跳到主要內容

臺灣博碩士論文加值系統

(100.28.132.102) 您好!臺灣時間:2024/06/21 23:32
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:陳國安
研究生(外文):CHEN KUO AN
論文名稱:台灣股市電子股報酬率之預測--類神經網路與GARCH模型之應用
指導教授:徐俊明徐俊明引用關係
學位類別:碩士
校院名稱:東海大學
系所名稱:管理研究所
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:1999
畢業學年度:87
語文別:中文
論文頁數:61
中文關鍵詞:類神經網路GARCH模式技術指標證券交易費用
外文關鍵詞:Back-propagation NetworkBPNTechnical IndexesBuy-and-HoldThe Market Model
相關次數:
  • 被引用被引用:12
  • 點閱點閱:894
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本研究利用類神經網路中之倒傳遞模式及計量方法中之GARCH(1,1)模式來預測電子股之股價報酬率,資料期間分為樣本內(In the sample)時間為民國84年1月5日至86年12月31日,共860個交易日資料;而樣本外(Out of the sample)期間為民國87年1月3日至88年1月29日,共290個交易日資料,資料週期採取日資料(Daily Data),並檢定其預測績效是否優於買入持有策略及市場模式。
在臺灣,許多分析師與投資人偏好以技術面預測股價,使用技術指標(Technical Indexes)最大的優點在於資料極易取得,且計算容易,因此本研究結合一般市場上常用的計量化技術指標,希望經由類神經網路強大的學習能力,補捉到買賣點出現的輸入變數特徵,以找尋好的交易時機(Timing),協助投資者進行投資決策。
本研究實證得出下列結論:
一、 神經網路與GARCH模式結果相比較,在理論上不須判定資料型態,不須事先訂立模式,可處理非線性的問題,並且可利用學習訓練來解決問題,對於股價報酬率預測問題,提供了極佳的方法,實證結果也顯示,不論是否考慮交易成本,神經網路的預測績效(17.08%、8.29%)較GARCH模式(0.0%、-6.1%)為佳,而在獲利交易比率方面,神經網路(58%)也較GARCH模式(47%)有好的表現。
二、 技術分析神經網路,在實際的運用在股市操作上,確實較買入持有策略來得佳,神經網路的確有正的超額報酬存在,考慮交易成本後結果亦相同。這個實證結果顯示神經網路利用過去的資料,是可以擊敗市場的,獲取利潤。
三、 GARCH(1,1)模式在考慮交易成本時,顯著較市場模式為差,存在負的異常報酬,市場可擊敗本模式。
四、 技術指標是屬於短期性,若以此作為投資決策準則,進出頻繁,在交易成本的侵蝕下,長期下來是無法勝過市場。
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 研究限制3
第四節 研究架構4
第二章 理論及文獻探討6
第一節 證券市場技術面分析探討6
第二節 類神經網路理論8
第三節 應用類神經網路預測股票市場相關研究16
第三章 研究方法21
第一節 類神經網路建構之分析與設計21
第二節 一般化自身迴歸異值條件變異(GARCH)模型29
第三節 投資績效之衡量32
第四節 統計檢定及研究假設37
第五節 資料選取說明38
第四章 實證結果與分析40
第一節 神經網路之預測績效40
第二節 GARCH(1,1)之預測績效41
第三節 假設檢定與分析43
第五章 結論與建議45
第一節 研究結論45
第二節 研究建議46
參考文獻47
圖表目錄
圖1-1 研究架構5
圖2-1 人工神經元模型9
圖2-2 倒傳遞類神經網路架構15
圖2-3 倒傳遞類神經常用的非線性轉換函數16
圖3-1 NeuralWorks ProfessionalⅡ/Plus建立網路的基本步驟27
表2-1 國外實證研究之彙整18
表2-2 國內實證研究之彙整19
表3-1 本研究之輸入變數22
表3-2 證券交易稅及手續費33
表3-3 研究樣本一覽表39
表4-1 神經網路於測試期之模擬績效統計表(未考慮交易成本)51
表4-2 神經網路於測試期之模擬績效統計表(考慮交易成本)52
表4-3 神經網路未考慮交易成本之個股報酬率(%)53
表4-4 神經網路考慮交易成本之個股報酬率(%)54
表4-5 GARCH模型資料檢定55
表4-6 GARCH(1,1)模型估計係數統計表56
表4-7 GARCH(1,1)於測試期之模擬績效統計表(未考慮交易成本)57
表4-8 GARCH(1,1)於測試期之模擬績效統計表(考慮交易成本)58
