以平行基因演算法於Hadoop平台上建立投資組合

Using Parallel Genetic Algorithm to Create a Stock Portfolio on Hadoop Platform

陳立邦(Li-Bang Chen)

指導教授 ： 李國誠 ； 李彥賢

中原大學/商學院/資訊管理研究所/碩士(2017年)

https://doi.org/10.6840/cycu201700736

摘要

由於經濟的不景氣以及亞太金融的擴展，越來越多的人們開始學習投資理財的觀念，但金融市場與投資工具越多樣化，投資者將面對更加複雜的投資環境，因此要如何才能夠有效的選擇投資目標則是一件相當困難的事情。另外由於網路的發達，形成了巨量資料的產生，已經無法利用以往的人工方式來蒐集分析獲得需要的資訊，因此像是Hadoop這種分散式框架的平台因應而生，透過其分散式的框架可以將數量龐大的資料分散儲存在不同的電腦上分開計算，在計算完成後再呼叫計算結果到主機端，提供給使用者有效的資訊。因為台灣股票市場的股票種類眾多且繁雜，對於投資者來說選擇投資標的物是一種非常困難的問題，以及在技術指標的運用上，投資者會因為對於指標的不熟悉，而無法得到正確的評估結果，另外投資者會透過投資組合來分散投資風險，但是在資金分配比例上也是一個問題。本研究透過Hadoop平台分散式的框架，來儲存台灣股市大量的交易資料，並結合技術指標與平行化基因演算法的方式，針對台灣股票資料進行篩選與分析，根據每個投資人不同的投資條件設定，找出最適合投資者所需要的投資標的物。本研究預期貢獻就是建立一個投資組合篩選模型，透過此模型，投資者可以輕鬆便利的輸入其設定的投資條件，透過資料的計算與篩選，將合適的投資標的物形成一個投資組合，來提供使用者作為投資決策時的依據條件。

關鍵字

巨量資料 ； Hadoop ； 基因演算法 ； 技術指標 ； 投資組合

並列摘要

Due to economic depression and the expansion of Asia Pacific Finance, more and more people start to learn the concept of investment about financial management. On account of financial market and the diversity of investment tools, the investors are facing more complicate investment environment. It is very difficult to choose the effective investment targets. In addition, with the development of internet, big data is accumulated and requires novel algorithms to analyze the data. Therefore, the distributed frameworks such as “Hadoop” platform are widely used to approach these problems. This research focuses on the use of technical indicators on Taiwan stock market based on big date analysis. The system provides investors strategies by using distributed genetic algorithm on technical indicators. The recommended investment combination could help investors to distribute the risk of investment. The research is built on the distributed Hadoop framework to be able to process the huge transaction data and combine with technical indicators with parallel genetic algorithm. The findings also established an investment combination selecting model that supports investors without domain knowledge to make decisions. Through this model, the investors could input the preferences for the individual investment approaches, and system will calculate and select the recommended investment combinations as decision supports. To validate the proposed model, the Preliminary experiments are carried out and the results show the effectiveness of the system.

並列關鍵字

Big data ； Hadoop ； parallel genetic algorithm ； technical indicator ； investment combination

參考文獻

阮黃勇. (2015, June). A Study Of Stock Investment Using Box Theory And Moving Average Technique. 虎尾科技大學工業工程與管理研究所.

陳宜里. (2007, June). 外資與產業結構轉變對股市報酬率之影響-基本面與技術面之綜合分析.pdf. 中原大學國際貿易學系.

林寬裕, 鎮明常, & 李慶華. (2015). 淺談巨量資料之分析與應用－以臺灣市場為例. Journal of Data Analysis, 10(1), 1–15.

謝邦昌, & 陳文慧. (2014). 海量資料時代發展與未來應用趨勢之研究, 9(6), 133–144.

李沃牆, & 柯中偉. (2011). 外匯投資組合之風險值評估—分量迴歸的應用. 中原企管評論, 9(1), 97–116.