跳到主要內容

臺灣博碩士論文加值系統

(44.210.83.132) 您好!臺灣時間:2024/05/27 02:37
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:陳彥綜
論文名稱:影響股市技術指標因子之探討--以台灣股市為例
指導教授:邱登裕邱登裕引用關係
學位類別:碩士
校院名稱:中華大學
系所名稱:電機工程學系碩士班
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
論文頁數:73
中文關鍵詞:知識擷取模糊理論倒傳遞類神經網路
相關次數:
  • 被引用被引用:0
  • 點閱點閱:464
  • 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:1
知識的累積與應用是靠不斷的改進和不斷的整合才能有所進步,本研究的重點是利用股票趨勢的預測來證明知識的擷取是需要有確實的驗證才能夠成為一種專業的知識。不管任何的行業都有其一套專業的知識在其中,擷取出有用的知識並應用在專業的領域上,而且還要永久的流傳下來。在瞬息萬變的股票市場中一樣會有一套規則可循,只要不斷的研究學習,一定能夠找出最符合實際狀況的一條規則。以往股市相關的研究大部份著重於類神經網路在預測股市的漲跌之上,而使用的方法則是如何改善類神經網路的缺點。然而在選擇變數的原則上卻是很少有人在研究,所謂「垃圾進則垃圾出」,真正具有影響力的股市因子才有可能導出與實際結果相同的預測值。到底那些指標才是真正影響股市的因素呢?是專家的解盤正確?還是小道消息可靠?或是個人的直覺最穩當呢?這些都不客觀。本研究就是要將這些大眾所認為的知識收集起來,透過模糊理論與倒傳遞類神經網路,不斷進化修改,淘汰不具影響力的因素,加強具影響力的指標,讓真正影響股市的因素浮現出來。

The accumulation and application of knowledge depend on the continuous integration and improvement of information. Our research proves that the professional knowledge must be verified from the retrieved knowledge by using the tendency of stock market. Every domain owns professional knowledge itself. And, it is important to apply and keep the knowledge exacted from a specialized field for us. Therefore, the stock market would have some rules. If we work on it enough, we could find the applicable rules about the stock market. So, the previous researches just focused on the prediction of price fluctuation of stock market by using the Artificial Neural Network or the improvement of architecture of Artificial Neural Network. Nevertheless, they ignored whether the variables used by previous researches have influence on the stock market. If we want to obtain the best prediction of stock market, we must choose carefully the variables that have great effect on the stock market. So, it is just important to find out the appropriate and objective variables for our model. This research is mainly to eliminate the variables that have a little influence on the stock market and find out the variables with great influence for our model by using the Fuzzy theory and Backprogration Neural Network.

