臺灣博碩士論文加值系統

本研究將以構成技術圖型最小單位之日K線為主題來分析股票價格。以第t+1日的開盤價位與第t日的K線圖相對部位之訊號，並搭配KD指標及移動平均線有助於預測股價波動。本研究收集台灣證交所和櫃檯買賣中心的歷史數據進行模擬交易，並建立一個投資決策模型，來評估模型的可靠性。該方法可以幫助投資者能把握時機進入市場，為投資者的投資決策提供參考。
其實證結果顯示，依據開盤價與K線圖之型態組合，搭配KD指標及移動平均線來計算上漲勝算。其中KD指標及移動平均線區分單獨指標KUP、DUP、5UP、10UP及多項指標KUP&5UP、KUP&10UP、DUP&10UP、DUP&10UP等指標。其上漲勝算分析數據分別為1.78、0.41、0.84、0.69及1.87、1.86、0.45、0.39。比較單獨指標和多項指標，多項指標在股票價格波動上能夠更好地作出反應，真正有利於提高預測準確率。然而，當準確度的門檻設定為80％以上，所獲得的日平均報酬約0.08%~0.64%。同時符合此正確率門檻的股票交易性質中可進場投資的個股相對越少。本研究採取11種股票交易性質，其中以"前十大上櫃融券增加量"具有顯著性且在扣除掉交易成本後平均報酬率較高，其餘股票交易性質仍可在證券市場中獲利。

This study used the day-candlestick charts as the smallest unit to analyze the stock price. By the position between the opening price of the t+1th and the tth and combine the KD indicators and moving averages, can help to predict the stock price fluctuation. This study collect TWSE and OTC for historical data, to build a simulated the investment decisions model, and to assess the reliability of the model. The proposed method can help investors can grasp timing to enter the market, as a reference for investors' investment decisions.
The experimental results show that, based on the combination of the candlestick charts and opening price of the stock, and plus the KD indicators and moving averages to calculate the odds rise. Where KD indicators and moving averages also can divided into individual indicators KUP, DUP, 5UP, 10UP and the multiple indicators respectively are KUP & 5UP, KUP & 10UP, DUP & 10UP, DUP & 10UP other indicators. Its odds respectively are 1.78, 0.41, 0.84, 0.69 and 1.87, 1.86, 0.45, 0.39.Compare to the single indicators and multiple indices, the multiple indicators can react better and really help to improve forecast accuracy in stock price fluctuation situation. However, when the threshold of the accuracy is set to more than 80%, the average daily expected revenue is about 0.26% to 0.68%.Meanwhile, while the high threshold may lead to the candidate stock be less than original. This study take 11 kinds of stock trading nature, among them of the "top ten OTC trading increment" has the distinctiveness ,and after deduction of transaction costs, the average rate return is higher.The remaining stock trading nature, it can still profit in the stock market.

第壹章 緒論 1
第一節 研究背景 1
第二節 研究動機 2
第三節 研究目的 3
第貳章 文獻探討 4
第一節 K線圖起源與結構 4
第二節 型態分析法中K線圖 7
第三節 隨機指標(KD) 8
第四節 移動平均線(Moving Average) 9
第參章 開盤位置與K線圖的組合探勘 12
第一節 開盤位置與K線圖之模型架構圖 12
第二節 前置模型建構 14
第三節 訓練組模型建構 19
第四節 測試組模型建構 28
第五節 其他指標(KD、MA) 31
第肆章 實驗結果與分析 33
第一節 資料來源 33
第二節 訓練組模型建構之實證與分析-上漲勝算 37
第三節 訓練組模型建構之實證與分析-正確率門檻 43
第四節 測試組模型建構之實證與分析 53
第五節 前十大上櫃融券增加量之個股實證結果 56
第伍章 結論 59
參考文獻 62
附錄 65
附錄一：2012年度前訓練資料-上漲勝算 65
附錄二：2013年度間訓練資料-正確率與平均報酬率 80
附錄三：2014年度間測試資料-正確率與平均報酬率 107
 
