跳到主要內容

臺灣博碩士論文加值系統

(100.24.118.144) 您好!臺灣時間:2022/12/06 04:49
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:甘錫昫
研究生(外文):Shi-Shu Kan
論文名稱:技術指標對股價呈現碎形小波轉換的影響—Linear、LSTARX與ESTARX模型之比較
論文名稱(外文):The effect of technical indicator on stock price showing fractal wavelet transforms — A comparison among Linear, LSTARX and ESTARX models
指導教授:吳博欽吳博欽引用關係
指導教授(外文):Po-Chin Wu
學位類別:碩士
校院名稱:中原大學
系所名稱:國際貿易研究所
學門:商業及管理學門
學類:貿易學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:70
中文關鍵詞:小波轉換ESTARX模型移轉函數LSTARX模型碎形
外文關鍵詞:ESTARX modelLSTARX modeltransition functionfractalslittle wavelet transform
相關次數:
  • 被引用被引用:2
  • 點閱點閱:529
  • 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:4
Teräsvirta, Dick and Medeiros ( 2003 )的研究指出LSTARX模型較類神經網路模型具有較佳的覆蓋機率範圍,引發本研究採用LSTARX與ESTARX模型找出影響台灣股市股價取自然對數後作碎形維度小波轉換的關鍵技術指標變數,進而驗證兩模型是否為有助於進行股價報酬率小波轉換預測的研究動機。在無堅強的理論模型基礎下要選擇最適“解釋變數-技術指標”,遂採用逐步迴歸的方式找出影響大盤、電子與金融三種不同類股股價指數報酬率的技術指標之線性迴歸模型,然後依這些變數的顯著性落遲期,應用LSTARX模型與ESTARX模型進行小波轉換研究。實證結果顯示,LSTARX與ESTARX模型較Linear模型在股價報酬率的預測值上相較於實際值有較高相關的上下振幅連動性;在LSTARX模型下三大類股的小波轉換參數均具有顯著性,而在ESTARX模型下三大類股的解釋變數落遲期與其移轉函數之變數均存在顯著性。換言之,LSTARX模型支持三大類股股價報酬率走勢均存在小波轉換,而ESTARX 模型則有助於找到控制股價報酬率呈現小波轉換的重要自變數。
Based on the conclusion, derived by Teräsvirta, Dick and Medeiros(2003), that LSTAR model appears to have better probability coverage than the neural network model, this paper adopts LSTARX and ESTARX models to find out the technical indicator variables influencing little wavelet transfers from stock price fractal dimension and use them to forecast little wavelet in reverse point of stock porice.
Under no strong theorical model, we first use stepwise regression model to obtain statistically significant exogenous technical indicator variables affecting returns of stock price index, from TAIEX, electronics-index and finance-index. Further using these significant variables to form their lag terms and LSTARX and ESTARX models, then we can analyze wavelet in reverse point of stock price. Empirical evidences show that LSTARX and ESTARX models outperform linear model. For LSTARX model, the location parameters of little wavelet reversing are identified significant. And for ESTARX model, transition function variables and variables’ lag terms are significant. That is to say, LSTARX model supports there are little wavelet transition reversed in three major type stock price index returns and ESTARX model can find out the important independent variables to explain the little wavelet transfer of the stock price return.
