跳到主要內容

臺灣博碩士論文加值系統

(3.236.110.106) 您好!臺灣時間:2021/07/27 20:47
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:張嘉樺
研究生(外文):Chia-Hua Chang
論文名稱:應用技術指標與資料庫以建構股票線上預測系統
論文名稱(外文):Utilizing Technical Indexes and Database to Construct the Online Prediction System of Stocks
指導教授:張百棧張百棧引用關係
學位類別:碩士
校院名稱:元智大學
系所名稱:工業工程與管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:75
中文關鍵詞:技術指標線上預測系統技術指標資料庫OracleJavaDTWPLRBPN
外文關鍵詞:Technical Index Online Prediciton SystemTechnical Index DatabaseOrcaleJavaDTWPLRBPN
相關次數:
  • 被引用被引用:1
  • 點閱點閱:356
  • 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:3
技術分析的重點、精神,則都著重於用統計學、數學上的公式,來尋找、分析、研判價格波動上的韻律、脈絡。基本上技術指標,例如KD隨機指標、MACD指標,如果能完全地遵照訊號去操作,長期下來絕對能夠掌握投資勝算;讓投資人在進場買進的訊號出現時,做出了即時投資的技術分析操作,因此,本研究利用動態時間校正法(DTW)與線段切割法(PLR)結合倒傳遞類神經網路(BPN) [65],建構動態時間校正結合線段切割法,形成一交易決策技術指標系統,協助投資人為一個明確的投資考量指標,以選擇買賣股票的適當時機,有效地降低投資風險並提高報酬,倒傳遞類神經網路主要在訓練技術指標(Input variables)與買賣點(Output variables)之連結權重,基因演算法(Genetic Algorithms, GA)用來演化較佳的切割門檻值,期望能找出未來較佳買賣點時機。
如果也能隨時使用技術指標系統來查詢最新的預測指標與資料庫的運作,讓預測時間點提供最準確數據,不會因為基本分析的條件常常隨著時空環境改變。此種變化相當遲緩,若非經得起短暫等待可能會受到相當激烈的震盪,如果可以馬上知道預測數據,就可以扭轉對資料數據不安定的分析,往往就可以比別人先預測新的投資成功率,雖然建立一個高效率的技術指標線上預測系統是相當困難,但如果能透過Java程式與Oracle資料庫開發,讓投資者、使用者也能夠從技術指標系統中獲取更多最新的資訊。
The main point and spirit of the technical analysis are to utilize statistical and mathematical formulas to discover, analyze and identify the rhythm and context of price fluctuation. In general, if investors can totally follow technical indicators such as the KD Index and the MACD Index to operate, they will absolutely enjoy a good performance in the long run. For the purpose to enable investors to make immediate decisions of investment when the buy signals appear, this research has utilized Dynamic Time Warping (DTW) and Piecewise Linear Representation (PLR) integrating Back-propagation Neural Network (BPN) to construct a DTW-PLR model and form a technical index system for trade decision which helps investors to detect the appropriate trade point and effectively reduce investment risk as well as to increase the profits. Back-propagation Neural Network is mainly to learn the connection weights between input variables and output variables; then Genetic Algorithms is applied to evolve better representation values which are expected to identify the better trade point in the future.
If the technical index system is available at any time for the check of latest prediction indexes and the operation of database, the prediction can therefore provide the most accurate figures instead of frequently changing its conditions of basic analysis with the time-space environment. This change is quite slow; investors may suffer the extreme impact when not being able to endure temporary waiting. If the prediction figures can be immediately known, the analysis regarding unstable data can therefore be improved, and further to predict the new return ratio of investment. Although it is difficult to establish a highly-efficient technical index online prediction system, yet investors and users can obtain more latest information from the system which is developed by Java program and Oracle database.
