以基因算法建置不同風(fēng)險(xiǎn)接受度的投資組合-閱讀頁
2025-06-11 23:39本頁面
【正文】 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(dá)，分別以以下三種例子來看基因算法的編碼：圖八 Z分配機(jī)率分配圖若賬面對(duì)市價(jià)比編碼為：111101011010010000000000000000000000000，則表示選取賬面對(duì)市價(jià)比指標(biāo)，并只跟整個(gè)市場(chǎng)比較， 第三類：以會(huì)計(jì)師有無保留意見做為例子，編碼如下圖：圖十 會(huì)計(jì)師有無保留意見之編碼圖以上為依不同的財(cái)務(wù)指標(biāo)性質(zhì)所分出的三類基因編碼，對(duì)應(yīng)之前基本分析所提出的財(cái)務(wù)指標(biāo)，其分類如下，第一類：賬面對(duì)市價(jià)比、存貨、應(yīng)收帳款、備低呆帳、研究發(fā)展、員工產(chǎn)值、銷售毛利、財(cái)務(wù)杠桿度、營(yíng)運(yùn)杠桿度，第二類：公司規(guī)模，第三類：會(huì)計(jì)師有無保留意見，每個(gè)財(cái)務(wù)變數(shù)會(huì)對(duì)映到其基因編碼。 Sharp 值=即同一世代中Sharp值最大的選股組合為優(yōu)勝染色體組，能做為下一世代之父代。 考慮不同風(fēng)險(xiǎn)可能會(huì)有不同的選股策略，將不同風(fēng)險(xiǎn)程度納入做選股的限制如下：表七 不同風(fēng)險(xiǎn)等級(jí)之選股限制不同風(fēng)險(xiǎn)等級(jí)風(fēng)險(xiǎn)承擔(dān)能力選股限制積極創(chuàng)造財(cái)富50% 選股沒有任何限制追求較高的收益30%~50%當(dāng)基因編碼選股后，選出來的股票會(huì)以之后每月為標(biāo)準(zhǔn)，做十二次檢查(共十二個(gè)月)，檢查每支股票是否跌至超過原買進(jìn)價(jià)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(jìn)價(jià)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(jìn)價(jià)格的10%，若有則給予Sharp值扣分[5]五、資金分配研究采取”一年長(zhǎng)期持有”的投資方式，因此在基因編碼挑出每種風(fēng)險(xiǎn)程度最佳的選股策略后，即根據(jù)以之Sharp值標(biāo)準(zhǔn)進(jìn)一步去分配每組中個(gè)股的投資等份：表八 資金分配標(biāo)準(zhǔn)Sharpe Index 資金分配SI 4 SI ≥ 3 SI ≥ 2 SI ≥ 01希望藉由基因擇股及擇股后資金分配，讓不同風(fēng)險(xiǎn)等級(jí)的投資績(jī)效能有更佳的表現(xiàn)。因此藉由本研究所提出的投資策略，能對(duì)專業(yè)經(jīng)理人在分秒必爭(zhēng)的投資市場(chǎng)中提出一份實(shí)時(shí)的建議，也輔助專業(yè)經(jīng)理人能針對(duì)不同風(fēng)險(xiǎn)的投資人，以更快的速度去設(shè)計(jì)符合其風(fēng)險(xiǎn)接受度的商品，而除了專業(yè)經(jīng)理人外，對(duì)一般投資人而言，就算不熟悉股票的領(lǐng)域知識(shí)，亦可透過研究所提出的模型來輔助個(gè)人的投資決策，就此點(diǎn)而言，即提供了一般投資人相當(dāng)便利性，所以研究提所的模型對(duì)專業(yè)經(jīng)理人及一般投資人都具一定的貢獻(xiàn)度的。 Investment Strategies, John Wiley amp。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(huì)網(wǎng)站，認(rèn)識(shí)共同基金，[online] Avaiable at: 13. 李建億譯，Richard J. Roiger and Michael ，2003，資料探勘，臺(tái)北，東華書局發(fā)行。15. 吳啟銘及劉博文,盈余質(zhì)量與股票報(bào)酬效果,中國財(cái)務(wù)學(xué)會(huì)暨財(cái)務(wù)金融學(xué)術(shù)論文研討會(huì),1999年。17. 陳世章，基本分析與股價(jià)報(bào)酬之關(guān)聯(lián)性，臺(tái)灣大學(xué)會(huì)計(jì)學(xué)研究所，1997年。19. 陳柏年，應(yīng)用遺傳算法于財(cái)務(wù)指針選股策略之探討，中央大學(xué)信息管理學(xué)系碩士班，2001年。21. 劉貴強(qiáng)，遺算算法于組合型基金商品之設(shè)計(jì)，輔仁 大學(xué)信息管理學(xué)系碩士班，2004年。19 / 19
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1