估指標(Profit Curve Refiner Index, PCRI)來加以探討修正後模型在總獲利成長率(Total Gain Ratio, TGR)、月獲利成長率(Monthly Gain Ratio, MGR)、勝率提高率(Percent Profitable Ratio, PPR)、壓力降低率(Psychological Ratio, PSYR)等四項評估指標的好壞，以期發現修正演算法的特點以及演算法適合修正的模型。最後實驗結果顯示，經由SOM和FCM演算法設計的修正器對於一般的程式交易模型在獲利上都有相當程度的改善，交易的勝率也有所提高，確實能夠提升模型的績效。

In this paper, we proposed twelve futures trading models to Taiex Stock Index Futures and explained the signals and results of these twelve models, and then we implemented two refiners, which were developed from two artificial methods¬¬--- Self-Organizing Map algorithm (SOM) and Fuzzy C-Means algorithm (FCM)---to revise the profit curves (PC) of these twelve models. We hope we can improve the profit curves and results of models to raise the efficiency of models.
After revised, we evaluated the strength and weakness of revised models by Profit Curve Refiner Index (PCRI), which includes Total Gain Ratio (TGR), Monthly Gain Ratio (MGR), Percent Profitable Ratio (PPR), and Psychological Ratio (PSYR). We tried to find the features of algorithm and the applicable model for the algorithm. Finally, refiners designed by SOM and FCM Algorithm can improve profit to common program trading model and raise Percent Profitable. It is indeed to increase the efficiency of models.

[1] 謝劍平，期貨與選擇權，智勝文化事業，2003
[2] 台灣期貨交易所網站，www.taifex.com.tw，2006
[3] 陳能靜，吳阿秋著，期貨與選擇權，三民書局，2002
[4] 林昌義，期貨交易之原理與實務，五南出版社，1995
[5] 徐俊明，投資學原理，新陸書局，2000
[6] 陳進忠，股票基礎分析操作寶典，臺灣實業文化，2004
[7] 杜金龍，技術指標在台灣股市應用的訣竅，財訊出版社，2003
[8] Profusion Trading, http://www.profusiontrading.com
[9] Technical Analysis of Stocks & Commodities, December 2003.
[10] 黃怡中，交易，簡單最好！：從程式交易剖析交易者行為與價格行為，寰宇出版社，2004
[11] Jose C. Principe, Neural and Adaptive Systems, John Wiley & Sons, Inc. 2000.
[12] 蘇木春、張孝德，機器學習:類神經網路、模糊系統以及基因演算法則，全華科技，2004
[13] 葉怡成，類神經網路模式應用與實作，儒林圖書，2004
[14] 張斐章、張麗秋、黃浩倫，類神經網路理論與實務，東華書局，2003
[15] 李允中、王小璠、蘇木春，模糊理論及其應用，全華圖書，2003
[16] 阮亨中、吳伯森，模糊數學與統計應用，俊傑書局，2000
[17] 林錦賢，“在空頭市場中基於灰色聚類之期貨交易系統設計”，國 立台灣科技大學資訊工程研究所碩士論文，2004
[18] 鐘祥仁，“台股多頭走勢下的灰色聚類決策”，國立台灣科技學資 訊工程研究所碩士論文，2004
[19] 陳俊利，“台股期貨有效性之研究”，國立台灣科技大學資訊工程研究所碩士論文，2002
[20] 吳典林，“基於模糊聚類之台股盤整區間期貨交易系統”，國立台灣科技大學資訊工程研究所碩士論文，2005
[21] Shu-Heng Chen, “Self-Organizing Maps as a Foundation for Charting or Geometric Pattern Recognition in Financial Time Series”, IEEE International Conference on Computational Intelligence for Financial Engineering , 2003. Proceedings.
[22] 陳俊賓，“台灣股票市場技術分析之實証研究：以隨機指標為例”，淡江大學財務金融研究所碩士論文，2001
[23] 林俊吉，“應用灰聚類進行台股指數期貨程式交易設計”，國立台灣科技大學資訊工程研究所碩士論文，2005
[24] Brain O’Rourke, “Applying Fuzzy Clustering to Diagnose and Modify Neural Network Models in Financial Engineering”, IEEE Conference", 1999.
[25] Jacek M. Leski, “Generalized Weighted Conditional Fuzzy Clustering”, IEEE Transactions on Fuzzy Systems, Vol. 11 No. 6, December 2003
[26] 許維宸，“應用聚類技術於模糊資料萃取方法之研究”，國立台北科技大學生產系統工程與管理研究所碩士論文，2001
[27] Technical Analysis of Stocks & Commodities, May 2004