國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

一個使用遺傳演算法最佳化的定期定值投資策略之研究 = A Study o...

吳祥睿

一個使用遺傳演算法最佳化的定期定值投資策略之研究 = A Study of Genetic-based Optimization Strategy for Value Averaging Investment

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	A Study of Genetic-based Optimization Strategy for Value Averaging Investment
作者:	吳祥睿,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	2013[民102]
面頁冊數:	52面圖，表格 : 30公分;
標題:	模型驗證
標題:	internal rate of return
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/23524801418901326780
附註:	參考書目：面42-44
附註:	102年10月31日公開
摘要註:	定期定值投資策略是一個能取代較為一般人所熟知的定期定額策略的方法。傳統的定期定值投資模型是以固定時間做定期投資，並使得資產價值維持在一個預先的比例成長，這突顯出此方法在投資時缺乏能明確利用動態進出市場時機作交易的優點。在這篇論文中，我們將介紹一個能改良傳統靜態進出市場時間點的動態定值投資模型。我們提出的方法主要包括兩個部分: (1)我們採用了多種技術指標以協助我們的投資系統判斷進出市場的適當時機；(2)我們使用遺傳演算法(Genetic Algorithms—GA)，來尋找我們所設計的系統的最佳進出場點。我們的實證結果顯示由GA所產生的動態改良定值模型是能有效地勝過傳統的定期定值策略。因此我們期望這個方法，能夠推進目前GA在投資領域上的應用研究。 Value averaging is an alternative investment strategy for the well-known dollar cost averaging strategy. The traditional model for value averaging is operated by maintaining a pre-determined level of value-in-asset through periodic investments of fixed time intervals, which appears to be lacking the advantage of explicit market timing for trading. In this thesis we present a dynamic model for value averaging to improve its traditional static version. Our proposed methodology includes two major aspects: (1) we employ various technical indicators for market timing of investment, and (2) we use the class of Genetic Algorithms (GA) to determine optimal entry and exit points of our system. Our empirical results show that the optimization through the GA is effective in generating dynamic value averaging models that outperform the traditional ones. We thus expect this proposed methodology to advance the current state of GA research for investment.

一個使用遺傳演算法最佳化的定期定值投資策略之研究 = A Study of Genetic-based Optimization Strategy for Value Averaging Investment
吳, 祥睿

一個使用遺傳演算法最佳化的定期定值投資策略之研究 = A Study of Genetic-based Optimization Strategy for Value Averaging Investment / 吳祥睿撰 - [高雄市] : 撰者, 2013[民102]. - 52面 ; 圖，表格 ; 30公分.
參考書目：面42-44102年10月31日公開.
模型驗證internal rate of return

一個使用遺傳演算法最佳化的定期定值投資策略之研究 = A Study of Genetic-based Optimization Strategy for Value Averaging Investment
LDR:03104nam0a2200289 450 001 389687
005 20170214090334.0
009 389687
010 0 $b 精裝
010 0 $b 平裝
100 $a 20170214d2013 k y0chiy05 e
101 1 $a chi $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 一個使用遺傳演算法最佳化的定期定值投資策略之研究 $d A Study of Genetic-based Optimization Strategy for Value Averaging Investment $z eng $f 吳祥睿撰
210 $a [高雄市] $c 撰者 $d 2013[民102]
215 0 $a 52面 $c 圖，表格 $d 30公分
300 $a 參考書目：面42-44
300 $a 102年10月31日公開
314 $a 指導教授：黃健峯博士
328 $a 碩士論文--國立高雄大學資訊工程學系碩士班
330 $a 定期定值投資策略是一個能取代較為一般人所熟知的定期定額策略的方法。傳統的定期定值投資模型是以固定時間做定期投資，並使得資產價值維持在一個預先的比例成長，這突顯出此方法在投資時缺乏能明確利用動態進出市場時機作交易的優點。在這篇論文中，我們將介紹一個能改良傳統靜態進出市場時間點的動態定值投資模型。我們提出的方法主要包括兩個部分: (1)我們採用了多種技術指標以協助我們的投資系統判斷進出市場的適當時機；(2)我們使用遺傳演算法(Genetic Algorithms—GA)，來尋找我們所設計的系統的最佳進出場點。我們的實證結果顯示由GA所產生的動態改良定值模型是能有效地勝過傳統的定期定值策略。因此我們期望這個方法，能夠推進目前GA在投資領域上的應用研究。 Value averaging is an alternative investment strategy for the well-known dollar cost averaging strategy. The traditional model for value averaging is operated by maintaining a pre-determined level of value-in-asset through periodic investments of fixed time intervals, which appears to be lacking the advantage of explicit market timing for trading. In this thesis we present a dynamic model for value averaging to improve its traditional static version. Our proposed methodology includes two major aspects: (1) we employ various technical indicators for market timing of investment, and (2) we use the class of Genetic Algorithms (GA) to determine optimal entry and exit points of our system. Our empirical results show that the optimization through the GA is effective in generating dynamic value averaging models that outperform the traditional ones. We thus expect this proposed methodology to advance the current state of GA research for investment.
510 1 $a A Study of Genetic-based Optimization Strategy for Value Averaging Investment $z eng
610 0 $a 模型驗證 $a 內部報酬率 $a 技術指標 $a 遺傳演算法 $a 定期定值
610 1 $a internal rate of return $a technical indicators $a genetic algorithms $a value averaging $a model validation
681 $a 008M/0019 $b 464103 2632 $v 2007年版
700 1 $a 吳 $b 祥睿 $4 撰 $3 614547
712 0 2 $a 國立高雄大學 $b 資訊工程學系碩士班 $3 353878
801 0 $a tw $b NUK $c 20131004 $g CCR
856 7 $z 電子資源 $2 http $u http://handle.ncl.edu.tw/11296/ndltd/23524801418901326780