臺灣博碩士論文加值系統

摘要
本研究目的擬利用KD技術指標分別建構線性與非線性之蔬菜價格預測模式，希望透過四種模式之比較以找出各蔬菜品項之最適預測模式。其中線性模式包括GARCH（1,1）模式與多元迴歸模式；非線性模式包括類神經模糊模式與類神經網路模式。
本研究挑選台北一市與西螺果菜市場的蔬菜作為研究對象，並將蔬菜資料分成訓練集與測試集兩部分。利用訓練集資料建構四種預測模式，再將驗證集資料帶入模式中作驗證，並比較四種模式捕捉KD技術指標所隱含訊息的能力，以瞭解四者模式預測蔬菜隔日價格漲跌能力之強弱，藉此提供批發市場供應人作供貨決策之參考。
在資料檢定方面：資料呈現非常態分配、時序相關性、非線性與異質性。在預測績效方面：四種預測模式之衡量指標包括Theil不等係數、MSE、預測方向漲跌率、綜合指標A與綜合指標B。實證結果發現，各蔬菜品項的價格預測模式以類神經網路模式的預測績效最佳；除漲跌方向正確率之外，其次為類神經模糊模式；多元迴歸模式僅在Theil不等係數略勝GARCH（1,1）模式，其餘指標皆顯示多元迴歸模式的預測績效最差。在驗證績效方面：以MSE、漲跌方向正確率、銷售利潤三指標驗證四種預測模式是否能有效掌握未來蔬菜價格之漲跌趨勢。實證結果發現，MSE與漲跌方向正確率兩指標的驗證績效最佳的兩者，依序為類神經網路模式與類神經模糊模式；在模擬交易下的各蔬菜之銷售利潤，發現不僅類神經模糊模式的銷售利潤優於類神經網路模式，且考慮運輸成本下，多種蔬菜品項運往台北一市的銷售利潤高於運往西螺果菜市場。
整體而言，非線性預測模式的績效指標明顯優於線性預測模式，此乃類神經網路與類神經模糊模式除能描述變數間之線性關係，還能具有捕捉變數間之複雜的非線性關係。線性模式中，因GARCH（1,1）模式中的殘差項具異質性，且異質性檢定顯著，使得其預測績效優於多元迴歸模式。
關鍵字：KD技術指標、GARCH、類神經網路、類神經模糊

A Study on the Forcasting in Wholesale Price of Vegetables-A comparison between linear and nonlinear models

目錄
目錄……………………………………………………………………………I
表目錄…………………………………………………………………………II
圖目錄………………………………………………………………………III
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 研究範圍及研究對象…………………………………………………4
第四節 研究流程………………………………………………………………5
第五節 論文架構………………………………………………………………6
第二章 理論基礎與相關文獻探討……………………………………………7
第一節 迴歸分析………………………………………………………………7
第二節 時間序列分析─條件異質變異數模式……………………………10
第三節 模糊理論……………………………………………………………13
第四節 類神經網路…………………………………………………………24
第五節 類神經模糊…………………………………………………………29
第六節 模式預測之評估指標………………………………………………31
第七節 KD技術指標…………………………………………………………35
第八節 農產品價格預測之相關文獻………………………………………37
第九節 小結…………………………………………………………………43
第三章 研究方法……………………………………………………………46
第一節 蔬菜價格多元迴歸模式之建構……………………………………46
第二節 蔬菜價格GARCH（1,1）模式之建構………………………………51
第三節 蔬菜價格類神經網路模式之建構…………………………………52
第四節 蔬菜價格類神經模糊模式之建構…………………………………55
第五節 假設檢定……………………………………………………………63
第四章 實證分析與結果……………………………………………………70
第一節 樣本資料之檢定……………………………………………………70
第二節 線性模式與非線性模式之預測績效………………………………76
第三節 線性模式與非線性模式之驗證績效………………………………88
第五章 結論與建議…………………………………………………………95
第一節 研究結論……………………………………………………………95
第二節 研究限制與建議……………………………………………………97
參考文獻………………………………………………………………………98
附錄一………………………………………………………………………105

壹、中文部分
一、書籍
王文俊編著，認識Fuzzy，全華科技圖書股份有限公司，1997年。
吳柏林著，時間數列分析導論，華泰書局，1995年
孫宗瀛、楊英魁編著，Fuzzy控制─理論、實作與應用，全華科技圖書股份有限公司，1995年。
楊英魁校閱、中國生產力中心編譯，FUZZY控制，全華科技圖書股份有限公司，1993年。
