臺灣博碩士論文加值系統

本文旨在以自組織映射圖網路為基礎，建構多種投資組合與策略，以期獲得較佳之投資績效。類神經網路之自組織映射圖網路 （self-organizing map，SOM）能在不破壞資料結構下，對資料進行分類。本文即以SOM為基礎，分別結合逐步迴歸法與主成份分析法，並依台灣上市電子類股公司之23種技術指標進行股票聚類。隨後蒐集各分類中股價最高者為投資組合，再執行各種投資策略，最後進行績效評估。此外，本文於投資策略進行之前，亦增加三種股價預測方法，包括倒傳遞、輻狀基底函數及改進型輻狀基底函數等類神經網路。投資策略分別為買進持有、順向趨勢、逆向趨勢等策略。本研究資料期間為2000年1月至2005年12月，共六年。實證結果發現：以SOM演算法的投資組合確實能分散風險；SOM形成之投資組合再搭配BPN、RBF及改進型RBF預測法之順向與逆向投資策略，進行短期投資，會有不錯之績效。

In this thesis, a study of the portfolios and investment strategies based on the self-organizing map (SOM) is proposed. The SOM from the artificial neural network (ANN) could do patterns classification without destructing the data structure. This research is based on the SOM that combine with stepwise regression or principal component to do stock cluster of the electronic companies by the 23 technical indicators. After clustering, we do several kinds of investment strategies to the portfolio, which are collected by the highest stock prices of every cluster, and then get performance evaluations of them. In addition, we also add three forecast methods includes back propagation neural network (BPNN), radial basis function neural network (RBFNN) and improved RBFNN. The investment strategies include buy-and-hold, trend and reverse strategies. The data we used are electronic companies from January 2000 to December 2005 in Taiwan. The experimental results show that the SOM can form a portfolio with risk diversity indeed, and that the investment strategies based on SOM together with BPNN, RBFNN or improved RBFNN can gain good performance with trend and reverse strategies in the short-run.

目錄 .................................................................................................................................... I
表次 .................................................................................................................................. Ⅲ
圖次 .................................................................................................................................. Ⅳ
第一章 緒論
第一節 研究背景與動機 .............................................................................................. 1
第二節 研究目的 .......................................................................................................... 3
第三節 論文架構 .......................................................................................................... 4
第二章 理論基礎與文獻探討
第一節 類神經網路簡介……………………............................................................... 5
第二節 類神經網路與技術指標之相關研究 .............................................................. 7
第三節 自組織映射圖網路簡介……………............................................................... 8
第四節 自組織映射圖網路之相關研究 .................................................................... 10
第五節 文獻探討小結 ................................................................................................ 12
第三章 研究方法
第一節 研究流程......................................................................................................... 13
第二節 研究範圍與資料來源..................................................................................... 14
第三節 研究變數......................................................................................................... 15
第四節 自組織映射圖網路設計................................................................................. 18
第五節 主成份分析法與逐步迴歸分析法................................................................. 20
第六節 倒傳遞類神經網路設計................................................................................. 21
第七節 輻狀基底函數類神經網路設計..................................................................... 27
第八節 投資策略 ........................................................................................................ 30
第九節 研究模型 ........................................................................................................ 31
第十節 投資績效評估方法......................................................................................... 33
第十一節 Mann-Whitney-Wilcoxon 檢定法 ............................................................. 36
第四章 實證結果與分析
第一節 電子類股指數走勢分析 ................................................................................ 37
第二節 運算時間與報酬分析 .................................................................................... 38
第三節 投資績效分析 ................................................................................................ 52
第四節 Mann-Whitney-Wilcoxon 檢定分析 ..............................................................64第五章 結論與建議
第一節 研究結論 ........................................................................................................ 71
第二節 研究貢獻 ........................................................................................................ 71
第三節 研究限制 ........................................................................................................ 72
第四節 未來發展 ........................................................................................................ 73
參考文獻 .......................................................................................................................... 75

一、中文部份：
1.何鴻聖（2005），自我組織神經網路在選股策略之應用，東華大學國際經濟研究所碩士論文。
2.李永全（2005），投資組合管理與分析，第一版，高立圖書有限公司。
3.杜金龍（1993），技術指標在台灣股市應用的訣竅，第一版，非凡出版社。
4.張政一（2000），類神經網路於有價證券預測股價及漲跌之研究，文化大學國際企業管理研究所碩士論文。
5.黃煥彰（1997），提高台灣電子類股投資績效之研究-類神經網路結合技術指標，國立中興大學企業管理研究所碩士論文。
6.楊東昌（2004），自組織映射圖神經網路改善模式與分群應用之回顧研究，華梵大學工業工程與經營資訊學系碩士論文。
7.銘傳大學財務金融研究中心（1999），投資分析＋Matlab應用，第一版，全華科技圖書有限公司。
8.劉克一（2000），以遺傳演算法演化類神經網路在股價預測上的應用，真理大學管理科學研究所碩士論文。
二、英文部份：
1.Deboeck, G. and T. Kohonen （1998）, Visual Exploration in Finance with Self-Organizing Maps, Springer.
2.De Bondt, Werner F. M. and Richard H. Thaler （1985）, “Does the Stock Market Overreact ? ,” Journal of Finance, 40, 793-805.
3.De Bondt, Werner F.M. and Richard H. Thaler （1987）, “Further Evidence on Investor Overreaction and Stock Market Seasonality ,” Journal of Finance ,42, 557-581.
4.Fama, E.（1965）, “Efficient Capital Markets,” Journal of Finance, March, 77-91.
5.Fama, E.（1970）, “Efficient Capital Markets: A Review of Theory and Empirical Work,” Journal of finance, 25, 607-636.
6.Fama, E. and K. R. French（1992）, “The Cross Section of Expected Stock Returns,” Journal of Finance, 47, 427-465.
7.Markowitz, H. M. （1952）, “Portfolio Selection,” Journal of Finance, March, 77-91.
8.Mandelbrot, B. B.（1997）, Fractals and Scaling in Finance, Springer.
9.Kiviluoto, K.（1998）, “Predicting Bankruptcies With the Self-organizing
Map,” Neurocomputing, 21, 191-201.
10.Kohonen, T.（1982）, “Self-Organized Formation of Topologically Correct Feature Maps,” Biological Cybernetic, 43, 59-69.
11.Kohonen, T.（1995）, The Self-Organizing Maps, Springer.
12.Sharpe, W.F.（1996）, “Mutual Fund Performance,” Journal of Business, 39, 119-138.
13.Sharpe, W.F.（1994）, “The Sharpe Ratio,” Journal of Portfolio Management, 39, 49-58.
14.Tan, C.N.W.（1993）,“Trading a NYSE-stock With a Simple Artificial Neural Network-Financial Trading System,” Artificial Neural Networks and Expert Systems, First Zealand International Two-Stream Conference , 24-26.
15.White , H.（1988）, “Economic Prediction Using Neural Networks: The Case of IBM Daily Stock Returns,” IEEE International Joint Conference on Neural Networks, 451-458.