臺灣博碩士論文加值系統

模糊決策樹(Fuzzy Decision Tree)是結合模糊理論和決策樹的新演算法，而在近年陸續被廣泛使用，以少數資料便能產生規則進行判斷，對於股市的瞬息萬變，模糊決策樹能只需要少許資料變能做判斷，透過不斷的修正，進而達成預測準確的目的。本研究主要想探討台灣股市與國際股市連動性之關聯性，期望透過模糊決策樹及決策樹等方法來找到國際主要股市對台股之影響，期許能讓投資人多一個遵循的工具，以提昇投資效率與報酬。研究變數主要從StockQ網站挑選18個國際股市及1個匯率，共計19個變數，資料攫取期間為2014年1月1日至2017年9月30日止為。根據研究結果顯示，本研究得知在預測台灣股市之準確率上，特定之國際股市的變動情況，如恆生指數，韓國股市，澳洲股市，印度股市，俄羅斯股市及S&P500等等，確實將影響台灣股市漲跌。此一結果對投資者來說將是另一種投資參考策略，可使投資人的勝率能夠有所提高。

Fuzzy decision tree (FDT), which has been widely used in recent years, is a new algorithm that combines fuzzy theories with decision trees. FDTs only require a small amount of data to generate rules for making decisions, which makes FDTs practical tools for assessing the constantly changing stock market. In addition, by making continual revisions, prediction accuracy can be achieved. This study investigated the linking relationships between the Taiwanese stock market and international stock markets, where methods such as the decision tree decision tree decision tree decision tree decision tree decision tree decision tree decision tree decision tree decision tree decision tree method and themethod and the method and themethod and themethod and themethod and themethod and themethod and themethod and themethod and themethod and themethod and themethod and the FDT method were used to identify the effect of major international stock markets on the Taiwanese stocks and provide investors with a viable tool to increase their investment efficiency and rewards. In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a In this study, a total of 19total of 19total of 19total of 19total of 19total of 19total of 19total of 19 total of 19total of 19 variables were selected from the StockQ website; the variables consisted of 18 international stock markets and an exchange rate. The data were collected for the period from Jan. 1, 2014 to Sept. 30, 2017. The results showed that certain variables (e.g., the Hang Seng Index and the S&P 500 Index) and changes in certain international stock markets (e.g., the Korean, Australian, Indian, and Russian stock markets) exhibited an effect on Taiwan’s stock market and contributed to its ups and downs. These results can serve as references to investors when devising investment strategies to elevate their investment success rates.

摘要 ........................................................................................................................ I
Abstrtact ............................................................................................................... II
誌謝 ..................................................................................................................... III
目錄 ..................................................................................................................... IV
表目錄 ................................................................................................................. VI
圖目錄 ............................................................................................................... VII
第一章 緒論 ......................................................................................................... 2