中文摘要 I
英文摘要 II
致謝 III
目錄 IV
表目錄 I
圖目錄 I
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 1
1.3 研究目的 2
1.4 研究方法 3
1.5 研究架構與流程 3
第二章 文獻探討 6
2.1 股價預測分析方法 6
2.1.1 技術分析(Technical Analysis) 8
2.1.2 技術分析於買賣點預測之相關文獻 9
2.2 篩選變數方法(Stepwise Regression) 12
2.2.1  迴歸分析法 12
2.3 型態比對之方法 14
2.3.1 線段切割法(Piecewise Linear Representation,PLR ) 14
2.3.2 動態時間校正法(Dynamic Time Warping,DTW ) 19
2.4 類神經網路(Neural Network) 23
2.4.1 類神經網路之概述 23
2.4.2 類神經網路之相關文獻 25
2.5 基因演算法(Genetic Algorithm) 27
2.5.1 基因演算法概述 27
2.5.2 結合基因演算法與類神經網路之相關文獻 28
2.5.3 結合基因演算法與其他方法之相關文獻 29
2.6 資料庫系統 30
2.6.1 資料庫介紹 30
2.6.2 資料庫管理系統 33
2.6.3 結構化查詢語言 35
2.7 動態網頁程式設計 36
2.7.1 Java 36
2.7.2 ASP 37
2.8 小結 39
第三章 問題定義與描述 40
3.1 研究資料之範圍 40
3.2 研究變數說明 41
3.2.1 技術指標 41
3.2.2 其他技術指標 45
3.3 預測評估指標 47
3.3.1 誤差均方根( ) 47
3.3.2 投資獲利之計算 48
第四章  研究方法 49
4.1 技術指標資料庫建構模式 49
4.2 技術指標預測建構模式 50
4.3 資料庫建構模式 51
第五章 實驗結果與分析 54
5.1 系統軟硬體環境 54
5.2 系統資料庫操作建構要點 55
5.3 系統操作示範 59
5.3.1 技術指標前端WEB-JSP管理介面 59
第六章 結論及後續研究建議 67
6.1 研究結論 67
6.2 研究建議 69
參考文獻 70
1.Agrawal, R. and R. Srikant, “Fast Algorithm for Mining Association Rules in Large Databases, ”Proc.20th Very Large Database Conf.,pp.478-499, Sept.,1994.
2.Berndt, D. & Clifford, J., ”Using dynamic time warping to find patterns in time series,” AAAI-94 Workshop on Knowledge Discovery in Databases (KDD-94), Seattle,Washington,1994.
3.Bjorn,V.,“Multiresolution methodsfor financial time series prediction, ”Computa tional Intelligence for Financial Engineering,Proceedings of the IEEE/IAFE,pp.9 7.1995.
4.Cha, S and L. Chan, “Trading Signal Prediction,” Computer Science and Engineering Department, pp.842-846, 2000.
5.Chung, F.L., et al, “Evolutionary time series segmentation for Stock Data Mining,” Proceedings of the IEEE International Conference on Data Mining (ICDM), pp.83- 90,2002.
6.Chen, T., “A Fuzzy Back Propagation Network for Output Time Prediction in a Wafer Fab,” Applied Soft Computing 2/3F, pp.211-222, 2003.
7.Depei B. and Xehong Y., “Intelligent stock trading system by turning point confirming and probabilistic reasoning,” Expert Systems eith Applications 34, pp.620-627, 2008.
8.Eamonn J. Keogh and Michael J. Pazzani,“DerivateDynamic Time Warping” in First SIAM International Conference on Data Mining, 2001.
9.Goldberg D.E., Genetic Algorithms in Search,Optimization and Machine Learning, Addison-Wesley, Reading, MA, 1989.
10.Gencay, R.,“Non-linear Prediction of Security Returns with Moving Average Rules,” Journal of Forecasting, Vol.15, pp.165-174, 1996.
11.Ge, X., “Pattern Matching in Financial Time Series Data,“ In Final Project Report for ICS 278 UC Irvine ,1998.
