臺灣博碩士論文加值系統

半導體產業(Semiconductor Industry)為國內股市投資重要的投資標的。有關台灣半導體產業股價間影響之研究，多以迴歸分析(Regression Analysis)檢定，以類神經網路與灰關聯分析者似乎不多。
本研究主要是利用灰關聯分析(Grey Relational Analysis)以及倒傳遞類神經網路(Back-Propagation Network)，來探討半導體產業類股之間股價的連動性，了解不同半導體產業類股走勢發展的關係，以提供投資人作為股市投資決策的參考。
針對收集之到118家半導體產業上、中、下游廠商，各575筆日交易紀錄進行分析，應用灰關聯分析找出各廠商之間關聯性加以分類剔除關聯度較低的廠商，再以世界第一封裝大廠—日月光為主要標的，利用倒傳遞類神經網路加以訓練，找出較佳之訓練模型來預測實際股價，研究範圍從2007年1月1日至2009年4月30日。
研究結果發現：
1. 運用灰關聯分析剔除關聯性較低之廠商，能有效提高運用倒傳遞網路來預測之準確率。
2. 在倒傳遞類神經網路之研究結果發現，當學習動差越大，在隱藏層神經元個數、學習率、學習動差，三種變數下，固定疊代循環次數50,000次，可找出最小的誤差值。
3. 經驗證結果顯示，利用倒傳遞類神經網路(Back-Propagation Network)模式來訓練權重並分析，發現半導體產業類股間股價漲跌對於日月光之股價確有其影響。

Semiconductor industry is one of the pivotal investment targets in the local stock market. Numerous researches have been excuted and accomplished on the interrelationships among semiconductor industry-related stocks and stock prices. These researches were carried out mostly with regression analyses.
This research has adopted grey relational analysis and back-propagation network to investigate the interrelationships among semiconductor industry-related stocks and the future trend for semiconductor-related stocks, so as to provide crucial information for stock investors while making investment decisions.
The data were primarily collected from 118 suppliers in the semiconductor industry. Totaled of 575 daily transaction records respectively from upstream, middle-stream and downstream suppliers were analyzed to examine the relationships among the suppliers by grey relational analysis. In due course, the suppliers with lower relationship weights were eliminated from analysis.
Thus, the world’s top assembly house, ASE Group, was targeted and trained by back-propagation network in an attempt to find out the best way to predict stock prices. This research focused on the records gathered from January 1st, 2007 to April 30th, 2009.
The results have indicated the following key points:
1.Prediction accuracy of back-propagation network was enhanced after the suppliers in lower relationship levels were eliminated by Grey relational analysis.
2.According to the results of back-propagation network analysis, the minimal deviation value may be found in the maximum learning moment, in which the three variables— the hidden layer neurons, learning rates, and learning moment cyclically iterated for 50,000 times.
3.With the training and analysis of back-propagation network, it was found that semiconductor-related stock prices had a significant effect on ASE Group’s own stock price.

第一章 緒論1
第一節 研究背景1
第二節 研究動機與目的5
第三節 研究流程6
第二章 文獻探討8
第一節 半導體與股價簡介8
第二節 灰關聯理論15
第三節 類神經網路理論17
第三章 研究方法24
第一節 灰關聯分析方法24
第二節 類神經網路分析方法27
第四章 實證分析33
第一節 灰關聯分析33
第二節 倒傳遞類神經網路之分析34
第三節 驗證結果39
第五章 結論與建議47
第一節 結論47
第二節 後續研究建議47
參考文獻49
表目錄
表1.1 2007年台灣半導體產業與產品在全球供給表1
表1.2 我國歷年IC產業產值2
表1.3 我國半導體產業上市公司3
表2.1 台灣IC產業產值9
表4.1 各項因子之灰關聯度彙整表33
表4.2 參數設定表34
表4.3 10,000次訓練：倒傳遞類神經網路最佳參數彙整表34
表4.4 30,000次訓練：倒傳遞類神經網路最佳參數彙整表36
表4.5 50,000次訓練：倒傳遞類神經網路最佳參數彙整表38
表4.6 一、三、五萬次訓練之驗證誤差比較表42
表4.7 倒傳遞類神經網路預測值與實際值MAPE之彙整表44
表4.8 MAPE評估準則之分類46
圖目錄
圖1.1 2007年台灣半導體產業與產品在全球地位示意圖(需求面)1
圖1.2 2003∼2012 年全球半導體產值與年成長率(一般值預估)3
圖1.3 半導體產業關聯圖3
圖1.4 研究流程圖7
圖2.1 台灣半導體流程架構10
圖2.2 生物神經元模型20
圖2.3 人工神經元模型21
圖2.4 類神經網路模型：以倒傳遞網路為例22
圖3.1 倒傳遞類神經網路架構圖28
圖3.2 倒傳遞演算法流程29
圖4.1 10,000次訓練：最佳參數實際值與測試值差異比較圖35
圖4.2 10,000次訓練：訓練誤差與測試誤差比較圖36
圖4.3 30,000次訓練：最佳參數實際值與測試值差異比較圖37
圖4.4 30,000次訓練：訓練誤差與測試誤差比較圖37
圖4.5 50,000次訓練：最佳參數實際值與測試值差異比較圖39
圖4.6 50,000次訓練：訓練誤差與測試誤差比較圖39
圖4.7 10,000次訓練：實際值與驗證值比較圖40
圖4.8 10,000次訓練：驗證誤差圖40
圖4.9 30,000次訓練：實際值與驗證值比較圖41
圖4.10 30,000次訓練：驗證誤差圖41
圖4.11 50,000次訓練：實際值與驗證值比較圖42
圖4.12 50,000次訓練：驗證誤差圖42
圖4.13 一、三、五萬次訓練之驗證誤差比較圖43

