# 臺灣博碩士論文加值系統

(44.201.97.224) 您好！臺灣時間：2024/04/14 18:02

:::

### 詳目顯示

:

• 被引用:3
• 點閱:411
• 評分:
• 下載:105
• 書目收藏:4
 近年來銀行定存利率下降加上通貨膨漲，如果只是將錢存在銀行勢必會有「錢越存越少的窘境」，因此有不少人開始投資股市，希望能藉由股市的投資獲得利潤，然而因為對股市的知識不足造成投資人血本無歸的情況時有耳聞。故做此模型提供投資人投資股市一個依據。本研究為投資組合中之股票選擇，運用關聯規則、K-means、布林粗集合、灰預測與灰關聯分析一併應用在股票的篩選，利用關聯規則將過去公司的財務報表進行分析，求算出影響股票漲跌較重的因子，以K-means進行分群，將分群後的財務指標做為布林運算粗集合理論的篩選條件，並利用股價的漲跌做為決策條件，篩選出影響股價漲跌的核心因子、規則與門檻值，再利用灰預測預測出下一季的財務指標的值，再透用布林粗集合理論所運算出的規則加以篩選，將所篩選出來的公司股票以整體灰關聯度的特徵向量中各對應元素的權重計算各個財務指標所佔的比例並加以排序，提供股票投資者一個投資的參考，以達到投資避險。
 In recent years, the interest rate is too low compared with the price level of goods. Putting the money in the bank will make money “less and less”. Therefore, many people start to invest in the stock market to make profit. However many people loose their money owing to insufficient knowledge about the stock market. In our research, we propose a model to be a reference for the investors investing in the stock market.This research is dedicated to the stock selection in a stock portfolio. We use association rules, K-means, Boolean rough set, grey prediction, and grey relation in stock selection. We use association rules to analyze the back company's financial report to figure out the core fact for the rising and dropping of the stock price. We use K-means on data clustering and put the clustered financial indices for selecting condition in Boolean rough set, and make the stock price be the decision condition. Therefore we can find the core factor, rules and the threshold values which influence stock price. Then we use grey prediction to predict the financial indices value in next season. Next, we use the rules gotten by Boolean rough set to screen. Finally, using the grey relation calculates weight for each Eigen vectors’ element in screened company stock and sorts. By the model, the investors can reduce their risk and increase their profit.
 目 錄 i表 目 錄 iii圖 目 錄 v第一章 緒論 1第一節 研究背景與動機 1第二節 研究目的 1第三節 研究流程 2第四節 研究流程圖 3第二章 文獻探討 4第一節 投資組合理論 4壹、Markowitz效率投資前緣理論 4第二節 應用上的後續改良 5壹、效率前緣計算 5貳、最適投資組合的決定 6第三節 資料挖掘 6壹、資料挖掘的定義 7第四節 關聯規則 7壹、相關研究 9第五節 集群分析 10壹、K-means 10第六節 分類技術 11壹、粗糙集理論 11第七節 灰色系統理論 13壹、灰預測 14貳、灰關聯方法 14第三章 研究方法 18第一節 模式建構 18壹、資料來源 18貳、關聯規則 20參、K-means 25肆、布林粗集合 26伍、灰預測 30陸、灰關聯分析 32第四章 實證分析 39第一節 研究架構圖 40第二節 資料前處理 41第三節 關聯規則 43第四節 K-means分群 44第五節 布林粗集合理論 46第六節 灰預測 54第七節 整體灰關聯分析 65第五章 結論與建議 67第一節 研究結論 67第二節 研究建義 68參考文獻 69
 [1] 于還莒，「應用資料探勘技術於一對一行銷系統」，國立臺灣大學資訊工程學研究所碩士論文，民國89年。[2] 史育英，「資料探勘技術運用在股市序列樣型技術分析之研究」，淡江大學管理科學研究所碩士論文，民國94年。[3] 白振義，「灰色關聯分析研究綜述」，灰色系統理論與實務，第三卷，第一期，192-122頁，民國82年。[4] 何怡慧，上市公司財務績效指標灰色預測模式之研究，長榮管理學院研究所碩士論文，民國86年。[5] 吳典庚，「台灣股票市場之GRG 分析」，國立台灣科技大學電機工程研究所碩士論文，民國89年。[6] 吳忠原，「結合粗略集合論、支援向量機及最佳化演算法於財務系統之應用」，大葉大學工業工程與科技管理研究所碩士論文，民國94年。[7] 宋文傑，「評估台灣通訊產業的財務績效─多變量區別分析法及灰關聯度整體性分析法之應用」，碩士論文，民國94年。[8] 李雄飛、李軍，數據挖掘與知識發現，中國，高等教育出版社，2003。[9] 林惠雯，「台灣股票市場與國際股票市場及匯率關聯性探勘之研究」，淡江大學管理科學研究所碩士論文，民國94年。[10] 張宮熊，「以灰色矩陣自我迴歸模式探討台灣市場長期資訊傳遞結構」，1998年灰色系統理論與應用年會，369〜384頁，民國87年。[11] 張紘愷，「應用分群技術於資料探勘之研究」，國立高雄應用科技大學電子與資訊工程研究所碩士論文，民國93年。[12] 許寶東、陳清燿、羅啟豪，「灰色預測理論在短期預測適用性之研究」，2006 創新、整合與應用研討會，民國95年。[13] 郭晉源，「台灣上市公司財務危機預警模式之比較」，國立台北科技大學商業自動化與管理研究所碩士論文，民國90年。[14] 陳利銓，「以約略集合方法進行知識擷取」，國立海洋大學航運管理學系碩士論文，民國91年。[15] 陳柏翰，「以RSS演算法挖掘股市交易資料之研究」，國立中央大學資訊管理研究所碩士論文，民國89年。[16] 陳啟仁，「網站用戶行為模型分析之研究」，中國文化大學資訊管理研究所碩士論文，民國93年。[17] 游欣慧，「多種情境模式資產配置之研究」，國立台灣大學財務金融學研究所碩士論文，民國88年。[18] 溫坤禮、賴家瑞，「灰色GM(h,N)分析與粗糙集方法之比較研究」，計量管理期刊vol. 1, no. 1，39 – 58頁 ，民國93年。[19] 詹賜福、洪良德，「傳統預測與灰色預測方法之比較」。1998年灰色系統理論與應用年會，73〜76頁，民國87。[20] 鄧聚龍，灰色控制系統二版，中國，華中理工大學出版，1993。[21] 鄧聚龍，郭洪，灰預測原理與應用，台北，全華圖書公司，民國85年。