(3.215.183.251) 您好!臺灣時間:2021/04/23 14:39
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:陳丁旗
研究生(外文):Chen, Ting-Chi
論文名稱:共同基金報酬率預測及投資策略之研究-基因及類神經網路之應用
論文名稱(外文):THE RESEARCH OF THE PREDICTION OF PREMIUM RATE AND INVESTMENT STRATEGY OF MUTUAL FUND — THE APPLICATION OF GENETIC ALGORITHM AND NEURAL NETWORKS
指導教授:古永嘉古永嘉引用關係
指導教授(外文):KU, YUN-GIA
學位類別:碩士
校院名稱:國立臺北大學
系所名稱:企業管理學系
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:2003
畢業學年度:91
語文別:中文
論文頁數:89
中文關鍵詞:基因演算法類神經網路共同基金投資策略
外文關鍵詞:genetic algorithmneural networksmutual fundinvestment strategy
相關次數:
  • 被引用被引用:5
  • 點閱點閱:114
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:8
本研究應用基因演算法及類神經網路來建構預測共同基金報酬率模型,據此來探討共同基金之投資策略,此可協助基金公司在其線上交易電子商務系統,建構投資人基金投資策略建議;本文之研究目的如下:
一、 將基因演算法的搜尋能力整合類神經網路,以建立合理的統計架構,並建構共同基金報酬率之預測模式。
二、 比較本文所建立的預測模型是否能超越傳統的複迴歸預測模型。
三、 藉由本研究的探討,能幫助投資人採取妥適的共同基金投資策略。
本研究採歸納之18種技術指標為輸入的變數,評估國內3家共同基金樣本過去5年4個月的報酬率,並以預測報酬率之準確度判斷發展模型之績效。從研究結果發現本研究結合基因演算法與類神經網路之預測模型其RSQ達87.7%,MAPE為2.66%,其預測效果比傳統之複迴歸模式為佳;而本研究發展模型之報酬率漲跌預測準確率亦達96.4%,由此發展出共同基金之投資策略,並包含積極型及保守型之投資策略,其結果亦超越買進持有及定期定額之投資策略。
This research integrates genetic algorithm (GA) and neural networks to construct the prediction model of premium rate of mutual funds and find the fine investment strategy of mutual fund. The result can help the companies of mutral fund to produce the suggestion of mutual fund investment strategy in their on-line e-commerce system for investers. The purposes of this paper are listed below:
1. By integrating the searching ability of genetic algorithm into the neural networks and then building reasonable Statistics frameworks, and construct the prediction model of premium rate of mutual fund.
2. By comparing the prediction model built in this search with the traditional prediction model of multiple regression, we can know whose performance is better.
3. By this research, we can help investers to adopt the sutiable investment strategy of mutual fund.
This research uses 18 kinds of technical indexes as the input variables to evalute the premium rate of 3 domestic mutual funds within the past 5years and 4 months, and analyze the developed model’s performance by calculating the prediction accuracy of premium rate. According to the results, we find the model’s RSQ value can reach 87.7% and MAPE value can reach 2.66%, and this model’s performance of prediction is better than traditional multiple regression model. The accuracy to predict the change direction of premium rate can also reach 96.4%. According to this result, we develop the investment strategy of mutual fund including aggressive and conservative types of investment strategies, and find the profitability is better than either buy-and-hold investment strategy or time-and-ration investment strategy.
