臺灣博碩士論文加值系統

台灣指數期貨契約（TAIMEX）是由台灣股市加權股價指數衍生出來的一種金融商品。因此，研究TAIMEX的漲跌趨勢可以由股票現貨市場的表現來著手。在研判股市趨勢中，成交量是一種很重要的因素。分析股市成交量可以由交易所每日公佈的資料中找到”主力資金”的去向。這些主力資金往往是有實力的投資者，其動向也影響股市後勢的發展。
股市有一種”當日沖銷”交易策略，常為一般人所忽略，而且過於頻繁的操作容易使獲利空間被交易成本侵蝕。本研究專為進行當日沖銷的投資人，發展一套TAIMEX交易的決策支援系統，此系統是一種以倒傳遞演算法的類神經網路為基礎架構。其間我們會針對類神經網路的層數. 各層神經元的個數等網路參數以Try-And-Error 的方式，並加入時間軸移動法為網路學習策略，來找出較佳的網路架構。然後以此架構分別輸入各種主力資金再比較其各別輸出預測的準確性，運用此預測結果導入機械式操作策略進行模擬投資。並實驗台指期每次交易以當日沖銷為操作策略的可行性。我們也設計了以隨機漫步理論的實驗. 對照本研究的推論。期望研究結果能提供投資人一項新的投資決策工具。
本研究有四項主要的研究重點：
1.比較主力資金的對股市波動的影響力，並由股市量能去預測台指期貨。
2.發展一套類神經網路的台指期預測預測系統，以提供投資台指期貨市場時的決策支援工具。
3.應用時間軸移動視窗法的資料重新訓練，增加類神經網路的效能
4.利用機械式的交易策略避免人性弱點，並實驗台指期每次交易以當日沖銷為操作策略的可行性。

The Taiwan Index Future Contact (TAIMEX) is a financial derivative of Taiwan Stock Index. So, we can study the trend of the fluctuating for TAIMEX by observing the performance of Taiwan stock market. To judge the trend of trading for stock market, the volume is a very important factor. By analyzing the volume, we would find the movement of “anchor capitals” which are always the powerful investors and the important influence of stock market.
There is a trading strategy in the future market called “day trading” which always disregarded by the market and earning the profit difficultly. Therefore, we just develop a TAIMEX trading decision support system for the day trading investors. This system is the Back-Propagation Neural Network and using the volumes from kinds of anchor capitals as the inputs. In the meanwhile, we would get the parameters of networks such as the amounts of layers and neurons by the way “try-and-error”. We would also involve the “Time Shaft Moving Method” into the learning process in order to get the better model of networks. Then we would respectively input kinds of anchor capitals to the model and compare their outputs in which is more predicting accuracy. Using the outputs of NN and involving the “Mechanizing Trading Strategy”, we would simulate to trade the TAIMEX and make a comparison with the experiment of Random-walk Theory.
There are four main points in our study:
1.Comparing the amount information of the anchor capitals giving public by Taiwan Stock Exchange Company to predict TAIMEX.
2.Developing a decisional tool by neural network for investing the Taiwan future market.
3.Using the “Time Shaft Moving Method” for neural networks training.
4.Using the “Mechanizing Trading Strategy” to avoid the human nature weakness, and experimenting the feasibility of “day trading” strategy.

