智慧型股票投资系统之研究

智慧型股票投資系統之研究陳士杰王濬哲呂佳芸楊仕任林懿文Shi-JayChenJun-ZheWangJia-YunLuShi-RenYangYi-WenLin國立聯合大學資訊管理學系DepartmentofInformationManagement,NationalUnitedUniversity摘要由於股票擁有高度複雜性，使得散戶難以得知其真正價值，因此，本論文開發ㄧ個智慧型股票投資機制，以改善此現象。我們首先使用模糊推論機制，配合GMA方法，以應用於推論股價明日的漲跌幅預測，這些預測結果皆為由模糊數所表示之語義值。本論文接著使用常見的技術指標，結合預測的漲跌幅，以建立一個投資組合機制，將擁有高買訊的股票，依照使用者的投資額，給予最適的資金配置。本論文所提出的機制，能提供給投資者較佳的投資組合。關鍵詞：模糊理論、股價預測、投資組合AStudyonIntelligentStockInvestmentSystemAbstractIndividualstockinvestorscan’tfindtheintrinsicvalueofstockbecausethestockmarketisverychallenging.Thus,inthispaper,wedevelopanintelligentstockinvestmentmechanismfordealingwiththisproblem.WefirstlyapplyfuzzyruleswithGMAoperatorstoforecastthefluctuationofstockpricesofthesecondday.Theseforecastingresultsarealllinguisticvalueswhicharerepresentedbyfuzzynumbers.Wethenusesomecommontechnicalindicatorsandaboveforecastingresultstodevelopaportfoliomechanism.Thismechanismcanprovidethesuitablefundallocationofthestockswithhigherdegreeofbuyinginformationforthestockinvestorsaccordingtotheirinvestment.Thisportfoliomechanismcanprovideasuitableportfolioforinvestors.Keywords:FuzzyTheorem、StockPricesForecasting、Portfolio1.動機與目的股票市場擁有高度的複雜性且難以預測，其影響股價變動的因素亦非常地廣泛，然而大部分的群眾追逐的往往是大戶所散佈出的小道消息，鮮少有投資者會懂得利用基本面分析、技術面分析等方法去分析股票真正的價值，最後便導致股價虛漲的假象。所以，本論文嘗試利用基本面和技術面的指標進行投資分析，其基本面指標用於初步篩選股市類股，其中在利用多種常見且較被廣泛使用的技術指標，預測股票的漲幅趨勢，接著依照技術分析所得資訊，結合模糊理論的方法，建置出智慧型投資組合系統，依照投資者所欲投資金額，以產生最佳投資組合及資金配置供予投資者做參考。本論文以高科技類股中的LED類股與IC類股作為所探討的股票類型，其選擇LED類股之原因如下：觀察全球LED產值，從2005年至2007年，預計從57億美元成長到68億，年成長率成長9.2%，其市場目前呈現穩定成長，而台灣IC產業產值佔全球28.4%，位居世界第二，兩者皆是目前是極具潛力與投資前景的類股。對於股票的分析方式不外乎基本面與技術面分析。從總體環境的優劣判斷，挑選出景氣轉好的產業且獲利能力高又財務結構健全的公司，並依照基本面分析常用方法，篩選其中表現優異的個股。