臺灣博碩士論文加值系統

臺灣交易市場為提供投資人更即時資訊並符合市場需求，臺灣證券交易所於民國100年元月17日將指數與成交及委託統計資訊揭露頻率由現行的1分鐘縮短為15秒，與亞洲地區交易所接軌。
本研究提出以倒傳遞類神經網路架構，搭配技術分析指標，學習臺灣加權指數期貨日內極短線的趨勢行為，嘗試找出市場的知識規則，建立極短線趨勢預測模型。在極短線下，交易時常處於盤整期或是微小跳動，本研究為了克服此問題，提出資料平滑化和過濾盤整期資料兩個資料處理的方法，嘗試增進倒傳遞類神經網路的學習效果。
由實驗結果得知，在極短線時資料蘊含的知識量不足，若輔以的額外的資料前處理方法，資料平滑化和過濾盤整期資料，可以得到較高的準確率和獲利能力。

In order to provide timeliness information and meet the market demand, Taiwan Stock Exchange (TWSE) has increased the frequency of statistical information disclosure on TSEC weighted index from originally 1 minute to 15 seconds on January 17, which is now synchronized with Asia exchanges.
In this study, we propose a neural network architecture utilizing technical analysis indicators, attempting to find the knowledge rules from TAIEX Futures’ intraday trading data and construct a TAIEX Futures’ short-term time interval predicting model. In short-term time interval, the transaction data often changes in a small range; we propose two data pre-processing techniques to overcome this problem and improve neural network’s learning ability.
The results of experiments indicates that although the transaction data contains insufficient information and knowledge in a short-term time interval, it is possible to achieve better accuracy and profitability through data smoothing and data filtering.

摘要 i
Abstract ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 3
1.4 研究限制 4
1.5 研究架構 4
第二章 文獻探討 6
2.1 日內交易 6
2.1.1 股市日內價格波動行為之相關文獻 6
2.1.2 日內交易小結 9
2.2 技術分析 9
2.2.1 技術分析之相關文獻 9
2.2.2 技術指標 10
2.2.3 技術指標有效性之相關文獻 11
2.2.4 技術分析相關文獻小結 12
2.3 倒傳遞類神經網路 13
2.3.1 倒傳遞類神經網路簡介 13
2.3.2 倒傳遞類神經網路於財務金融領域相關文獻 14
2.3.3 倒傳遞類神經網路之相關文獻小結 16
2.4 極短線交易之相關文獻 17
2.4.1 臺灣股市極短線交易之相關文獻 17
2.4.2 極短線交易之小結 17
第三章 研究方法與步驟 18
3.1 研究模型說明與架構 18
3.2 研究對象與期間 19
3.3 資料轉換(移動視窗切割) 20
3.4 資料前處理 20
3.4.1 計算輸入變數 20
3.4.2 計算輸出變數(獎勵懲罰機制) 22
3.4.3 資料平滑化 22
3.4.4 過濾盤整期資料 23
3.4.5 資料正規化 23
3.5 倒傳遞類神經網路參數設定 24
3.6 交易策略 25
3.6.1 買賣訊號門檻值設定 25
3.6.2 停損機制與交易策略 25
3.7 績效評估模式 26
3.7.1 準確率評估 26
3.7.2 獲利能力評估 26
第四章 實證結果與分析 27
4.1 實驗結果分析 27
4.1.1 對照組 – 預測漲跌模型 27
4.1.2 實驗組一 –預測漲跌趨勢模型 28
4.1.3 實驗組二 – 輸入變數平滑化 29
4.1.4 實驗組三 – 過濾盤整期資料 29
4.1.5 實驗組與對照組比較 30
4.2統計檢定 32
4.2.1 實驗組與對照組之統計檢定 32
4.2.2 實驗組間之統計檢定 35
第五章 結論與建議 39
5.1結論 39
5.2建議 39
文獻回顧 41

