進階搜尋


 
系統識別號 U0026-2706201214151400
論文名稱(中文) 選股策略方法之研究比較-以台灣上市櫃公司為例
論文名稱(英文) The Research Comparison of Stock Choosing Strategy ─A Study in Taiwan Publicly Traded Company
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 100
學期 2
出版年 101
研究生(中文) 陳威愷
研究生(英文) Wei-Kai Chen
學號 R26991143
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-溫敏杰
口試委員-賴明材
中文關鍵字 群集分析  一般區別分析  逐步區別分析  自組織特徵映射神經網路 
英文關鍵字 Cluster Analysis  General Discriminant Analysis  Stepwise Discriminant Analysis  Self-organizing Feature Maps (SOM) Neural Network 
學科別分類
中文摘要 近年來,台灣經濟的不景氣以及原物料的持續上漲,已經深深的影響了每個國民,在這樣的影響之下,我們更應該懂得如何謹慎的投資理財,因此,在股票市場中如何做一個好的選股策略是必要的,也是需要的。

本研究將以台灣所有上市櫃公司為研究對象,並以統計方法跟類神經網路進行分群,以便從中找出一個簡單的選股策略。在分群過程中,會先依據4個基本條件先行挑選出幾家適合的公司,再依其公司的報酬率,以群集分析決定分群數,最後依照12項財務比率,以一般區別分析、逐步區別分析以及類神經裡面的自組織特徵映射(SOM)神經網路進行分群。研究結果顯示,短期投資部分較適合以逐步區別變數的類神經網路進行分析,但其分類結果與實際市場表現上有些許差異;而長期投資部份則較適合以一般區別分析跟一般區別變數之類神經網路進行分析,其分類結果與實際市場表現上較為相同。



英文摘要 In recently years, all of the citizens in Taiwan have been affected gratefully by the depression and continual rising costs of raw material. On this effect, we should understand how to invest and manage finances carefully. Hence, it is necessary to know about how to make a good stock choosing strategy.

In this research, the object of study is the listed and over-the-counter companies in Taiwan with using statistical methods and artificial neural network to classify the targets in order to find a simple stock choosing strategy. In the process of classification, the first step is to select the appropriate companies based on four conditions, and the second step is to determine classified amount by Cluster Analysis according to return of companies, and then using twelve items of financial ratio to do the final classification with General Discriminant Analysis, Stepwise Discriminant Analysis and Self-organizing Feature Maps (SOM) Neural Network. The result of this research shows that the neural network of stepwise discriminative variable is appropriate for analyzing short-term investment. However, the classified result is slightly different from the actual market performance. As to long-term investment, the General Discriminant Analysis and neural network of General discriminative variable are more suitable for it, and the classified result is much more similar to actual market performance.




