進階搜尋


下載電子全文  
系統識別號 U0026-2806201017412000
論文名稱(中文) 台灣上市金融類股價指數預測之整合分析研究
論文名稱(英文) The Study of the Integrity Forecasting of the Stock Prices for the Financials Index 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) 曾瑞霖
研究生(英文) Ruei-Lin Tseng
學號 r2697108
學位類別 碩士
語文別 中文
論文頁數 74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 金融類股價指數  迴歸分析  時間序列  倒傳遞類神經網路  適應性模糊推論系統 
英文關鍵字 Financials Index  Regression Analysis  Time Series Analysis  Back-Propagation Network  Adaptive Network-Based Fuzzy Inference System 
學科別分類
中文摘要 在現今這個時代裡,人們思考著如何使用微薄的薪水來投資股票,以期待獲得更多的財富。但在受到金融海嘯造成極大損失的影響,投資人的心情低落。所以本研究的目的是找出一個適當完整的預測方法在變動不定的股票市場中,精確地預測未來股市的走勢與漲跌。
本研究自台灣經濟新報、台灣證券交易與台灣主計處等蒐集技術指標、總體經濟、國際股市與台股資訊等方面之相關資料,運用迴歸分析、時間序列、倒傳遞類神經網路和適應性網路模糊推論系方法建立台灣上市金融類股價指數隔月收盤價指數之預測模型,並比較各模型的預測優劣,研究範圍為2001年1月至2009年12月止,總計108個月。
研究結果顯示,全部樣本變數之倒傳遞類神經網路模型在訓練樣本中的配適結果最好。而因素分數之倒傳遞類神經網路模型在預測樣本中的預測結果最好。
英文摘要 In order to get more wealth, people are thinking about how to use the meager salary to invest the stocks, at present. However, because the impact of the financial tsunami caused enormous losses, the investors felt depressed. The purpose of this study is to find the integrity forecasting of the stock prices for the Financials Index, and accurately predict the future of the stock price.
This research data includes technical variables, macro-economical variables, international stock variables and Taiwan stock’s information. The research scope is from Jan. 2001 to Dec. 2009. We establish forecasting models by Regression Analysis, Time Series Analysis, Back-Propagation Network and Adaptive Network-Based Fuzzy Inference System, and compare accuracy of all the models.
The result showed that BPN by all variables is the best forecasting in train sample, and the BPN by factor score is the best forecasting.
論文目次 第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 研究對象與範圍 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 股價形成理論 4
第二節 相關文獻探討 7
第三章、研究方法 14
第一節 研究架構 14
第二節 變數定義 15
第三節 統計方法 29
第四節 類神經網路 33
第五節 模糊理論系統 38
第六節 適應性網路模糊推論系統 42
第四章 實證分析 45
第一節 因素分析 45
第二節 迴歸分析 48
第三節 時間序列分析 57
第四節 類神經網路分析 60
第五節 適應性網路模糊推論系統 66
第五章 結論與建議 68
第一節 模型預測績效比較 68
第二節 研究結論 70
第三節 後續研究建議 71
參考文獻 72
參考文獻 中文部份:
【1】張斐章、張麗秋(2007),「類神經網路」,東華書局。
【2】葉怡成(2009),「類神經網路模式應用與實作」,儒林圖書公司。
【3】蘇木春、張孝德(2007),「機器學習:類神經網路、模糊系統以及基因演算法則」,全華圖書股份有限公司。
【4】陳順宇(2005),多變量分析,第4版,華泰書局。
【5】吳文文(2001),「台灣電子股分類及其股價預測之研究」,朝陽科技大學財務金融研究所碩士論文。
【6】陳執中(2006),「台股加權指數隔月收盤價預測之研究」,國立成功大學統計研究所碩士論文。
【7】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」,國立成功大學高階管理碩士在職專班碩士論文。
【8】洪雅雯(2008),「台灣上市化學生技醫療類股價指數預測之研究」,國立成功大學統計研究所碩士論文。
【9】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」,國立成功大學統計研究所碩士論文。
【10】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」,國立成功大學統計研究所碩士論文。
【11】陳執中(2006),「台股加權指數隔月收盤價預測之研究」,國立成功大學統計研究所碩士論文。
【12】蔡正修(2007),「台灣上市電子類股價指數走勢預測之研究」,國立成功大學統計研究所碩士論文。

【13】繆昆陵(2008),「台灣上市鋼鐵類股價指數預測之研究」,國立成功大學統計研究所碩士論文。
【14】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」,國立成功大學統計研究所碩士論文。

英文部份:
【1】Dusan Marcek (2004),"Stock Price Forecasting: Statistical, Classical and Fuzzy Neural Network Approach",The Faculty of Management Science and Informatics University of Zillina.
【2】Kim, K. H., Youn, H. S., and Kang, Y. C. (2000), “Short-term load forecasting for special days in anomalous load conditions using neural networks and fuzzy inference method,” IEEE Transactions on Power Systems, Vol. 15, No. 2, pp. 559-565.
【3】Palit, A. K. and 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
【4】Wood, D. and Dasgupta, B. (1996), “Classfying Trend Movements in the MCSI U.S.A. Capital Index-A Comparison of Regression, ARIMA and Neural Network Methods,” Computers and Operations Research, Vol. 23, Iss. 6, pp. 611-622.
【5】Wong, F. S., Wang, P. Z., Goh, T. H. , and Quek, B. K. (1992), “Fuzzy neural system for stock selection,” Financial Analysts Journal, Vol. 48, No. 1, pp. 47-53.
【6】Michael H. Kutner, Christopher J. Nachtsheim, John Neter, William Li (2005), "Applied Linear Statistical Models", Fifth Edition.
【7】Ebrahim Abbasi, Amir Abouec(2009), "Stock Price Forecast by Using Neuro-Fuzzy Inference System".
【8】Grudnitski, G. and Osburn, L. (1993), "Forecasting S&P and Gold Future Prices : An Application of Neural Networks", Journal of Futures Markets, Vol. 13, No. 6, pp.631-643
【9】Parker, D. B. (1982), "Artificial neural Networks : An Overview", IEEE International Conference on Neural Network, Vol. 3, pp. 1507-1512
【10】Mizuno, H., Kosaka, M., Yajima, H., and Komoda, N. (1998), "Application of Neural Network to Technical Analysis of Stock Market Prediction", Studies in Informatics and Control, Vol. 7, No. 2, pp. 111-120
【11】Wyckoff, P.(1970), Technical Research, The Stock Market Handbook, pp.474
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2011-07-12起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2011-07-12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