跳到主要內容

臺灣博碩士論文加值系統

(3.236.84.188) 您好!臺灣時間:2021/08/01 18:30
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:吳東曄
研究生(外文):Tung-Yeh Wu
論文名稱:應用類神經網路於預測台股指數之研究
論文名稱(外文):Application of Artificial Neural Network to Forecast the Weighted Price Index in Taiwan
指導教授:蔡典龍蔡典龍引用關係鄭昌源
指導教授(外文):Tien-Lung TsaiChang-Yuan Cheng
學位類別:碩士
校院名稱:國立屏東教育大學
系所名稱:應用數學系
學門:數學及統計學門
學類:數學學類
論文種類:學術論文
畢業學年度:97
語文別:中文
論文頁數:55
中文關鍵詞:台灣股價加權指數迴歸分析倒傳遞類神經網路
外文關鍵詞:Taiwan Capitalization Weighted Price IndexRegression AnalysisBPNBack-Propagation Neural Network
相關次數:
  • 被引用被引用:25
  • 點閱點閱:1184
  • 評分評分:
  • 下載下載:328
  • 收藏至我的研究室書目清單書目收藏:0
本研究的研究標的為台灣股價加權指數,研究方法為迴歸分析(逐步迴歸)、倒傳遞類神經網路(Back-Propagation Neural Network,BPN)與經迴歸分析篩選剔除變數後所產生新的倒傳遞類神經網路(Eliminative Back-Propagation Neural Network,Eli-BPN),研究目的為預測隔日的台灣股價加權指數,並探討此三種研究方法對台灣股價加權指數的預測成效。
本研究的研究區間為2006年11月21日至2007年4月20日共100天。採用的研究變數有國際匯率(美元兌新台幣、美元兌日圓、美元兌英鎊、美元兌韓元、美元兌歐元、美元兌港幣)、國際股市(Dow Jones、NASDAQ、S&P 500、費城半導體、英國FTSE、德國DAX、荷蘭AEX、日經225、韓國綜合、香港恆生、上海綜合、深圳綜合、台灣加權股價指數)、美國掛牌之ADR(台積電ADR、聯電ADR、中華電ADR、矽品ADR、日月光ADR、友達ADR)、台灣股市期貨市場(台指期(近月)、電子期(近月)、金融期(近月)、摩台期(近月))、台灣股市盤後籌碼(大盤成交量、法人買賣超、台灣50股價、融資餘額、融券餘額)與台灣股市技術分析(MA5、MA10、MA20、K9、D9、BIAS10、BIAS20、RSI6、RSI12、MACD、DIF)。
本研究結果顯示,經迴歸分析篩選剔除變數後所產生新的倒傳遞類神經網路(Eli-BPN)預測效果最好,倒傳遞類神經網路(BPN)次之,迴歸分析(逐步迴歸)再次之。
The topic of this article is about the next-day prediction of Taiwan capitalization weighted price index and the effectiveness of three different predicting methods. These methods are regression analysis (Stepwise), Back-Propagation Neural Network (BPN), and Eliminative Back-Propagation Neural Network (Eli-BPN). Eli-BPN is a derivative of BPN which utilizes regression analysis to reduced variables.
This article uses data between Nov 21, 2006 to Apr 20, 2007 (100 days total). These data are international exchange rates(include United States dollar vs new Taiwan dollar, Japan yen, Britain pound, South Korea won, Euro, and Hong Kong dollar.),international stock market indices(include Dow Jones, NASDAQ, S&P 500, Philadelphia Semiconductor, British FTSE, Germany DAX, Dutch AEX,NIKKEI 225, South Korean KOSPI, Hong Kong HANG SENG, Shanghai composite index, Shenzhen composite index, and Taiwan Weighted index.), American depositary receipts (include TSM ADR,UMC ADR,CHT ADR,SPIL ADR ,ASX ADR,AUO ADR.), Taiwan futures exchange(include Taiwan market futures, electronic sector futures, financial sector futures, Morgan Stanley closing index for Taiwan futures.), Taiwan stock market daily summary(include total trading volume, net foreign investors trading, Taiwan top 50 tracker, balance of financing, balance of financial securities.), Taiwan stock market technical analysis(include MA5, MA10, MA20, K9, D9,BIAS10, BIAS20, RSI6, RSI12, MACD, DIF.).
This article shows that Eli-BPN performs the best prediction among the three methods, follows by BPN, and regression analysis is the worst.
第一章 緒論……………………………………………………………………1
1.1 研究背景與動機……………………………………………………………………1
1.2 研究目標……………………………………………………………………………2
1.3 研究方法與步驟……………………………………………………………………2
第二章 相關資料簡介與文獻探討………………………………………………6
2.1 貨幣市場…………………………………………………………………………6
2.2 國際股市…………………………………………………………………………6
2.3 海外存托憑證(DR,Depositary Receipt)………………………………………8
2.4 期貨市場…………………………………………………………………………11
2.5 籌碼分析…………………………………………………………………………13
2.6 技術分析…………………………………………………………………………14
2.6.1 移動平均線(MA,Moving Average)………………………………………14
2.6.2 隨機指標(KD,Stochastic Oscillator)……………………………………15
2.6.3 平滑異同移動平均線(MACD)…………………………………………16
2.6.4 乖離率(BIAS)……………………………………………………………17
2.6.5 相對強弱指標(RSI,Relative Strength Index)…………………………18
2.7 相關文獻回顧……………………………………………………………………18
2.7.1 財經論文相關文獻…………………………………………………………19
2.7.2 類神經網路論文相關文獻…………………………………………………19
第三章 研究方法…………………………………………………………………21
3.1類神經網路介紹…………………………………………………………………21
3.2 迴歸分析…………………………………………………………………………27
3.2.1 Durbin-Watson 檢定…………………………………………………………27
第四章 實證分析…………………………29
4.1迴歸分析…………………………………………………………………………30
4.2 倒傳遞類神經網路………………………………………………………………34
4.2.1 隱藏層個數…………………………………………………………………36
4.2.2 學習速率……………………………………………………………………36
4.3 倒傳遞類神經網路預……………………………………………………………41
4.4 研究結果用於期貨指數操作……………………………………………………42
第五章 結論與建議………………………………………………………………………45
5.1 研究結論…………………………………………………………………………45
5.2 研究限制…………………………………………………………………………46
5.3 後續研究建議……………………………………………………………………47