[1] Bergerson,K.a.D.C.W., "A Commodity Trading Model based on a Neural Network-Expert System Hybrid", IEEE International Joint Conference on Neural Networks, Vol.1, pp. 289-293, 1991.
[2] Bessembinder, H. and K. Chan, "The Profitability of Technical Trading Rules in The Asian Stock Markets", Pacific–Basin Finance Journal, Vol.3, pp. 257-284, 1995.
[3] Brock, W., J. Lakonishok, and B. LeBaron, "Simple Technical Trading Rules and the Stochastic Properties of Stock Returns",Journal of Finance, Vol.47, pp.1731-1764, 1992.
[4] Chen, A.-P., & Hsu, Y.-C. (2010). Dynamic Physical Behavior Analysis for Financial Trading Decision Support. IEEE Computational Intelligence Magazine, (November), 19-23.
[5] Edwards, Robert D.,” Technical analysis of stock trends”, 1971
[6] Gunasekarage, A. and D. M. Power, "The profitability of moving average trading rules in South Asian stock markets", Emerging Markets Review, Vol. 2, pp.17-33,2001.
[7] Harris, L., "A Transaction's Data Study of Weekly and Intradaily Patterns in Stock Returns", Journal of Financial Economics, Vol.16, pp. 99-117, 1986.
[8] Kimoto, T. and Asakawa, K., "Stock Market Prediction System with Modular Neural Networks", IEEE International Joint Conference on Neural Networks, Vol.1, pp.1-6,1990.
[9] Levy R.A., “Conceptual Foundation of Technical Analysis”, Financial Analysis Journal,Vol. 12, pp.83-89,1966
[10] Lockwood, L. J. and S. C. Linn, “An Examination of Stock Market Return Volatility During Overnight and Intraday Period,” Journal of Finance, Vol. 45, No.2, pp. 591-601, 1990.
[11] Lui, Y. H. a. D. M., "The use of fundamental and technical analyses by foreign exchange dealers: Hong Kong evidence", Journal of International Money and Finance ,Vol.17,No.3,pp. 535-545,1998.
[12] Reilly F.K.,“Investment analysis and portfolio management”, Bryden Press, 1985.
[13] Taylor, Mark P., and Helen Allen（1992）,”The Use of Technical Analysis in the Foreign Exchange Market”,Journal of International Money and Finance,11(3), 304–314.
[14] Vellido, A., Lisboa, P. J. G., & Vaughan, J., "Neural Networks in Business a Survey of Applications ( 1992 ~ 1998 )", Journal of Expert System with Application, Vo.17,pp.51-70, 1999.
[15] Wang, S., Lim, K. G. and Chang, C., "A New Methodology for Studying Intraday Dynamics of Nikkei Index Futures Using Markov Chains ", Journal of International Financial Markets, Vol.9, No.3, pp. 247-265, 1999.
[16] Wood,R.A.,T.H.McInish and J.K.Ord, "An investigation of transctions data for NYSE stock",Journal of Finance,Vol.40,pp.723~739,1985.
[17] Yao J., C. L. T. a. H. L. P., "Neural Networks for Technical Analysis: A Study on KLCI." International Journal of Theoretical and Applied Finance,Vol.2,No.2,pp. 221-241,1998.
[18] Zhang, G., Patuwo, B. E., & Hu, M. Y., "Forecasting with Artificial Neural Networks :The State of the Art", International Journal of Forecasting, Vo.14, pp.35-62, 1998.
[19] 小肥羊（2011年2月14日）。台期指2010交易現況。2011年2月14日，取自：http://tw.myblog.yahoo.com/futurex168/article?mid=1376&prev=1386&next=1373。
[20] 吳瑞萱(2001)，「臺灣加權股價指數日內動態行為之研究」 ，國立台北大學企業管理學系研究所碩士論文。
[21] 李佩真(2003)，「隔夜效應之發現於台灣股價指數期貨之研究」，國立交通大學資訊管理所碩士論文。
[22] 林俊宏(2005)，「成交量對技術分析指標在期貨市場操作績效之影響」，國立交通大學管理科學系所碩士論文。
[23] 林聖智(2008)，「應用自組織映射圖神經網路與倒傳遞類神經網路於台股選擇權波動率指數之研究」，國立交通大學資訊管理所碩士論文。
[24] 林章鈞(1994)，「使用類神經網路於台灣貨幣市場匯率趨勢預測之研究」，國立交通大學管理研究所碩士論文。
[25] 姜林杰祐(2009)，「程式交易：觀念、方法、技術與解決方案」，新陸書局股份有限公司。
[26] 洪志豪(1999)，「技術指標KD、MACD、RSI 與WMS%R 之操作績效實證」，國立台灣大學國際企業學研究所碩士論文。
[27] 張國銘(2008)，「美國與台灣股市走勢行為研究－應用自組織映射神經網路與多重類神經網路」，國立交通大學資訊管理所碩士論文。
[28] 許惠喬(2010)，「應用多重類神經網路於台灣期貨指數極短線走勢行為知識發現」，國立交通大學資訊管理所碩士論文。
[29] 連力廣(2009)，「應用類神經網路對極短線之艾略特波浪行為模式研究-以台指期貨日內交易行為例」，國立交通大學資訊管理所碩士論文。
[30] 陳幸兒，技術分析之有效性：跨國的實證研究，大葉大學，國際企業管理學系碩士在職專班
[31] 陳淑玲，臺灣股票市場技術指標之研究-不同頻率資料之分析，東海大學，財務金融學系碩士在職專班
[32] 游展鑑(2009)，「類神經網路於股市交易決策之研究」，東吳大學資訊管理學系碩士論文。
[33] 黃玉娟、徐守德， 「臺股指數現貨與期貨日內交易形態之比較」，交大管理學報，第二十卷第二期，2000年 12月，頁 149-171。
[34] 楊文誠(2005)，「台灣期貨市場是否存有日內價格反轉現象」，嶺東科技大學財務金融研究所碩士論文。
[35] 葉怡成(2003)，「類神經網路模式應用與實作」，儒林圖書有限公司。
[36] 韓宜芬(1992)，「臺灣加權股價指數非線性與混沌現象之研究」，國立成功大學工業管理研究所碩士論文。