以基因算法建置不同風險接受度的投資組合-wenkub.com
2025-05-24 23:39 本頁面
【正文】 21. 劉貴強，遺算算法于組合型基金商品之設計，輔仁 大學信息管理學系碩士班，2004年。17. 陳世章，基本分析與股價報酬之關(guān)聯(lián)性，臺灣大學會計學研究所，1997年。lio C. Pacheco,A Hybrid GeneticNeural System for Portfolio Selection and Management1,Proceedings Sixth International Conference on Engineering Applications of Neural Networks, Kingston Upon Thames 2000,.7. Markowitz,.,Portfolio Selection,Journal of Finance,1952,Vol7,77918. Martikainen, T.,Stock Returns and Classification Pattern of FirmSpecificFinancial Variables: Empirical Evidence with Finnish Data, Journal of BusinessFinance and Accounting,1993,Vol 20,No 4,.9. Ou, J. A., and S. H. Penman.,Financial Statement Analysis and the Prediction ofStock Return,Journal of Accounting and Economics,1989,Vol 11,No 4,.10. Steven and Paul Lebowitz,Computerized stock screening rules for portfolio selection,Financial Services Review 8, 1999,.11. Ziebart,The Information Content of Annual Accounting Data: anempirical modeling approach using structure equation technical, Advance in Financial Planning and Forecasting,1989,No 3,121141.12. 中華民國證券投資信托暨顧問商業(yè)同業(yè)公會網(wǎng)站，認識共同基金，[online] Avaiable at: 13. 李建億譯，Richard J. Roiger and Michael ，2003，資料探勘，臺北，東華書局發(fā)行。因此藉由本研究所提出的投資策略，能對專業(yè)經(jīng)理人在分秒必爭的投資市場中提出一份實時的建議，也輔助專業(yè)經(jīng)理人能針對不同風險的投資人，以更快的速度去設計符合其風險接受度的商品，而除了專業(yè)經(jīng)理人外，對一般投資人而言，就算不熟悉股票的領(lǐng)域知識，亦可透過研究所提出的模型來輔助個人的投資決策，就此點而言，即提供了一般投資人相當便利性，所以研究提所的模型對專業(yè)經(jīng)理人及一般投資人都具一定的貢獻度的。 考慮不同風險可能會有不同的選股策略，將不同風險程度納入做選股的限制如下：表七 不同風險等級之選股限制不同風險等級風險承擔能力選股限制積極創(chuàng)造財富50% 選股沒有任何限制追求較高的收益30%~50%當基因編碼選股后，選出來的股票會以之后每月為標準，做十二次檢查(共十二個月)，檢查每支股票是否跌至超過原買進價格的50%，若有則給予Sharp值扣分著重收益型投資10%~30%同上檢查但判斷依據(jù)為每支股票是否跌至超過原買進價格的30%，若有則給予Sharp值扣分較保守型10%同上檢查但判斷依據(jù)為每支股票是否跌至超過原買進價格的10%，若有則給予Sharp值扣分 第三類：以會計師有無保留意見做為例子，編碼如下圖：圖十 會計師有無保留意見之編碼圖以上為依不同的財務指標性質(zhì)所分出的三類基因編碼，對應之前基本分析所提出的財務指標，其分類如下，第一類：賬面對市價比、存貨、應收帳款、備低呆帳、研究發(fā)展、員工產(chǎn)值、銷售毛利、財務杠桿度、營運杠桿度，第二類：公司規(guī)模，第三類：會計師有無保留意見，每個財務變數(shù)會對映到其基因編碼。表五 選股規(guī)則IF財務指標運算子常數(shù)AND財務指標運算子常數(shù)：：：：AND財務指標運算子常數(shù)Ｔhen選擇股票(一)、基因算法之編碼將財務指標依其性質(zhì)分成三大類：；；，基因以Z分配值做為第一類及第二類之比較門坎植，而第三類則以單純1bit的基因碼來達，分別以以下三種例子來看基因算法的編碼：P500報酬相關(guān)系數(shù)最高的五十名指針，之后利用遺傳算法做變量的選擇。股票的擇股及資金分配 and (2000)[6]混合基因及類神經(jīng)方法于投資組合上，運用NN來預測下期投資組合可能的報酬率，再放入基因的適應函數(shù)中做選股的動作，之后再用基因?qū)⑦x出的股票做投資權(quán)重的分配，以變異數(shù)做為資金分配的適應函數(shù)。提出的編碼方式簡潔好懂、不占表達空間，并對于算法「選擇」、「交配」及「突變」做調(diào)整，以報酬率做為適應函數(shù)。10001001101000100101001010100010 (四)復制：將表現(xiàn)最差的染色體淘汰，即淘汰第四個染色體01001100以第二個染色體1010010取代。如圖(一)要找出最高點D，如果不透過突變動作，基因組只產(chǎn)生親代及子代，則每組基因碼都很相似，也許只能找出到前三個波段相近的最佳解答，因
公司管理相關(guān)推薦
鄂ICP備17016276號-1