附錄……………………………………………………………………………………48
附錄一…………………………………………………………………………………48
附錄二…………………………………………………………………………………48
附錄三………………………………………………………………………………49
附錄四…………………………………………………………………………………50
附錄五…………………………………………………………………………………51

參考文獻………………………………………………………………………………54
英文文獻
1、Ajayi, R. A. and M. Mougoue,(1996).On the dynamic relation between stock prices and exchange rates,Journal of Financial Research,Vol 19, No.1,P193-207
2、Kutner, Michael H., Christopher J. Nachtsheim, John Neter, and William Li,(2005). Applies Linear Statistical Models, 5th ed., McGraw Hill/Irwin.
3、Toru Takiguchi,(2005).Interpretation of various goodness of fit indicators for the Multiple Model and Multiple Logistic Regression Model-When using the statistical software SPSS and STATA, 齒科疫學統計,Vol 5, No.1,P35-49.

中文文獻
1、李文智(2006),以總體經濟變數與存託憑證探討對標的股股價預測模式影響之研究-以台積電為例,大葉大學國際企業管理學系研究所碩士論文。
2、李惠妍、吳宗正、溫敏杰(2005),迴歸模式與類神經網路在台股指數期貨預測之研究,經營管理論叢,第二卷,第一期,第83-99頁。
3、吳秉奇(1999),類神經網路在臺股指數期貨的預測應用,中央大學資訊管理研究所碩士論文。
4、吳佩珊、鄭婉秀、邱建良和邱哲修(2002),貨幣政策、外匯市場與股票市場間恆常與暫時波動性之分析,商管科技季刊,第三卷,第二期,第161-177頁。
5、黃華山、邱一薰(2005),類神經網路預測台灣50股價指數之研究,中央警
察大學資訊、科技與社會學報,第五卷,第三期,第19-42頁。
6、郭英哲(2004),應用倒傳遞類神經網路技術於臺灣指數期貨預測之研究,南台科技大學資訊管理研究所碩士論文
7、陳執中(2006),台股加權指數隔月收盤價預測之研究,成功大學統計學研究所碩士論文。
8、陳國玄(2004),人工神經網路與統計方法應用於台灣上市電子類股價指數預測與分類之研究,成功大學統計學研究所碩士論文。
9、葉怡成(2004),類神經網路模式應用與實作,儒林書局,台北市。
10、蔡正修(2007),台灣上市電子類股股價指數走勢預測之研究,成功大學統計學研究所碩士論文。
11、蔡依玲(2000),台灣股票市場報酬率之研究,成功大學統計學研究所碩士論文。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top