第一節 研究背景 ............................................................................................ 2
第二節 研究目的 ............................................................................................ 3
第三節 研究流程 ............................................................................................ 4
第二章 文獻探討 ............................................................................................... 5
第一節 預測股價指數之相關研究 ................................................................ 5
第二節 模糊理論 ............................................................................................ 8
第三節 模糊聚類分析 .................................................................................. 12
第四節 模糊決策樹 ...................................................................................... 17
第五節 預測變數探討 .................................................................................. 19
第三章 研究方法 ............................................................................................. 21
第一節 研究變數 .......................................................................................... 21
第二節 研究方法說明 .................................................................................. 21
第三節 評估方法之設計 .............................................................................. 22
第四章 實證結果 ............................................................................................... 25
第一節 模糊決策樹之實證結果 .................................................................... 25
第二節 決策樹之實證結果 ............................................................................ 34
第五章 結論與建議 ......................................................................................... 36
第一節 結論 .................................................................................................. 36
第二節 研究建議與限制 .............................................................................. 37
參考文獻 ............................................................................................................. 38
表目錄
表3-1 國際股市(本研究變數) 18
表3-2 分類矩陣表 19
表3-3 國際股市分類矩陣 19
表4-1 股市漲跌幅 22
表4-2 股市漲跌幅二進位方式之轉換 22
表4-3 漲跌幅模糊集合分類表 23
表4-4 模糊決策樹規則 26
表4-5 以模糊決策樹之漲跌幅分類矩陣 27
表4-6以模糊決策樹漲跌幅分類矩陣之結果 27
表4-7 二進位模糊集合分類表 28
表4-8 二進位方式模糊決策樹規則 28
表4-9 以模糊決策樹之二進位方式漲跌幅分類矩陣 30
表4-10 以模糊決策樹二進位分類矩陣之結果 30
表4-11以決策樹之漲跌幅分類矩陣 31
表4-12 以決策樹之漲跌幅分類矩陣結果 31
表4-13以決策樹之二進位方式分類矩陣 31
表4-14 以決策樹之二進位方式分類矩陣結果 32
表4-15 分類矩陣結果比較 32
圖目錄
圖1-1 研究流程圖 3
圖2-1 以集合表現的方式 6
圖2-2 四種常用得隸屬函數 8
圖2-3 Regular聚類分析圖 10
圖2-4 群集分析隨機中心點 11
圖2-5 K-means聚類分析步驟1 12
圖2-7 群集分析相近距離 12
圖2-8 K-means聚類分析步驟2 12
圖2-9 群集分析最適距離分類 13
圖2-10 K-means聚類分析步驟3 13
13
圖2-11 K-means聚類分析圖 13
圖2-12 利用K-means隸屬函數分割模式空間 14
圖2-13決策樹範例 15
圖3-1 模糊決策樹建立過程圖 19
圖3-8 ROC曲線 21
圖3-9 PR曲線 21

一、中文文獻
1.林美鳳、梁嘉紋、金成隆(2010)，公司股權結構與外資持股關係之研究，中山管理評論，18(1)，101-142
2.丁誌魰、曾富敏(2005)，以向量自我迴歸模式探討臺灣股價、成交量、融資融券與法人進出之關聯性，真理財經學報，13，43-74
3.陳筱琪、徐作聖、曾國雄，可能性灰色預測及模糊回歸於台灣股市加權指數之預測分析，資訊管理學報，12(1)，195-213
4.王健安(2001)，年度競賽觀點下共同基金經理人風險調整行為之研究，風險管理學報，3(2)，47-83
5.李春安、賴藝文(2005)，股市劇烈變動區間台灣股票市場與本國機構投資人從眾行為之研究，台灣管理學刊，5(2)，231-268
