跳到主要內容

臺灣博碩士論文加值系統

(3.95.131.146) 您好!臺灣時間:2021/07/25 14:13
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:陳逸平
研究生(外文):Chen,Yi-Ping
論文名稱:結合類神經網路及隨機與威廉指標應用於股市預測之研究
論文名稱(外文):Application of Neural Network and KD and WMS%R Indicators to Stock Price Prediction
指導教授:李俊德李俊德引用關係
指導教授(外文):Lee,Chun-Teh
學位類別:碩士
校院名稱:大葉大學
系所名稱:資訊管理學系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:92
中文關鍵詞:類神經網路隨機指標威廉指標效率市場假說
外文關鍵詞:Neural networksKDWMS%REfficiency market hypothesis
相關次數:
  • 被引用被引用:8
  • 點閱點閱:333
  • 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:1
影響股價變動的因素相當的多(基本面、技術面、消息面…等)。因此,要預測股市不是一件容易的工作。在經濟學說中有一個效率市場假說(Efficient Market Hypothesis),認為股市像隨機漫步,現有的資訊已經被充分反應在市場,無法用過去的資訊,預測未來的市場走勢。但是,此EMH假說並沒有得到共識。
本研究使用在股市中、短線操作上,投資者較常用的KD(隨機指標)與WMS%R(威廉指標)兩種技術指標,並結合類神經網路自我訓練、自我學習的優點,來研究這兩種技術指標的預測能力及可靠性。
本研究的實驗結果,整體準確率最好的可達63%,若是在不計平盤狀態下之準確率,最優異的可達80%以上。因此,技術分析是可讓投資人利用過去的價格資訊而獲得超額的報酬,所以本研究結論並不認同EMH假說;且台灣目前的股票市場是不具有弱式效率的可能性。此外,以美國NASDAQ的指數的實驗結果顯示,此種股市分析系統也適用於國際上其他自由經濟國家的股票市場。
On the basis of People’s concepts of investment were improved with the recovery of global economy in recent years, many people choose their investment way by funding into stock market. Although, stock market is a system of complex, dynamics and especially difficult to fathom, the fast-moving stock price often makes investors with their financial loss and there are so many factors would influence on the change of the stock price such as: fundamental, technique, the new, chips, politics. So, when predict the stock market is not an easy job; however there is an Efficient Market Hypothesis (EMH) proposed by Fama (1997) in the economic theory that the author thinks the stock market likes to stroll at random and the existing information are sufficient enough to response on the market already. For this reason, it is unable to use the information in the past to predict the future trend of market development, but fortunately this EMH hypothesis has not received the common understanding yet.
In this research, we use KD and WMS%R Indicators, and combine with neural network advantages and feasibility includes self-training and self-studying to investigate the prediction ability and dependability of this two kinds of technological indicator. And given a basis consulted when investors make their decisions of investment which can be used to verify with the dependability of EMH hypothesis.
中文摘要 ...................... iii
英文摘要 ...................... iv
誌謝辭 ...................... v
內容目錄 ...................... vi
表目錄  ...................... viii
圖目錄 ...................... ix
第一章  緒論.................... 1
  第一節  研究背景與動機............. 1
  第二節  研究目的................ 2
  第三節  研究範圍與限制............. 3
第四節 研究流程................ 4
第五節 論文架構................ 6
第二章  文獻探討.................. 7
  第一節  效率市場假說.............. 7
  第二節  技術分析理論.............. 10
  第三節  類神經網路............... 19
第四節 文獻探討總結.............. 26
第三章  研究方法.................. 35
  第一節  實驗步驟................ 35
第二節 選擇變數與資料處理........... 36
  第三節  類神經網路的設計與建構......... 41
第四節 類神經網路的訓練與驗證........... 42
第四章  實驗結果與分析............... 44
第一節 類神經網路架構之探討............ 44
第二節 比較五種模型的預測能力........... 49
第三節 長短期股市預測能力之探討.......... 51
第四節 變數多寡與預測能力之探討........ 52
第五節 和美國 NASDAQ 的比較......... 54
第五章 結論與建議................. 59
第一節 研究結論.................. 59
第二節 研究貢獻.................. 60
第三節 研究建議.................. 61
參考文獻 ...................... 63
附錄A 股價漲跌預測結果.............. 70
一、中文部分
尤明偉(2002),應用類神經網路於股票技術指標聚類與預測分析之研究,義守大學工業管理研究所未出版碩士論文。

李家豪(2001),KD技術指標之類神經模糊交易決策支援系統,靜宜大學企業管理研究所未出版碩士論文。

李良俊(2003),台灣股票市場技術分析有效性之研究,實踐大學企業管理研究所未出版碩士論文。

吳孟儒(2001),以輸入資訊內涵觀點構建台灣股價指數類神經網路預測模式之研究,義守大學管理科學研究所未出版碩士論文。

吳聖修(2004),應用股票趨勢技術分析於動態投資組合保險中之操作策略,國立交通大學資訊管理研究所未出版碩士論文。

余尚武,許意鈴(2005),共同基金淨值之預測--灰色理論、類神經網路及適應性類神經模糊推論系統之應用,中華管理評論國際學報,8 (3),1-33。

周鵬程(2002),類神經網路入門,台北,全華科技圖書股份有限公司。

徐松奕(2003),以技術指標對台灣加權股價期貨指數報酬之研究,國立東華大學企業管理研究所未出版碩士論文。

陳建欣(2002),價量技術指標交易系統之績效研究-類神經模糊之應用,靜宜大學企業管理研究所未出版碩士論文。

陳賢鵬(2003),臺股期貨決策支援系統,國立屏東科技大學資訊管理研究所未出版碩士論文。

陳應慶(2004),應用技術分析指標於台灣股票市場加權指數買進時機切入之實證研究─以RSI、MACD及DIF為技術指標,佛光人文社會學院管理學研究所未出版碩士論文

