進階搜尋


下載電子全文  
系統識別號 U0026-2106201014525300
論文名稱(中文) 台灣股市與國際股市關聯性之探討
論文名稱(英文) The Relationship Between Taiwan Stock Market and The International Stock Markets
校院名稱 成功大學
系所名稱(中) 統計學系碩博士班
系所名稱(英) Department of Statistics
學年度 98
學期 2
出版年 99
研究生(中文) 吳岳霖
研究生(英文) Yueh-Lin Wu
學號 R2697110
學位類別 碩士
語文別 中文
論文頁數 68頁
口試委員 指導教授-吳宗正
口試委員-許秀麗
口試委員-賴明材
中文關鍵字 台灣加權股價指數  時間序列分析  ICSS變異結構檢定  倒傳遞類神經 
英文關鍵字 TAIEX  Times series analysis  ICSS algorithm  Backward Propagation Network 
學科別分類
中文摘要 本研究以台灣加權股價指數為主,以國際各大金融市場指數為所關注的重點,來看經由多變量時間序列所建構的模型中,有那些國際股市指數會影響到台灣加權股價指數,並使用多變量時間序列模型,與單變量模型、倒傳遞類神經網路所得到的預測資料做比較。

本研究期間為2005年1月3日至2009年12月28日每週資料,分析含台股指數共20個國際重要指數。透過Granger因果檢定得到歐美股市會單向影響到亞洲指數或台股指數,另外使用ICSS變異結構檢定可發現此研究期間存在一點變異結構點於2007年8月6日,由此點區分為二序列進行不同模式之預測,得到的結果為使用倒傳遞類神經於ICSS分段後前段較佳,以2010年後同時段預測則為全研究期間之倒傳遞類神經較佳。
英文摘要 The topic of this research is to study the relationship between Taiwan stock market and other important international stock markets. The study period from Jan. 3, 2005 to Dec. 28, 2009 weekly data analysis including a total of 20 international stock market index.

In this research contained two part of analysis. First part of analysis, using multivariate time series model confirm the relationship between Taiwan Stock Market and The International Stock Markets. Second part of analysis, carry on the first part of multivariate time series model, comparing the prediction with other method including univariate time series model and backward propagation network. Through the ICSS algorithm, it could split time series up on Aug. 6, 2007 since the change of variance detected.