CONTENTS
Acknowladgement i
Abstract (Chinese) ii
Abstract(English) iii
List of Contents iv
List of Figures vi
List of Tables vii
Chapter 1 Introduction 1
1-1　Background and Motive of Research 1
1-1.1 Background 1
1-1.2 Motive: 3
1-2　Purpose of Research 3
1-3　Assumption of Research 4
1-4　Procedure of Research 5
1-5　Scope and Implement of Research 6
1-6　Contribution of Research 7
Chapter 2 Relative Literature 8
2-1 Taiwan Index Future Market 8
2-1.1 The Index Future 8
2-1.2 TAIMEX Current State 10
2-2 Analyzing the Volume of Stock Market 11
2-2.1 The Pattern of Taiwan stock market 11
2-2.2 Participators of Taiwan Stock Market 13
2-3 Trading Strategies 15
2-3.1 Day Trading Strategy 16
2-3.2 Random-Walk Theory 18
2-4 Prediction of Stock Index 19
2-4.1 Statistical Inference 19
2-4.2 Application of Artificial Intelligence 19
2-4.3 Nonlinear of Index Future 20
2-4.4 Principle of Artificial Neural Networks 21
2-4.5 Running of Artificial Neural Networks 22
2-4.6 Back-Propagation Neural Networks 24
2-4.7 Evaluating with Artificial Neural Network 25
Chapter 3 Experiment Research 27
3-1　System Framework 27
3-2　Approach and Process of System 28
3-2.2 Predicting Model 1 28
Ⅰ. Back-Propagation Neural Network 29
Ⅱ. Time Range Moving Method 29
Ⅲ. Trading Timing 30
Ⅳ. Trading Cost 31
Ⅴ. Finance Allotment 31
Ⅵ. Mechanized Trading Strategy 31
Ⅶ Principle of Valuation 32
3-2.3 Predicting Model 2 32
Ⅰ.Open-Close Pricing Strategy 33
3-2.4 Experiment Procedure 33
Ⅰ. Learning rate 34
Ⅱ. Inertia Factor 34
3-3　System Model 34
3-3.1 Time Period 35
3-3.2 Input variable 35
3-3.3 Output Variable 36
3-3.4 Network Frame 37
Chapter 4 Experiment Result 38
4-1 Control Groups 38
4-1.1 The Base Sample Statistics 38
4-1.2 Random-walk Model 40
4-2 BPNN model 41
4-2.1 Deciding Network Model 41
4-2.2 Constructing the Predicting ANN 43
4-3 Simulating Investment 45
4-3.1 The Ability of Gain 45
4-3.2 Directional Correction 46
4-3.3 Time Series Chart 47
4-4.4 Counting Profit Ratio 48
Chapter 5 Conclusion and Suggestion 51
5-1 Conclusion 51
Ⅰ. In the side of BPNN 51
Ⅱ. In the predicting models 51
Ⅲ. In the trading strategy 51
5-2 Suggestion 52
Ⅰ.The choice of inputs 52
Ⅱ. Time period 52
Ⅲ. The training example 52
Ⅳ. Stabling the trading strategy 52
Appendix 59
Ⅰ. The trading groups in Taiwan 59
Ⅱ. The correlation between index and volume in Taiwan stock market 59
Ⅲ. The time series chart of anchor capitals volume and Taiwan stock index 60
Ⅳ. The training performance of foreign capitals models 62
Ⅴ. The training performance of anchor capitals in 18-6-1 network 65
Ⅵ、The time series comparison of TAIMEX and NN outputs in anchor capitals 68