[22] 賴佩君，「灰色系統、模糊理論與約略集理論於權變投資組合保險策略之應用」，國立政治大學財務管理研究所碩士論文，民國94年。[23] 羅傑瀛，林彥宏，王正賢，「應用灰色理論於時間序列轉折點之分析與預測」，大葉學報，第十一卷 第二期，115-127頁，彰化，民國91年。[24] 蘇碩遠，「股票與認購權證買賣點預測模式之實證研究－以仁寶與大信01 為例」，銘傳大學管理科學研究所碩士論文，民國81年。[25] Agrawal, R. and Srikant, R., “Fast Algorithm for Mining Association Rules”, In Proceedings of the 20th International Conference on Very Large Databases, 1994, pp. 487-499.[26] Agrawal, R., Imilienski, T. and Swami, A., “Mining Association Rules between Sets of Items in Large Databases”, In Proceedings of ACM SIGMOD International Conference on Management of Data, 1993, pp. 207-216.[27] Alsabti, K., Ranka, S. and Singh, V., “An Efficient K-means Clustering Algorithm”, In Proceedings of the 1st Workshop on High Performance Data Mining, Orlando, FL, 1997.[28] Brianton Geoffrey, Risk Management and Financial Derivatives, McGraw-Hill Companies, New York, 1997, pp.431-469.[29] Chen M.S., Han J., and Yu P. S., “Data Mining: An Overview form a Database Perspective”, IEEE Trans, on Knowledge and Data Engineering, Vol. 8, No. 6, 1996, pp. 866-883.[30] Fayyad, U.M., “Data Mining and knowledge Discovery: MakingSense Out of data”, IEEE Expert, Volume 11, Issue 5, 1996, pp. 20-25.[31] Kleissner, C., “Data mining for the enterprise”, In Proceedings of the Thirty-First Hawaii International Conference on, Volume 7, 1998, pp. 295-304.[32] Markowitz, Harry M, “Portfolio Selection”. Journal of Finance, March, 1952.[33] Martin L. Leibowitz and Roy D. Henriksson, “Portfolio optimization with shortfall constraints : a confidence-limit approach to managing downside risk”, Financial Analyst Journal, Mar-Apr, 1989.[34] Michael Edesess and Heoge A. Hambrecht, “Scenario Forecasting；Necessity，not choice”, Financial Analyst Journal, Spring, 1990.[35] Michael, J.A. and Linoff, G., “Data Mining Technique: for Marketing, Sales and Customer Support”, Wiley ComputerPublishing, New York., 1997.[36] Pelleg, D. and Moore, A., “Accelerating Exact K-means Algorithms with Geometric Reasoning”, In Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Diego, CA, 1997, pp. 277–281.[37] Pham, D.T., Dimov, S.S. and Nguyen, C.D., “A Two-Phase K-means Algorithm for Large Datasets”. In Proceedings of the IMECH E Part C Journal of Mechanical Engineering Science, vol. 218, 2004, pp. 1269-1273.[38] Roger G. Clarke and Harindra de Silva, “State-Dependent Asset Allocation — Expanding the Efficient Froniter” , JPO, Winter, 1998.[39] Smyth P., Piatetsky S. G., and Fayyad U., “From Data Mining to Knowledge Discovery in Database”, AAA/MIT Press, Cambridge, 1996.[40] Walczak B., Massart D.L., "Rough sets theory". Chemometrics and Intelligent Laboratory Systems, vol.47, 1999, pp. 1-16.[41] William S. Gray, “Historical Returns”, Inflation and Future Return Expectations. Financial Analyst Journal, July-August, 1993.[42] Yiannis A. Koskosidis and Antonio M. Duarte, “A scenario-based approach to active asset allocation”, The Journal of Portfolio Management, Winter , 1997.[43] Yoav Benari, “Optimal asset mix and its link to changing fundamental factors”, The Journal of Portfolio Management, Winter, 1990.
 電子全文
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 1 上市公司財務績效指標灰色預測模式之研究 2 多種情境模式資產配置之研究 3 應用分群技術於資料探勘之研究 4 評估台灣通訊產業的財務績效-多變量區別分析法及灰關聯度整體性分析法之應用 5 應用資料探勘技術於一對一行銷系統 6 台灣股票市場之GRG分析 7 以約略集合方法進行知識擷取 8 以RSS演算法挖掘股市交易資料之研究 9 股票與認購權證買賣點預測模式之實證研究－以仁寶與大信01為例 10 網站用戶行為模型分析之研究 11 台灣股票市場與國際股票市場及匯率關聯性探勘之研究 12 結合粗略集合論、支援向量機及最佳化演算法於財務系統之應用 13 灰色系統、模糊理論與約略集理論於權變投資組合保險策略之應用 14 資料探勘技術運用在股市序列樣型技術分析之研究 15 共同基金績效評估與淨值預測－灰色系統理論之運用