最後針對篩選出的類股進行技術面的分析，以彙整出影響股市的法則，且將這些法則利用模糊集合，推出模糊規則，並根據其定義作模糊推論，最後經過解模糊化後所得結果進行對選用個股進行預測漲跌與建置投資組合。2.相關理論與文獻2.1模糊理論在1965年，美國加州大學柏克萊分校Zadeh錯誤!找不到參照來源。教授提出模糊理論，試圖以人類的思考模式運用於電腦上，因為人類的思考比較複雜，要想辦法讓電腦替人類做更複雜的事，就需要模糊理論，對人類主觀表達的概念作量化處理。2.2股價預測股票的技術面分析，為彙整過去一段時間內的股價、成交量等相關資料，轉換成圖表或指標，判斷股價的未來走勢，供投資者進行投資決策的參考依據。錢善生[9]研究民國79年7月1日到民國86年6月30日的股票，計算技術指標，配合模糊系統，選定一種最好的計算期間和投資型態，實證發現單一指標應用較沒有综合各種指標運用的效果優良。李家豪[1]研究從民國78年到民國89年總市值前60名的上市股票，計算出KD指標，經由模糊類神經網路的學習，預測股價趨勢，實證發現以模糊類神經網路進行投資，報酬率高於以純粹以KD指標進行投資。范揚明[5]以常用的技術指標配合模糊理論，分析1998年到2000年的九家公司上市資料，進行股價預測與投資組合推論，實證發現累計報酬率達到29.66％。簡辰承[8]以MACD指標，以買入持有、MACD交易、模糊類神經網路三種模式進行模擬交易，實證發現以模糊類神經網路進行投資，報酬率高於其他兩種模式。馬德信[6]以模糊類神經網路過濾傳統移動平均線發出的買賣訊號是否正確，發出正確買賣訊號，實證發現模糊類神經系統的報酬率明顯優於傳統大盤「買進－持有」策略與傳統移動平均線買賣策略。2.3投資組合投資組合是由一種以上的證券或資產所構成，亦指在投資者有一筆財富時，要如何評估所有可能投資組合，並在其中選擇最佳的。投資者在選擇多種投資組合時，自然會選擇期望報酬率高且風險小的投資組合，以達到最大利潤的目標。在決定投資組台灣證券交易所交易資料的網頁MYSQL資料庫收集15家類股公司過去3年各項交易資料利用Excel計算各項技術指標資料以PHP撰寫糢糊規則預測漲跌幅度、推論出最佳投資組合解模糊化圖1系統流程合之前，投資者必須考慮到自己的背景與需求來做決策。而近代的投資組合理論，經由各學者及分析家將馬克維茲原始提出的理論不斷改良。林耀暄[4]、鄭凱中[7]提出運用基因演算法最佳化的特性和模糊理論的推論過程來建構出整個交易系統，以求長期穩定獲利為目標，其中包含買賣點的決策與資金股票的平衡系統。而巫沛倉、郭怡華[3]更是於2002年提出利用公司基本面來評估投資組合的資金配置。其運用模糊AHP為基礎，結合Harker所發展刪除過低權重的方法，建構一個股票選擇的模式。而吳禮彬等人[2]於2005年沿用范揚明[5]模糊理論在股票投資決策上的應用與模糊專家系統在股票資金配置之應用加以改進後找出最適買賣點，進而提岀整合技術指標概念與模糊法則之智慧型股票投資組合系統，決定最佳資金配置。3.研究設計與方法本論文針對篩選出的五支LED類股、五支IC製造類股及五支非高科技類股的生化和金控類股，分別經由從臺灣證交所網站，蒐集過去三年(2003.8~2006.8)的歷史交易資料。將其彙整後輸入至Excel，以計算出各項技術指標的資料，之後將產生資訊儲存至MYSQL資料庫中，以便取出各項資訊來進行模糊分析與應用，最終產生漲跌預測及投資組合。本系統主要利用PHP語言撰寫程式，因此，本論文之系統可架製成網頁，利用網頁瀏覽器，便可供予各地的股票投資人使用。本論文的系統流程如圖1所示。圖2智慧型股票投資系統模型模糊化各股漲跌幅度各股原始資料彙整WMSFUZZY加總權重值產生投資組合及資金配置比例最佳化投資組合排序驗證結果與分析篩選股票模糊股價預測系統股價成交量上漲、下跌、平穩持續天數投資組合模式×4×3×5×2×5計技算術指標預測漲跌模式KDBIASRSI圖2為本論文所實作之智慧型股票投資系統，主要分成預測漲跌模式與投資組合模式。以下從前置資料處理開始逐步討論本系統。