本研究針對亞太地區股市中股價漲跌與各技術指標之間關係作一分析與預
測，希望能夠從目前的價量關係，配合技術分析的方法，並透過多變量迴
歸方程式及類神經網路的技術，以掌握價量關係的行為模式，如此便可充
分瞭解股市未來的發展趨勢。並比較二種預測方法的準確性。在此目的下
本研究的研究對象為亞洲各國股市（台灣、香港、日本、韓國、新加坡及
泰國）。各國股市的研究期間從1980年1月至1996年9月分別選取2至4個研
究期間進行多元迴歸和類神經網路預測績效的比較。根據多元迴歸和類神
經網路預測結果與實際股價之比較及分析，我們可以得到以下結論：1.在
亞洲六國十六個時段內，在某些時段中，樣本內（in-sample）期間之類
神經網路和多元迴歸的預測結果，與樣本外（out-sample）期間之類神經
網路和多元迴歸的預測結果並不一致。2.在亞洲六國十六個時段內，在某
些時段中，樣本內（in-sample）期間與樣本外（out-sample）期間的最
佳類神經網路架構會有不一致的情形發生。3.在以MAE為評估標準時，以
振幅大小、波動大小、及結合振幅大小和波動大小這三項影響類神經網路
和多元迴歸預測結果的因素而言，其正確率為0.875、0.875及0.8125。由
此可顯示，若分別就振幅大小或波動大小這兩項因素來判定哪一個時段適
用類神經網路或適用多元迴歸，其正確率會較高4.在以POCID為評估標準
時，以振幅大小、長期趨勢、及結合振幅大小和長期趨勢這三項影響類神
經網路和多元迴歸預測結果的因素而言，其正確率分別為0.75、0.6875
及0.625。由此可顯示，若分別就振幅大小或長期趨勢這兩項因素來判定
哪一個時段適用類神經網路或適用多元迴歸，其正確率較高5.類神經網路
預測的結果會因為隱藏層數目和隱藏層處理單元數目的不同而有所不同。
所以必需依據各個股市資料的不同，而採取不同的類神經網路結構，如此
才能找出正確的類神經網路架構，改善預測的績效。6.多元迴歸和類神經
網路預測的結果會因為測試期間不同或預測結果評估標準不同而有所不同
。POCID是一個較寬鬆的評估標準，因其只考慮預測結果之方向性，而不
考慮預測值與實際值差距的大小，所以類神經網路預測的結果顯著優於多
元迴歸預測的結果。關鍵詞：1.類神經網路 2.技術分析 3.預測
|