以基因算法建置不同風(fēng)險(xiǎn)接受度的投資組合-文庫(kù)吧資料
2025-06-02 23:39本頁(yè)面
【正文】 1100設(shè)族群大小為四，染色體為：(二)適應(yīng)函數(shù)：以Sharp值當(dāng)成適應(yīng)函數(shù)，因此適應(yīng)值愈大愈好算出四個(gè)染色體的適應(yīng)值：(三)選擇：因第二個(gè)染色體擁有最高的適應(yīng)值，因此選擇第二個(gè)染色體1010010來(lái)繁衍下代。ABCD圖二 區(qū)域及全域最佳解圖(一)、基因運(yùn)算法之流程圖我們可用基因運(yùn)算法之流程圖來(lái)輔助看上述的基因運(yùn)算法運(yùn)作程序[8]將染色體解碼計(jì)算適應(yīng)函數(shù)隨機(jī)產(chǎn)生初始編碼是否滿足停止條件選擇最佳適應(yīng)值之染色體得到全區(qū)最佳解復(fù)制最佳適應(yīng)值染色體染色體之交配染色體突變族群大?。寒a(chǎn)生多組染色體多組基因碼做適應(yīng)函數(shù)計(jì)算是否交配率突變率圖三 基因算法之流程圖(二)、基因運(yùn)算法之范例以投資組合資金分配的范例來(lái)看基因算法的程序，假設(shè)有三份投資標(biāo)的、五份資金做資金分配最佳化的問(wèn)題，則以基因算法搜尋最佳解的程序?yàn)椋?一)編碼：用8bit來(lái)表示資金分配的問(wèn)題編碼，如：若染色體10001010，第一個(gè)1跟第二個(gè)1中間有三個(gè)0，代表第一份投資標(biāo)的投資60%，而第二個(gè)1跟第三個(gè)1中間有一個(gè)0，代表第二份投資標(biāo)的投資20%，最后一個(gè)1后面有一個(gè)0代表第三份投資標(biāo)的投資20%。透過(guò)選擇能將較對(duì)環(huán)境有強(qiáng)佳適應(yīng)力的優(yōu)秀的基因挑出，之后再將挑出的優(yōu)秀基因多復(fù)制幾組，即篩選掉表現(xiàn)不好的基因組將優(yōu)秀基因產(chǎn)生更多的親代，再透過(guò)交配動(dòng)作，讓優(yōu)秀的基因組跟其它基因組產(chǎn)生較多的子代，而為避免落入局部最佳解，再利用突變動(dòng)作，讓優(yōu)秀基因組產(chǎn)生新的變化，經(jīng)過(guò)不斷的重復(fù)以上動(dòng)作，最后會(huì)產(chǎn)生一全域最佳解，即對(duì)外在環(huán)境適應(yīng)力最佳的基因?；蛩惴ㄟm用于各領(lǐng)域，對(duì)于搜尋最佳化問(wèn)題都有良好的表現(xiàn)。五、基因算法基因算法是一種穩(wěn)健搜尋程序能用來(lái)解決最佳化的問(wèn)題，即跳脫局部最佳解，找出全域最佳解。六種指標(biāo)為：存貨、應(yīng)收帳款、備低呆帳、研究發(fā)展、員工產(chǎn)值、會(huì)計(jì)師有無(wú)保留意見(jiàn)陳世章/1997[17]參照 Lev And Thiagarajan及 Abarbanell And Bushee所發(fā)表研究，配合國(guó)內(nèi)資本市場(chǎng)特性，選取九項(xiàng)基本分析相關(guān)變量九個(gè)財(cái)務(wù)變量與股票超額報(bào)酬之棑關(guān)分析證實(shí)存貨與銷(xiāo)貨毛利兩項(xiàng)與超額報(bào)酬有相關(guān)陳旭宏/2001[18]參考國(guó)內(nèi)外文獻(xiàn)選取24個(gè)財(cái)務(wù)指標(biāo)以邏輯斯回歸來(lái)進(jìn)行分析財(cái)務(wù)變量及股價(jià)超額報(bào)酬的關(guān)系總資產(chǎn)周轉(zhuǎn)率、益本比、市價(jià)對(duì)賬面價(jià)值比、股本、凈利率及每股盈余對(duì)超額報(bào)酬具重大影響力。根據(jù)財(cái)務(wù)比率所建立的模式可以有效預(yù)測(cè)未來(lái)盈余的變化Ziebart/1989[11]由財(cái)務(wù)比率構(gòu)成獲利能力、流動(dòng)性、財(cái)務(wù)結(jié)構(gòu)、償債能力等屬性建立分析模型財(cái)務(wù)屬性之綜合信息是否和異常報(bào)酬有顯著相關(guān)研究的結(jié)果發(fā)現(xiàn)模式解釋力高80%，且獲利性能力之財(cái)務(wù)屬性和股票異常報(bào)酬最具顯著相關(guān)性吳啟銘amp。