葉怡成編著，類神經網路模式應用與實作，儒林圖書有限公司，2000年。
鄭碧娥著，商情預測，三民書局，第76-79頁，1983年。
蘇木春、張孝德編著，機器學習─類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，1999年。
二、期刊
陳宗玄，「台灣六種主要畜產品產地價格預測分析」，台灣銀行季刊，第四十五卷，第三期，第297-323頁，1994年。
三、論文
吳淑玲，「漲跌幅限制與不對稱效果對台灣股市波動性之探討─台灣實證分析」，淡江大學財務金融研究所碩士論文，1998年。
李家豪，「KD技術指標之類神經模糊交易決策支援系統」，靜宜大學企業管理研究所碩士論文，2001年。
李慶鴻，「模糊類神經網路分析及其應用」，交通大學電機與控制工程所碩士論文，2000年。
林能顯，「台灣蔬菜市場決價效率之研究─時間數列分析法之應用」，中興大學農業經濟研究所碩士論文，1985年。
唐淑娟，「台灣地區鳳梨零售價格預測之研究─灰預測、類神經網路與預測組合之應用」，屏東科技大學農企業管理研究所碩士論文，2001年。
陳怡雅，「利用類神經模糊理論建構過濾法則交易系統之績效研究」，靜宜大學資訊管理研究所碩士論文，2001年。
曾麗華，「以時間數列探討台灣地區之蔬菜價格結構」，成功大學統計研究所碩士論文，1995年。
黃啟仲，「建諸於KD技術指標之股價指數預測模式─線性與非線性模式之比較」，靜宜大學企業管理研究所碩士論文，2001年。
楊新輝，「台北市第一果菜批發市場價量關係之研究」，台灣大學農業經濟學研究所碩士論文，1999年。
葉敬軒，「台灣主要水果之價格分析─非線性模型之應用」，中興大學農產運銷研究所碩士論文，2001年。
趙雲瀚，「以資料探勘分析氣候因素對蔬菜供給量之影響」，南華大學資訊管理研究所碩士論文，2001年。
鄭永福，「台灣地區主要蔬菜價格之時間數列分析」，成功大學統計所碩士論文，2000年。
鄭妃君，「利用類神經模糊理論評定契合程度─以管理人員甄選為例」，靜宜大學企業管理研究所碩士論文，1998年。
譚光榮，「時空數列分析在蔬菜價格變動與產銷策略之研究」，政治大學統計所碩士論文，1993年。
蘇志倫，「台灣主要水果市場之動態分析」，中興大學農產運銷研究所碩士論文，1999年。
貳、英文部分
I. Books
Altrock, C. V.(1997), Fuzzy Logic and NeuroFuzzy Applications in Business and Finance, NJ: Prentice-Hall PTR..
Armstrong, J. S.(1985), Long-Range Forecasting: From Crystal Ball to Computer, New York: Wiley.
Dielman, T. E.(2001), Applied Regression Analysis, 3rd edition, CA:Duxbury Press, 2001.
Ender, W.(1995), Applied Econometric Time Series, 1st edition, NJ:John Wiley & Sons, 135-158.
Gaynor, P. E., and R. C. Kirkpatrick(1994), Introduction to Time-series Modeling and Forecasting in Business and Economics, McGraw-Hill.
Granger, C. W. J.(1993), “Developments in the nonlinear Analysis of Economic Series”, Scandinavian Journal of Economics, 2nd edition, 263-276.
Hayes-Roth F., D.A. Waterman, and D.B. Lenat(1983), Building Expert Systems, MA:Addrison-Wiley.
Haykin, S.(1999), Neural Networks:A Comprehensive Foundation, 2th edition, NJ: Prentice-Hall.
Hill, R. C., W. E. Griffiths, and G. G. Judge(1997), Undergraduate Econometrics, 43-50, NJ:John Wiley & Sons.
McNeill, D., and P. Freiberger(1996), fuzzyTech for Business Reference Manual, INFORM GmbH Aachen and Inform Software Corporation Chicago.
Minsky, M.L., and S. S. Papert(1969), Perceptrons, Cambridge, MA: MIT Press.