一、中文部份
[1]王進德、蕭大全(2003)，類神經網路與模糊控制理論入門，全華出版。
[2]何怡慧(1999)，上市公司財務績效指標灰色預測模型之研究，私立長榮管理學院經營管理研究所碩士論文。
[3]余瑞琁等(2007)，2007半導體工業年鑑，工研院產經中心。
[4]李永健(2008)，2008下半年台灣IC封裝測試產業展望分析，拓墣產業研究所。
[5]林坤滄、李志鵬(2007)，類神經網路智能控制技術在空調通風系統上之應用，財團法人中華顧問工程司，74，pp.135-143。
[6]夏郭賢、吳漢雄(1998)，灰關聯分析之線性數據前處理探討，灰色系統學刊，1(1)，pp.47-53。
[7]翁唯峻(2000)，半導體產股價關連性暨泡沫檢定，東吳大學企業管理學系研究所碩士論文。
[8]張偉哲、溫坤禮、張廷政(2003)，灰關聯模型方法與應用，高立圖書。
[9]張斐章、張麗秋(2003)，類神經網路(初版)，台東華書局。
[10]曹登發、盧炳勲 編譯(1992)，類神經網路理論與應用，全華出版。
[11]許世才(2003)，兩岸股票市場之互動關係—以產業別來探討，義守大學管理研究所碩士論文。
[12]陳萱倫(2002)，台灣、美國、日本半導體產業股價連動關係，成功大學企業管理學研究所碩士論文。
[13]彭茂榮(2008)，2007年我國半導體產業回顧與展望，工研院IEK電子組。
[14]經濟部工業局半導體產業推動辦公室，http://www.sipo.org.tw/。
[15]群益金融網，http://www.capital.com.tw/。
[16]葉怡成(2004)，類神經網路模式應用與實作，儒林圖書。
[17]蔣繼賢(1999)，台灣積體電路產業之股價關聯性，國立東華大學國際經濟研究所碩士論文。
[18]蔡相如(1999)，台灣地區商業銀行之經營績效評估：灰色關聯度與因素分析法之應用，銘傳大學管理科學研究所碩士論文。
[19]盧淑華(2006)，IC封裝與測試產業，華南金控產經資訊，38，pp.21-27。
[20]賴怡洵(2000)，美、日、港、台股價資訊傳遞多元GARCH模式之研究，證券櫃檯月刊，52，pp.1-17。
[21]聶建中、林少斌、莊亨懋(2004)，台灣半導體上、中、下游產業股價指數之連動性探討，臺大管理論叢，15(2)，pp.25-42。
[22]http://www.itis.org.tw/rptDetailFree.screen?rptidno=F22F14B10B1D4D6E482573F300052013。
[23]TRI 拓墣產業研究所，http://www.topology.com.tw/tri/。
二、英文部份
[1]Business Week, http://www.businessweek.com/bschools/
[2]Chan, K. C. Gup, B. E., and Pan, M. S. (1992), An Empirical Analysis of Stock Prices in Major Asian Market and The United States, The Finance Review, pp.283-307.
[3]Chowdhury, A. R. (1994), Stock Market Interdependencies: Evidence from the Asian NIEs, Journal of Macroeconomics, 16(4), pp.629-651.
[4]Corhay, A., Rad, A. T., and Urbain, J. P. (1993), Common Stochastic Trends in European Stock Markets, Economic Letters, 42(4), pp.385-390.
[5]Deng, J.L. (1989), Introduction to Grey System, Journal of Grey System, 1(1), pp.1-24.
[6]Eung, C.S. and Shim, S. (1989), International Transmission of Stock Market Movements, Journal of Financial & Quantitative Analysis, 24(2), pp.241-256.
[7]Jeon, B. N. and Chiang, T.C. (1991), A System of Stock Prices in World Stock Exchanges: Common Stochastic Trends for 1975-1990, Journal of Economics and Business, 43, pp. 329-338.
[8]Kasa , K. (1992), Common Stochastic Trends in International Stock Markets, Journal of Monetary Economics, 29, pp.95-124.
[9]Lin, W., Engle, R. and Ito, T. (1994), Do Bulls and Bears Move across Borders? International Transmission of Stock Returns and Volatility, Review of Financial Studies, 7, pp. 507-538.
[10]Martin, C.A. and Witt, S.F. (1989), Accuracy of Econometric Forecasts of Tourism, Annals of Tourism Research, 16, pp.407-428.
[11]Schindler, H. J. (1992), Chemical industry diversification, Journal of International Marketing and Marketing Research. 17(1), pp.125-138.
[12]Wu, P.(1995), Neural Network Source Code. NCSU. Raleigh. N.C. U.S.A.