本研究採用「強化式」機器學習策略，跳過建構股價漲跌預測系統，而直接建構遺傳神經網路(Genetic Neural Networks, GNN)買賣決策系統，並針對台灣股市實證幾個重要的課題。研究結果顯示：(1) 在大盤指數方面，在GNN的演化過程中，確實可以觀察到「訓練期間績效與測試期間績效相關」與「隨著演化世代增加績效增加」現象，顯示GNN確實學習到具普遍化獲利能力的大盤交易策略。(2) 使用包含成交量的資訊產生的系統如果能避免過度學習，可以提高投資績效。(3) 使用短訓練期間(4.5年)的系統的獲利明 This study employed “Reinforced Learning” strategy to bypass stock price fluctuation prediction stage and construct stock trading decision system using Genetic Neural Networks (GNN) directly. The system was validated by several important topics aiming at