陳志龍(2006),運用類神經網路與技術指標預測股票型基金漲跌及交易時機之研究-以臺灣50指數股票型基金為例,朝陽科技大學資訊管理研究所未出版碩士論文。

張振魁(2000),以類神經網路提高股票單日交易策略之獲利,國立中央大學資訊管理研究所未出版碩士論文。

張政一(2001),類神經網路於有價證券預測股價及漲跌之研究,中國文化大學國際企業管理研究所未出版碩士論文。

黃怡中(2002),在不同技術指標交易策略下停損機制設置與否之績效分析,銘傳大學金融研究所未出版碩士論文。

曾思博(1999),類神經網路於股價預測與資金配置之應用,國立中央大學資訊管理研究所未出版碩士論文。

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,國立台北大學經濟研究所未出版碩士論文。

楊孟龍(2000),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未出版碩士論文。

趙永昱(2002),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研究所未出版碩士論文。

葉怡成(1997),應用類神經網路,台北,儒林圖書有限公司。

葉怡成(2003),類神經網路模式應用與實作,台北,儒林圖書有限公司。

蔡德淵(2002),台灣股市「漲時重勢、跌時重質」之實證研究,國立成功大學企業管理學研究所未出版碩士論文。

賴宏祺(1997),技術分析有效性之研究,國立中興大學企業管理學研究所未出版碩士論文。

羅華強(2005),類神經網路:MATLAB的應用,台北,高立圖書有限公司。

簡辰丞(2001),結合MACD與類神經模糊技術之股票預測模型─以臺灣金融股為例,靜宜大學企業管理研究所未出版碩士論文。

二、英文部分
Bessembinder, H., & Chan, K. (1995). The profitability of technical trading rules in the Asian stock markets, Pacific-Basin Finance Journal, 3, 257-284.

Bohan, J. (1981). Relative Strength: Further Positive Evidence, Jour-nal of Portfolio Management, 7, 36-39.

Braun, H., & Chandler, J. S. (1987). Predicting stock market behavior through rule induction: an application of the learn-ing-from-example approach. Decision Sciences, 18(3), 415-429.

Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and stochastic properties of stock return. Journal of Finance, 47, 1731-1764.

Chenoweth, T., Obradovic, Z., & Lee, S. (1995). Technical trading rules as a prior knowledge to a neural networks prediction system for the S&P 500 Index, IEEE Technical Applications Conference and Workshop, 111-115.

Durkin, J. (1994). Expert Systems Design and Development. Englewood Cliffs, NJ: Prentice Hall.

Elder, A. (1987). Using stochastics to catch early trend and reversala. The Magazine of Commodities & Options, 16(6), 68-72.

Fama, E. F. (1965). The Behavior of stock market prices, Journal of Business, 33, 34-105.

Fama, E. F. (1970). Efficient capital markets:A review of theory and empirical. Journal of Finance, 25, 383-417.

Frost, A. J., Prechter, R. R. Jr., & Collins, C. J. (2001). Elliott Wave Prin-ciple: Key to Market Behavior (10th ed.) New York: John Wiley & Sons.

Hakman, A. W., Hunter, A., & Dunne, P. (2002). Autonomous Agent Models of Stock Markets, Artificial Intelligence Review 17: 87–128.

Hsieh, A. D. (1991). Chaos and non-linear dynamics: Application to fi-nancial markets, Journal of Finance, Vol. 46, h1833-1877.

Hurst, J. M. (2000). The Profit Magic of Stock Transaction Timing. Greenville, SC: Traders Press.

Jobman, D. (2006). Has Technical Analysis Kept up with the (Dow) Jones? Futures, 35(3), 50-53.

Kimoto, T., & Asakawa, K. (1990). Stock market prediction system with modular neural network. The Mit Press, 25(23), 36-43.

Kryzanowski, L., Galler, M., & Wright, D. W. (1993,Jul/Aug). Using Artificial Neural Networks to Pick Stocks. Financial Analysts Journal, 49(4), 21-27.

Malkei, B. G. (1999). A Random Walk Down Wall Street (7th ed.) New York and London: W. W. Norton & Company.

Nison, S. (2001). Japanese Candlestick Charting (2nd ed.) Englewood Cliffs, NJ: Prentice Hall.

Pesaran, H. M., & Timmermann, A. (1994). Forecasting Stock Returns: An Examination of stock market trading in the presence of trans-action costs. Journal of Forecasting, 13, 335-367.

Plummer, T. (1993). The Psychology of technical analysis: Profiting from crowd behavior and the dynamics of Price (2nd ed.) New York and London: McGraw-Hill.

Szakmary, A., Davidson, W. N., & Schwarzy, T. V. (1999). Filter tests in Nasdaq Stocks. Finance Review, 34, 34-70

Shmilovici, A., Yael, A. B., & Shmuel, H. (2003). Using a stochastic complexity measure to check the efficient market hypothesis. Computational Economics 22: 273-284.

Tsibouris, G., & Zeidenberg, M. (1996). Testing the efficient market hy-pothesis with gradient descent algorithms. In Refenes, A. P. Neu-ral Networks in the Capital Markets. New York: John Wiley & Sons, 127-136.

Vijay, S. D., & Rakesh, B. (1998). The efficacy of neural networks in predicting returns on stock and bond indices, Decision Sciences, Vol, 29(2), 405-425.

Williams, T. (2000). The Undeclared Secrets That Drive the Stock Mar-ket. West Worthing, England: Genie Software.

Woods, S. (2002). Float Analysis: Power Technical Indicators Using Price and Volume. New York: John Wiley & Sons.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top