本研究主要是針對台灣加權股價指數期貨以及台灣證券交易所於2003年6月30日所推出之寶來台灣卓越50基金，除了納入台股指數期貨、日、韓及美國重要指數資料，並加入技術分析指標，最後建立類神經網路與多元適應性雲形迴歸之二階段整合模式，建立開盤價格及收盤價格預測模型，探討此一整合模式是否能夠篩選出影響指數之潛在變數，進而提高預測能力，並利用最佳之開盤價格預測及收盤價格預測模型建立交易策略。
本研究之實證期間為2004年1月5日至2005年4月28日共292交易日之日資料，實證結果顯示：
1.技術分析指標有助於提高台灣加權股價指數期貨價格預測準確度。
2.使用類神經網路及MARS之二階段整合模式有助於提高台灣加權股價指數期貨價格預測準確度。
3.技術分析指標有助於提高寶來台灣卓越50基金開盤價格預測準確度，但無法提高寶來台灣卓越50基金收盤價格預測準確度。
4.使用類神經網路及MARS之二階段整合模式有助於提高寶來台灣卓越50基金價格預測準確度。
5.利用最佳之開盤價格及收盤價格預測所建立之交易策略，不論是台指期或寶來台灣卓越50基金，皆可獲得正向之報酬。

This study predicts the opening prices and closing prices of TAIFEX index futures and Taiwan Top50 Tracker Fund ( Taiwan 50 ETF ) by the neural networks model and multivariate adaptive regression splines (MARS). The purpose of this study is to investigates if the two-stage hybrid modeling procedure with artificial neural networks and multivariate adaptive regression splines can find significant variables and then served as the input of the neural networks model.
The empirical result shows the neural networks model using technical analysis indicators as inputs shows a better forecasting performance and the proposed hybrid approach outperforms the results only using artificial neural networks in both TAIFEX index futures and Taiwan Top50 Tracker Fund. In addition, the trading strategy of TAIEX index futures earns 118.06% annual return and the trading strategy of Taiwan Top50 Tracker Fund earns 11.54% annual return during the validation period.

目錄
目錄 III
圖目錄 IV
表目錄 V
第壹章　緒論 1
一、研究背景與動機 1
二、研究目的 4
三、本文架構 5
第貳章　文獻探討 7
一、國際股市間之關聯 7
二、期貨與現貨之領先落後關係 11
三、技術分析於交易法則之應用 16
四、類神經網路之應用 19
五、多元適應性雲形迴歸與類神經網路整合之研究 23
第參章　研究方法 26
一、資料樣本及樣本期間 26
二、類神經網路 28
三、多元適應性雲形迴歸 32
四、研究流程 34
五、交易策略 38
第肆章　實證研究 41
一、台灣加權股價指數期貨開盤價格預測分析 41
二、台灣加權股價指數期貨收盤價格預測分析 47
三、寶來台灣卓越50基金開盤價格預測分析 52
四、寶來台灣卓越50基金收盤價格預測分析 58
五、研究比較 63
六、交易策略分析 66
第伍章　結論與建議 70
一、研究結論 70
二、未來研究之建議 72
參考文獻 73
附錄 78


圖目錄
圖1-1-1 研究流程圖 6
圖3-1-1 樣本資料之劃分 27
圖3-2-1神經元之構造 28
圖3-2-1單一隱藏層倒傳遞類神經網路模式之構造 31
圖4-1-1模型A-3測試之性能函數趨勢圖 45
圖4-2-1模型B-3測試之性能函數趨勢圖 50
圖4-3-1模型C-3測試之性能函數趨勢圖 56
圖4-4-1模型D-3測試之性能函數趨勢圖 61

表目錄
表2-1-1國際股市間關聯之相關文獻整理 9
表2-2-1 期貨與現貨領先落後關係之相關文獻整理 14
表2-3-1 技術分析於交易法則應用之相關文獻整理 18
表2-4-1 類神經網路應用之相關文獻整理 21
表2-5-1 多元適應性雲形迴歸與類神經網路整合研究之相關文獻整理 25
表4-1-1 模型A-1 、A-2於不同參數設定下之預測結果 43
表4-1-2 MARS模式篩選之顯著影響變數 45
表4-1-3 模型A-3於不同參數設定下之預測結果 45
表4-1-4 台灣加權股指數期貨開盤預測模型比較 46
表4-2-1 模型B-1、B-2於不同參數設定下之預測結果 48
表4-2-2 MARS模式篩選之顯著影響變數 50
表4-2-3 模型B-3於不同參數設定下之預測結果 50
表4-2-4 台灣加權股指數期貨收盤預測模型比較 51
表4-3-1 模型C-1、 C-2於不同參數設定下之預測結果 53
表4-3-2 MARS模式篩選之顯著影響變數 55
表4-3-3 模型C-3於不同參數設定下之預測結果 56
表4-3-4 寶來台灣卓越50基金開盤價格預測模型績效比較 57
表4-4-1 模型D-1 、D-2於不同參數設定下之預測結果 59
表4-4-2 MARS模式篩選之顯著影響變數 61
表4-4-3模型D-3於不同參數設定下之預測結果 61
表4-4-4 寶來台灣卓越50基金收盤價格預測模型績效比較 62
表4-5-1 台指期研究比較 63
表4-5-2寶來台灣卓越50基金研究比較 64
表4-6-1 各主要期貨商交易手續費比較表 66
表4-6-2 台指期貨預測結果(無設停損點) 67
表4-6-3 台指期貨及寶來台灣卓越50基金交易策略報酬率 68
表4-6-4 台指期貨預測結果(有設停損點) 68
表4-6-5寶來台灣卓越50基金預測結果 69

