(35.175.212.130) 您好!臺灣時間:2021/05/17 22:09
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:林典蓉
研究生(外文):Dan-Lon Lin
論文名稱:應用基因演算法與灰色決策建構擇股策略模型
論文名稱(外文):Applying Genetic Algorithm and Grey Decision in Stock Selective Models
指導教授:周宗南周宗南引用關係
指導教授(外文):Tsung-Nan Chou
學位類別:碩士
校院名稱:朝陽科技大學
系所名稱:財務金融系碩士班
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:106
中文關鍵詞:灰色決策擇股模型基因演算法
外文關鍵詞:Grey Decision MakingStock-Selective ModelGenetic Algorithm
相關次數:
  • 被引用被引用:10
  • 點閱點閱:645
  • 評分評分:
  • 下載下載:101
  • 收藏至我的研究室書目清單書目收藏:2
在通貨膨脹壓力甚大的時代裡,若單純只利用存款利率做為資金增值方法,財富實質價值將會逐年降低,於是投資理財的觀念成為一重要的課題。近年來,大眾對於投資理財的概念趨於普遍,投資已成為民眾生活的一部份,大部分的投資散戶對於投資標的的選擇還是依據理財專員或是證劵商業務員的指引作為準則,這些投資機構的相關人員的資訊往往存在著觀測歷史資料直接對未來做預測的人為風險,因此本研究希望建立一合理且具邏輯的擇股模型,以提供投資大眾使用與建議。
  本研究以我國證劵交易所上市的電子工業類股為研究對象,以財務比率作為評估公司的準則,利用灰色決策與基因演算法建構出三種擇股模型。其結果發現,所有模型的平均報酬均高於大盤,其中以結合灰色決策與基因演算法之模型的擇股績效最好。
至於變數,以應收帳款週轉率、流動比率、稅後息前的總資產報酬率(Return on Assets Before Interest and After Tax;ROA)、股價淨值比及每股盈餘(Earnings Per Share;EPS)對擇股決策影響程度較大,可藉此提供給投資大眾作為擇股的準則。
In the time of inflation, our wealth will be decreased year after year if the bank deposit is the major investment strategy. Therefore, the study of the Investing and Financial Management are crucial to the future of our wealth management. In recent years, people have proposed a general idea that both wealth management and investing become parts of our daily lives.

Most public investors select stocks for investment under the guidance of the bank consultants or brokers. However, these financial institution staff might rely on the historical data or subjective judgment to predict trend and result in high risks. For the purpose of reducing the investment risk, this study tried to construct a sophisticated stock selecting model which is capable of providing a rational investment approach and reducing the risks from human subjective judgment.

This study used financial ratios as criteria to evaluate the electronic industry company listed in Taiwan Stock Exchange (TSEC). Three different models applying the Genetic Algorithm and Grey Decision Making are built to select promising stocks. Among three models, the integrated model combining Genetic Algorithm and Grey Decision Making demonstrates higher evaluation performance.

In addition, the experiment results find that Accounts Receivable, Turnover Ratio, Current Ratio, Return on Assets Before Interest and After Tax (ROA), Market-To-Book Equity Ratios and Earnings Per Share (EPS) are important factors which provide higher weighting to the serious stock-selective models.
目 錄
摘 要 I
ABSTRTACT II
致 謝 III
表 目 錄 VI
圖 目 錄 VIII
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 研究流程 3
第四節 研究架構 3
第二章 文獻回顧 6
第一節 擇股模型之相關文獻 6
第二節 灰色決策之相關文獻 8
第三節 基因演算法之相關文獻 9
第三章 研究方法 14
第一節 灰色決策 14
第二節 基因演算法 18
第三節 模型的定義與實驗設計 28
第四章 實證結果與分析 32
第一節 資料來源與架構 32
第二節 變數說明 33
第三節 各模型執行結果 40
第四節 模型比較 60
第五節 各變數權重 62
第五章 結論與建議 65
第一節 結論 65
第二節 未來研究方向與建議 67
參考文獻 68
附 錄 72