目 錄
摘要………………………………………………………………………………………... Ⅰ
ABSTRACT………………………………………………………………………………….. Ⅱ
第壹章 緒論……………………………………………………………………………... 1
第一節 研究背景、動機與目的……………………………………………………… 1
第二節 研究架構與流程……………………………………………………………… 3
第貳章 文獻探討………………………………………………………………………... 4
第一節 混沌理論與分形理論之碎形維度……………………………………………... 4
第二節 小波轉換理論之相關文獻……………………………………………………... 6
第三節 運用技術指標分析股價報酬之相關文獻……………………………………... 8
第參章 研究方法與實證模型…………………………………………………………... 10
第一節 碎形自我相似維度……………………………………………………………... 10
一、隨機與混沌………………………………………………………………………… 10
二、分形理論之Koch Curve與碎形維度計算………………………………………… 11
三、量測物體的碎形維度(fractional dimension,fd)…………………………. 16
第二節 幂函數模型……………………………………………………………………... 18
第三節 單根檢定………………………………………………………………………... 19
第四節 逐步迴歸………………………………………………………………………... 24
第五節 多餘變量檢定…………………………………………………………………... 25
第六節 小波轉換理論…………………………………………………………………. 26
一、迴歸函數變點之小波分析………………………………………………………… 26
二、平滑轉換自我迴歸模型…………………………………………………………… 28
第肆章 實證研究結果…………………………………………………………………. 32
第一節 資料來源………………………………………………………………………. 32
一、資料搜集…………………………………………………………………………… 32
二、變數選取說明……………………………………………………………………… 32
三、變數選取過程的處理內容………………………………………………………… 34
第二節 Linear 與 STARX 模型估計結果…………………………………………… 41
一、線性模型估計結果分析…………………………………………………………… 41
二、STARX模型估計結果分析………………………………………………………… 43
第三節 Linear 與 STARX 模型預測結果之比較…………………………………… 46
第伍章 結論與建議…………………………………………………………………… 48
一、結論………………………………………………………………………………… 48
二、建議………………………………………………………………………………… 48
參考文獻………………………………………………………………………………… 49
附錄……………………………………………………………………………………… 54

圖 表 目 錄
圖1-1 研究架構與流程…………………………………………………………………. 3
圖3-1 擲拋公正銅幣非線性結果………………………………………………………. 10
圖3-2 英國的海岸線……………………………………………………………………. 11
圖3-3(a) Koch Curve的波之形態與自我複製標準尺為s=1………………………….. 12
圖3-3(b) Koch Curve的波之形態與自我複製標準尺為s=1/3……………………….. 12
圖3-3(c) Koch Curve的波之形態與自我複製標準尺為s=1/9……………………….. 12
圖3-4(a) Koch Curve衡量標準尺為s=1……………………………………………….. 13
圖3-4(a) Koch Curve衡量標準尺為s=1/3…………………………………………….. 13
圖3-4(a) Koch Curve衡量標準尺為s=1/9…………………………………………….. 13
圖3-5 Koch Curve的1/s與L之似幂函數關係………………………………………….. 14
圖3-6 取對數後Koch Curve的log (1/s)與log(L) 之線性關係…………………… 15
圖3-7 Diffusion-limited aggregation…………………………………………… 16
圖3-8 Wild fractal…………………………………………………………………… 17
圖3-9 盒子計數維度……………………………………………………………………. 17
圖3-10 yt=yt-1+ut…………………………………………………………………… 21
圖3-11 yt=c+yt-1+ut………………………………………………………………… 22
圖3-12 yt=c+vt+yt-1+ut…………………………………………………………….. 23
圖4-1a Fractal noise:大盤加權股價指數報酬率………………………………….. 33
圖4-1b Fractal noise:電子類股指數報酬率……………………………………….. 33
圖4-1c Fractal noise:金融類股指數報酬率……………………………………….. 33
表4-1 變數名稱與資料來源……………………………………………………………. 35
表4-2 三大類股之第一輪迴歸後結果…………………………………………………. 36
表4-3 大盤第二輪迴歸結果……………………………………………………………. 37
表4-4 大盤最終複迴歸式模型…………………………………………………………. 37