目 錄
中文摘要 ………………………………………………………………I
Abstract ..…………………………………………………………….II
誌 謝 詞 .…………………………………………………………….III
目 錄 ……………………………………...……………………..IV
圖 目 錄 …………………………………………………………...VIII
表 目 錄 …………………………………………………………….IX
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 研究方法………………………………………………….3
第四節 研究限制………………………………………………….4
第五節 論文架構………………………………………………….4
第二章 文獻探討……………………………………………………5
第一節 股市理論與技術分析…………………………………….5
一、股價的理論學派……………………………………………5
二、技術分析……………………………………………………6
三、各類知識規則的探討………………………………………8
第二節 模糊理論分析…………………………………………...12
一、模糊系統架構……………………………………………14
二、資料模糊化………………………………………………14
三、模糊規則庫………………………………………………15
四、模糊推論………………………………………………….16
五、解模糊化………………………………………………….17
第三節 倒傳遞類神經網路……………………………………...18
一、類神網路架構……………………………………………..20
二、類神經網路演算法………………………………………..21
三、重要參數值………………………………………………..22
四、改善方法………………………………………………….23
第三章 系統架構………………………………………………………28
第一節 研究架構介紹…………………………………………...28
一、知識庫的建立…………………………………………….28
二、關鍵因子的選擇………………………………………….28
三、股市的預測……………………………………………….28
四、知識的說明……………………………………………….29
第二節 資料收集………………………………………………...30
第三節 模糊理論系統…………………………………………...31
一、模糊規則庫建立………………………………………….31
二、資料模糊化………………………………………………37
三、模糊推論…………………………………………………40
第四節 倒傳遞類神經網路………………………….………….42
一、網路架構…………………………………………………42
二、學習系統…………………………………………………43
第四章 實驗……………………………………………………………46
第一節 關鍵性因子選擇結果…………………………………...46
一、 以明確集合的二分法說明……………………………..46
二、 以模糊集合說明………………………………………..47
第二節 學習結果………………………………………………...48
一、 明確集合之資料正規化、權重值及收歛結果………..48
二、 模糊集合之資料正規化、權重值及收歛結果………..50
第三節 預測結果………………………………………………...53
一、 明確集合之預測狀況…………………………………..53
二、 模糊集合之預測狀況…………………………………..54
第四節 研究結果說明…………………………………………...54
第五章 結論與建議……………………………………………………56
第一節 研究結論…………………………………….…………..56
第二節 未來研究方向……………………………….…………..57
參考文獻………………………………………………………………..58
一、 中文部份……………………………………………….58
二、 英文部份……………………………………………….60
附錄…………………………………………………………………….62
A、股市實際資料……………………………………………………..62
B、正規化後之資料…….…………………………………………….68
圖 目 錄
圖一 模糊系統基本架構圖……………………………….………...14
圖二 倒傳遞類神經網路架構圖………………………….………...21
圖三 系統架構流程圖…………………………………….………...29
圖四 台灣股市加權股價走勢圖………………………….………...31
圖五 三角歸屬函數圖之一……………………………….………...37
圖六 三角歸屬函數圖之二……………………………….………...38
圖七 倒傳遞網路系統圖………………………………….………...43
圖八 明確集合之網路收歛圖…………………………….………...50
圖九 模糊集合之網路收歛圖…………………………….………...52
表 目 錄
表一 類神經網路論文探討…………………………………………19
表二 股市技術指標收集表…………………………………………32
表三 三角歸屬函數ab值對照表…………………………………..39
表四 2002/4/25到2002/5/9股市真實資料………………………...41
表五 5MA、12RSI、10OBOS實際資料表..…………….………...44
表六 5MA、12RSI、10OBOS正規化資料表..………….………...45
表七 明確集合之因子排行表…………………………….………...46
表八 模糊集合之因子排行表…………………………….………...47
表九 明確集合權重學習表……………………………….………...49
表十 模糊集合權重學習表……………………………….………...51
表十一 明確集合之實際與預測狀況比較表……………….………...53
表十二 模糊集合之實際與預測狀況比較表……………….………...54
表十三 十種技術指標知識資料表……………………………………55

