臺灣博碩士論文加值系統

債券市場是資本市場重要的一環，債券市場的健全發展，不僅可以加深資本市場的深度，提供政府或企業長期穩定的資金來源，為經濟發展所需、所用，並有助於金融市場的穩定。本研究探討的主題為結合計算智慧與傳統統計方法，對台灣不同期間公債組合，分別建構預測模型，評估其預測績效，提供債券市場投資人多種研判債券殖利率走勢參考。本文研究所使用的工具有:逐步迴歸法、主成份分析法、多元迴歸模型、調適性網路模糊推論系統(ANFIS)、GM((1,1)灰預測模型與Wilcoxon符號等級檢定等六項。

本研究方法上可分為四個部份：(一)、蒐集總體經濟指標之相關日資料為主，分別以逐步迴歸法與主成份分析法作為基礎來進行篩選輸入變數；(二)、交互結合調適性網路模糊推論系統和多元迴歸模型、來進行殖利率的預測；(三)、擷取前四期的公債殖利率，進行灰預測；(四)、以全部的原始資料變數進行多元迴歸分析。本文實證結果發現:在短期預測公債殖利率方面，以灰預測模型最佳，逐步迴歸法所建立的ANFIS架構與使用全部原始資料所建立的多元迴歸模型次之，而主成份分析法所建立的多元迴歸模型與主成份分析法所建立的ANFIS架構、逐步迴歸法所建立的多元迴歸模型--此三個模型預測能力較差。就調適性網路模糊推論系統架構而言，結合逐步迴歸法優於主成份分析法；就多元迴歸模型而言，若使用全部的資料所建構的模型則優於結合主成份分析法和逐步迴歸法所建構的模型，因此使用較多的資訊(輸入變數)對台灣公債殖利率預測是很重要的。

The stock market and bond market are the major components of domestic financial market. The bond market has been getting more attention because of its expansion for years.
Interest rate is the main variable of the operation of economic system according to economic theory. Its variation demonstrates the various development of economic and influences economic activities.
The aggregate behavior of whole society can be observed through economic statistics and indices basing on the concepts of macroeconomics. Most participants of financial market also make anticipation by their changes . Therefore, this paper believes they can demonstrate the variation of government bond yield.
This paper forecasts the trend of government bond yield by Multiple Regression, Grey Prediction, and Adaptive Network-based Fuzzy Inference System (ANFIS).
There are lots of domestic literatures studying how to forecast the trend of government bond yield using the Neural Networks, but rare literatures adopt ANFIS. ANFIS has the advantage of both Fuzzy Logic and Artificial Neural Network. Fuzzy Logic works via the corresponding relationship of input variables and output variables. Artificial Neural Network finds the best prediction model through the training and learning of history.
This paper gets the anticipation using four points rolling model and huge data which are processed by AGO adopting traditional GM(1,1) model in Grey Prediction.
This paper evaluates the prediction values with RMSE and Wilcoxon Sign Test.
Grey Prediction performs best in prediction according to the results.

目 錄
第一章 緒論…………………………………………………………1
第一節 研究背景與動機………………………………………1
第二節 研究目的………………………………………………3
第三節 研究範圍………………………………………………4
第四節 研究內容………………………………………………4
第五節 研究流程………………………………………………5
第二章 文獻整理回顧………………………………………………7
第一節 一般利率水準理論……………………………………7
第二節 應用灰預測、調適性網路模糊推論系統相關文獻研 究 ………………………………………………11
第三節 中央政府公債利率方面文獻相關研究………………17
第三章 實證研究方法與架構………………………………………26
第一節 影響債券殖利率之總體指標資料敘述統計量………26
第二節 主成份分析法…………………………………………32
第三節 逐步迴歸分析法………………………………………33
第四節 多元線性迴歸法………………………………………35
第五節 模糊集合與模糊邏輯推論系統………………………38
第六節 調適應性網路模糊推論系統…………………………49
第七節 灰色預測………………………………………………53
第四章 第四章 實証研究分析與結果………………………………………56
第一節 實驗設計………………………………………………56
第二節 以逐步迴歸法與主成份分析法挑選輸入變數之綜合分析………………………………………………………57
第三節 以調適性網路模糊推論系統與多元迴歸建構模型………62
第四節 灰色預測之GM(1,1)模型……………………………81
第五節 Wilcoxon符號等級檢定 ……………………………86
第六節 實證研究之綜合分析 ………………………………92
第五章 結論 ………………………………………………………95
第一節 結論……………………………………………………95
第二節 研究限制………………………………………………96
第三節 未來研究方向…………………………………………96
附錄……………………………………………………………………97
參考文獻………………………………………………………………103

一、中文部份:
1.王國軒(2002)，運用不同類神經網路與模糊理論評價認購權證績效比較之研究，國立台北大學企業管理研究所碩士論文。
2.田佳平(2004)，以適應性類神經模糊推論系統自動建構 模糊電力系統穩定器，義守大學電機工程研究所碩士論文。
3.江琇貞(2000)，台灣公債殖利率與台股指數因果關係之實證研究，高雄第一科技大學財務管理研究所碩士論文。
4.伍宇文(1996)，應用類神經網路於利率預測之研究分析，台灣經濟金融月刊，第三十二卷第八期，pp.1-9。
5.李國勇(2005)，智能控制及其MATLAB實現，電子工業出版社。
6.李桐豪（1996），利率期限結構之預測-類神經網路的應用，行政院國家科學委員會專題研究計劃成果報告。
7.李沃牆(1998)，計算智慧在選擇權定價上的發展--人工神經網路、遺傳規劃、遺傳演算法，國立政治大學經濟研究所博士論文。
8.李沃牆與林維垣（2001），基因演化類神經網路模型於台股上限型權證的評價，2001東吳經濟學術研討會論文集。
9.李慶鴻(1999)，模糊類神經網路分析及其應用，國立交通大學電機與控制工程研究所博士論文。
10.李賢源(2006)，推動台灣債券市場改革與國際化之展望，證券櫃檯月刊117期。
11.吳麗敏(1997)，債券百科，金錢文化企業股份有限公司。
12.林堯琦(1997)，衍生性金融商品百科，金錢文化企業股份有限公司。
13.林婉蓉(2006)，我國分割公債制度介紹，證券櫃檯月刊117期。
14.周宏(2003)，統計學觀念與方法，鼎茂圖書出版社股份有限公司。
15.施宜協(2004)，運用灰預測、灰色馬可夫與適應性模糊類神經推論系統於市場中立型避險基金建構之研究，臺灣科技大學資訊管理研究所碩士論文。
16.施麗玉(2001)，農會信用部財務危機預測模型之研究-模糊類神經網路系統之應用，國立中興大學農業經濟研究所博士論文。
17.唐宜楷(1998)，台灣加權股價指數預測--灰色預測之運用，臺灣大學財務金融學研究所碩士論文。
18.唐宜立(1998)，灰色理論於共同基金動能策略與績效持續性，銘傳大學金融研究所碩士論文。
19.孫嘉鴻(2003)，灰預測與演化式類神經網路應用於台指選擇權之研究，朝陽科技大學財務金融研究所碩士論文。
20.黃俊榮(2002)，技術分析交易策略應用於台灣公債市場之模擬研究，輔仁大學金融研究所碩士論文。
21.財務金融研究中心(2003)，投資分析+MATLAB應用，全華科技圖書股份有限公司。
22.陳谷劦(2002)，公債殖利率與總體變數間關係之探討-台灣的實證研究，世新大學經濟學系研究所碩士論文。
23.陳昱均(2002)，類神經網路與模糊系統在企業倒閉風險預測之應用，逢甲大學財務金融學研究所碩士論文。
24.郭漢偉(2004)，灰色GM(1,1)模型針對離散數據之分析研究，清雲科技大學機械工程研究所碩士論文。
25.陳韻如(2003)，金融類股股價報酬率與利率波動性之相關研究，實踐大學企業管理研究所碩士論文。
26.張東揚(2002)，遺傳演化類神經網路在台灣公債殖利率預測之研究，東吳大學經濟學系研究所碩士論文。
27.莊鎮嘉與鄭錦聰(2004)，MATLABT程式設計-進階篇，全華科技圖書股份有限公司。
28.張斐章等(2004)，類神經網路-理論與實務，東華書局股份有限公司。
29.溫坤禮等(2002)，灰預測原理與應用，全華科技圖書股份有限公司。
30.楊宗文(2001)，適應性類神經模糊推論系統在舒適度模型上的應用，台灣大學電機工程學研究所碩士論文。
31.董長虹(2005)，MATLAB神經網路與應用，國防工業出版社。
32.蔡瑞煌(1995)，類神經網路概論，三民圖書股份有限公司。
33.蔡宛玲(2006)，如何建立臺灣成為亞洲主要之境外債券交易中心，證券櫃檯月刊116期。
34.蘇珍(2001)，公債殖利率、利率與股價指數互動關係之研究，國立台北大學企業管理研究所碩士論文。
35.蘇金明(2005)，MATLAB工程數學，電子工業出版社。
36.鄭錦聰(2003)，MATLAB程式設計-基礎篇(修訂版)，全華科技圖書股份有限公司。
37.謝劍平(2004)，現代投資學-分析與管理，智勝文化事業有限公司。
38.謝劍平(2004)，固定收益證券-投資與創新，智勝文化事業有限公司。
39.顏月珠(1995)，商用統計學，三民圖書股份有限公司。
二、英文部份:
1.Alexander, G. J.; and Sharpe, W. F.; and J.V. Bailey(2001),Fundamentals of Investments, Third Edition , Prentice Hall.
2.Chiu, S. (1994),“Fuzzy Model Identification Based on Cluster Estimation,” Journal of Intelligent & Fuzzy Systems, 2(3), Sept.
3.Chang, K. H. and C. S. Wu (1998),“A Gray Time Series Model on Forecasting the Chinese New Year Effect in the Taiwan Stock Market,” Journal of Grey System, 1(1) , 55-63.
4.Dubois, D., and H. Prade (1980), Fuzzy Sets and Systems: Theory and Applications, Academic Press, New York.
5.Deng, J. Guo, H. Xu, S. Xiong, J. and Chen M.(1988),“Essential Topicson Grey System : Theory and Application,” Huazhong University of Science and Technology, Beijing : China Ocean Press.
6.Fama, E. F.(1975）,“ Short-term Interest Rates as Predictors of Inflation. ”American Economic Review, l(67) , 269-282.
7.Hanke, M.(1997),“Neural Network Approximation of Option-pricing Formulas for Analytically Intractable Option-pricing Models,” Journal of Computational Intelligence in Finance, 1(5), 20-27.
8.Jang, J.-S. R. (1991),“Fuzzy Modeling Using Generalized Neural Networks and Kalman Filter Algorithm,” Proc. of the Ninth National Conf. on Artificial Intelligence (AAAI-91), July, 762-767.