表目錄
表3-2-1 開盤價與K線型態組合之判斷語法 17
表3-2-2 開盤價與K線型態組合之參數設定 18
表3-2-3 判別開盤價與K線型態組合，以個股"久大"為例 18
表3-3-1 開盤價與K線型態組合之漲跌頻率 20
表3-3-2 每組K線型態組合之漲跌頻率，以個股"久大"為例 21
表3-3-3 開盤價與K線型態組合之上漲勝算 22
表3-3-4 每組K線型態組合之上漲勝算，以個股"久大"為例 22
表3-3-5 開盤價與K線型態組合判斷預測情況 23
表3-3-6 每組K線型態組合判斷預測情況，以個股"久大"為例 23
表3-3-7 開盤價與K線型態組合之真值表 24
表3-3-8 每組K線型態組合之真值表，以個股"久大"為例 24
表3-3-9 每組K線型態組合日報酬率，以個股"久大"為例 26
表3-3-10 每組K線型態組合平均報酬率計算，以個股"久大"為例 26
表3-3-11 每組K線型態組合平均報酬率合計，以個股"久大"為例 27
表3-3-12 判斷符合正確率門檻對應表 27
表3-3-13 判斷符合正確率對應表，以個股"久大"為例 28
表3-4-1 測試組模型之單一個股的正確率及平均報酬率 30
表3-4-2 測試組模型之多項個股的正確率暨平均報酬率表 30
表3-4-3 測試組模型之多項個股的平均報酬率 30
表3-5-1 KD與MA相互交叉分析表 32
表4-1-2 2013年度上市股票交易及信用交易排行前10名的個股 34
表4-1-3 2013年度上櫃股票交易及信用交易排行前10名的個股 36
表4-2-1 股票交易性質於各指標中上漲勝算均值 39
表4-2-2 股票交易性質於K線型態組合中之上漲勝算均值 40
表4-2-3 各類別指標於K線型態組合中之上漲勝算均值 42
表4-3-1 未設定正確率門檻的正確率均值 44
表4-3-2 未設定正確率門檻的平均報酬率均值 45
表4-3-3 正確率門檻為60%以上的平均報酬率均值 45
表4-3-4 正確率門檻為65%以上的平均報酬率均值 46
表4-3-5 正確率門檻為70%以上的平均報酬率均值 47
表4-3-6 正確率門檻為75%以上的平均報酬率均值 47
表4-3-7 正確率門檻為80%以上的平均報酬率均值 48
表4-3-8 未符合正確率門檻之股票交易性質的平均報酬率 50
表4-3-9 符合正確率門檻之股票交易性質的平均報酬率 51
表4-3-10 未符合正確率門檻之各類別指標的平均報酬率 52
表4-3-11 符合正確率門檻之各類別指標的平均報酬率 52
表4-4-1 股票交易性質之預測平均報酬率均值 53
表4-4-2 股票交易性質於K線型態組合之預測平均報酬率均值 54
表4-4-3 各類別指標於K線型態組合之預測平均報酬率均值 55
表4-4-4 依標準進出場步驟實驗其結果 56
表5-1-1 上櫃融券增加量於KUP&10UP指標之上漲勝算 57
表5-1-2 上櫃融券增加量於KUP&10UP指標之平均報酬率 57
表5-1-3 上櫃融券增加量於KUP&10UP指標之預測平均報酬率 58
表5-1-4 上櫃融券增加量個股依標準進出場步驟實驗其結果 58

 
圖目錄
圖2-1-1 陰線與陽線之實體K線圖 5
圖2-1-2 有實體與引線的陰K線圖 6
圖2-1-3 有實體與引線的陽K線圖 6
圖2-1-4 無實體的K線圖 6
圖3-1-1 開盤位置與K線圖之模型架構圖 13
圖3-2-1 前置模型建構之架構圖 14
圖3-2-2 第t+1天開盤價位於第t天K線的相對訊號之參照圖 15
圖3-3-1 訓練組模型建構之架構圖 19
圖3-4-1 測試組模型建構之架構圖 29
圖4-1-1 模組期間 36
圖4-2-1 原始資料之上漲勝算 37
圖4-2-2 各類指標之上漲勝算 38
圖4-3-1 訓練組模型之由上漲勝算推演正確率門檻 43
圖4-3-2 設定正確率門檻後之報酬率 49