 1 [23] 羅傑瀛，林彥宏，王正賢，「應用灰色理論於時間序列轉折點之分析與預測」，大葉學報，第十一卷 第二期，115-127頁，彰化，民國91年。

 1 應用布林粗集合與灰色預測於投資策略之研究—以台灣股票市場電子類股為例 2 個人特性、組織特性與組織認同之關聯性研究─以國內派遣員工為例 3 銀行資訊系統系統容量估算之實證研究 4 利用關聯法則探勘個股之間的關聯性 5 金融產業核心能力與購併經營績效之研究－以A商業銀行為例 6 組織學習能力丶人力資本丶研發人力資源管理與創新能力關係之研究 7 適用於多天線系統之幾何平均值分解處理器 8 系統化教學設計模式應用於國小六年級低成就學生網頁設計課程之行動研究 9 應用遺傳演算法與關聯規則於股票交易策略之研究 10 極端降雨下之山崩潛感分析-以莫拉克颱風誘發山崩為例 11 以分類與關聯分析建立選股模型─台灣股市之實證研究 12 證券業服務品質與經營績效之研究 13 國人購買國外旅遊產品消費行為之研究-虛實通路之比較 14 唐代婦女髮型與彩妝元素應用於時尚造型之研究 15 外籍配偶子女自我概念、學業表現與生活適應之相關研究

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室