3.1前置資料處理在第一階段的選股，本論文選以資產報酬率作為一家公司財務能力與盈利能力驗證的依據，並要求其資本額須達一定水準，以穩定股價，避免受炒股、政治心理等其他影響。選股原則如下：從上市LED類股公司，共18家(2006年6月)，依照以上兩點作為選股的依據，篩選出五家，分別為：2301光寶科、2448晶電、2486一詮精密、3031佰鴻、6289華上。同理，再從上市IC製造類股，共22家(2006年6月)，篩選出五家，最後針對非高科技類股中的金控和生化產業，從中篩選出五家，分別為：2303聯電、2330台積電、2408南科、2344華邦電、3042晶技、1736喬山健康、1720生達化學、2891中信金、2833台灣人壽和2882國泰金，總共十五家。最後再從臺灣證券交易所，搜集過去三年內(2003年8月至2006年9月)相關交易資料，匯整成Excel檔，以作為系統原始輸入資料。3.2預測漲跌模式3.2.1選擇輸入變數在股票技術面分析中，本論文以成交量及股價相關資料來預測漲跌。本論文用股價、成交量與累積天數搭配模糊理論，根據某些資深投資人長期投資的累積經驗推論預期報酬率訂定規則，找出股價的漲跌趨勢。3.2.2定義股價預測變數之歸屬函數(1)股價股票市值代表買賣雙方交易金額，本論文在此以昨日收盤價作為股價的輸入變數的歸屬函數定義基準，歸屬函數的範圍為昨日收盤價的(1±7%)，分為上漲、平穩與下跌三種語意，以今日收盤價作輸入，預測明日股價的漲跌。(2)股價上漲、平穩或下跌的累積天數股價上漲、平穩或下跌的累積天數代表過去一段時間內，某個股之收盤價的累積上漲、平穩或下跌天數，而此三種累計天數歸屬函數各有三種語意變數：長期、中期與短期，範圍皆從0日到8日，統計過去8個交易日到今日中，某個股的上漲、平穩與下跌的累積天數，分別輸入至上漲、平穩、下跌的累計天數歸屬函數中，以判斷過去一段時間漲跌之變化。(3)成交量成交量變數代表為個股本身在股票市場上買賣雙方所交易的數量(張數)，也可用來顯示股市的買氣是冷或熱。成交量的歸屬函數可分為擴大、平穩與萎縮。以過去6日至今日的最高與最低成交量，取兩者的平均值作為平穩的基準，也為成交量擴大與平穩的分界，以今日成交量作為輸入，判斷今日的買氣在過去一週內所佔的買氣高低比例。以上三個變數的語意與範圍定義如表1，歸屬函數之通式與圖形如公式(1)~公式(3)與圖3所示。變數名稱股價成交量股價上漲、平穩或下跌累積天數歸屬函數型態語意範圍語意範圍語意範圍s型態上漲≥昨日收盤價擴大≥過去6日內最高與最低成交量之平均長≥4日三角形平穩昨日收盤價*(1-3.5％)～昨日收盤價*(1+3.5％)平穩≥（過去6日內最高與最低成交量之平均+過去6日內最低成交量）/2～≤（過去6日內最高與最低成交量之平均+過去6日內最高成交量）/2中≥2日～≤6日Z型態下跌≤昨日收盤價萎縮≤過去6日內最高與最低成交量之平均短≤4日()⎪⎪⎩⎪⎪⎨⎧≥−−≤=cxifcxbifbcxcbxifxu,0,,11(1)()xu2caedb01()xu1()xu3圗3歸屬函數通式表1語意範圍定義平穩0-0.070.070.035-0.03501下跌上漲圗4漲跌幅度歸屬函數()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥−−=−−≤=dxifdxcifcdxdcxifcxbifbcbxbxifxu,0,,1,,02(2)()⎪⎪⎩⎪⎪⎨⎧≥−−≤=dxif,dxcif,cdcxcxif,xu103(3)3.2.3股價漲跌幅度的預測推論本論文針對前一步的輸入資料，包括股價、成交量、上漲、下跌或平穩的累積天數的歸屬程度，配合經驗法則製成的規則，推論明日股價的預測漲跌幅度，預測漲跌幅度的歸屬函數之語意包含上漲、平穩與下跌，歸屬函數範圍依證交所帳跌幅的限制將其定義在%7±中，預測漲跌幅度的歸屬函數圖形如圖4所示。(1)預測股價之模糊規則規則1If股價上漲and上漲累積天數短and成交量萎縮Then明日