論文目次 第一章 緒論 1
第一節 研究動機與背景 1
第二節 研究目的 3
第三節 研究範圍及對象 4
第四節 研究階段與限制 4
第五節 論文架構及研究流程 4
第二章 文獻探討 6
第一節 財務報表的重要性 6
第二節 財務與報酬率相關文獻 10
第三節 類神經網路相關文獻 13
第四節 小結 15
第三章 基礎理論 15
第一節 群集分析 15
第二節 區別分析 22
第三節 類神經網路 30
第四節 變異數分析 34
第四章 研究方法 39
第一節 資料收集 39
第二節 變數的定義與解釋 39
第三節 研究設計與流程 46
第四節 測試設計與流程 58
第五節 小結 62
第五章 結論與建議 63
第一節 結論與建議 63
第二節 後續研究 64
參考文獻79
參考文獻 中文部分
1.盧麗安,1996,財務基本分析與台灣股價表現,國立中山大學財務管理所碩士論文。
2.胡玉雪,1994,益本比、淨值市價比及公司規模對股票報酬之影響─相似無關迴歸法之應用,國立台灣大學商學所碩士論文。
3.江志豪,2005,每股盈餘稀釋效果與股價之研究,國立台北大學會計研究所碩士論文。
4.陳順宇,2005,「多變量分析」,第四版,華泰書局。
5.劉若蘭,1995,財務比率資訊內涵之實證研究,私立東吳大學會計研究所碩士論文。
6.王錦清,1989,台灣地區股票上市公司之財務比率與股價關係之研究,私立中國文化大學企業管理研究所碩士論文。
7.彭昭英,2007,SAS與統計分析,儒林圖書。
8. 陳寶瑤,2001,財務報表分析與股票異常報酬關係之研究-台灣電子產業上市公司之實證研究,國立彰化師範大學商業教育研究所碩士論文。
9. 鄭瑞美,2001,股票報酬與財務比率關係之研究-總體經濟因素與產業別之影響,國立政治大學會計研究所碩士論文。
10. 黃啟榮,2006,Motley Fool七項指標與股價關聯性之探討,國立成功大學會計研究所碩士論文。
11. 周鵬程,2008,類神經網路入門─活用Matlab,全華書局。
12. 吳姿瑤,2004,國內開放式股票型基金在分類與預測模式比較之研究,國立成功大學統計研究所碩士論文。
13.曾翊嘉,2001,統計方法應用於選股策略之研究,國立成功大學統計學研究所碩士論文。
14.何鴻聖,2004,自我組織神經網路在選股策略的應用,國立東華大學國際經濟研究所碩士論文。
15.姜國偉,2000,類神經網路與統計方法在分類問題的應用研究,國立交通大學工業工程與管理學系碩士論文。
16. 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。
17. 楊宗儒,1987,運用財務比率建立股票投資績效評估模式之研究,淡江大學管理科學研究所碩士論文。
18.曾裕侯,1992,策略財務比率與企業經營績效實証關係之研究區別分析之應用,中央大學財務管理研究所碩士論文。
19. 郭素菱,2002,機構投資人與財務報表攸關性之研究,國立成功大學會計學研究所碩士論文。
20. 沈孟軒,2003,淨值市價比投資策略:財務報表資訊之應用,中正大學會計與資訊科技 研究所未出版碩士論文。

英文部分
1. Abell H. (1999),Digital day trading: Moving from one winning stock position to the next. Dearborn, Chicago, pp. 267.
2. Deboeck G. (1999),Value Maps: Finding Value in Markets that are expensive, Kohonen Maps, E. Oja, S. Kaski(editors), Elsevier Amsterdam, pp. 15-31.
3.Foulke, Roy A. (1937),“Financial Ratios Become of Age ”, Journal of Accountancy, pp. 209-210.
4. Greig,A.C. (1992),“Fundamental Analysis and Subsequent Stock Returns”, Journal of Accounting and Economics, 15, pp. 413-442.
5. Guido J. Deboeck, Alfred Ultsch (1998), “Picking Stocks with Emergent Self-organizing Value Maps”, Neural Network world, Volume 10 NO, 1/2 P,203-216 ,(2000).
6. H. L. Garcia and I. M. Gonzalez (2004),“Self-organizing Map and Clustering for Wastewater Treatment Monitoring” , Engineering Applications of Artificial Intelligence, Vol. 17, Issue 3, pp. 215-225.
7. Kuan, C. M. White, H. (1994),“Artificial neural networks: An econometric perspective”, Econometric Reviews, 13, 1-91.
8. M. Y. Kiang, M. Y. Hu, and D. M. Fisher (2006),“An Extended Self-organizing Map Network for Market Segmentation — A Telecommunication Example”, Decision Support Systems, Vol. 42, Issue 1, pp. 36-47.
9. Neter, J., Kutner, M. H., Nachtsheim, C. J., & Wasserman, W. (1996),Applied Linear Regression Model, IRWIN.
10. O’Neil, William J.(1998),“How to make money in stocks : a winning system in good times or bad”, New York : McGraw-Hill, c1988.
11. Punj,G. and D. Stewart (1983),“Cluster Analysis in Marketing Research: Review and Suggestions for Application”, Journal of Marketing Research, pp. 145.
12. Swales, George S., Jr., & Yoon, Young (1992),“Applying artificial neural networks to investment analysis”, Financial Analysts Journal, Vol. 48, No. 5, pp. 78 - 80.
13. Saad, E. W. Prokhorov, D. V.and WunschII,D.C. (1996) ,“Advanced Neural Network Training Methods for Low False Alarm Stock Trend Prediction”, IEEE International Conference on Neural Networks Proceedings, vol. 4, pp. 2021-2026.
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2012-07-11起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2012-07-11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