9.Jang, J.-S. R. (1993),“ANFIS: Adaptive-Network-based Fuzzy Inference Systems,” IEEE Transactions on Systems, Man, and Cybernetics, 23(3), May, 665-685 .
10.Jang, J.-S. R., and N. Gulley (1994),“Gain Scheduling Based Fuzzy Controller Design,” Proc. of the International Joint Conference of the North American Fuzzy Information Processing Society Biannual Conference, the Industrial Fuzzy Control and Intelligent Systems Conference, and the NASA Joint Technology Workshop on Neural Networks and Fuzzy Logic, San Antonio, Texas, Dec.
11.Jang, J.-S. R., and C.-T. Sun (1995),“Neuro-fuzzy Modeling and Control,” Proceedings of the IEEE, March .
12.Jang, J.-S. R., and C.-T. Sun (1997),“Neuro-Fuzzy and Soft Computing:”A Computational Approach to Learning and Machine Intelligence, Prentice Hall.
13.Jeffery, R. Layne , and K. M. Passion (1993), “Fuzzy Model Reference Learning
Control for Cargo Ship Steering,” IEEE Control Systems, 13(6), Dec.
14.Kaufmann, A., and M. M. Gupta(1985),Introduction to Fuzzy Arithmetic, V.N. Reinhold.
15.Lee, C.M.C., and Swaminathan,B.(2000),“Price Momentum and Tradingvolume”, Journal of Finance,1(54), 1249-1290.
16.Lin, Man (1989),“An Application of the GM(1,1) Model : The Prediction of Flight Safety,” Journal of Grey System, 1(1) ,99-102.
17.Lee, C.-C.(1990),“Fuzzy Logic in Control Systems: Fuzzy Logic Controller-parts 1 and 2,” IEEE Transactions on Systems, Man, and Cybernetics, 20(2), 404-435.
18.Mamdani, E. H.,and S. Assilian (1975),“An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller,” International Journal of Man-Machine Studies, 7(1), 1-13.
19.Mamdani, E. H.(1976),“Advances in the Linguistic Synthesis of Fuzzy Controllers,” International Journal of Man-Machine Studies, 8, 669-678.
20.Mamdani, E. H.(1997),“Applications of Fuzzy Logic to Approximate Reasoning Using Linguistic Synthesis,” IEEE Transactions on Computers, 26(12), 1182-1191.
21.Margarita, Sergio(1991),“Neural Networks, Genetic Algorithms and Stock Trading,” Artificial Neural Networks, 1763-1766.
22.Sugeno, M(1985),Industrial Applications of Fuzzy Control, Elsevier Science Pub. Co.
23.Wang, L.- X.(1994),Adaptive Fuzzy Systems and Control: Design and Stability Analysis, Prentice Hall.
24.Widrow, B.,and D.Stearns(1985), Adaptive Signal Processing, Prentice Hall.
25.Yager,R.(1980),“On a General Class of Fuzzy Connectives,” Fuzzy Sets and Systems, 4: 235-242.
26.Yager, R.,and D.Filev(1994),“Generation of Fuzzy Rules by Mountain Clustering,” Journal of Intelligent & Fuzzy Systems, 2(3), 209-219.
27.Zadeh, L. A.(1965),“Fuzzy sets,” Information and Control, 8, 338-353.
28.Zadeh, L.A.(1973),“Outline of a New Approach to the Analysis of Complex Systems and Decision Processes,” IEEE Transactions on Systems, Man, and
Cybernetics, 3(1), Jan , 28-44 .
29.Zadeh, L. A.(1975),“The Concept of a Linguistic Variable and its Application to Approximate Reasoning, Parts 1, 2, and 3,” Information Sciences, 8: 199-249, 8: 301-357, 9: 43-80.
30.Zadeh, L.A.(1989),“Knowledge Representation in Fuzzy Logic,” IEEE Transactions on Knowledge and Data Engineering, 1, 89-100.
31.Zadeh, L. A.(1998),“Fuzzy Logic,” Computer, 1(4), 83-93.