Reference
[1] 莊慶仁，2002，「延長交易時間對台灣股市價格行為之影響」，國立成功大學企業管理研究所碩士論文。
[2] 彭慧娟，2001，「外資概念股財務報告公告與外資法人買賣超行為之研究」，國立政治大學會計學研究所碩士論文。
[3] 梁馨尹，2000，「台灣股價行程的連串類型與其分析技術」，國立台北大學統計學系碩士班碩士論文
[4] 葉怡成，1995，「類神經網路模式應用與實作」，儒林書局。
[5] Zone3，2003，「整數關卡操作法－－論當日沖銷」，e-stock 發財網理財討論區網頁， http://www.e-stock.com.tw/
[6] 史考持/阿貝特/Schott John W./Arbeiter John S，1998，「股市心理學」，齊思賢譯，財訊出版社。
[7] 張雅雯，2003，「以正、逆價差檢驗台灣股票市場效率性」，逢甲大學企業管理學系研究所碩士論文。
[8] 台灣證券交易所網站：http://www.tse.com.tw/。
[9] 台灣期貨交易所，2004，「問題一：何謂期貨交易？」，台灣期貨交易所網頁，http://www.taifex.com.tw/taifex0701.asp。
[10] 劉儒明，1996，「股價指數期貨與認購權證」，金錢出版社。
[11] 馮志源，2003，「台指期貨入門學習地圖」，早安財經文化出版社。
[12] 台灣經濟月刊第264期，2002，「臺灣股價指數期貨合約規格比較」，臺灣省政府經濟建設委員會出版。
[13] 朱星羽，2003，「期貨質詢報告」，立法院公報。
[14] 胡家瑜，1994，「我國股市日曆異常現象探討」，淡江大學管理科學研究所碩士論文。
[15] 白輔台，1993，「技術分析指引」，小報文化出版，1993年5月初版。
[16] 林可依，2003，「台灣上市股市三大法人買賣超是否可提供投資人短期獲利機會？」，國立東華國際經濟研究所碩士論文。
[17] 趙詩容，2002，「法人買賣超是否為投資人短期買賣的參考指標？以台灣股市為例」，國立東華國際經濟研究所碩士論文。
[18] 葉月女，2003，「我國證券市場三大機構投資人與一般投資人對股市波動性影響之探討」，淡江大學財務金融學系研究所碩士論文。
[19] 吳訂宜，2002，「台灣股價能否被預測？─以每日之價、量、信用交易及外資買賣超來預測為例」，朝陽大學財務金融學系碩士班碩士論文。
[20] 洪銓，2002，「台灣股票集中市場成分波動性之實證研究」，國立成功大學企業管理學系碩博士班碩士論文。
[21] 富隆綜合證券，2004，「期貨教室」，富隆綜合證券期貨教室網頁，http://www.fullong.com.tw/。
[22] 賴慧君，2002，「當日沖銷交易獲利影響因素之研究」，國立政治大學企業管理學系研究所碩士論文。
[24] 紀文欽，2002，「認購權證相對於當日沖銷對市場效率的影響」，國立政治大學企業管理學系研究所碩士論文。
[25] 楊家維，2000，「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系研究所碩士論文。
[26] 味正杰，2003，「應用技術分析於期貨投資：日內資料之實證研究」，朝陽大學財務金融學系研究所碩士論文。
[27] Robert A. Haugen，2001，「打破效率市場迷失」，郭敏華譯，智勝文化出版。
[28] 金鼎證券公司，2003，「台股期指研究報告」，中央社新聞10.02.2003。
[29] 王懷賢，2000，「TAIFEX及SIMEX台股指數期貨之非線性與混沌現象之檢定」，國立成功大學企業管理學系碩士論文。
[30] 黃汎鍾，2002，「非線性混沌於期貨市場之探討」，國立台北大學企業管理學系研究所碩士論文。
[31] 邵檢，2003，「期貨市場的非線性動力系統的性質及應用的研究」，http://www.chancezoo.com/qixiang/reference/fxx.htm
[32] .盧炳勳、曹登發，1992，「類神經網路理論與應用」，全華科技圖書股份有限公司。
[33] 蔡瑞煌，1995，「類神經網路概論」，三民書局股份有限公司。
[34] 張維哲，1993，「人工神經網路」，全欣資訊圖書股份有限公司。
[35] 焦李成，1991，「神經網路系統理論」，儒林書局。
[36] 吳振坤，1992，「類經神網路在學習臺灣股價行為上的應用」，國立交通大學資訊管研究所碩士論文。
[37] 周育蔚，1996，「利用類經神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。
[38] 張文信，1996，「以類經神網路預測股價指數漲跌」，國立台灣大學財務金融研究所碩士論文。
[39] 陳玉清，1996，「以類神經網路建立股票價格預測知識庫」，東吳大學會計研究所碩士論文。
[40] 鄭志偉，1997，「運用類神經網路於台灣股市個股及指數之預測分析」，淡江大學資訊管裡學系碩士班碩士論文。
[41] 李天行、陳能靜、邱志洲 ，2000，「整合灰預測及類神經網路於現貨開盤指數預測之研究－以新加坡交易所摩根台股指數期貨為例」，第五屆人工智慧研討會 473-481頁。
[42] 王天津，2000，「以灰色理論預測台灣證券交易所發行量加權股價指數之研究」，第四屆電子化企業經營管理理論暨實務研討會。
[43] 吳秉奇，1999，「類神經網路在臺股指貨期貨的預測應用」，國立中央大學資訊管理研究所碩士論文。
[44] 簡文蘭，2003，「模糊化交易法則應用於台灣加權股價指數期貨之實證研究」，朝陽大學財務金融系碩士班碩士論文。
[45] 楊孟龍，2000，「類神經網路於股價波段預測及選股之應用」，中央大學資訊管理研究所碩士論文。
[46] 張智星，2000，「MATLAB程式設計與應用-類神經網路」，清蔚科技出版社。
[47] Fama,Eugene F. and Blume Marshall E., “ Filter Rules and Stock-Market Trading Profits ”, Journal of Business, 39, January 1966, pp.226-241.
[48] Beaver, W.H. (1966),“Financial ration as predictors of failures.”Journal of Accounting Research 4 (supplement), 71-111.
[49] DeBondt, W., and R. Thaler, 1985, Does the stock market overact?, Journal of Finance 40(July), 793-805.
[50] Shefrin, H., and statman, M.(1985), “The disposition to sell winners too early and ride losers too long： theory and evidence,” Journal of Finance 40, pp.777-790.
[51] Samuelson, P., 1965, “Proof that Properly Anticipated Prices Fluctuate randomly”, Industrial Management Review, Vol.6, 41-49.
[52] Hawley, D. and D. Raina, 1990, “Artificial Neural System：A New Tool for Financial Decision-Making”, Financial Analysts Journal, p.63-p.72, November/December
[53] Skapura,D.M.(1995), Building Neural Networks,pp.137-140.
[54] Medsker, L., E. Turban and R.R. Trippi,“Neural Network Fundamentals for Financial Analysts”, collected in Neural Networks in Finance and Investing, Financial Analysts”, collected in Neural Networks in Finance and Investing,
[55] Simon Haykin, Neural Networks ： A Comprehensive Foundation, Prentice Hall International Editions, 1999.
[56] Rosenblatt, F., “Principles of neuro-dynamics”, Spartan Books, New York（1959）
[57] P.J.Werbos,”Beyond regression：New tools for prediction and analysis in the behavioral sciences”,Doctoral dissertation,Harvard University, 1974
[58] D.Rumelhart,G.Hinton and R.Williams,”Learning Internal　Representations by Error Propagation”,Parallel Distributed Processing： Foundations，Rumelhart,　McClelland,　eds,　1,　PP.318-362,MIT Press,1986
[59] Takashi Kimoto and Asakawa Kazuo (1990),”Stock market prediction system with modular neural networks”, IEEE International Joint Conference on Neural Networks, pp11-16.
[59] Matthias Schumann, and Thomas Lohrboch, 1993, “Comparing Artificial Neural Network with Statistical Methods within the Field of Stock Market Prediction”, IEEE 1993.
[60] Kazuhiro Kohara, 1995, “Neural Multivariate Prediction Using Event-Knowledge and Selective Presentation Learning”, IEEE, 1995.
[61] Karsten Schierholt, Cihan H. Dagli, 2000, “Stock Market Prediction Using Different Neural Network Classification Architecture”, IEEE, 2000.
[62] Thierry Catfolis, 1997, “Neural Network Models of the Prediction of Stock Return Volatility”, IEEE, 1997.
[63] Emad W. Sadd, 1998, “Comparative Study of Stock Trend Prediction Using Time Delay, Recurrent and Probabilistic Neural Network”, IEEE Transactions on Neural Network, VOL.9, No.6, November 1998.
[64] Martin Rast, 1999, “Forecasting with Fuzzy Neural Networks: A Case Study in Stock Market Crash Situations”, IEEE, 1999.
[65] Alan M. Safer, and Bogdan M.Wilamowski,1999, “Using Neural Networkto Predict Abnormal Returns of Quarterly Earning”, IEEE, 1999.
[66] W. S. Cheung, H. S. Ng, and K. P. Lam, 2000, “ Intraday Stock Price Analysis and Prediction”, IEEE, 2000.
[67] Yiwen Yang, and Guizhong Liu, 2001, “Stock Market Trend Forecasting Base on Wavelet Networks”, IEEE,2001.
[68] Peter Tino, Christian Schittenkopf, and Georg Dorffen , 2001, “Financial Volatility Trading Using Recurrent Neural Network”, IEEE Transactions on Neural Networks, VOL.12,No.4,JULY,2001.
[69] Yi-Shin Chen, and Cyrus Shahabi, 2001, “Automatically Improving the Accuracy of User Profile with Genetic Algorithm”, In the Proceeding of IASTED International Conference on Artificial Intelligence and Soft Computing, May,2001.
[70] Son-Nan Chen, An-Pin Chen, and Camus Chang, 2000, “Hedging and Arbitrage Warrants Under Smile Effects: Analysis and Evidence”, Institute of Information Management, National ChiaoTung University, Taiwan, ROC.
[71] Fxtrek Co., 2003, “Introduction to FX(Foreign Exchange ) Market”, http://www.fxtrek.com