白話導讀
IEEE Access
SCI · IF 4.098 · Q1
2019/01
與其挑一個好策略，不如挑好「一群」策略
An Effective Approach for Obtaining a Group Trading Strategy Portfolio Using Grouping Genetic Algorithm
Chun-Hao Chen, Yu-Hsuan Chen, Jerry Chun-Wei Lin, Mu-En Wu*
一句話： 作者定義了群組交易策略投資組合（GTSP） ，並用分組基因演算法 求解：一條染色體同時編碼「分組、策略、權重」三段，適應度同時看群組平衡、權重平衡、報酬與風險，再以交配、突變、反轉演化出更好的組合。
先問：這在解什麼問題？the problem
什麼時候該買、什麼時候該賣 ，永遠是最難的一題。常見的處理方式，是用技術面或基本面指標組成交易策略 。關於「怎麼組出策略」與「怎麼幫策略設定合適的參數」，前人已經提了很多方法。
再進一步，也有人做交易策略投資組合（trading strategy portfolio） 的最佳化——也就是找出一組策略，讓組合的報酬最大化、風險最小化。本文想更進一步：把策略先分組 ，再組成組合。
怎麼做？分組式基因演算法the method
作者先定義了群組交易策略投資組合（Group Trading Strategy Portfolio, GTSP） ，再設計一套以分組基因演算法（grouping genetic algorithm） 為核心的演算法來求解這個最佳化問題。
染色體
三段式編碼
一條染色體同時包含 grouping （分組）、strategy （策略）與 weight （權重）三個部分，用來編碼一個可能的 GTSP。
適應度
四項一起看
以 群組平衡 、權重平衡 、組合報酬 與風險 四項計算適應度，評估每一個候選解的品質。
演化算子
三種操作
在族群上施加 crossover （交配）、mutation （突變）與 inversion （反轉）產生新的子代，直到滿足停止條件為止。
交易策略池
技術／基本面指標
三段式染色體
分組＋策略＋權重
適應度評估
平衡＋報酬＋風險
演化算子
交配／突變／反轉
GTSP 解
群組策略組合
GTSP 的求解流程：把「分組、選策略、配權重」一次編碼進同一條染色體，用群組平衡、權重平衡、報酬與風險四項評估品質，再以交配、突變、反轉演化出更好的群組交易策略投資組合。
結果如何？results
作者在兩個走勢不同的真實資料集 上進行實驗，以顯示所提方法的優勢與有效性。
誠實補一句： 論文摘要並未公布具體的報酬率或風險數值，只說明實驗涵蓋了兩個「趨勢不同」的真實資料集，本頁因此不列任何數字。
閱讀原始論文（IEEE Access, 開放取用） →