跳到主要內容

臺灣博碩士論文加值系統

(44.192.38.248) 您好!臺灣時間:2022/11/27 07:06
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

: 
twitterline
研究生:黃婷湘
研究生(外文):Ting-Shiang Huang
論文名稱:專家判斷法建立案例式推理系統與類神經網路預測架構於個股漲跌趨勢之研究
論文名稱(外文):Integrating Neural Network and Case-Based Reasoning to predict stock price return
指導教授:張百棧張百棧引用關係
指導教授(外文):Pei-Chann Chang
學位類別:碩士
校院名稱:元智大學
系所名稱:工業工程與管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
畢業學年度:94
語文別:中文
論文頁數:133
中文關鍵詞:股價轉折點預測技術分析類神經網路案例式推理專家系統
外文關鍵詞:Stock Price ReturnNeural NetworkTechnical IndexCase Base Reasoning
相關次數:
  • 被引用被引用:16
  • 點閱點閱:211
  • 評分評分:
  • 下載下載:8
  • 收藏至我的研究室書目清單書目收藏:1
股票市場的表現是國家經濟發展中最值得參考的領先指標。它不但會對一般的產業、企業有所影響,其盛衰更是牽涉著國家的整個經濟發展體系,因此要如何準確預測出股價走勢之變動一直是投資人或學者研究的目標。本研究之研究方法主要分為兩個階段:第一階段為資料的前處理,為了獲得更高的投資報酬率,首先必須選擇投資標的,根據選股原則篩選出值得投資的個股做為預測對象。;第二階段為案例式推理系統輔助類神經網路預測模型之建立,此預測模型包含兩個部份:第一部份為倒傳遞神經網路模型,將篩選出的因子輸入類神經網路中訓練,輸出值為個股的買賣點。第二部份為案例式推理系統模型,此模型是以動態時間視窗搜尋(Dynamic Time Window Search)的方式,從歷史資料當中,擷取過去幾期與近幾期趨勢波動最相近的時間區間,藉以預測出個股漲跌情況。以案例式推理系統輔助類神經網路的預測,更精確的判斷個股股價的轉折點。經由實驗結果證實,經由選股策略所篩選出的個股其投資報酬率皆大於未經選股策略篩選的個股,顯示選股的重要性及本研究制定出的選股策略確實可以篩選出能夠提昇投資報酬率的投資標的物;此外經由案例式推理的輔助判斷,確實可以減少類神經網路預測的買賣點次數,也可以排除買高賣低的預測誤差,也可以找出更佳的買點及賣點,提升更高的投資報酬。
The stock market is very important to the economic development of a country, because it will influence the general industry and economic development system of a country. Therefore, in this search we are trying to combine the neural network technique and case base reasoning technique to construct a trading system. Besides we will provide strategy of the stock selection decision. There are two steps in the prediction model: First step is neural network model, in which we use back-propagation network to train input data, in which the output data are buy-sell point; Second step is case-base reasoning model, in which we use dynamic time window search to retrieve history patten and find the most similar neighbouring solution in order to predict stock trading. The result of our experiment shows that our stock selection strategy can find investment ambition for increasing profits. Therefor case-base reasoning can help neural network model to determine the best tradind point.
目 錄
中文摘要 I
英文摘要 II
誌 謝 III
目 錄 IV
表目錄 VI
圗目錄 VIII
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 1
1.3 研究動機 2
1.4 研究方法 2
1.5研究架構與流程 2
第二章 文獻探討 5
2.1 傳統選股的相關研究 5
2.2股價預測分析方法 9
2.2.1 基本分析(Fundamental Analysis) 9
2.2.2 技術分析(Technical Analysis) 10
2.2.3 技術分析之相關研究 11
2.2.4 技術分析於股價預測之相關文獻 12
2.3類神經網路(Neural Network) 14
2.3.1 類神經網路簡述 14
2.3.2 類神經網路的模式 15
2.3.3 類神經網路應用於股價預測之相關文獻 16
2.4 案例式推理專家系統(Case-Based Reasoning) 17
2.4.1案例式推理系統簡述 17
2.4.2案例式推理系統之相關文獻 20
2.5 整合案例式推理與類神經網路之相關文獻 22
第三章 問題描述 26
3.1 研究資料之範圍 26
3.2 選股策略說明 26
3.3 研究變數說明 28
3.3.1 技術指標 28
3.3.2 其他指標 31
第四章 案例式推理輔助類神經網路架構之建立 34
4.1 逐步迴歸分析(Stepwise Regression Analysis) 35
4.2 倒傳遞神經網路 37
4.2.1 倒傳遞神經網路之原理 37
4.2.2 倒傳遞神經網路之架構 38
4.2.3 倒傳遞神經網路之學習過程 40
4.2.4 倒傳遞神經網路參數設定 41
4.3 案例式推理演算法 50
第五章 實驗結果 57
5.1 篩選個股 57
5.2 逐步迴歸篩選因子 62
5.3 類神經網路模型預測 63
5.3.1網路架構之實驗設計 63
5.3.2類神經網路模型預測結果 64
5.4 案例式推理模型預測 74
5.4.1 案例式推理模型預測結果 74
5.5 實驗結果驗證 82
第六章 結論及後續研究建議 84
6.1 結論 84
6.2 後續研究建議 85
參考文獻 86
附錄一、逐步迴歸技術指標篩選表 90
附錄二、類神經網路隱藏層及隱藏層神經元設定實驗表 101
附錄三、類神經網路參數設定表 125
1.Abraham, A., and A. A. Yeung. “Integrating Ensemble of Intelligent Systems for Modeling Stock Indices,” In Proceedings of 7th International Work Conference on Artificial and Natural Neural Networks, Lecture Notes in Computer Science- Volume 2687, Jose Mira and Jose R. Alverez (Eds.), Springer Verlag, Germany, pp.774-781, 2003.