Murpthy, J.J.(1986), Technical Analysis of the Futures Markets, 1st edition, NJ: Prentice-Hall.
Neter, J., W. Wasserman, and M. H. Kutner(1983), Applies Linear Regression Models,.
Pindyck, R. S., and D. L. Rubinfeld(1997), Econometric Models and Economic Forecasts, 4th edition, McGraw-Hill.
Zadeh, L.A.(1965), Fuzzy sets, Information and control, Vol.8, 338-353.
Zimmermann, H. J.(1987), Fuzzy Sets, Decision Making, and Expert Systems, Bonton: Kluver Academic Publisher.
Zimmermann, H. J., and C. von Altrock(1993), Fuzzy Logic and 2: Die Anwendungen, Munich: Oldenbourg.
II. Periodicals
Akgiray, V.(1989), “Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecasts”, Journal of Business, Vol.62, 55-80.
Bacsi, Z.,“Modelling Chaotic Behaviour in Agricultural Prices Using a Discrete Deterministic Nonlinear Price Model”, Agricultural Systems, Vol.55, No.3, 445-459, 1997.
Bera, A., E. Bubnys, and H. Park(1988), “Conditional Heteroscedasticity in the Market Model and Efficient Estimates of Betas”, Financial Review, Vol.23, 201-214.
Bessembinder, H., and K. Chan(1995), “The profitability of technical trading rules in the Asian stock markets”, Pacific-Basin Finance Journal 3, 257-284.
Bohan, J.(1981), “Relative Strength: Further Positive Evidence”, Journal of Portfolio Management, 36-39.
Brock, W., J. Lakonishok, and B. LeBaron(1992), “Simple Technical Trading Rules and Stochastic Properties of Stock Returns”, Journal of Finance, Vol.47, 1731-1764.
Brown, D. P., and R. H. Jenning(1989), “On Technical Analysis”, Review of Financial Studies 2, 527-551.
Capon, N.(1982), “Credit Scoring Systems: A Critical Analysis”, Journal of Marketing, Vol.46, 82-91.
Chen, L. H., and T. W. Chiou(1999), “A fuzzy credit-rating approach for commercial loans: a Taiwan case”, The International Journal of Management Science, Vol.27, 407-418.
Davidson, V. J., J. Ryks, and T. Chu(2001), “Fuzzy Models to Predict Consumer Ratings for Biscuits Based on Digital Image Features”, IEEE Transactions on Fuzzy Systems, Vol.9, No.1, 62-67.
Dorward, A. R.(1996), “Mdelling Diversity, Change and Uncertainty in Peasant Agriculture in Northern Malawi”, Agricultural Systems, Vol.51, No.4, 469-486.
Elder, A.(1987), “Using Stochastics to Catch Early Trend and Reversals”, The Magazine of Commodities & Options, Vol.16, 68-72.
Fornari, F., and A. Mete(1997), “Sing-and volatility-switching ARCH model: Theory and applications to international stock markets”, Journal of Applied Econometrics, Vol.12, 49-65.
Frey, C. W., and H. B. Kuntze(2001), “A Neuro-Fuzzy Supervisory Control System for Industrial Batch Process”, IEEE Transactions on Fuzzy Systems, Vol.9, No.4, 570-577.
Grossman, S. J., and J. E. Stiglitz(1980), “On the Impossibility of Informationally Efficient Markets”, American Economics Theory, Vol.18, 393-408.
Hawley, D., and D. Raina(1990), “Artificial Neural System: A New Tool for Financial Decision- Making”, Financial Analysis Joural, 63-72.
Hornik, K.(1989), “Multilayer Feedforward Networks are Universal Approximators”, Neural Networks, Vol.2, 359-366.
Kaneko, T.(1996), “Building a Financial Diagnosis System Based on Fuzzy Logic Production System”, Computer and Industrial Engineering, Vol.31, No.3, 743-746.
Kaneko, T.(1996), “Building a financial diagnosis system based on fuzzy logic production system”, Computers & Industrial Engineering, Vol.31, 743-746.
Kuo, R.J., and K.C. Xue(1998), “A decision support system for sales forecasting through fuzzy neural networks with asymmetric fuzzy weights”, Decision Support System, Vol.24, 105-126.
Lakonishok, J., A. Shleifer, and R. W. Viahmy(1994), “Contrarian investment, extrapolation, and risk”, Journal of finance, Vol.49, 1541-1578.