表4-5 電子類股第二輪迴歸結果………………………………………………………. 37
表4-6 多餘變量檢驗: DM1B…………………………………………………………… 38
表4-7 電子類股最終複迴歸式模型……………………………………………………. 38
表4-8 金融類股第二輪後迴歸結果……………………………………………………. 38
表4-9 多餘變量檢驗: DCV………………………………………………………………. 39
表4-10 金融類股最終複迴歸式模型……………………………………………………. 39
表4-11 大盤指數線性模型估計結果……………………………………………………. 42
表4-12 電子類股線性模型估計結果……………………………………………………. 42
表4-13 金融類股線性模型估計結果……………………………………………………. 42
表4-14 大盤指數STARX模型估計結果…………………………………………………. 44
表4-15 電子類股STARX模型估計結果…………………………………………………. 44
表4-16 金融類股STARX模型估計結果…………………………………………………. 45
表4-17 大盤加權指數預測估計結果……………………………………………………. 47
表4-18 電子類股指數預測估計結果……………………………………………………. 47
表4-19 金融類股指數預測估計結果……………………………………………………. 47
中文部分
方兆本(1999),《走出混沌》,新竹,凡異出版社。
王右邦(2002),美國股市對亞洲股市影響之探討—平滑轉換自我迴歸 (STAR) 模型之應 用,輔仁大學金融學系碩士論文。
王懷賢(1999),TAIFEX及SIMEX 台股指數期貨之非線性及混沌現象,國立成功大學企業管理學系碩士論文。
字佩芬(2004),資訊揭露程度、外資法人持股率與股價報酬率間之關係研究,中國文化大學國際企業管理研究所碩士論文。
朱美娟(1990),台灣股票報酬率與總體經濟因素之實證研究-套利定價理論應用,國立台灣大學商學研究所碩士論文。
李元(2002),《時間序列中變點的小波分析及非線性小波估計》,北京,中國統計出版社。
吳博欽、鄭哲惠(2006),非線性Ohlson 股權評價模式---STARX 模型的應用,《台灣經濟學會研討會論文》。
吳康祺(1995),混沌理論在股價上的應用,國立台灣大學商學研究所碩士論文。
施能仁、施純楨與施若竹(2004),《計量經濟》,台北,高立圖書有限公司。
洪志豪(1999),技術指標KD、MACD、RSI與WMS%R之操作績效實證,國立台灣大學國際企業學研究所碩士論文。
洪美慧(1997),技術分析應用於台灣股市之研究-移動平均線,乖離率指標與相對強弱指標,東海大學管理研究所碩士論文。
姚爾強(2002),《股價波動的理論研究與實證分析》,北京,經濟科學出版社。
徐長發、李國寬(2004),《實用小波方法》,武昌,華中科技大學出版社。
馬薇(2004),《協整理論與應用》,天津,南開大學出版社。
翁慈青(2004),股市過度自信與自信不足之投資行為研究,中原大學會計研究所碩士論文。
陳信維(2000),混沌與碎形理論在時間序列分析之應用,國立台灣科技大學工業管理研究所碩士論文。
張世英、李忠民、袁學民(2002),《經濟計量學教程》,天津,天津大學出版社。
張晓峒(2004),《計量經濟學軟體-EViews使用指南(第二版)》,天津,南開大學出版社。
蔡依玲(2001),台灣股票市場報酬率之研究,國立成功大學統計研究所碩士論文。
楊奕農、楊明憲(2003),生產效率估計之非線性考量:平滑轉換迴歸在台灣農業部門生產效率估計之應用,《農業經濟半年刊》,74:1-22。
劉雪華(1999),台灣觀光旅館股價報酬率與經濟變數關係之研究,中國文化大學觀光事業研究所碩士論文。
謝衷潔(1995),《時間序列分析》,北京,北京大學出版社。
蕭義展(2001),財務報表資訊內涵與股價報酬率的關聯性,國立中山大學經濟學研究所碩士論文。
邊秀梅(1997),股價報酬率與總體經濟因素關係之探討,國立東華大學國際經濟研究所碩士論文。
韓宜芬(1993),台灣加權股價指數非線性與混沌現象之研究,國立成功大學工管研究所碩士論文。
鍾明宏(2001),實質匯率非線性調整之實證研究,中正大學國際經濟學系碩士論文。


英文部分
Abhyankar, A., Copeland, L. S. and W. Wong (1997), Uncovering nonlinear structure in real-time stock market indices. Journal of Business and Economics Statistics,15:1-14.
Annette, J. D. (1990), “An introduction to generalized linear models”, Chapman and Hall, London.
Bohan, J. (1981) ,Relative strength: further positive evidence. Journal of Protfolio Management, VII, Fall,36-39.
Boyan, J. and U. Masako (1998), Stock-returns and inflation in a principal-agent economy. Journal of Economic Theory, 82(1), 223-247.
Brock, L. J. and B. Le Baron (1992), Simple technical trading rules and the stochastic properties of stock returns. Journal of Finance,47:1731-1764.
Brooks, C.(2002), “Introductory econometrics for finance”,Cambridge.org.