根據(jù)國(guó)內(nèi)外相關(guān)文獻(xiàn)研究的結(jié)果，認(rèn)為財(cái)務(wù)比率所建立的模式可以有效預(yù)測(cè)未來(lái)盈余的變化，且盈余預(yù)測(cè)模式與未來(lái)的股票超額報(bào)酬有關(guān)。(二)、投資組合三個(gè)重要議題投資組合中，投資人關(guān)注的主要部份有三大議題：一．擇股：到底要選擇那些投資標(biāo)的二．擇時(shí)：什么時(shí)間點(diǎn)該去做買(mǎi)賣(mài)的異動(dòng)三．資金分配：要分配多少資金比重于各資產(chǎn)上這三點(diǎn)對(duì)之后投資績(jī)效影響很大，因此這三部份也是許多投資組合研究的研究焦點(diǎn)。即以夏普值(Sharp ratio)當(dāng)作評(píng)量投資組合好壞的指針，夏普值計(jì)算如下：[7]l Sharp 值=(報(bào)酬率無(wú)風(fēng)險(xiǎn)利率)/凈值標(biāo)準(zhǔn)差投資組合即追求夏普值最大佳，因此夏普值愈大則表示基金績(jī)效越好。根據(jù)中華民國(guó)證券投資信托暨顧問(wèn)商業(yè)同業(yè)公會(huì)于2005年10月14日的統(tǒng)計(jì)報(bào)告，臺(tái)灣基金規(guī)模已達(dá)到2,176,275,554,974，可知臺(tái)灣共同基金市場(chǎng)這二十年來(lái)蓬勃發(fā)展，已成為投資大眾一重要的投資標(biāo)的。[12]臺(tái)灣基金事業(yè)的發(fā)展，以1983年政府頒布「證券投資信托事業(yè)管理規(guī)則」為一重要的里程碑，當(dāng)時(shí)政府成立四家投信公司開(kāi)放外資流入臺(tái)灣市場(chǎng)。二、共同基金國(guó)內(nèi)共同基金的正式名稱為證券投資信托基金，是由證券投資信托公司發(fā)行，集合眾多投資者的資金，交由專業(yè)經(jīng)理人操作，投資的報(bào)酬與風(fēng)險(xiǎn)則由所有投資人共同承擔(dān)。Datat Mining于財(cái)務(wù)上最常被運(yùn)用在五大領(lǐng)域：股市績(jī)效預(yù)測(cè)、投資組合最佳化、破產(chǎn)預(yù)測(cè)、詐欺預(yù)測(cè) 、外匯市場(chǎng)預(yù)測(cè)。 貳、文獻(xiàn)探討一、Data Mining于財(cái)務(wù)上的運(yùn)用隨著全球經(jīng)濟(jì)化及信息科技的發(fā)展，企業(yè)的財(cái)務(wù)數(shù)據(jù)量以不可預(yù)期的速度大量累積及成長(zhǎng)，當(dāng)企業(yè)要運(yùn)用這些財(cái)務(wù)資料做市場(chǎng)分析、預(yù)測(cè)或商業(yè)上的決策時(shí)，面對(duì)龐大的數(shù)據(jù)量，若沒(méi)有運(yùn)用Datat Mining工具輔助是無(wú)法將數(shù)據(jù)做完整的分析，因此Datat Mining工具被廣泛的運(yùn)用在財(cái)務(wù)領(lǐng)域上，以輔助企業(yè)于商業(yè)上的決策制定。二、研究問(wèn)題與目的本研究的目的是在建構(gòu)一套依不同風(fēng)險(xiǎn)等級(jí)來(lái)調(diào)整投資標(biāo)的與資金分配的基因調(diào)整模型，以輔助基金經(jīng)理人設(shè)計(jì)股票型基金時(shí)，能達(dá)到最佳化的投資組合，并期盼模型在一定風(fēng)險(xiǎn)下之整體的績(jī)效能顯著的優(yōu)于大盤(pán)績(jī)效的投資表現(xiàn)、甚至優(yōu)于市面上股票型基金商品。根據(jù)94年底證券投資信托暨商業(yè)同業(yè)公會(huì)的統(tǒng)計(jì)資料，共同基金中的股票型基金約占40%，為所有共同基金種類(lèi)中所占比率最高，因此選擇股票型基金做為投資標(biāo)的。專業(yè)經(jīng)理人要做的是建立資組合的最佳化，讓投資績(jī)效有好的表現(xiàn)，滿足投資人獲利的需求。關(guān)鍵詞：共同基金、投資組合、基因算法壹、緒論一、研究動(dòng)機(jī)與背景臺(tái)灣的投資人光面對(duì)臺(tái)灣的股票市場(chǎng)就有多達(dá)快一千支的上市上柜股票可做選擇，除了股票外，還有
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1