2.Abraham, A., B. Nath, and P. K. Mahanti, “Hybrid Intelligent Systems for Stock Market Analysis”, Proceedings of the International Conference on Computational Science-Part II, pp.337-345, 2001.
3.Bauman, W.S and R.E. Miller, “Investors expectations and the performance of value stocks versus growth stocks,” Journal of Portfolio Management, Vol. 23, pp.57-98, 1997.
4.Chang, C. L., “Using case-based reasoning to diagnostic screening of children with developmental delay,” Expert Systems with Applications, Vol. 28, pp.237-247, 2005.
5.Chang, P. C., C. Y. Lai, “A hybrid system combining self-organizing maps with case-based reasoning in wholesaler’s new-release book forecasting,” Expert Systems with Applications, Vol. 29, pp.183-192, 2005.
6.Chi, S. C., Chen, H. P., and C. H. Cheng, “A Forecasting Approach for Stock Index Future Using Grey Theory and Neural Networks,” IEEE International Joint Conference on Neural Networks, pp. 3850-3855, 1999.
7.Chiu, C., “A case-based customer classification approach for direct marketing,” Expert System with Applications, Vol. 22, pp.163-168, 2002.
8.Choy, K. L., W. B. Lee, V. Lo., “An intelligent supplier management tool for benchmarking suppliers in outsource manufacturing,” Expert System with Applications, Vol.24, pp.213-224, 2002.
9.Choy, K. L., W. B. Lee, V. Lo., “Design of an intelligent supplier relationship management system:a hybrid case based neural network approach,” Expert System with Applications, Vol.24, pp.225-237, 2003.
10.Corchado, J. M., and B. LEES, “Adaptation of cases for case-based forecasting with neural network support,” Soft Computing in Case Based Reasoning. Pal S.K, Dillon T.S. and Yeung D.S. (eds.), Springer Verlag, London, U.K. ISBN 1-85233262-X, pp.293-319, 2000.
11.Fritz, H.G., “Case-based reasoning applying past experience to new problem”, Information System Management, pp.77-80, 1993.
12.Gencay, R., “Non-linear Prediction of Security Returns with Moving Average Rules,” Journal of Forecasting, Vol.15, pp.165-174, 1996.
13.Hush, D. R., and B. G. Horne, “Progress in Supervised Neural Networks,” IEEE Signal Processing Magazine, January, pp.8-39, 1993.
14.Hongkyu, J., and H. Ingoo, “Integration of Case-Based Forecasting, Neural Network and Discriminate Analysis for bankruptcy Prediction,” Expert Systems with Applications, Vol.11, No. 4, pp.415-422,1996.
15.Jaap, V. D. H., E. Slagter, V. D. Dick, “Stock selection strategies in emerging markets,” Journal of Empirical Finance, Vol. 10, pp.105-132, 2003.
16.Jeng, B. C., and T. P. Liang, “Fuzzy Indexing and Retrieval in Case-based Systems,” The Fist Pan Pacific Conference on Info. Systems, Kaohsiung, Taiwan, pp.258-266, 1995.
17.Jha, G., S. C. Hui, and S. Foo., “A hybrid case-based reasoning and neural network approach to online intelligent fault diagnosis,” Proceeding 3rd International ICSC Symposia on Intelligent Industrial Automation an Soft Computing, Genoa, Italy, pp.379-381, 1999.
18.Kim, K. J. and I. Han, “Genetic Algorithms Approach to Feature Discretization in Artificial Neural Networks for The Prediction of Stock Price Index,” Expert Systems with Applications, Vol. 19, pp. 125-132, 2000.
19.Kim, K. S., and I. Han, “The cluster-indexing method for case-based reasoning using self-organizing maps and learning vector quantization for bond rating cases,” Expert System with Applications, Vol.21, pp.147-156, 2001.
20.Lee, J. W., “Stock Price Prediction Using Reinforcement Learning,” IEEE International Joint Conference on Neural Networks, pp. 690-695, 2001.
21.Lin, N. K., and K. Y. Sin, “Evaluating Cast-Based Reasoning and Evolution Stratefies for Machine Maintenance,” IEEE, pp.480-485,1999.
22.Liu, Y. and X. Yao, “Evolving Neural Networks for Hang Seng Stock Index Forecast,” Proceedings of the 2001 Congress, Vol1, pp.256-260, 2001.
23.Mair, C., G. Kadoda, M. Lefley, and K. P. C. Schofield, “An Investigation of Machine Learning Based Prediction Systems,” The Journal of Systems and Software, pp.23-29, 2000.
24.Reategui, E.B., J. A. Campbell, B.F. Leao, “Combining a neural network with case-based reasoning in a diagnostic system”, Artificial Intelligence in Medicine, Vol.9, pp.5-27, 1997.
25.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, pp.2438-2442, 2003.
26.Watson, I., and F. Marir, “Case-Based Reasoning: A Review,” The Knowledge Engineering Review, Vol.9, No.4, pp355-381, 1994.
27.王正群,「使用案例式推理之股市投資決策支援系統設計與實作」,國立高雄應用科技大學,金融資訊研究所碩士論文,民國九十三年。
28.王惠娟,「結合灰色預測及演化是類神經網路建構台灣加權股價指數之預測模 式」,朝陽科技大學,財務金融系碩士論文,民國九十四年。
29.古智偉,「營收資訊揭露對股價報酬率預測效果之影響─應用修正式基因類神經網路模型」,國立台北大學,資訊管理研究所碩士論文,民國九十三年。
30.江志豪,「每股盈餘稀釋效果與股價之研究」,國立台北大學,會計學系碩士論文,民國九十三年。
31.何仁祥,「以案例式推理為基礎的基因演算法解決生產排成問題」,元智大學,工業工程與管理研究所碩士論文,民國九十二年。
32.李春旺,「股價行為與規模效應:台灣股票市場實證研究」,國立政治大學,企業管理研究所碩士論文,民國七十六年。
33.季子,選股要領,聯經出版事業公司,民國八十三年。
34.林建廷,「台灣股票市場因子探討」,國立東華大學,國際經濟研究所碩士論文,民國八十九年。
35.金庸,看盤選股秘笈,先見出版公司,民國八十六年。
36.威廉歐尼爾,梁炳球譯,股市贏家,經濟日報,民國七十八年。
37.施惠萍,「結構係變化的偵測與其在技術分析中的應用」,國立台灣大學,經濟學研究所碩士論文,民國八十七年。
38.洪志豪,「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,民國八十七年。
39.洪振,「股權集中度與股價報酬率之相關研究-以電子產業與傳統產業為例」, 國立成功大學,企業管理研究所碩士論文,民國九十一年。
40.胡玉雪,「益本比、淨值卅市價比及公司規模對股票報酬之影響─相似無關迴歸法之應用」,國立台灣大學,商學系碩士論文,民國八十二年。
41.陳志民,「選股與衍生性策略超額報酬之研究」,國立政治大學,企業管理研究所碩士論文,民國八十九年。
42.陳育信,「以移動平均線(MA)與乖離率(Bias)檢測台指選擇權單一部位投資策略之績效」,逢甲大學,經濟管理碩士在職專班碩士論文,民國九十三年。
43.陳冠宏,「我國上市及上櫃電子公司股票評價之研究-以盈餘及財務比率分析」,國立東華大學,公共行政研究所碩士論文,民國九十一年。
44.麥英瑞,「證劵投資組合選股策略之研究」,國立中山大學,企業管理研究所碩士論文,民國八十三年。
45.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,會計系碩士論文,民國九十二年。
46.楊夢龍,「類神經網路於股價波段預測及選股之應用」,國立中央大學,資訊管理研究所碩士論文,民國八十八年。
47.葉怡成,類神經網路模式應用與實作第六版,儒林圖書有限公司,民國88 年。
48.詹金凌,「整合螞蟻理論與案例式推理於知識管理之應用」,國立台北科技大學,生產系統工程與管理研究所碩士論文,民國九十二年。
49.廖廣義,「以類神經網路預測股價指數漲跌」,元智大學,工業工程研究所碩士論文,民國八十八年。
50.趙永昱,「技術分析交易法則在股市擇時之實證研究」,國立中山大學,財務管理學系碩士在職專班碩士論文,民國九十一年。
51.劉克一,「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,民國八十九年。
52.潘威豪,「台灣股市類股週轉率與報酬波動之關係研究」,國立中正大學,企業管理研究所碩士論文,民國八十八年。
53.蔡依玲,「台灣股票市場報酬率之研究」,國立成功大學,統計系碩士論文,民國八十九年。
54.蔡佳容,「價格及成交量的投資策略-以台灣股市為例」,中國文化大學,會計研究所碩士論文,民國九十年。
55.鄭友偉,「應用案例式推理及基因演算法於圖書退貨處理輔助系統」,元智大學,工業工程與管理研究所碩士論文,民國九十三年。
56.盧麗安,「財務基本分析與台灣股價表現」,國立中山大學,財務管理學系碩士論文,民國八十四年。
57.賴彥勳,「淨值市價比現象之再探討」,輔仁大學,會計學系碩士論文,民國九十三年。
58.謝玉華,「以拔靴複製法檢驗技術分析交易策略」,銘傳大學,金融研究所碩士論文,民國八十七年。
59.魏國章,「以案例式推理作創投之投資決策評估系統」,國立成功大學,工業管理科學研究所碩士論文,民國九十二年。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