進階搜尋


下載電子全文  
系統識別號 U0026-2206201000094700
論文名稱(中文) 台灣上市電子類股價指數整合性預測之研究
論文名稱(英文) The Integrity of the Forecasting of the Stock Prices for the Electronic Industry in Taiwan
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) 周冠伶
研究生(英文) Kuan-Ling Chou
學號 r2697402
學位類別 碩士
語文別 中文
論文頁數 81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 電子類股價指數  迴歸分析  時間序列  倒傳遞類神經網路  適應性糢糊網路推論系統 
英文關鍵字 Electronic Industry stock price index  Regression Analysis  Time Series Analysis  Back-Propagation Network  Adaptive network-Based Fuzzy Inference System 
學科別分類
中文摘要 台灣經濟發展除了受到國家政策所限制,並且有許多大型產業外移,導致台灣經濟呈現低成長,加上高通貨膨脹的問題以及存款利率底均使人民的生活更加艱困。此外,雷曼兄弟的次貸風暴重創,更使台灣的經濟環境雪上加霜。在這景氣低迷的時代想要創造、累積財富就要選對的投資工具,若能掌握走勢漲跌且把握買賣時機,則可獲取高額報酬。根據證交所數據指出股票為國內最主要之投資標的,其中以電子類股之交易比重居首,故電子類股對台股走勢有一定程度的影響力。
本研究蒐集技術指標、總體經濟、國際股市與台股資料等四個影響面之變數,運用傳統統計方法及人工類神經網路方法建立預測台灣上市電子類股隔月走勢之收盤指數,並比較各方法之預測績效,研究範圍為西元2000年1月至西元2009年12月,共計120個月,並試圖將期間切成三段進行分析。研究結果顯示,全部變數導入倒傳遞類神經網路為最佳預測績效,預測走勢指數最佳方法為逐步迴歸篩選變數倒傳遞類神經網路;適應性網路模糊推論系統之訓練樣本在預測績效及走勢都擁有極佳的表現,但在測試樣本的表現則差強人意。傳統統計方法之預測績效優於模糊推論系統,但劣於倒傳遞類神經網路方法。
英文摘要 In Taiwan, the economic development is limited not only by national policies, and the offshoring of many major industries, leading to economy of Taiwan has seen low growth, combined with high inflation and low interest rates on deposits are making people’s live more difficult. In addition, Lehman Brother subprime mortgage crisis hit world economy, even worse for economic environment of Taiwan. In the era of Slump, people should create and accumulate wealth by choosing suitable investment vehicles, if we can grasp the trend of stocks and hold trading time, then we may obtain high returns. According to data from TWSE that the most important investment target in domestic, in which the top of transactions proportion is electronic industry stocks, so that have certain extent influence on Taiwan stock market.
This study use traditional statistical methods and artificial neural network method for predicting the next month closing price of stock prices for the electronic industry in Taiwan, and compare accuracy of all prediction models, the research scope is from Jan.2000 to Dec.2009, and I attempt to cut into three period to analysis. The results showed that all variables into BPN is the best prediction model on predicted accuracy, the best model of trend of forecasting is variables choosing by step-regression into BPN. ANFIS has the best performance on predicted accuracy and trend in training data, but it’s the worst performance in testing data. Predicted accuracy of Traditional statistical methods is superior than ANFIS, but it’s inferior than BPN.
論文目次 第一章 諸論…………………………………………………………1
第一節 研究動機與背景…………………………………………….…. 1
第二節 研究目的…………………………………………………….…. 3
第三節 研究對象與範圍…………………………………………….…. 4
第四節 研究流程……………………………………………………….. 4
第二章 理論基礎與文獻探討…………………………………………..6
第一節 股票價格形成理論…………………………………………….. 6
第二節 文獻探討………………………………………………………..10
第三章 研究方法 …………………………………………………….17
第一節 研究架構………………………………………………….…….17
第二節 變數定義………………………………………………….…….17
第三節 統計方法………………………………………………….…….31
第四節 類神經網路……………………………………………….…….39
第五節 模糊推論系統…………………………………………….…….44
第六節 模式評估標準…………………………………………….…….48
第四章 實證研究……………………………………………………….50
第一節 因素分析及逐步迴歸之變數篩選……………………….……50
第二節 傳統統計方法分析……………………………………….….....52
第三節 倒傳遞類神經網路分析………………………………….……58
第四節 適應模糊推論系統分析………………………………….……61
第五節 模式預測績效評估……………………………………….……62
第五章 結論與建議…………………………………………………..66
第一節 研究結論….………………………………………………….…66
第二節 研究比較…………………………………………………….….67
第三節 研究限制…………………………………………………….….69
第四節 後續研究建議……………………………………………….….69
參考文獻……………………………………………………………….71
附錄…………………………………………………………………….75
參考文獻 中文部分:
【1】 王進德(2007),類神經網路與模糊控制理論入門與應用,初版,台北,全華圖書股份有限公司。
【2】 蒙以正(2007), Matlab入門與精進,二版,台北,儒林。
【3】 羅華強(2005),類神經網路:Matlab的應用,初版,台北,高立圖書有限公司。
【4】 葉怡成(2003),類神經網路模式應用與實作,八版,台北,儒林。
【5】 林茂文(2006),時間數列分析與預測:管理與財金之應用,三版,台北,華泰文化事業股份有限公司。
【6】 陳至安、簡郁紘、李振宇(2005),應用線性迴歸模型,四版,McGraw-Hill。
【7】 陳順宇(2005),多變量分析,四版,華泰文化事業股份有限公司。
【8】 蔡光榮、劉明忠、戴君翰、施俊廷(2006),「台灣中部山區道路邊坡崩塌特性之數值分析模式建置」,台灣公路工程期刊,第32卷第12期,33-45頁。
【9】 張百棧、王彥文、楊雯寧(2004),「混合式預測模式之發展-預測台灣股價指數之波動」,中國工業工程學會期刊,第21卷第4期,358-369頁。
【10】何宜鍵(1997),「上市公司股價報酬率及波動性之預測-類神經網路與多元迴歸模型之配適性研究」,國立中正大學企業管理學研究所碩士論文。
【11】江元彰(2009),「以類神經網路建立身體組成分析儀之分數」,元智大學機械系研究所碩士論文。
【12】林進財、葉欣怡(2004),「類神經網路於選擇權價格之預測-以台灣股價指數選擇權為例」,管理創新與科際整合學術研討會。
【13】蔡依玲(2001), 「台灣股票市場報酬率之研究-以上市電子類股為例」,國立成功大學統計學研究所碩士論文。
【14】黃綺年(2004),「國內開放式股票型基金投資績效分類及報酬率預測」,國立成功大學統計學研究所碩士論文。
【15】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」,國立成功大學統計學研究所碩士論文。
【16】蔡晨瑩(2005),「台灣50指數ETF整合型分類預測」,國立成功大學統計學研究所碩士論文。
【17】劉美琦 (2000),「台灣股票市場股價預測模式之研究 」,淡江大學管理科學學系博士論文。
【18】唐宜楷(1998),「台灣加權股價指數預測--灰色預測之運用」,台灣大學財金融學研究所碩士論文。
【19】林曉雯(1996),「類神經網路在台灣股市投資之應用-指標選取與回饋式網路架構之建立」,台灣大學資訊管理研究所碩士論文。
【20】王春笙(1995),「以技術指標預測台灣股市股價漲跌之實證研究 --以類神經網路與複迴歸模式建構」,台灣大學資訊管理所碩士論文。
【21】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。
【22】蔡正修(2007),「台灣上市電子類股價指數預測」,國立成功大學統計學研究所碩士論文。
【23】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。
【24】繆昆凌(2008),「台灣上市鋼鐵類股價指預測之研究」,國立成功大學統計學研究所碩士論文。

【25】洪雅雯(2008),「台灣上市化學生技醫療類股價指數預測之研究」,國立成功大學統計學研究所碩士論文。
英文部分:
【1】 Tang Z., C. Almeida & P. A. Fishwick(1991),"Time series forecasting using NN v.s Box-Jenkins Methodology", Simulation, 57(5), pp.303–310.
【2】 Ansuj,Petry,Camargo & Radharamanan (1996),"Sales Forecasting Using Time Series And Neural Networks", 19th International Conference on Computers and Industrial Engineering, Vol. 31, pp. 421-424.
【3】 S. Elabd & A. Schlenkhoff(2009),"ANFIS and BPN for travel time prediction", World Academy Of Science, Engineering And Technology, Issue 57, pp.116-121.
【4】 G. Atsalakis, C. Ucenic & C. H. Skiadas(2005),"Time series prediction of the GMI for the non-metallic minerals sector using a Neuro-fuzzy approach", Proceeding of 4th International Conference on the Management of Technological Changes, Vol. 2, pp. 131-136.
【5】 Walter & Enders(2004), Applied econometric time series, 2nd, Wiley.
【6】 Palit, A. K. & Popovic, D.(2000), “Nonlinear Combination of Forecasts Using Artificial Neural Network, Fuzzy Logic and Neuro-Fuzzy Approaches”, IEEE International Conference on Fuzzy Systems, Vol.2, pp.566-571.
【7】 Wyckoff, P. (1970), Technical Research, The Stock Market Handbook, pp. 474.
【8】 Jang & J. S. R. (1993), “ANFIS: Adaptive-network-based fuzzy inference systems”, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 23, No. 3, pp. 665-685.
【9】 Pang-Ning Tan, M. Steinbach & V. Kumar (2005), Introduction to Data Mining, 1st ,Addison Wesley.
【10】 R. A. Johnson &d D. W. Wichern (2007), Applied Multivariate Statistical Analysis, 6th, Pearson.
【11】 D. Wood & B. Dasgupta (1996) , “Classifying Trend Movements in the MSCI U.S.A. Capital Market Index—A Comparison of Regression, Arima and Neural Network Methods”, Computers & Operations Research, Vol. 23, No. 6, pp611-622.
【12】 N. Kohzadi, M. S. Boyd, B. Kermanshahi & I. Kaastra(1996), ”A Comparison of Artificial Neural Network and Time Series Models for Forecasting Commodity Prices”, Neurocomputing, Vol. 10, No.2, pp169-181.
【13】 Shang-Wu Yu (1999), “Forecasting and Arbitrage of the NIKKEI Stock Index Futures: An Application of Back-propagation Networks”, Asia-Pacific Financial Markets, pp341-354.
【14】 M. Kumar & M. Thenmozhi (2004), ”Forecasting Nifty Index Futures Returns using Neural Network and ARIMA Models”, Financial Engineering and Applications.
【15】 S. Moshiri & N. Cameron (2000), ”Neural Network Versus Econometric Models in Forecasting Inflation”, Journal of Forecasting , Vol. 19, pp201-217.
【16】 M. Ghiassi, D.K. Zimbra & H. Saidane (2005),”Medium term system load forecasting with a dynamic artificial neural network model”, Electric Power Systems Reasearch, Vol.76, No.5, pp.302-316.
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