進階搜尋


下載電子全文  
系統識別號 U0026-2806201416053900
論文名稱(中文) 探討結合統計方法與類神經網路在不同分類方法下之投資報酬率
論文名稱(英文) Discussing the Return of Investment under Different Classification by Combining Statistical Methods and Artifical Neural Networks
校院名稱 成功大學
系所名稱(中) 統計學系
系所名稱(英) Department of Statistics
學年度 102
學期 2
出版年 103
研究生(中文) 傅寶萱
研究生(英文) Bao-Syuan Fu
學號 R26011016
學位類別 碩士
語文別 中文
論文頁數 56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 台灣50指數型基金  集群分析  區別分析  類神經網路 
英文關鍵字 Taiwan Top 50 ETF  Cluster Analysis  Discriminant Analysis  Artificial Neural Network 
學科別分類
中文摘要 隨著台灣金融市場日益蓬勃,各式金融商品不斷推陳出新,其中最受矚目的投資標的就是「股票」。然而不論是以個股投資的方式,或是以購買基金做組合投資的方式,兩者皆是以股票市場之證券為投資標的。投資人常以投資基金的方式來達到分散風險的目的,因此如何選擇最佳的投資組合以達到更高的收益為一門重要的課題。有鑑於此,本研究藉由投資人最常使用之財務比率,來選擇理想中最具有真正獲利及穩定性的公司,找出最適合的投資組合,以獲得更高的報酬。
本研究從台灣50指數型基金篩選出近年來從未被踢出過之非金融成分股,以財務比率做為衡量公司經營成效之依據,共15項財務比率作為變數,使用統計方法及類神經網路對公司進行分析後,共建構四種分類模式,加以比較各模式分群正確率結果,進而建構投資組合。在分類部份,以測試組資料的分群正確率來判斷其區別效果,結果以集群分析搭配區別分析的分類效果最好;若以測試組分類結果進一步建構投資組合,比較四種模式之投資報酬率,結果也是以集群分析搭配區別分析之模式下,其測試組分群結果之報酬率最高。
英文摘要 This study from the Taiwan Top 50 ETF screened which from 2008 to 2013 had never been kicked out of the non-financial constituent stocks. After screened, a total of 24 constituent stocks meet this condition, and object of this study is the 24 companies. Financial ratios were used as a measure of operation performance of the 24 companies over the years, by using Statistical Methods and Artificial Neural Networks. This study is based on 15 financial ratios as variables to classify the operation performance of 24 companies from 2008 to 2013. The former five years data as training data, 120 data altogether, and data in 2013 as testing data, 24 data altogether. After analyzing the performance of 24 companies, a total of four classification modes were constructed to compare the accuracy of each mode clustering results, and then constructing the portfolio. In the classification part, judging distinguished effect by the accurate classification rate of testing data, and matching up Cluster Analysis and Discriminant Analysis as result get better effect than other modes; terms of testing data classification results further construct the portfolio, and then compare the investment return of four modes, matching up Cluster Analysis and Discriminant Analysis as result also get better effect than other modes, the highest rate of return on the testing results.
論文目次 第壹章 緒論 1
第一節 研究動機與背景 1
第二節 研究目的 2
第三節 研究範圍 2
第四節 研究流程 3
第貳章 文獻探討 5
第一節 以財務比率衡量經營績效之相關文獻 5
第二節 統計方法應用於分類問題之相關文獻 6
第三節 類神經網路應用於分類問題之相關文獻 7
第參章 研究方法 13
第一節 研究架構 13
第二節 變數的定義與解釋 15
第三節 統計方法 20
第四節 類神經網路(Artificial Neural Network,簡稱ANN) 24
第肆章 實證分析 30
第一節 因素分析 30
第二節 結合統計方法與類神經網路建構各分類模式 32
第伍章 結論與建議 43
第一節 分類研究結論與比較 43
第二節 研究限制 45
第三節 後續研究與建議 45
參考文獻 46
附錄 48
參考文獻 中文部份
【1】 呂佳玲(2000),「台灣地區上櫃證券業財務績效評估模式之研究」,國立台北大學企業管理學研究所碩士論文。
【2】 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。
【3】 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。
【4】 陳順宇(2005),多變量分析,四版,華泰文化事業股份有限公司。
【5】 張斐章、張麗秋、黃浩倫(2003),類神經網路與實務,初版,東華書局股份有限公司。
【6】 彭昭英(2004),SAS與統計分析,十三版,儒林圖書有限公司。
【7】 葉怡成(2003),類神經網路應用與實作,八版,儒林圖書有限公司。
【8】 游媛尹(2008),「台灣上市(櫃)公司投資決策之建構」,國立高雄第一科技大學風險管理與保險所碩士論文。
【9】 楊雅琰(2010),「運用國內開放型股票基金建構分類與預測模式」,國立成功大學統計學研究所碩士論文。
【10】 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。
【11】 廖靜妏(2002),「上市公司財務績效與股價報酬關聯性之實證研究」,逢甲大學會計與財稅研究所碩士論文。
【12】 羅婉瑞(2010),「以集群分析探討航空公司營運績效」,國立台灣海洋大學航運管理學所碩士論文。

英文部份
【1】 Altman, E. I. (1968), “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy,” Journal of Finance, Vol.23, No.4, pp.589-609.
【2】 Kryzanowski, L., Galler, M., & Wright, D. W. (1993), “Using Artificial Neural Networks to Pick Stocks,” Financial Analysts Journal, Vol.49, No.5, pp.21-27.
【3】 Kuo, R. J., Ho, L. M., & Hu, C. M. (2002), “Cluster Analysis in Industrial Market Segmentation through Artificial Neural Network,” Computers & Industrial Engineering, Vol.42, No.2, pp.391-399.
【4】 Martikainen, T. (1993), “Stock Returns and Classification Pattern of Firm-Specific Financial Variables: Empirical Evidence with Finish Data,” Journal of Business Finance & Accounting, Vol.20, No.5, pp.537-558.
【5】 Pompe, P. P., & Bilderbeek, J. (2005), “The prediction of Bankruptcy of Small and Medium-Sized Industrial Firms,” Journal of Business Venturing, Vol.20, No.6, pp.847-868.
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2019-07-09起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2019-07-09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