表4-9 GARCH(1,1)未考慮交易成本之個股報酬率(%)59
表4-10 GARCH(1,1)考慮交易成本之個股報酬率(%)60
表4-11 神經網路Wilcoxon等級符號檢定結果61
表4-12 GARCH(1,1)Wilcoxon等級符號檢定結果61
一、中文部分
1. 朱佩亭,運用遞迴式類神經網路為基礎之股票交易決策支援系統,台灣大學資訊管理研究所碩士論文,民國85 年。
2. 呂玉銘,運用類神經網路於台灣證券市場基本面分析,交通大學資訊管理研究所碩士論文,民國83年。
3. 何宜鍵,上市公司股價報酬率及波動性之預測,中正大學企業管理研究所碩士論文,民國86年。
4. 杜金龍,技術分析在台灣股市應用的決竅,台北:金錢文化,民國87年。
5. 林建甫與張焯然,結構性改變的GARCH模型,台灣大學經濟系執行行政院國科會科資中心委託專案,民國83年 。
6. 林威廷,以總體經濟因素預測股票報酬率,交通大學資訊管理研究所碩士論文,民國84年。
7. 周志隆,股票風險波動之研究-異質條件變異數分析法,台灣大學商學研究所碩士論文,民國80年。
8. 周育蔚,利用類神經網路建立台灣股價預測模型,台灣大學商學研究所碩士論文,民國85年。
9. 邱奕德、劉曦敏、蔡瑞煌,應用理解神經網路系統於台灣股價指數之分析與預測,經濟研究,173~200,民國85 年。
10. 周易如,類神經網路在個別股價預測之探討與應用,銘傳管理學院管理科學研究所碩士論文,民國86年。
11. 周茂柏,商用統計學,曉園出版社,民國81年。
12. 洪美慧,技術分析在台灣股市之研究,東海大學管理研究所碩士論文,民國85年。
13. 徐俊明,投資學理論與實務,新陸書局印行,民國87年3月增訂2版。
14. 張家澍,以可調結構類神經網路為主之智慧型證券交易決策支援系統之設計與製作,台灣大學電機工程學研 究所博士論文,民國82年。
15. 張文信,以類神經網路預測股價指數漲跌,台灣大學財務金融研究所碩士論文,民國84年。
16. 郭震坤,台灣股市投資行為與績效-技術分析短期操作獲利性研究,中華民國管理科學學會出版,民國86年。
17. 黃煥彰,提高台灣電子類股投資績效之研究-類神經網路結合技術指標,中興大學企業管理研究所碩士論文, 民國85年。
18. 游崇智,利用類神經網路模擬多變量計量模式於台灣股市之分析與預測,中原大學企業管理研究所碩士論文 ,民國85年。
19. 曾淑青,運用類神經網於台灣股票市場價量關係的預測與分析,交通大學資訊管理研究所碩士論文,民國83年 。
20. 楊踐為、許至榮、徐桂祥,利用類神經網路預測營建股之股票報酬率,台灣經濟金融月刊,33:11,23~32,民 國86年。
21. 楊重任、林金賢、杜宏毅,類神經網路與時間序列在財務預測上的應用-二階段財務預測方法,靜宜大學財務 計算研討會,民國88年。
22. 葉怡成,應用類神經網路,台北:儒林圖書,民國86年初版。
23. 葉怡成,類神經網路模式應用與實作,台北:儒林圖書,民國87年5版。
24. 蔣廷芳,類神經網路預測系統,企銀季刊,17:4,40~49,民國83年。
25. 蔡瑞煌,類神經網路概論,台北市:三民,民國84年。
26. 蔡玠施,亞洲股市間動態波動效果之實證研究-GARCH模型之應用,台灣大學財務金融研究所碩士論文,民國 84年。
27. 劉宜峰,以類神經網路與ARIMA模式預測台灣股市行為之適用性比較,東吳大學會計研究所碩士論文,民國 85年。
二、英文部分
1. Abhyankar, A.H.,"Return and Volatility Dynamics : the FTSE 100 Stock Index and Stock Index Futures Markets,"Journal of Futures Markets, 15, 1995, pp.457~488.
2. Baba, N. and M. Kozaki,"An Intelligent Forecasting System of Stock Price Using Neural Networks,"IJCNN-92, 1, 1992, pp.371~377.
3. Bollerslev, T., "Generalized Autoregressive Conditional Heteroscedasticity," Journal of Econometrics, 31, 1986, pp.307~327.
4. Brock, W., J. Lakonishok, and B. LeBaron,"Simple Technical Trading Rule and the Stochastic Properties of Stock Returns,"Journal of Finance, 1992, pp.1731~1764.