一、中文部份
1. 林曉雯 (1997),「類神經網路在台灣股市投資之應用─指標選取與回饋式網路架構之建立」,臺灣大學資訊管理研究所碩士論文。
2. 林威廷 (1995),「以總體經濟因素預測股票報酬率-類神經網路與多元回歸之比較研究」,交通大學資訊管理研究所碩士論文。
3. 吳正治 (2002),「第一次活用技術分析就上手」,易博士文化出版。
4. 吳憲忠 (1999),「應用類神經網路於台灣證券風格分類之研究」,大葉大學資訊管理研究所碩士論文。
5. 吳秉奇 (1999),「類神經網路在台股指數期貨的指數預測應用」,中央大學資訊管理研究所碩士論文。
6. 故國瑜 (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」,政治大學資訊管理研究所碩士論文。
7. 杜金龍 (1996),「技術分析在台灣股市應用的訣竅」,金錢文化出版。
8. 曾思博 (1999),「類神經網路於股價預測與資金配置之應用」,中央大學資管訊管理研究所碩士論文。
9. 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─以股票評等系統為例」,台灣大學資訊管理研究所碩士論文。
10. 楊孟龍 (2000),「類神經網路於股價波段預測及選股之應用」,中央大學資訊管理學系碩士論文。
11. 楊豐松 (1997),「整合式智慧型系統在資訊篩選上的研究-結合類神經網路與模糊理論以證券市場預測為例」,政治大學資管研究所碩士論文。
12. 葉怡成 (2001),「類神經網路模式應用與實作」,第七版,儒林圖書出版。
13. 蔡瑞煌 (1995)、「類神經網路概論」,初版,三民出版。
14. 蘇木春、張孝德 (2000) ,「機器學習:類神經網路、模糊系統以及基因演算法則」,第二版,全華科技出版。
15. 張振魁 (2000),「以類神經網路提高股票單日交易策略之獲利」,中央大學資訊管理學系碩士論文。
16. 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」,台灣大學資訊管理研究碩士論文。
17. 錢善生 (1996),「模糊理論與專家系統在台灣股市之應用」,台灣大學資訊管理研究所碩士論文。
18. 潘建忠、黃國禎 (2001),「網路企業知識累積與整合系統之研究」,第六屆人工智慧與應用研討會(TAAI2001)論文集,pp.46-51。
19. 賴俊霖 (1996),「應用類神經網路預測國外股價指數期約」,政治大學資訊管理研究所碩士論文。
20. 東勝資訊網站-技術指標淺談, http://www.stds.com.tw
21. 股大師股票分析系統網站-技術指標群, http://www.mindtech.com.tw
22. e-stock 發財軟體網站-簡單易用的技術指標, http://www.e-stock.com.tw
23. 股海明燈網-技術指標,http://myhome.compsv.com/stockfutures
24. 熾天使書城網站-股市技術分析 ,http://www.angelibrary.com/economic/gsjs
25. Tripod Asia全球網,-股市名詞之技術指標http://members.ch.tripodasia.com.hk/tatchui2001
26. 大眾綜合證券網站-股市技術指標介紹技術指標,http://trade.tcsc.com.tw/tcsc891015/html/school/school-2-2.htm
27. DlyPost股市分析軟體-技術指標,http://www.ezchart.com.tw/index.php
二、 英文部份
1. Baba, N.; Kozaki, M. (1992), ”An Intelligent Forecasting System of Stock Price Using Neural Networks”, Neural Networks, 1992, IJCNN., International Joint Conference. Volume: 1, pp.371-377.
2. Hsu, W.; Tenorio, M.F. (1992), ”Plastic Network for Predicting the Mackey-Glass Time Series”, Neural Networks, 1992, IJCNN., International Joint Conference. Volume:2, pp.941-946.
3. Jang, G.S.; Lai, F.; Yai-Ming (1993), ”Intelligent Stock Trading Decision Support System Using Dual Adaptive-Structure Neural Networks”, Journal of Information Science and Engineering. Volume: 9, pp.271-297.
4. Kosaka, M.; Mizuno, H.; Sasaki, T.;Someya, R.; Hamada, N. (1991), ”Applications of Fuzzy logic/Neural network to Securities Trading Decision Support System”, Systems, Man, and Cybernetics, 1991, “Decision Aiding for Comples Systems, Conference Proceedings, 1991 IEEE International Conference. Volume: 3, pp.1913-1918.
5. Lam, S. S. (2001), ”A Genetic Fuzzy Expert System for Stock Market Timing”, Evolutionary Computation, 2001, Proceedings of the 2001 Congresson, Volume: 1, pp.410-417.
6. Nishina, T.; Hagiwara, M.; Nakagawa, M. (1994), ”Fuzzy Inference Neural Networks Which Automatically Partition a Pattern Space and Extract Fuzzy If — Then Rules”, Fuzzy System, 1994. IEEE World Congress on Computational Intelligence, Proceedings of the Third IEEE Conference. Volume: 2, pp.1314-1319.
7. Saad, E.W.; Prokhorov, D.V.; Wunsch, D.C. (1996), “Advanced Neural Network Training Methods for Low False Alarm Stock Trend Prediction”, Neural Networks, IEEE International Conference. Volume: 4, pp. 2021-2026.
8. Safer, A.M.; Wilamowski, B.M. (1999), ” Using Neural Networks to Predict Abnormal Returns of Quarterly Earnings”, Neural Networks, 1999, IJCNN '99. International Joint Conference. Volume: 6, pp. 3840 —3843.
9. Tan, C.N.W.; Wittig, G.E. (1993), ”A Study of the Parameters of a Backpropagation Stock Price Prediction Model”, Artificial Nerual Networks and Expert System, 1993, Proceedings, First New Zealand International Two-Stream Conference. pp. 288-291.
10. Wong F.S.; Wang, P.Z.; Goh, T.H. (1991), ”Fuzzy Neural System for Decision Making”, Neural Network, 1991, IEEE International Joint Conference. Volume:2, pp.1625-1637.
11. Youngohc Y.; Swales, G. (1991), ”Predicting Stock Price Performance : A Neural Network Approach”, System Sciences, 1991. Proceedings of the Twenty-Fourth Annual Hawaii International Conference. Volume: IV, pp.156-162.
12. Zuohong P.; Xiaodi L.; Mejabi, O. (1997), ”A Neural-Fuzzy System for Forecasting”, System Sciences, 1997, Proceedings of the Thirtieth Hawaii International Conference. Volume: 5 , pp.549-558.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