跳到主要內容

臺灣博碩士論文加值系統

(44.192.115.114) 您好!臺灣時間:2023/09/29 22:20
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

: 
twitterline
研究生:張政一
研究生(外文):cheng-yi chang
論文名稱:類神經網路於有價證券預測股價及漲跌之研究
論文名稱(外文):Applying Back propagation Neural Network to predict Stock price : evidence from Taiwan stock market
指導教授:賴素鈴賴素鈴引用關係
指導教授(外文):sue-ling Lai
學位類別:碩士
校院名稱:中國文化大學
系所名稱:國際企業管理研究所
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:2001
畢業學年度:89
語文別:中文
論文頁數:97
中文關鍵詞:類神經網路人工智慧決策支援系統股價預測漲跌預測
外文關鍵詞:artificial neural networkBack propagation Neural Networkdecision support systemstock prediction
相關次數:
  • 被引用被引用:70
  • 點閱點閱:1354
  • 評分評分:
  • 下載下載:223
  • 收藏至我的研究室書目清單書目收藏:10
本研究有四大目的:
一、針對台灣電子類股的日、週、月股價進行預測,但為了避免技術指標間具有高度的相關,而影響了預測的結果,於是應用因素分析先對輸入變數進行融合成綜合指標,減少輸入變數的個數以期避免共線性的問題與增加類神經網路的收斂速度,並比較有無加入因素分析的差異。但實證發現有加入因素分析之類神經網路收斂較差。
二、針對預測時間的長短進行比較分析,也就是比較日、週、月股價預測的類神經網路的收斂速度,以期提供投資者欲進行股價預測應選擇何種時間長度為最佳。經實證發現,以週為預測單位預測能力最好。
三、針對股價漲跌進行預測分析,並比較日、週、月漲跌預測的錯誤預測比例,以期提供投資者欲進行股價漲跌預測應選擇何種時間長度為最佳。經實證發現,以週為預測單位預測能力最好。
四、分析輸入變數的多寡與資料比數多寡的關係,以期提供投資者欲進行股價漲跌預測時的一個挑選準則。經實證發現,當類神經網路訓練期資料筆數增加,則類神經網路進行預測的結果愈準確;而變數愈多並不一定會增加類神經網路的預測能力。
Stock market is an important part of Economics. Companys can finance from stock market and investors also can get profit from stock market. Therefore, for a country, stock market really is a way to develop economics.
The past, people almost use regression and time series to predict stock price. But recently, artificial neural network is a new way to predict stock price. My research will predict stock price by an artificial neural network.
This paper has four conclusion:
1. The factor analysis can’t speed Back-propagation neural network converge.
2. For Back-propagation neural network, the best predict stock higher or lower period is week.
3. For Back-propagation neural network, the best predict stock price period is week.
4. The more training period has the more predict correct rate. But the more variables uncertainly increase predict correct rate.
第一章  緒論....................1
  第一節  研究動機與背景.............1
第二節 研究目的................ 2
第三節 研究範圍與資料來源...........3
第四節  研究限制................4
第五節  研究架構................5
第二章  文獻探討..................6
  第一節  資料擷取................6
  第二節  決策支援系統..............7
第三節 股票分析相關理論............ 8
第四節 傳統預測方法.............. 19
第五節 類神經網路理論............. 20
第六節 類神經網路在股價預測上的應用......25
第三章  研究方法..................29
  第一節  系統架構................29
第二節 因素分析................ 34
第三節 研究對象及期間.............37
第四章 實驗結果與分析............... 38
第一節 變數相關分析.............. 38
第二節 比較有無加入因素分析預測股價結果.... 40
第三節 比較長短期預測股價結果......... 52
第四節 變數多寡與資料筆數的關係........ 56
第五節 預測股價漲跌結果............ 58
第五章 研究結論與建議............... 66
第一節 研究結論................ 66
第二節 後續研究建議.............. 67
參考文獻 ......................69
附錄A  個股訓練期有無因素分析比較圖........ 75
附錄B 個股股價漲跌預測表.............86
參考文獻
中文部分
方世杰(1998),市場預測方法一百種,台北:書泉出版社。
王春笙(1996),以技術指標預測台灣股市股價漲跌之實證研究-以類神經網路與複回歸模式建構,國立台灣大學資訊管理研究所未出版之碩士論文。
王淑芬(1994),投資學,台北:華泰書局。
朱佩亭(1996),運用遞迴式類神經網路為基礎之股票交易決策支援系統,國立台灣大學資訊管理研究所未出版之碩士論文。
吳致遠(1999),類神經群集模式於企業債信評等之應用,私立元智大學資訊管理研究所未出版之碩士論文。
吳振坤(1992),類神經網路在學習台灣股價行為上的應用,國立交通大學資訊管理研究所未出版之碩士論文。
岑英勤(1993),智慧型決策系統運用於台灣股票市場技術面分析之研究,國立交通大學資訊管理研究所未出版之碩士論文。
李安邦(1997),以遺傳演算法為基底的模糊專家系統於投資策略之應用,私立元智大學管理研究研所未出版之碩士論文。
杜世崇(1998),人工智慧型台灣股市交易輔助系統-----以類神經網路為基礎之資金漢籌碼面研究,國立台灣大學電機工程研究所未出版之碩士論文。
易丹輝(1993),統計預測-方法與應用,台北:新華書店。
林幸怡(1996),農村景觀資源評估模式之研究,國立中興大學園藝研究所未出版之碩士論文。
林威廷(1995),以總體經濟因素預測股票報酬率-類神經網路與多元迴歸之比較研究,國立交通大學資訊管理研究所未出版之碩士論文。
林萍珍(1998),遺傳演算法在使用者導向的投資組合選擇之應用,國立中央大學資訊管理研究所未出版之碩士論文。
波濤(1997),系統交易方法,台北:經濟管理出版社。
紀桂銓(1993),類神經網路對股市反轉點之學習與預測應用,國立交通大學資訊管理研究所未出版之碩士論文。
胡國瑜(1996),類神經網路產業盈餘預測及其投資策略之研究--以電子電機及紡織業為例,國立政治大學資訊管理研究所未出版之碩士論文。
張佑瑋(1999),運用基因演算法整合技術指標以支援證卷投資決策之研究,國立中山大學資訊管理研究所未出版之碩士論文。
張真卿(1998),股市成功操作指南,台灣:廣廈出版。
張喬富(1998),類神經網路股市投資決策支援系統─總體經濟變數之再探討,國立台灣大學資訊管理研究所未出版之碩士論文。
梅玉成(1998),應用分散式類神經網路於財經資料庫之資料擷取與決策支援,國立台灣大學資訊管理研究所未出版之碩士論文。
陳明智(1989),智慧型股票操作法,台北:邯鄲出版社。
陳建福(1995),遺傳程式與市場擇時策略之研究:台灣股票市場的應用,國立政治大學經濟研究所未出版之碩士論文。
陳順宇(2000),多變量分析,台北:華泰書局。
曾思博(1998),智慧型財務資訊系統發展平台規劃,國立中央大學資訊管理研究所未出版之研究報告。
曾思博(1999),類神經網路於股價預測與資金配置之應用,國立中央大學資訊管理研究所未出版之碩士論文。
曾國雄(1996),傳統計量迴歸、模糊迴歸、GMDH、類神經網路四種方法在預測應用之比較─以國人赴港旅客需求之預測為例,中國統計學報,34(2),132- 161。
曾淑青(1994),運用類神經網路於台灣股票市場價量關係的預測與分析,國立交通大學資訊管理研究所未出版之碩士論文。
葉怡成(1997),類神經網路-模式應用與實作,台北:儒林出版社。
葉怡成(2000),應用類神經網路,台北:儒林出版社。
廖昱善(1996),應用類神經網路於企業資料庫之資料探索與決策--以人身壽險核保為例,國立台灣大學資訊管理研究所未出版之碩士論文。
潘宏一(1987),知識庫支持之證券投資決策系統,國立台灣科技大學工程技術研究所未出版之碩士論文。
賴宏仁(1995),結合技術分析與類神經網路以支援股票投資決策之研究,國立中山大學資訊管理研究所未出版之碩士論文。
謝青皓(1997),運用人工智慧於台灣證卷市場預測之研究,國立中山大學資訊管理研究所未出版之碩士論文。
謝劍平(2000),投資學,台北:智勝文化事業有限公司。
謝劍平(2000),財務管理,台北:智勝文化事業有限公司。
英文部分
Adler, P. S. (1993). Time-and-motion regained. Harvard Business Re-view, 71(26), 97-108.
Baba, N., & Kozaki, M. (1992). An intelligent forecasting system of stock price using neural networks. Journal of marketing, 46(23), 23-29.
Chang, K. C., & Wong, A. K. (1991). A statistical technique for ex-tracting classificatory knowledge from database. Harvard Busi-ness Review, 73(16), 150-162.
Clarence, N. W., & Wittig, G. E. (1993). A study of the parameters of a back propagation stock price prediction model. Harvard Business Review, 69(29), 288-291.
Fausett, L. (1994). Fundamentals of neural networks-architectures. The Mit Press, 29(12), 35-39.
Fayyad, U. M. (1996). Advances in knowledge discovery and data mining. The Mit Press, 15(13), 26-29.
Frawley, W. J. (1991). From data mining to knowledge discovery: An overview. The Mit Press, 26(19), 36-42.
Grupe, F. H., & Owrang, M. M. (1995). Database mining discovering new knowledge and cooperative advantage. Information Sys-tems Management, 25(19), 22-26.
Jang, G. S. (1991). An intelligent trend prediction and reversal recog-nition system using dual-module neural networks. The first In-ternational Conference on Artificial Intelligent Applications on Wall Street, 26(24), 54-59.
Jobman, D. R. (1995). The handbook of technical analysis. The Mit Press, 26(12), 37-49.
Kimoto, T., & Asakawa, K. (1990). Stock market prediction system with modular neural networks. The Mit Press, 25(23), 36-43.
Kosaka, M., Mizuno, H., Sasaki, T., Someya, R., & Hamada, N. (1991). Applications of fuzzy logic/neural network to Securities trading decision support system. The Mit Press, 28(14), 37-42.
Lewinson, H. D. (1993). Using neural networks to differentiate be-tween winner and loser stocks. The Mit Press, 37(19), 23-29.
Murphy, J. (1986). Technical analysis of the futures markets. The Mit Press, 36(11), 39-43.
Yoon, Y., & Swales, G. (1991). Predicting stock price performance: A neural network approach. The Mit Press, 25(11), 39-44.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top