Lee, C. H., and C. C. Teng(2000), “Approximation of Periodic Functions Using a Modified Fuzzy Neural Network”, International Journal of Fuzzy Systems, Vol.2, No.3, 176-182.
Leitch, G., and J. E. Tanner(1991), “Economic Forecast Evaluation: Profit versus Conventional Error Measures”, Amercian Economic Review, Vol.81, No.3.
Levy, R. A.(1967), “Relative Strength as a Criterion for Investment Selection”, Journal of Financial, Vol.22, 595-610.
Malliaris, A.G., and J. L.Urrutia(1998), “Volume and Price Relationship: Hypotheses and Testing for Agricultural Futures”, The Journal of Futures Markets, Vol.18, No.1, 53-72.
Mohamed, A. N.(2001), “Knowledge based approach for productivity adjusted contruction schedule”, Expert Systems, Vol.21, 87-97.
Nie, J.(1997), “Nonlinear time-series forecasting: A fuzzy-neural approach”, Neurocomputing, Vol.16, 63-76.
Rosenblatt, F.(1958), “The Perception, a Probabilistic Model for Information Storage and Organization in Brain”, Psychological Review, Vol.62, 386-408.
Rumelhart, D. E., and J. L. McClelland(1986), “Learning internal representation by error propagation”, Parallel Distributed Processing, Vol.1, 318-362, Cambridge, MA: MIT Press.
Setnes, M., and U. Kaymak(2001), “Fuzzy Modeling of Client Preference from Large Data Sets: An Aplication to Target Selection in Direct Marketing”, IEEE Transactions on Fuzzy Systems, Vol.9, No.1, 153-163.
Smith, P., S. Husein, and D. T. Leonard(1996), “Forecasting Short Term Regional Gas Demand Using an Expert System”, Expert Systems With Applications, Vol.10, No.2, 265-273.
Sugeno, M., and T. Yasukawa(1993), “A Fuzzy-Logic-Based Approach to Qualitative Modeling”, IEEE Transactions on Fuzzy Systems, Vol.1, No.1, 7-31.
Sweeney, R.(1986), “Beating the Foreign Exchange Market”, Journal of Finance, Vol.41, 163-182.
Tong, R. M., and P. P. Bonissone(1984), “Linguistic Solutions to Fuzzy Decesion Problems”, Fuzzy Sets and Decision Analysis, 323-334.
Treynor, J.L., and R.Ferguson(1985), “In Defense of Technical Analysis”, Journal of Finance, Vol.40, 757-775.
Wang, Y., Y. S. Zhu, N. V. Thakor, and Y. H. Xu(2001), “A Short-Time Multifractal Approach for Arrhythmia Detection Based on Fuzzy Neural Network”, IEEE Transactions on Biomedical engineering, Vol.48, No.9, 989-994.
Wu, B.(1994), “Identification environment and robust forecastimg for nonlinear time series”, Computational Economics, Vol.7, 37-53.
III. Conference Papers
Baba, N., and M. Kozaki(1992), “An intelligent forcasting system of stock price using neural networks”, IEEE International Joint Conferenceon Neural Networks, Vlo.1, 371-377.
Black, F., “Studies in stock price volatility chances”, in Proceedings of the Bussiness and Economic Statistics Section, American Statistical Association, 177-181.
Foo, Yoon-Pin S., and Y. Takefuji(1989), “Stochastic neural networks for solving Job-Shop scheduling: part2. architecture and simulations”, IEEE International Joint Conferenceon Neural Networks, Vol.2, 283-290.
Garris, M.D. et al.(1991), “Methods for enhancing neural network handwritten character recognition”, IEEE International Joint Conferenceon Neural Networks, Vol.1, 695-700.
Hsieh, K. L.(1999), “Applying Neural Networks and Fuzzy Sets to Achieving the Off-line Quality Optimization”, Tanwan, Mass.: PH. D.dissertation, Chiao-Tung University.
Odom, M. D.(1989), “A neural network model for bankruptcy prediction”, IEEE International Joint Conferenceon Neural Networks, Vol.2, 163-168.
Surkan, A. J., and J. D. Singleton(1989), “Neural networks for bond rating improved by multiple hidden layers”, IEEE International Joint Conferenceon Neural Networks, Vol.2, 157-162.