We conclude that Europe and America Stock market have granger causality relationship with Taiwan stock market. The better forecasting method is backward propagation network, better than the others.
論文目次 第一章 緒論 1
第一節 研究背景及動機 1
第二節 研究目的 1
第三節 研究對象及範圍 2
第四節 研究流程 2
第二章 理論基礎與文獻探討 4
第一節 效率市場假說 4
第二節 股票價格分析 5
第三節 台灣與世界各國股票指數簡介 6
第四節 相關文獻探討 8
第三章 研究方法 14
第一節 研究架構 14
第二節 變數定義 16
第三節 因素分析 18
第四節 時間序列 19
I. 單根檢定 20
II. ARIMA-GARCH模型 21
III. 向量自我回歸模型 22
IV. 共整合與誤差修正模型 23
V. Granger 因果檢定模型 25
VI. ICSS變異結構檢定 27
第五節 倒傳遞網路 27
第四章 實證分析 31
第一節 敘述統計 31
第二節 因素分析 34
第三節 單根檢定 38
第四節 第一部分─模型建構及Granger因果檢定 40
第五節 第二部分─多種方式之預測 45
❏預測模式 (2.a)第一部分(1.b)及(1.f)之預測 45
❏預測模式 (2.b) ARMA-GARCH分析預測 46
❏預測模式 (2.c) ICSS分段後ARMA-GARCH分析預測 46
❏預測模式 (2.d)倒傳遞類神經網路預測 48
❏預測模式 (2.e) ICSS分段後倒傳遞類神經網路預測 49
第六節 預測結果整合比較 50
第五章 結論與後續研究 53
第一節 研究結論 53
第二節 研究限制 54
第三節 後續研究建議 55
參考文獻 56
附表 60
附圖 61
參考文獻 一、 中文參考文獻
1. 王冠閔、黃柏農(2004)「台灣股﹑匯市與美國股市關聯性探討」,中央研究院經濟研究所34:2。
2. 王冠閔、吳書慧(2006)「台灣股、匯市與美國股市傳導機制之實證分析」,運籌研究集刊第十期2006年12月第1~15頁。
3. 吳宗正、溫敏杰、侯惠月(2001),「神經網路及統計方法在台股指數期貨預測研究之比較」,國立成功大學學報第36卷。
4. 吳宗正(2006),投資技術分析,華泰書局。
5. 李惠妍(2003),「類神經網路與迴歸模式在台股指數期貨預測之研究」,國立成功大學管理學院高階管理碩士在職專班(EMBA)碩士論文。
6. 林茂文(2006),時間數列分析與預測,第三版,華泰書局。
7. 侯惠月(2000),「統計方法與類神經網路在台股指數期貨之研究」,國立成功大學統計學研究所碩士論文。
8. 陳家隆(2002),「運用統計方法與人工智慧技術建構整合性投資策略」,國立成功大學統計學究所碩士論文。
9. 陳國玄(2004),「人工神經網路與統計方法應用於台灣上市電子類股價指數預測與分類之研究」,國立成功大學統計學研究所碩士論文。
10. 陳執中(2006),「台股加權指數隔月收盤價預測之研究」,國立成功大學統計學研究所碩士論文。
11. 葉怡成(2003),類神經網路模式應用與實作,儒林書局。
12. 蔡依玲(2002),「運用統計方法與人工智慧技術建構整合性投資策略」 ,國立成功大學統計學研究所碩士論文。
13. 黃綺年(2004),「統計方法與類神經網路運用於國內開放式股票型基金投資績效分類及投資報酬率預測之研究」,國立成功大學統計學研究所碩士論文。
14. 游慧雯(2005),「台灣股匯市與美國及日本股市之關聯性研究」,國立成功大學企業管理研究所碩士論文。
15. 楊踐為、賴怡洵(1998),「美、日、香港與台灣四地股價指數連動關係之探討」,台灣土地金融季刊,第三十五卷第二期(No.136),第1-15頁。
16. 蔡正修(2007),「台灣上市電子類股價指數走勢預測之研究」,國立成功大學統計學研究所碩士論文。
17. 蔡晨瑩(2005),「臺灣50 指數ETF 整合型分類預測之研究」,國立成功大學統計學研究所碩士論文。
18. 楊奕農(2009),時間序列分析─經濟與財務上之應用,第二版,雙葉書廊。
19. 楊踐為、賴怡洵(1998),「美、日、香港與台灣四地股價指數連動關係之探討」,台灣土地金融季刊,第三十五卷第二期(No.136),第1-15頁。
20. 魏武雄(2009),時間序列分析︰單變量和多變量方法,中國人民大學出版社。
21. 戴淑瑩(2007),「台灣50指數ETF整合型預測之研究」,國立成功大學統計學研究所碩士論文。

二、 英文參考文獻
1. Carla Inclan and George C. Tiao (1994),”Use of Cumulative Sums of Squares for Retrospective Detection of Changes of Variance,” Journal of the American Statistical Association, Vol. 89, No. 427 (Sep., 1994), pp. 913-923.
2. Cheol S. Eun and Sangdal Shim (1989),”International Transmission of Stock Market Movements,” Journal of Financial and Quantitative Analysis (1989), 24 : 241-256.
3. Dickey, D. A. and Fuller, W. A. (1979), “Distribution of the estimators for autoregressive time series with a Unit Root,” Journal of the American Statistical Association, Volume 74, pp.427-431.
4. Engle, R, F, and Granger, C. W. J. (1987), “Cointegration and error correction: representation, estimation and testing”, Econometrica, Volume 55, pp.251-276.
5. Engle, R.F. and Yoo, B. (1987), “Forecasting and testing in Co-integrated system,” Journal of Econometrics, Volume 35, Issue 1, pp.143-159.
6. Granger, Huang, Yang (2000),”A bivariate causality between stock prices and exchange rates evidence from recent Asian flu,” The Quarterly Review of Economics and Finance 40 (2000) 337–354.
7. Kimoto, T. & Sakawa, K. A. (1990), “Stock Marker Prediction System with Modular Networks,” IEEE International Joint Conference on Neural Networks, Vol. 1 , 1-6.
8. Maysami, R.C. & Koh, T.S. (2000),”A Vector Error Correction Modelof the Singapore Stock Market,” International Review of Economics and Finance,Vol. 9, 79-96.
9. Robert Engle (2000), ”Dynamic Conditional Correlation - A Simple Class of Multivariate GARCH Models,” Forthcoming Journal of Business and Economic Statistics 2002.
10. Tam, K. Y., & Kiang, M. Y. (1992),”Managerial Applications of Neural Networks: The Case of Bank Failure Prediction,” Management Science, Vol. 38, 926-947.
11. Wongbangpo, P. and Sharma, S.C. (2002),”Stock market and macroeconomic fundamental dynamic interactions: ASEAN-5 countries,” Journal of Asian Economics, Vol. 13, 27-51.
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2013-07-08起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2015-07-08起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw