臺灣博碩士論文加值系統

棉花是台灣紡織產業的主要原料，但是卻完全仰賴進口，棉花價格的波動，極有可能造成企業接單後的損失，嚴重影響台灣紡織品外銷價格的競爭力。因此，精準的棉花價格預測，對台灣之企業紡織產業永續發展為極其重要之課題。
晚近，資料探勘法已成為產學兩界，進行預測分析偏好之方法。本研究目的在探討採用基因演算法(GA)結合支援向量機(SVM) 建構棉花價格預測模型是否提昇預測精確度。本研究收集2001至2012年與棉花價格攸關之資料，使用基因演算法(GA)結合支援向量機(SVM) 建構棉花價格模的預測模型，希望實證結果能提供投資大眾及紡織業經營者有用之資訊。實證結果發現傳統常用之BPNN預測準確率為91.96％，而GA-SVM之預測準確率為95.95％，優於傳統代表性預測方法。

Cotton is an very important materials of textile industry in Taiwan, but it is purely rely heavily from import. The highly volatility of cotton price may results in big losses and further jeopardize the price competiveness of Taiwanese firms. Thus, accurately prediction in the cotton price is an critical issue to the sustainable growth of Taiwanese textile industry.
More recently, data mining techniques has become a preferred prediction approach to both academia and industry. The objective of this study is to investigate whether an adoption of a data mining approach, Genetic Algorithms (GA) plus Support Vector Machine (SVM), can improve the accuracy of cotton price prediction. The study utilizes data related to the price volatility of cotton over the period from 2001 to 2012, to formulate the said cotton price prediction model. In the hope to provide useful information to the general public and management of firm in the industry. Empirical finding suggests that the alternative method, GA-SVM outperforms the standard method, BPNN, in terms of prediction accuracy.

目錄 Ⅰ
圖目錄 Ⅱ
表目錄 Ⅲ
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 研究流程 2

第二章 文獻回顧 4
第一節 預測相關文獻 4
第二節 影響棉花價格之變數 7
第三節 GA-SVM文獻回顧 12

第三章 研究方法 15
第一節 資料收集與分析流程 15
第二節 樣本資料來源 17
第三節 變數選取 17
第四節 研究方法 18

第四章 實證分析 31
第一節 樣品特徵分析 31
第二節 GA-SVM 模型預測結果 32
第三節 倒傳遞類神經網路( BPNN )模型預測結果 34
第四節 單獨GA與單獨SVM模型預測結果 36
第五節 各模型預測結果比較 37

第五章 結論及建議 39
第一節 結論 39
第二節 建議 40
參考文獻 41

圖 目 錄
圖1.1 國際棉花價格走勢圖 2
圖1.2 研究流程圖 3
圖2.1二階段企業危機預警模式 12
圖2.2多年預警分析之資料區間 13
圖3.1資料收集與分析圖 16
圖3.2基因演算法之處理流程圖 19
圖3.3基因編碼 20
圖3.4單點交配 21
圖3.5兩點交配 22
圖3.6基因突變 22
圖3.7最佳區分超平面 24
圖3.8最大邊界圖 25
圖3.9線性不可分支援向量機分類示意圖 28
圖3.10原始資料透過Φ轉換到特徵空間中 29
圖4.1 棉花與羊毛展望 31
圖4.2 模型預測棉花價格準確率,2012年 38


表 目 錄
表2.1 相關變數整理 10
表3.1 變數與定義說明 17
表4.1 樣本敘述性統計 32
表4.2基因演算法（GA）篩選欄位結果 33
表4.3 GA-SVM模型預測結果 34
表4.4 BPNN模型預測結果 35
表4.5 GA模型預測結果 36
表4.6 SVM模型預測結果 37
表4.7 GA-SVM與BPNN、單獨GA、單獨SVM的預測結果 38

