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。
| Identifer | oai:union.ndltd.org:CHENGCHI/A2002001577 |
| Creators | 呂國宏 |
| Publisher | 國立政治大學 |
| Source Sets | National Chengchi University Libraries |
| Language | 中文 |
| Detected Language | Unknown |
| Type | text |
| Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0081 seconds