表 目 錄
表2-1 文獻整理表 10
表4-1 變數本質說明表 34
表4-2 模型A建議投資公司之次數統計表(樣本A) 41
表4-3 模型A投資組合績效比較表(樣本A) 42
表4-4 模型B之參數設定 42
表4-5 模型B建議投資公司之次數統計表(樣本A) 43
表4-6 模型B投資組合績效比較表(樣本A) 44
表4-7 模型C建議投資公司之次數統計表(樣本A) 45
表4-8 模型C投資組合績效比較表(樣本A) 46
表4-9 模型A建議投資公司之次數統計表(樣本B) 48
表4-10 模型A投資組合績效比較表(樣本B) 49
表4-11 模型B建議投資公司之次數統計表(樣本B) 50
表4-12 模型B投資組合績效比較表(樣本B) 51
表4-13 模型C建議投資公司之次數統計表(樣本B) 52
表4-14 模型C投資組合績效比較表(樣本B) 53
表4-15 模型A建議投資公司之次數統計表(樣本C) 54
表4-16 模型A投資組合績效比較表(樣本C) 55
表4-17 模型B建議投資公司之次數統計表(樣本C) 56
表4-18 模型B投資組合績效比較表(樣本C) 57
表4-19 模型C建議投資公司之次數統計表(樣本C) 59
表4-20 模型C投資組合績效比較表(樣本C) 60
表4-21 各模型報酬率比較表 61
表4-22 各模型績效比較表 61
表4-23 各變數之平均權重排序表 62
表一 模型A之每季建議投資公司(樣本A) 72
表二 模型B之每季建議投資公司(樣本A) 77
表三 模型C之每季建議投資公司(樣本A) 82
表四 模型A之每季建議投資公司(樣本B) 87
表五 模型B之每季建議投資公司(樣本B) 90
表六 模型C之每季建議投資公司(樣本B) 93
表七 模型A之每季建議投資公司(樣本C) 96
表八 模型B之每季建議投資公司(樣本C) 99
表九 模型C之每季建議投資公司(樣本C) 102
表十 模型B求得每季各變數權重值 105

圖 目 錄
圖1-1 研究架構 5
圖3-1 基因演算法運算流程示意圖 21
圖3-2 單點交配法 24
圖3-3 雙點交配 24
圖3-4 字罩交配 25
圖3-5 部分對應交配 26
圖3-6 突變 26
圖3-7 實驗設計圖 31
圖4-1 各產業股票交易量比重圖 32
參考文獻
一、中文部份
1.汪秋菊、索志林(2007)。多目標局勢決策在企業人力資源配置中的應用。大慶石油學院學報,卷31(2),頁92-95。

2.李佩芳(2006)。整合遺傳演算法與模糊理論以建構財富管理決策模型之研究。朝陽科技大學財務金融系研究所碩士論文。

3.李茂林、魏勇(2005)。多目標灰局勢決策方法的改進及其應用。嵐山師範學院學報,卷20(12),頁9-10。

4.何應岳(2006)。運用類神經網路與基因規劃法建構-台股指數期貨跨商品價差交易系統。朝陽科技大學財務金融系研究所碩士論文。

5.何鴻聖(2004)。自我組織神經網路在選股策略的應用。國立東華大學國際經濟研究所碩士論文。

6.巫沛倉、郭怡華、陳月香(2001)。模糊決策分析應用於電子產業之選股策略。商管科技季刊, 卷3(2),頁111-133。

7.邱志榮(1999)。遺傳演算法在投資組合策略之應用。國立中山大學經濟學研究所碩士論文。

8.林妙雀、酈芃羽(2004)。人力資本、結構資本與關係資本對企業價值影響之研究-以台灣地區電子資訊、化學生技、紡織、機電業加以實證。高應科大人文社會科學報,1,233-250。

