「投資者眾而獲利者寡」是目前台灣股市投資環境的最佳寫照，顯示出投資台股獲利之不易，也顯示出大多數投資者決策之盲目，缺乏以理論為基礎的投資策略，因此許多研究都期望能在選股、擇時及資金配置三大股市投資議題中，發展出可獲得超額報酬的交易策略。
近年來遺傳演算法（Genetic Algorithm）已被廣泛的應用在投資決策的議題上，其強大的解答搜尋能力成功的解決了部份的問題。然而遺傳演算法缺乏彈性的字串結構框架，使其只能表示「數量」型態的知識，在解答型式較為複雜的決策規則搜尋問題上，將難以對「完整的解答空間」進行編碼，導致落入僅對特定區域解空間進行搜尋的窘境。透過遺傳程式規劃（Genetic Programming）在結構上所提供的強大彈性，此缺點將在本研究中獲得改善。
本研究採技術分析的角度，利用Koza於1992年發展出之遺傳程式規劃於台灣股市作實證之研究，藉以找出用以進出股市之擇時交易策略，進而改善投資報酬率、降低風險。本研究運用三種不同類型之運算子（包含邏輯運算類、比較運算類、算術運算與函數類）及三種層次之運算元（包含隨機常數、原始交易資料、技術指標）分別作為遺傳程式規劃之「函數節點集合」（Function Set）及「終端節點集合」（Terminal Set）之元素，並企圖將所有技術指標納入，再以演化的力量來作選擇，甚至允許以組合或分解的方式，產生前所未有的新技術指標，改善以往技術指標挑選在質和量方面不足的問題。透過世代的演化，產生最終代表多單進場、空單進場、多單出場、空單出場的4條交易規則，再配合多、空2條停止規則（停損或停利）之輔助，進而建構出完整的擇時交易策略。
本研究採用移動視窗（Sliding Windows）的訓練方式，隨著時間的演變，不斷的修正交易策略，以適應環境的變遷。在適應函數分別以「獲利追求導向」及「風險趨避導向」為原則的設計下，由遺傳程式規劃所產生之擇時交易策略，在以大多頭市場為測試期間的平均投資報酬率，皆能略高或貼近於買入持有策略。而其中在風險趨避導向設計下所產生之交易策略，更能在追求高報酬之餘，同時兼顧到風險的考量。

[方國榮，1991] 方國榮，「證券投資最適決策指標之研究—技術面分析」，台灣大學商學研究所碩士論文，1991。
[杜金龍，1998] 杜金龍，「技術指標在台灣股市應用的訣竅」，金錢文化，1998。
[李安邦，1997] 李安邦，「以遺傳演算法為基底的模糊專家系統於投資策略之應用」，元智大學管理研究所資訊管理組碩士論文，1997。
[金必煌，1995] 金必煌，「運用遺傳基因演算法建立動態證券市場技術模型」，國立交通大學資訊管理研究所碩士論文，1995。
[洪志豪，1999] 洪志豪，「技術指標KD、MACD、RSI與WMS%R之操作績效實證」，國立台灣大學國際企業研究所碩士論文，1999。
[高梓森，1993] 高梓森，「台灣股市技術分析之實證研究」，台灣大學財務金融研究所碩士論文，1993。
[陳建全，1997] 陳建全，「台灣股市技術分析之實證研究」，台灣大學商學研究所碩士論文，1997。
[陳進忠，1999] 陳進忠，「證券投資技術分析」，台灣實業文化，1999。
[廖清達，1997] 廖清達，「綜合性技術指標的有效性驗證－兼論台灣股市的弱勢效率性假說」，東華大學國際經濟研究所碩士論文，1997。
[鄧少勳，1999] 鄧少勳，「遺傳演算法於股市擇時策略之研究」，國立中央大學資訊管理學系碩士論文，1999。
[賴宏祺，1996] 賴宏祺，「技術分析有效性之研究」，中興大學企業管理研究所碩士論文，1996。
[蕭永一，1996] 蕭永一，「股票交易策略鑑別系統─使用改良式遺傳演算法則」，國立台灣大學資訊工程研究所碩士論文，1996。
[Bauer and Liepins, 1998] Bauer, R.J. and G.E. Liepins, “Genetic Algorithms and Computerized Trading Strategies”, Working Paper, the Business School of Western Ontario University, 1988.
[Fama, 1965] Fama, E.F., “The Behavior of Stock Market Prices”, Journal of Business, pp. 285-299, January 1965.
[Fama, 1970] Fama, E.F., “Efficient Capital Markets: A Review of Theory and Empirical Work”, Journal of Finance, Vol. 25, pp.383-417, May 1970.
[Holland, 1975] Holland, J., Adaptation in Natural and Artificial System, University of Michigan Press, 1975.
[Kaboudan, 2000] Kaboudan, M., “Using GP Forecasts to Enhance Profitable Trading of Stocks”, In Proceedings of the 5th Joint Conference on Information Sciences (First International Workshop on Computational Intelligence in Economics and Finance), pp. 925-928, Atlantic City, NJ, February 27-March 3, 2000.
[Koza, 1992] Koza, J.R., Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, 1992.
[Koza, 1992] Koza, J.R., Genetic Programming II: Automatic Discovery of Reusable Programs, MIT Press, 1992.
[Koza, 1995] Koza, J.R., “Survey of genetic algorithms and genetic programming”, WESCON/’95. Conference record. ‘Microelectronics Communications Technology Producing Quality Products Mobile and Portable Power Emerging Technologies’, pp. 589-594, 1995.
[Levy, 1966] Levy, R.A., “Conceptual Foundation of Technical Analysis”, Financial Analysis Journal, pp. 84-85 , 1966.
[Pring, 1988]Pring, M.J., Technical Analysis Explained, Mcgraw Hill 2nd ed., 1988.