參考文獻
中文部分
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。義守大學資訊管理研究所碩士論文，台北市。
余重毅(2014)。移動平均線在台灣股票指數期貨的應用。逢甲大學財務金融學系碩士論文，台中市。
李厚璋(2014)。波浪理論與移動平均線對台灣股票市場的投資檢測。逢甲大學統計學系統計與精算碩士班論文，台中市。
林天運(2007)。大盤未來走勢預測-KD指標的實證分析。國立成功大學國際企業研究所碩士論文，台北市。
林佳嫻(2003)。中國股市技術分析實證。國立臺灣大學國際企業學研究所碩士論文，台北市。
林明德(2013)。漲跌停頻率與股票報酬率的關係。逢甲大學財務金融學系碩士論文，台中市。
吳榮訓、廖高賢(2007)。使用基因程式規劃預測股票買賣時機。資訊管理學報，第十四卷，第二期，111-138。
吳敏政(2011)。台灣股市歷史上的趨勢轉折－以母子型態為例。中興大學歷史學系研究所碩士論文，台北市。
姚庭俊(2003)，K線理論對股價預測能力之研究，國立中山大學企業管理學系碩士在職專班碩士論文，台北市。
紀麗文(2006)，技術分析之實證研究─檢驗K線戰法，國立臺灣大學經濟學研究所碩士論文，台北市。
韋月桂(2003)，臺灣期貨市場交易策略之研究，國立臺灣大學財務金融學研究所碩士論文，台北市。
施岳宏(2013)，移動平均線結合箱型策略之運用-以台灣50ETF成分股為例，國立屏東商業技術學院財務金融系(所)碩士論文，屏東市。
徐坤豪(2006)。運用K線、KD指標於台股指數期貨效果之研究。東吳大學會計學系碩士論文，台北市。
黎文大(2013)。以移動平均線法研究台灣股市。虎尾科技大學工業工程與管理研究所，雲林縣。
寰宇證券投資顧問公司譯(1999)，股票K線戰法初版，台北市，寰宇出版。原著Steve Nison (1997) Beyond candlesticks: New Japanese Charting techniques revealed.
陳蕾如(2003)，K線與型態辨識函數之開發及技術分析之應用，義守大學財務金融研究所碩士論文，高雄市。
陳頤瑛(2008) ，日本K線型態實證研究，義守大學財務金融學系碩士論文，民國97年，高雄市。
謝玉華(1999)。以拔靴複製法檢驗技術分析交易策略。銘傳大學金融研究所碩士論文，台北市。
證券櫃檯買賣中心。網址：http://www.tpex.org.tw/web/
臺灣證券交易所。網址：http://www.twse.com.tw/ch/index.php


英文部分
Caginalp, G., & Laurent, H. (1998). The predictive power of price patterns. Applied Mathematical Finance, 5, 181-205.
Chu, J., & Osler, C.,L.(2003). Identifying Noise Traders: The Head-and-Shoulders Pattern In U.S. Equities. Federal reserve bank of NEW YORK.
Dong, M., & Zhou, X., S. (2000). Analyzing visual technical patterns- a neural network based saliency analysis, IEEE 2000, 1-5.
Fiess, N. M., & MacDonald, R. (2002). Towards the fundamentals of technical analysis: analyzing the information content of High, Low and Close prices, Economic Modelling,19, 353-374.
Gregory, L. Morris (2006), Candlestick Charting Explained: Timeless Techniques for Trading Stocks and Futures(3st ed.), McGraw-Hill Professional.
Lee, K. H. & Jo, G. S. (1999). Expert system for predicting stock market timing using a candlestick chart, Expert Systems with Applications, vol. 16, no. 4, 357-364.
Tsao, C. Y., & Chen, S. H. (2003). Self-organizing maps as a foundation for charting or geometric pattern recognition in financial time series. Proceedings of the IEEE International Conference on Computational Intelligence for Financial Engineering, Hong Kong.