Dickey, D. A. and W. A. Fuller (1981), “Likelihood ratio statistic for autoregressive time series with a unit root,’’ Econometrica, 49, 143-159.
Enders,W. (2003), “Applied econometric time series”, New York:John Wiley&Sons, LTD.
Hannan, E. J.(1973), The estimation of frequency. Journal of Applied Probability 10, 510-519.
Granger, C. W. J. and R. Newbold, (1974) , Spurious regressions in econometrics. Journal of Economics, 111-120.
Jensen, M. C. and George A. Bennington(1970), Random walks and technical theories: Some additional evidences. Journal of Finance, 25,469-482.
Kellert S. R. and E. O. Wilson, (1993),“The biophilia hypothesis.” Washington, D.C.; Island Press.
Kim, M. and M. Kim (2003), Implied volatility dynamics in the foreign exchange markets, Journal of International Money and Finance22, 511-528.
Theodor, K., Vivek, P. and G. Kohers(1997), The Quarterly Review of Economics and Finance, 37(2), 523-545.
Maddala G. S. (2005),“Introdution to econometrics”,New York:John Wiley&Sons, LTD.
Mandelbrot, B. B.(1983), “The fractal geometry of nature”, New York:W.H. Freeman and Company.
McMillan, D. G. (2001), Nonlinear predictability of stock market returns: Evidence from nonparametric and threshold models. International Review of Economics and Finance 10:353-368.
Nicholas, S.(2001), Nonlinearities, cyclical behavious and predictability in stock markets: International evidence. International Journal of Forecasting,17,459-482.
Peters, E. E.(1989), Fractal structure in the capital markets , Financial Analysts Journal,July August.
Peters, E. E.(1991), “Chaos and order in the capital market: a new view of cycles,prices,and market volatility”,New York:John Wiley&Sons Inc.
Peters, E. E.(1994), “Fractal market analysis: applying chaos theory to investment and economics”, New York:John Wiley&Sons, Inc.
Sarantis, N.(1999), Modeling non-linearities in real effective exchange reates. Journal of International Money and Finance, 18:27-45.
Subhash, S.(1996), “Applied multivariate techniques”, New York:John Wiley&Sons, Inc.
Susan, F. and R. Teeples, (1983), The review of economics and statistics: 65(4), 672-78
Terävirta, T.(1994), Specification, estimation, and evaluation of smooth transition autoregressive models. Journal of the American Statistical Association, 89:208-218.
Terävirta, T., and H. M. Anderson(1992), Characterising nonlinearities in business cycles using smooth transition autoregressive models. Journal of Applies economics, 89, 208-218.
Tong, H.(1983), “Threshold models in nonlinear time series analysis”, Springer lecture notes in statistics,21.
Yin,Y. Q.(1988), Detection of the number,locations and magnitudes of jumps. Commun. Statist. C4, 445-55.
網路部分
1. http://faculty.washington.edu/dbp/wmtsa.html
Donald, B. P. and A. T. Walden(2000),“Wavelet methods for time series analysis”, Cambridge University Press.
2. http://orlingrabbe.com/homepage.html
connect to : chaos & Fractal
Grabbe J. O. (2001), “Chaos and Fractals in Financial Markets”,Part 2
Grabbe J. O. (2001), “Chaos and Fractals in Financial Markets”,Part 3
Grabbe J. O. (2001), “Chaos and Fractals in Financial Markets”,Part 4
Grabbe J. O. (2001), “Chaos and Fractals in Financial Markets”,Part 5
Grabbe J. O. (2001), “Chaos and Fractals in Financial Markets”,Part 6
3. http://ideas.repec.org/e/pte1.html
Terävirta,T.,Dick van Dijk and M. C. Medeiros (2003), “Smooth transition autoregressions,neural networks, and linear models in forecasting macroeconomic time series”: A re-examination.
4. http://www-rohan.sdsu.edu/~jmahaffy/courses/f00/math122/lectures/qual_de/
qualde.html#LogisticModel
Verhulst develops the logistic growth model
5. http://www.hoffberg.org/Wavelets.htm
Yazhen Wang, "Jump and sharp cusp detection by wavelets."
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top