9.唐瑩瑩、張醒洲(2005)。灰色局勢決策在投標聯合體伙伴選擇中應用。建築管理現代化,3,1-4。

10.陳冠宏(2003)。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。

11.陳昭吉(2003)。應用遺傳基因演算法於晶圓制造廠之設施佈制問題。元智大學工業工程與管理研究所碩士論文。

12.張小健、張書健、薛青(2005)。灰色局勢決策在市場選擇中的應用。經濟管理新管理學報,18,70-75。

13.曹耀鈞(2001)。資料包絡分析(DEA)與分析層級程序(AHP)兩種模式於科技類股投資組合決策之應用研究。東吳大學企管研究所碩士論文。

14.黃宏德(1999)。台灣股市選股指標績效評估。國立中山大學財務管理研究所碩士論文。

15.鄧聚龍(1999)。灰色系統理論與應用。台北:高立圖書有限公司。

16.謝昆霖、沈進成、周君妍、鄭丞君(2005)。基因演算法應用於顧客旅遊行程路徑最適化模型之研究。旅遊管理研究,4(1),53-66。

17.鄭朝仁(2002)。模糊理論及灰色決策理論應用於台灣航電產業委外管理績效評估之研究。朝陽科技大學企業管理系碩士論文。

18.鄭宜典(2007)。基本分析與技術分析之投資績效比較。國立中興大學會計學研究所碩士論文。

19.謝劍平著(2006)。財務管理-新觀念與本土化。台北:智勝文化事業有限公司。

20.藍儒忠(2005)。整合灰色決策及模糊理論建構-有線電視產業併購決策系統。朝陽科技大學財務金融系研究所碩士論文。

21.龍騰芳(2005)。灰色局勢決策算法及其應用。微電子學與計算機,22(7),62-64。

22.鐘志成(2004)。基因演算法之應用。中興工程,80,87-106。

二英文部分
1.Banz, R. W. (1981). The relationship between return and market value of common stock. Journal of Financial Economics, 9, 3-18.

2.Badrinath. S.G. & Kini. O. (1994). The Relationship between Securities Yields, FirmSize, Earings/Price Ration and Tobin’s q. Journal of Business Finance, 109-131.

3.Chang, E.C. & Lewwllen, W. G. (1984). Market Timing and Mutual Fund Investment Performance. Journal of Business, 57-72。

4.Fama, E. F. & French, K. R. (1988). Dividend yields and expected stock returns. Journal of Financial Economics, 22, 3-25.

5.Fama, E. F. & French, K. R. (1992). The cross-section of expected stock returns. The Journal of Finance, 47, 427-465.

6.Galbraith, C.S. & Merrill, G. B. (1991). The Effect of Compensation Program and Structure on SBU Competitive Strategy: A Study of Technology-Intensive Firm. Strategy Management Journal,12, 253-370.

7.Joseph, D. (2000). Value Investing: The Use of Historical Financial Statement Informati on to Separate Winners from Losers. Journal of Accounting Research, 38, 1-41.

8.Roko, I. & Gilli, M. (2006). Using economic and financial information for stock selection. Preprint submitted to Elsevier Science, 31, 1-18.

9.Murphy, K.J. (1985). Corporate Performance and Managerial Remuneration : An Empirical Analysis. Journal of Accounting and Economics, 7, 11-42.

10.Nicholson, F. (1960). Pricing-Earnings Ratios.Financial Analyst Journal,
19, 43–45.

11.Da Costa, N., Jr, Cunha, J. & Da Silva, S. (2005).Stock selection based on cluster analysis. Economics Bulletin, Economics Bulletin, 13(1), 1-9.

12.Ou, J.A. & Penman, S.H. (1989). Financial Statement Analysis and the Prediction of Stock Returns. Journal of Accounting and Economics, 11, 295-329.

13.Rosenberg, B., Reid, K. & Lanstein, R. (1985). Persuasive Evidence of Market Inefficiency. Journal of Portfolio Management, 11, 9-17.

14.Eberhart , A.C., Maxwell,W. F. & Siddique, A.R. (2004). An xamination of Long-Term Abnormal Stock Returns and Operating Performance Following R&D Increases. The Journal of Finance, 54, 623-650.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top