參考文獻
1.Abhyankar, A.H.,“Return and Volatility Dynamics in the FTSE100 Stock Index and Stock Index Futures Markets,” Journal of Futures Markets, 15(4), 1995 , pp.457-488.
2.Admati, A. & P. Pfleiderer　A theory of intraday Patterns: volume and price variability. Review of Financial Studies, 1, 1988, pp.3-40.
3.Bessembinder H., and K Chan ., “Market Efficiency and the Returns to Technical Analysis,” Financial Management, vol.27, 1998, pp.5-17.
4.Booth, G. G., So, R. W. and Tse. Y., “Price Discovery in the German Equity Index Derivatives Markets”, Journal of Futures Markets, 19(6), 1999, pp.619-643.
5.Booth, GG., T. Martikainen and Y. Tse., “Price and Volatility Spillovers in Scandinavian Stock Market”, Journal of Banking and Finance 21, 1997, pp.811-23.
6.Brock, W., J. Lakonishok, and B. LeBaron, Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. Journal of Finance 47,1992, pp.1731-1764.
7.Brock, William, Lakonishok J., and B LeBaron.,” Simple Technical Trading Rules and the Stochastic Properties of Stock Returns, “Journal of Finance, vol.47, 1992, pp.1731-1764.
8.Chan, K.C., W. M. Fong, B. C. Kho, & R. M. Stulz.,　Information,trading and stock returns : lessons form dually-listed securities. Journal of Banking and Finance, 20, 1996, pp.1161-1187.
9.De Gooijer, J. G., Ray, B. K., and Krager, H., “Forecasting Exchange Rates Using TSMARS,” Journal of International Money and Finance, 17(3), 1998, pp.513-534.
10.De Veaux R. D., Gordon, A. L., Comiso, J. C., and Bacherer, N. E., “Modeling of Topographic Effects on Antarctic Sea Ice Using Multivariate Adaptive Regression Splines,” Journal of Geophysical Research, 98(C11), 1993, pp. 20307-20319.
11.Eun, C. and Shim, S., “International Transmission of Stock Market Movements”, Journal of Financial and Quantitative Analysis, 24(2), 1989, pp. 241-256.
12.Friedman, J. H. and Roosen, C. B., “An Introduction to MultivariateAdaptive Regression Splines,” Statistical Methods in Medical Research, 4, 1995, pp.197-217.
13.Griffin, W. L., Fisher, N. I., Friedman, J. H., and Ryan, C. G., “Statistical Techniques for the Classification of Chromites in Diamond Exploration Samples,” Journal of Geochemical Exploration, 59, 1997, pp. 233-249.
14.Gwilym, O.A. and M. Buckle., “The Lead-Lag Relationship between the FTSE100 Stock Index and its Derivative contracts,” Applied Financial Economics, 11, 2001, pp.385-393.
15.Harris, L., “A Transaction Data Study of Weekly and Intraday Patterns in Stock Returns,” Journal of Financial Economics, Vol.15, 1986, pp.99-118.
16.Huang B. N., Yang C. W. and Hu W. S., “Causality and Cointegration of Stock Markets among the United States, Japan and the South China Growth Triangle” , International Review of Financial Analysis, Vol. 9, No. 3, 2000, pp. 281-297.
17.Kim, M, A.C. Szakmary, and T.V. Schwarz., “Trading Costs and price discovery across stock index futures and cash markets.” The Journal of Futures Markets, 19, 1999, pp.475-498.
18.Knif, J. and S. Pynnönen., “Local and global price memory of international stock market”, Journal of International Financial Markes, Institutions and Money, Vol. 9, 1999, pp.129-147.