一、中文部分
李彥瑾 (2010)，「基因演算法結合支援向量機作為企業財務危機預警模型
可行性之研究」，國立彰化師範大學企業管理研究所碩士論文。

林豐澤 (2005)，「基因演算法以及三種應用實例」，智慧科技與應用統計
學報，三卷一期，29-56頁。

吳興華 (2007)，「我國棉花消費需求分析與預測」，商業現代化，四九三期，
　　　　　81-82頁。

吳興華 (2007)，「我國棉花價格波動的原因分析」，商業現代化，四九一期，
　　　　　24-25頁。

吳興華 (2008)，「我國棉花市場未來供應量預測」，統計與決策，二零零八
　　　　　卷十七期，116-117頁。

李雲飛與謝曉晨 (2009)，「基於GA-SVM的股票投資價值評價研究」，燕山
　　　　　大學學報，三十三卷六期，550-554頁。

李慧如 (2006)，「中國棉花期貨和現貨市場的價格關係研究」，經濟經緯，
　　　　　二零零六卷五期，149-151頁。

邱登裕、鍾典村、吳致遠、謝齊莊 (2007)，「以GA-SVM法探討企業財務危
　　　　　機之研究」，中華管理學報，八卷四期，61-85頁。

姜明輝與袁緒川 (2008)，「個人信用評估GA-SVM模型的構建與應用」，武
　　　　　漢科技大學學報(社會科學版)，九卷四期，368-372頁。

施孟隆、黃炳文、胡惟喻、馮誠萬 (2008)，「台灣白肉雞產地價格之灰預
　　　　　測模型研究」，農業與經濟，四十一期，111-133頁。

洪麗珠 (2009)，「台灣民宿產業發展預測之研究」，商業現代化學刊，五卷
　　　　　一期，183-198頁。

唐立新 (2007)，「鄭州商品交易所棉花期貨價格與現貨價格關係的實證分
　　　　　析」，安徽農業科學，三十五卷三十五期，11653-11654頁。

張艷秋與王蔚 (2009)，「利用遺傳演算法優化的支持向量機垃圾郵件分
　　　　　類」，計算機應用，二十九卷十期，2755-2757頁。

徐瑋佑 (2007) ，「互聯電力系統中自動發電控制最佳化之研究」，中原大
學.機械研究所.碩士論文。

黃承龍、陳穆臻與王界人 (2004) ，「支援向量機於信用評等之應用」，計
量管理學刊，一卷二期，155-172頁。

陳信榕與陳水湶 (2012)，「農產預測系統」，休閒事業研究，十卷二期，
　　　　　116-119頁。

陳美惠、許雅惠、蔡坤穆 (2009)，「以類神經網路建構白銀價格預測模式」，
　　　　　嘉南學報（科技類），三十五期，238-252頁。

葉怡成 (2009)，「類神經網路模式應用與實作」，儒林圖書有限公司，
台北。

翟春紅與王陽 (2009)，「棉花產量的灰色-馬爾柯夫模型預測」，安徽農業
　　　　　科學，三十七卷十九期，8809-8810頁。

翟雪玲 (2008)，「警惕我國棉花生產出現大滑坡」，農業展望，四卷十一期，
　　　　　16-18頁。

翟雪玲 (2011)，「2011年第一季度我國棉花市場形勢分析及後期棉花生產
　　　　　狀況展望」，農業展望，七卷四期，11-13頁。

雷祖強、周天穎、萬詢、楊龍士與許晉嘉 (2007)，「空間特徵分類器支援
向量機之研究」，航測及遙測學刊，十二卷二期，145-163頁。

劉曉雪與黃劍 (2008)，「中國棉花期貨價格發現功能的實證分析」，統計與
　　　　　決策，二零零八卷二十一期，125-128頁。

鍾永玲 (2008)，「近期棉花市場形勢分析與展望」，農業展望，四卷三期，
　　　　　3-5頁。

二、英文部分
Adankon MM, Cheriet M (2007), “Optimizing resources in model selection for
Support vector machine ”, Pattern Recognition, 40, pp. 953-963.

Chih-Hung Wu, Gwo-Hshiung Tzeng, Yeong-Jia Goo, Wen-Chang Fang
“A real-valued genetic algorithm to optimize the parameters of
support vector machine for predicting bankruptcy”, Expert Systems
with Applications, 32(2), pp. 397-408.

David, E. Goldberg (1989) “Genetic algorithm in search, optimization and mechine learning”,Reading,MA:Addison Wesley.

Shin, K, S and Y. J. Lee (2002) “A Genetic Algorithm Application in ankruptcy
Prediction Modeling”, Expert Systems with Applications,
23(3), pp. 321-328.

三、網路資源
財團法人紡織產業綜合研究所，李富城-從氣候看棉花－回顧多難多災的2011年、展望2012年，2012年6月15日，
http://www.tnet.org.tw/p4-3-article-detail.aspx?Sid=72&;Aid=10213。