第壹章 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 研究對象與資料期間 3
第四節 論文架構 4
第貳章 相關理論與文獻探討 6
第一節 共同基金定義及型態 6
第二節 操作策略的相關理論與文獻探討 11
第三節 基因演算法與類神經網路相關文獻探討 25
第四節 探討文獻之意涵與對本研究之影響 38
第參章 研究方法 39
第一節 研究流程 39
第二節 研究範圍 41
第三節 資料說明 42
第四節 多元迴歸 47
第五節 基因演算法 48
第六節 類神經網路 55
第七節 移動窗格法 61
第八節 實證模型之建立 62
第肆章 實證結果與分析 66
第一節 資料的初步分析 66
第二節 模型之測試結果 68
第伍章 結論與建議 75
第一節 研究結論 75
第二節 研究貢獻 77
第三節 研究限制 78
第四節 研究建議 79
參考文獻 80
作者簡歷 89
中文部分
1. 古永嘉,企業研究方法,華泰書局,第五版,民國八十五年三月。
2. 呂國宏,運用演化式類神經網路預測台灣股市行為之研究,政治大學資訊管理研究所,民國九十年六月。
3. 李建輝,遺傳演化類神經網路在預測台股指數期貨的應用,東吳大學經濟研究所未出版碩士論文,民國九十一年六月。
4. 吳健良,基因演算法在股市預測與交易策略之研究,中山大學企管研究所碩士論文。民國八十八年六月。
5. 周育蔚,利用類神經網路建立台灣股價預測模型,國立台灣大學商學研究所碩士論文,民國八十五年六月。
6. 周文賢,多變量統計分析-SAS/STAT使用方法,智勝文化事業,初版,民國九十一年六月。
7. 周慶華,整合基因演算法及類神經網路於現貨開盤指數之預測-以新加坡交易所摩根台股指數期貨為例,輔仁大學金融研究所未出版之碩士論文,民國九十年六月。
8. 林正賢,台灣地區總體經濟指標對上市電子產業股價之關係研究,中興大學企業管理研究所未出版碩士論文,民國八十八年六月。
9. 林建成,遺傳演化類神經網路於台灣股市預測與交易策略之研究,東吳大學經濟研究所未出版碩士論文,民國九十一年六月。
10. 林炯垚,財務管理,華泰書局,初版,民國七十九年二月。
11. 洪崇恩,以類神經網路預測台灣股價報酬率-以電子股為例,朝陽科技大學財金所碩士論文,民國八十八年六月。
12. 徐燕山,財務管理,東華書局,第五版,民國九十年九月。
英文部分
1. Abhyankar, A. H., "Return and Volatility Dynamics in the FT-SE100 Stock Index and Stock Index Futures Markets, " Journal of Futures Markets, 15, 1995, PP.457-488.
2. Andrews, M. and R. Prager, “Genetic Programming for the Acquisition of Double Auction Market Strategies.” In Advances in Genetic Programming, ed. by K. E. Kinnear, Cambridge: The MIT Press, 1994.
3. Bauer, R. J., "Genetic Algorithms and Stock Market Timing Trading Rules, "June, 11th International Symposium on Forecasting, New York, 1991.
4. Bauer, R. J., Genetic Algorithms and Investment Strategies, NY: John Wiley & Sons, 1994.
5. Carhar, and Mark M., On Persistence in Mutual Fund Performance, Journal of Finance, 52, 57-82, 1997.
6. Chang, E. C., and Lewellen, W. G., "Marker Timing and Mutual Fund Investment Performance," Journal of Business, Vol.57, pp. 57-72, 1984.
7. Chan L., N. Jegadeesh and J. Lakonishok, Momentum Strategies, Journal of Finance, 51(5), 1681-1711, 1996.
8. Chen, S. H. and C. H. Yeh, “Evolving traders and the business school with genetic programming: A new architecture of the agent-based artificial stock market” Journal of Economic Dynamics and Control, Vol.25, pp363-393, 1997.
9. Chen, S.-H., Wei-Yuan Lin and C.-I Tsao "Discovering Trading Rules with Genetic Algorithms: An Empirical Study Base," in ICAI99, USA,1999.
10. Chenoweth, T., and Obradovic Z., “A multi-component nonlinear prdiction system for S&P 500 Index”, Neurocomputing, 10, pp275-290, 1996.
11. Copeland Thomas E., and David Mayers, 1982, The Value Line Enigma, (1965-1978): A Case Study of Performance Evaluation Issues, Journal of Financial Economics, 10, 289-321.
12. Cornell Bradford, 1979, Asymmetric Information and Portfolio Performance Measurement, Journal of Finance Economics, Dec, 7, 381-390.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