臺灣博碩士論文加值系統

股票為台灣長期使用的投資理財工具，而股價可以反映公司在市場中的價值，近年受到4G技術影響股票衍生出4G概念股，股價容易受到新產品的推出而產生波動，那如何從歷史資料中尋找明天的漲跌規則，利用人工智慧客觀的角度來對資料進行探勘選出與未來股價有關連的指標，並且建立一個預測的模型提供決策參考。
本研究以4G概念股中三檔股票為例，蒐集2012年到2014年資料及十種技術指標，以分類與回歸樹(Classification And Regression Tree，CART)篩選與收盤價有相關之技術指標，再使用模糊分群法(Fuzzy C-means)將測試資料分群倒入彈性倒傳遞類神經網路( Back-propagation neural network )探討其變動，最後將此模型與時間計量模型結果進行比較。
分類與回歸樹篩選出結果中D(9)、ADX(14)皆有被三個模型篩選出，其中有值得被探討地方，倒傳遞類神經預測結果為聯電模型預測率89.86%，輸出值最為接近實際值，代表本研究提出模型對於走勢變化上有良好的預測能力，三檔股票預測率均比對照組準確率高出20%，代表對於股市預測上多重彈性倒傳遞類神經具有依定的參考價值。

Stock market investment and financial management tools .Was Taiwan plople long-term use, and the share price reflect the value of the company in the market. 4th Generation technology in recent years by the impact of stock to produce 4G stocks, the stock vulnerable to introduction of new products fluctuate, How to find tomorrow's ups and downs rules from historical data, The use of artificial intelligence to carry out an objective point of view of data mining elect and future stock price related indicators, and to establish a predictive model to provide decision-making.
In this study, Are three 4G stocks, for example, collected in 2012 to 2014, dozens of technology information and indicators, Use Classification And Regression Tree screening the most relevant indicators of closing price, Then use Fuzzy Clustering Method to grouping test data into Back-propagation neural network, of the last time this model and to compare the results of econometric models.
Classification And Regression Tree，CART filter out the results D (9), ADX (14) have screened out of the three models, it deserves to be Probe, Back-propagation neural network to predict for UMC Accuracy attain 89.86%,and the output value near to actual value, This study presents the model representative of the trend for change has good predictive ability, three stocks accuracy than ARIMA group higher of 20%, Representing multiple resilient back-propagation neural models, At stock market forecast with a given reference value.

摘要 i
ABSTRACT ii
目 錄 iii
表目錄 iv
圖目錄 v
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 論文架構 3
第二章 文獻探討 5
第一節 行動通訊產業概況 5
第二節 股市理論及技術指標 7
第三節 決策樹 11
第四節 模糊理論 13
第五節 類神經網路 15
第三章 研究方法 19
第一節 研究流程 20
第二節 分類與回歸樹 21
第三節 模糊分群法 22
第四節 彈性倒傳遞類神經網路 23
第四章 實驗結果 25
第一節 實驗資料 25
第二節 CART篩選技術指標 25
第三節 FCM分群 28
第四節 多重彈性倒傳遞類神經模型 32
第五章 結論 36
參考文獻 37

曲恬頤(2009)。運用決策樹與倒傳遞類神經網路建構台股之整合性投資策略。未出版碩士論文，清華大學工業工程與工程管理學系，新竹市。
牟聖遠(2013)。台灣股市技術分析實證-以KD指標、RSI指標、MACD指標、DMI指標為例。未出版碩士論文，義守大學資訊管理學系碩士在職專班，高雄市。
呂理文(2014)。臺股期貨收盤指數預測之研究。未出版碩士論文，臺灣海洋大學航運管理學系，基隆市。
呂麒麟、吳樹欉、吳禹潼(2009)。以資料探勘法驗證股價的可預測性。專案管理與系統工程學報，5，141-167。
李中永(2014)。使用類神經網路結合模糊理論預測標準普爾500指數。未出版碩士論文，高雄海洋科技大學電訊工程研究所，高雄市。
李承修(2014)。利用決策樹分類最佳化演算法實現連續數值型態之最佳化分類。臺東專科學校學報，3(4)，1-24。
周俊言(2009)。探討多國股市季節性的變動－結合類免疫演算法與人工智慧方法。未出版碩士論文，中華大學資訊管理學系(所)，新竹市。
周澤伯(2014)。混合型人工類神經網路應用於台灣50隔日收盤價預測之研究。未出版碩士論文，中國文化大學資訊管理學系碩士在職專班，台北市。
邱姳旋(2012)。晶圓批生產週期時間預測:結合主成份分析、模糊分群與倒傳遞網路。未出版碩士論文，逢甲大學工業工程與系統管理學研究所，台中市。
徐志明、彭育秀(2014)。應用資料包絡分析法、蜂群演算法與類神經網路以建構股票投資組合最佳策略。明新學報，40(1)，261-272。
張元泓(2005)。整合資料探勘與類神經網路技術於台灣股市投資決策-以台灣積體電路產業鏈為例。未出版碩士論文，交通大學資訊管理研究所，新竹市。
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，23，18。
陳正美、徐建業、邱泓文、白其卉、吳柏勳(2011)以類神經網路及分類迴歸樹輔助肝癌病患預測存活情形。台灣公共衛生雜誌，30(5)，13。
陳景祥(2010)。R軟體應用統計方法。台北市：東華書局。
黃子晉(2014)。運用支持向量機與類神經網路於金融時間序列之預測與比較。龍華科技大學學報，34，77-87。
楊宗彥(2003)。運用類神經網路與決策樹技術預測股票報酬率。未出版碩士論文，逢甲大學企業管理所，台中市。
彭一倍(2011)。建構決策樹分軟體盜版行為的員工特徵。未出版碩士論文。中華大學資訊管理學系碩士班，新竹市。
洪友芳(2014年12月08日)。行動裝置+物聯網 晶圓代工旺到明年。自由時報，財經。
楊曉芳(2014年06月20日)。4G興起 威盛轉投資 進入收成期。中時電子報，工商時報。
陳文義(2012年02月04日)。智慧型手機出貨量首度超越個人電腦 且成長達60%。網路資訊，趨勢策略。
Ao, S. I., Rieger, B. B., & Amouzegar, M. A.(2010). MachineLearning and Systems Engineering. Dordrecht. New York,Springer.
Cheng, H.W., ProQuest Information & Learning Co,University of Nevada Las Vegas. ARIMA models for forecasting Poisson process observations Application to the volcanoes worldwide
Fama, E. F. (1995). Random walks in stock market prices. Financial analysts journal, 51(1), 75-80. Kristensen, T., Jakobsen, V. (2011). Interactive Protein Data Clustering. Computer Technology and Application,2(10), pp.63-72.
Olson, D. L., & Shi, Y.,(2007).Introduction to business data mining,10, pp. 2250-2254. Englewood Cliffs:McGraw-Hill/Irwin.
Tsay, R. S. (2014).,An introduction to analysis of financial data with R.,John Wiley & Sons.