19.Lee, T. S., Chiu, C. C., Lu, C. J., and Chen, I. F., “Credit Scoring Using the Hybrid Neural Discriminant Technique,” Expert Systems with Applications, 23(3), 2002, pp. 245-254.
20.Levy, R. A., “Relative strength as a criterion for investment selection”. Journal of Finance 22, 1967, pp. 595-610.
21.Liu, Y. A., Pan, M.S. and Shieh, J.C.P., “ International Transmission of Stock Price Movements: Evidence from the U. S. and Five Asian-Pacific Markets, ” Journal of Economics and FinanceVol. 22, lss.1 , 1998, pp59-69.
22.Liu, Y. and X. Yao ., “Evolving Neural Networks for Hang Seng Stock Index Forecast,” Proceedings of the 2001 Congress, Vol1 ,2001, pp, 256 - 260.
23.Nguyen-Cong, V., Dang, G. V. and Rode, B. M., “Using Multivariate Adaptive Regression Splines to QSAR Studies of Dihydroartemisinin Derivatives, ” European Journal of Medical Chemistry, 31(10) , 1996, pp. 797-803.
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.Stoll, H.R. and R.E. Whaley., “The Dynamics of Stock Index and Stock Index Futures Returns,” Journal of Financial and Quantitative Analysis, 13, 1990, pp.711-742.
26.Takashi Kimoto; Kazuo Asakawa; Morio Yoda; Masakazu Takeoka., “Stock Market Prediction System with Modular Neural Networks”, International Joint Conference, 1996, pp. 1-6.
27.Wang, X., P. K. H. Phua, and W. Lin ., “Stock market prediction using neural networks: does trading volume help in short-term prediction?,” Proceedings of the International Joint Conference,Vol.4, 2003, pp. 2438 - 2442.
28.Wood, D. and B.Dasgupta ., “Classifying Trend Movements in the MCSI U.S.A Capital Index-A Comparison of Regression, AriMA and Neural Network methods, ” Computer and Operations Research, Vol.23, 1996, pp. 611-622.
29.Zhang, G., Patuwo, B. E., and Hu, M. Y., “Forecasting with Artificial Neural Networks: The State of the Art”, International Journal of Forecasting, Vol. 14, 1998, pp.35-62.
30.朱正修，台灣股市與國際股市連動性之研究 ，國立成功大學 統計學系碩博士論文，2004。
31.李威德，類神經網路於台股指數價格預測及交易策略之應用，輔仁大學金融研究所碩士論文，2003。
32.林金賢、李家豪，”利用類神經模糊建構投資組合”，管理學報，第20卷，第二期229-264頁，2003。
33.施介人，台股指數現貨、期貨與選擇權價格發現之研究 ，長庚大學企業管理研究所碩士論文，2004。
34.唐婉崴，指數現貨、指數期貨與指數股票式基金間價格發現能力之探討－以NASDAQ 100指數商品為例，淡江大學財務金融學系博士論文，2003。
35.徐松奕，以技術指標對台灣加權股價期貨指數報酬之研究，國立東華大學企業管理學系碩士論文，2003。
36.馬德信，應用模糊類神經技術對台股之模擬投資實證研究，朝陽科技大學財務金融系碩士論文，2003。
37.許峻源，類神經網路與MARS於資料探勘分類模式之應用，輔仁大學應用統計學研究所碩士論文，2001。
38.許騰元，「台、美股市現貨與期貨市場間報酬及波動之傳導效果」，私立輔仁大學碩士論文，2001。
39.陳怡伶，台灣50 ETF與台灣加權股價指數現貨與台指期貨間的價格關聯性研究，國立成功大學企業管理學系碩碩士論文，2004。
40.陳威志，期貨、現貨及ETF市場間日內價格發現關係實證研究，國立高雄第一科技大學金融營運所碩士論文，2004。
41.陳靜怡，整合類神經網路與多元適應性迴歸於失業率預測，輔仁大學管理學研究所碩士論文，2003。
42.陳麗娟，股票、期貨與選擇權市場領先落後關係之研究。朝陽科技大學財金所碩士論文，2001。
43.游淑禎，「類神經網路應用於台灣股市預測：統合基本面與技術面資訊」，《證券市場發展季刊》，第十卷，1998年，第三期，97-134。
44.黃怡中，「臺指期貨避險操作—交易利潤來自於對風險的控管能力」，錢雜誌，第187期，2002年5月，頁81-85
45.黃明輝，資料探勘在財務領域的運用-以債券型基金之績效評估為例，輔仁大學金融研究所碩士論文，2002。
46.黃美玲，整合模糊群聚分析與類神經模糊系統在股價預測應用之研究，淡江大學會計學系碩士論文，2004。
47.楊家維，「技術分析用於當沖之有效性研究─台灣股市之實證分析」，國立台北大學經濟學研究所碩士論文，2000。
48.楊琪倫，「台灣指數期貨開盤價預測之研究」，碩士論文，輔仁大學管理學研究所，2001。
49.葉建佑，技術分析法則之績效研究-美國個股之實證，國立中興大學財務金融研究所碩士論文，2004。
50.劉嘉蓉，台灣地區股價指數期貨與現貨波動關聯性之研究，國立台北大學企業管理學系碩士論文，2000。
51.謝朝光)，「台灣與亞太各國股市間關連性與動態相關係數之研究」，國立台北大學企業管理研究所碩士論文，2001。
52.顏秀蓉，「台灣與國際歐美股市互動現象之探討」，國立海洋大學應用經濟研究所碩士論文，2001。
53.顏毓靜，股票型基金之績效評估--類神經網路及多元適應性雲形迴歸二階段分類模式之應用，輔仁大學應用統計學研究所數碩士論文，2002。