應用基因演算法與自組織映射圖神經網路於CPPI 乘數調整之研究

Abstract

2008年金融海嘯重創全球經濟，幾乎所有投資人都難以倖免遭受財產損失。在此情況下，投資人的風險意識會相對提高。為了避免陷入短期資金週轉不靈的困境，投資人期望保持一定程度的資金調度能力，而投資於波動風險較高商品的風險部位時，也必頇在自己可承受的範圍內。在此時空環境下，綜觀所有金融投資策略，投資組合保險（Portfolio Insurance, PI）其兼顧獲利與保本的概念，恰可符合投資人的需求。

由於固定比例投資組合保險（Constant Proportion Portfolio Insurance, CPPI）具備公式簡單和較有彈性等優點，已成為現今動態投資組合保險策略的主流。然而動態投資組合保險策略要達到理論上完美的效果，必頇要不斷地連續調整。在實務上存在著交易成本，會侵蝕掉投資績效。所以實證的資料顯示，CPPI在資產管理所帶來的效益有限。

而近年來人工智慧的快速發展，對於非線性動態知識的發現具有長足的進步。所以本研究嘗詴利用人工智慧的知識發現模式，提出一個CPPI投資決策支援模型。此模型結合了基因演算法與自組織映射圖神經網路，欲從投資的時空環境進行知識挖掘。期能找出適時、適當的乘數調整策略，觀察CPPI是否能在實務上獲得較佳的績效。

本研究的實證結果顯示，GA-SOM CPPI 乘數調整模型，不論是累積報酬率或Sharpe ratio，均優於對照組的SOM CPPI 乘數調整模型和傳統CPPI模型。由此可證明，GA-SOM CPPI 乘數調整模型在掌握市場趨勢與投資人的風險態度，具備良好的能力，且適用於CPPI乘數的調整。