6.王建聰、闕河士(2006)，股價波動性、融券賣空限制與定價績效-SGX-DT摩根台股與TAIFE台股指數期貨之實證，Chiao Da Management Revew，26(2)，91-122
7.余尚武、吳嘉欽(2000)，股價指數期貨對股票市場波動性的影響，企業管理學報，47，135-160
8.余尚武、黃雅蘭(2003),台灣股價指數期貨套利之研究：類神經網路與灰色理論之應用,電子商務學報,5(2),87-115
9.樓禎祺、何培基(2003)，股價移動平均線之理論與實證-以台灣股市模擬投資操作為例，5、6合刊，27-52
10.薛舜仁(2004) ，專業外資(QFII)買賣超與我國股市、期貨市場的關聯性研究，正修學報，17，189-208
11.蕭朝興、黃聖棠、黃聖志(2008)，臺灣股市外資之投資行為，商管科技季刊，9(4)，547-573
12.許溪南、徐守德、郭玟秀、鄭麗慧(2007)，外資介入對台股指數與指數期貨正逆價差之影響，經濟研究，43(1)，65-91
13.劉定焜、施能仁(1998),台灣股價指數期貨之避險操作-灰色滾動模式預測，灰色系統學刊,1(2),101-121
14.周宗南、王惠娟(2007) ,應用灰色預測與演化式類神經網路建構台灣加權股價指數之預測模式,朝陽學報,12,89-106
15.陳筱琪、徐作聖、曾國雄、胡宜中(2005), 可能性灰色預測及模糊迴歸於台灣股市加權指數之預測與分析,資訊管理學報,12(1),195-213
16.陳淑玲、吳安琪、費業勳(2011), 臺灣股票市場技術指標之研究─不同頻率資料績效比較, 東海管理評論【特刊】,12(1),187-226
17.莊家彰、管中閔(2005), 台灣與美國股市價量關係的分量迴歸分析, 經濟論文 ,33(4),379-404
18.薛舜仁(2004), 專業外資(QFII)買賣超與我國股市、期貨市場的關聯性研究, 正修學報,17,189-208
19.張育維(2013), 改良式類神經網路預測模式於股價預測之研究, 北商學報,23,1-18
20.陳若暉、鄭誌逸、高啟勛(2013), 大中華貨幣單一化與經濟指標之探討－以模糊類神經和ARIMAX-GARCH模型之應用,中原企管評論,11(2),29-53
21.李俊賢、江泰緯(2013), 混合複數類神經模糊與自動回歸差分平均移動方法之智慧型時間序列預測模型, 電子商務學報,15(1),137-158
22. 趙李英記(2015), 灰色系統、模糊粗燥集合理論、濾網形成權變法運用於投資中國策略之選擇權複製評估, 多國籍企業管理評論,9(1),1-26
二、英文文獻
1.Ibrahim M. Hamed , Ashraf S. Hussein , Mohamed F. Tolba (2012), An Intelligent Model for Stock Market Prediction, International Journal of Computational Intelligence Systems
2..Jeffrey E. Jarrett and Janne Schilling(2008), DAILY VARIATION AND PREDICTING STOCK MARKET RETURNS FOR THE FRANKFURTER BORSE (STOCK MARKET), Journal of Business Economics and Management
3.Chung-Tsen Tsao(2013), Evaluating investment values of stocks using a fuzzy TOPSIS approach, Journal of Information and Optimization Sciences,
4. David Enke and Nijat Mehdiyev(2013), Stock Market Prediction Using a Combination, Intelligent Automation & Soft Computing
of Stepwise Regression Analysis, Differential Evolution-based Fuzzy Clustering, and a Fuzzy Inference Neural Network
5. Steven Freund and Gwendolyn P. Webb(1999),RECENT GROWTH IN NASDAQ TRADING VOLUME AND ITS RELATION TO MARKET VOLATILITY, The Journal of Financial Research, Vol. XXII, NO.4, Pages 489-501
6.胡為善、陳業琇(1998), An Empirical Study of the Impact of Stock Index Futures on the Spot Stock Price Volatility of the Nikkei 225 Index and S&P 500 Index, 中原學報,26(4) ,P21 - 33
7.L. A. Zadeh, Fuzzy sets, Information and Control 8, 338-353 (1965).
8.Mohamed Bekkar and Dr.Hassiba Kheliouane Djemaa ， “Evaluation Measures for Models Assessment over Imbalanced Data Sets”,” Journal of Information Engineering and Applications”，Vol.3,No10，Pp.27-39,2013
9.Fama, E. F., 1965. The Behavior of Stock Market Prices, Journal of Business, 38,
10.Umano, M., Okamoto, H., Hatono, I. and Tamura, H.(1994). Fuzzy decision trees by fuzzy ID3 algorithm and its application to diagnosis systems. Proceedings of the Third IEEE Conference, Orlando, 2113–2118.34-105.
11.Quinlan, J.R.(1986). Induction of decision trees.Machine Learning, 1, 81–106.
12.R. Weber (1992).Fuzzy-id3 a class of methods for automatic knowledge acquisition. 2nd International Conference on Fuzzy Logic and Neural Networks,265–268.
13.Yuan, Y. and Shaw, M.(1995) Induction of fuzzy decision tree.Fuzzy Sets and Systems, 69,125–139.