5. Clarence N.W.,"Incorporating Artificial Neural Networks into a Rule-Based Financial Trading System,"IEEE Computer Society Press, 1993, pp.292~293.
6. Connor, D.,"Data Transformation Explains the Basics of Neural Networks,"EDN, May 12, 1988, pp.138~144.
7. Dickey, D.A. and W.A. Fuller, "Likelihood Ration Statistcis for Autoregressive Time Series with a Unit Root," Econometrica, 49, 1981, pp.1057~1072.
8. Engle, R.F.,"Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation,"Econometrica, 50, 1982, pp.987~1007.
9. Eugene F. Fama and M.E. Blume,"Filter Rules and Stock Market Trading,"Journal of Business, 1966, pp.226~241.
10. Fant, L. and P. Coats,"A Neural Network Approach to Forecasting Financial Distress,"Journal of Business Forecasting, 1992, pp.9~12.
11. Gary, G. and L. Osburn,"Forecasting S&P and Gold Furtures Prices: An Application of Neural Networks,"Journal of Futures Markets, 13, 1993, pp.631~643.
12. Hill, T., M. O''Connor, and W. Remus,"Neural Network Models for Time Series Forecasts,"Management Science, 42, 1996, pp.1082~1092.
13. Hornik, K., M. Stinchcombe, and H. White,"Multilayer Feedforward Networks Are Universal Approximation,"Neural Networks, 2, 1989, pp.359~366.
14. Hung, S.Y., T.P. Liang, and V.W. Liu,"Integrating Arbitrage Pricing Theory and Artificial Neural Networks to Support Portfolio Management,"Proceedings of ISDSS, 1995, Hong Kong.
15. Iman, R. and W.J. Conover, Modern Business Statistics, Wiley, New York, 1983.
16. James, W. H.,"Adaptive Selection of US Stocks with Neural Networks,"Trading on the Edge, 1994, John Wiley & Sons Inc..
17. Jones, C.P.,"Investment : Analysis and Management,"Journal of Financial and Quantitative Analysis, 3, 1988, pp.315~326.
18. Kimoto, T. and K. Asakawa,"Stock Market Prediction System with Modular Networks,"IEEE International Joint Conference on Neural Networks, 1, 1990, pp.1~6.
19. Kryzanowski, L., M. Galler, and W. Wright,"Using Artificial Neural Networks to Pick Stocks,"Financial Analysts Journal, 49, 1993, pp.21~27.
20. Levy, R.A.,"Relative Strength as a Criterion for Investment Selection,"Journal of Finance, 1967, pp.595~610.
21. Morio, Y.," Predicting the Tokyo Stock Market,"Trading on the Edge, 1994, pp.66~97, John Wiley & Sons Inc..
22. Najand, M. and K. Yung,"Conditional Heteroskedasticity and the Weekend Effect in S&P 500 Index Futures,"Journal of Business Finance and Accounting, 21, 1994, pp.603~612.
23. NeuralWare Inc., "Neural Network Professional II Plus : User Guide," 1989.
24. Pruitt, S.W. and R.E. White,"The CRISMA Trading System: Who Says Technical Analysis Can''t Beat the Market ?,"Journal of Portfolio Management, 1988, pp.55~58.
25. Reilly, Frank K., Investments, Dryden Press, 1986.
26. Rumelhart, D., G. Hinton, and R. Williams,"Intelligent Learning Internal Representations by Error Propagation,"Parallel Distributed Processing : Explorations in the Microstructure of Cognition, 1, The MIT Press, 1986, pp.318~364.
27. Said, S.E. and D.A. Dickey, "Testing For Unit Roots in Autoregressive-Moving of Unknown Order, " Biometrika, 71, 1984, pp.599~608.
28. Sweeney, R.J.,"Some New Filter Rule Tests : Methods and Results,"Journal of Financial and Quantitative Analysis, 23, 1988, pp285~300.
29. Wasserman, P.D., Neural Computing : Theory and Practice, Van Nostrand Reinhold, New York, 1989.
30. White, H.,"Learning and Statistics,"in H. White (Ed.), Artificial Neural Networks : Approximations and Learning Theory, Blackwell, Oxford, UK, 1992.
31. Wong, S.L. and D. Allen,"A Neural Network Approach to Stock Market Holding Period Returns,"American Business Review, 13, 1995, pp.61~64.
32. Wood, D and B. Dasgupta,"Modelling and Index of the French Capital Market,"Economic and Financial Computing, 1994, pp.119-136.
33. ───,"Classifying Trend Movements in the MSCI U.S.A Capital Market Index - A Comparison of Regression ARIMA and Neural Network Methods,"Computers & Operations Research, 23, 6, 1996, pp.611~622.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top