12.Han, J.J., et al, “Freespan: Frequent pattern-projected sequential pattern mining,” Proceedings of the International Conference of Knowledge Discovery and Data mining, pp. 355-359 ,2000.
13.James, F. E.,“Monthly Moving Averages-An Effective Investment Toll?” Journal of Financial and Quantitative Analysis, September, pp.315-326,1968.
14.Jeong, Bongju, H. -S. Jung, N. -K. Park,“A computerized causal forecasting system using genetic algorithm in supply chain management,” The Journal of Systems and Software, Vol.60, pp.223-237, 2002.
15.Kimoto, T. and K. Asakawa, “Stock market prediction system with modular neural network,”IEEE International Joint Conference on Neural Network, pp.1-6, 1990
16.Kuan, C. M., and White, H.,“Artificial Neural Networks: An Econometric Perspective”, Econometric Reviews, 13, pp.1-91,1994.
17.Kim, K. J. and I. Han, “Genetic Algorithms Approach to Feature Discretization in Artificial Neural Networks for The Prediction of Stock Price Index,” Expert Systems with Applications, 19, pp.125-132, 2000.
18.Keogh, E., et al, “An Online Algorithm for Segmenting Time Series,” In IEEE International Conference on Data Mining, pp. 289–296, 2001.
19.Liu, J. N. K. and R. W. M. Kwong,“Automatic extraction and identification of chart patterns towards financial forecast ,” Applied Soft Computing, In Press, Corrected Proof, Available online 20 March ,2006.
20.Montana, D. and L., Davis, “Training feed forward neural networks using genetic algorithms,” Proceedings of 11th International Joint Conference on Artificial Intelligence, San Mateo, CA, Morgan Kaufmanns, pp.762-767, 1989.
21.Pruitt, S. W. and R. E. White, ”The CRISMA Trading System: Who Says Technical Analysis Can’t Beat the Market?”Journal of Portfolio Management, pp.55-58,1988.
22.Quah, T. S. and B. Srinivasan, “Improving returns on stock investment through neural network selection,” Expert Systems with Application, 17, pp.295-301, 1999.
23.Ramazan, G..,“Non-linear prediction of security returns with moving average rules,”Journal of Forecasting, 15, pp.165-174, 1996.
24.Steyerberg, E. W., Marinus J. C. Eijkmans, and J. Dik F. Habbema “Stepwise Selection in Small Date Sets: A Simulation Study of Bias in Logistic Regression Analysis,” J Clin Epidemiol, Vol.52, No. 10, pp.935-942, 1999.
25.Suraphan T., David E. and Cihan D.“Genetic Algorithms and Neural Networks for Stock Trading Prediction and Technical Signal Optimization”, Decision Sciences Institute 2002 Annual Meeting Proceedings, 2002.
26.Thomas, J. B. and L. L. Richard, “Stepwise Regression is an Alternative to Splines for Fitting Noisy Data,” J. Biomechanics, Vol. 29, No. 2, pp.235-238, 1996.
27.Ting, C. K., S.T. Li, and C.N. Lee,“TGA: A new integrated approach to evolutionary Algorithms”, Congress on Evolutionary Computation, pp.917-924, 2001.
28.Van Horne, J. C. and G. G. C. Parker, “The Random Walk Theory:An Emperical Test,”Financial Analysts Journal,23, pp.87-92, 1967.
29.Wang, C. and W. S. X, “Supporting content-based searches on time series via approximation,” Scientific and Statistical Database Management, Proceedings. 12th International Conference, pp.69-81, 2000.
30.Wu, H., B Salzberg. and D. Zhang, “Online Event-driven Subsequence Matching over Financial Data Streams,” SIGMOD, 2004.
31.Yoon, Y. and J. Swales, “Prediction stock price performance: a neural network approach,” Proceeding of Twenty-Fourth Annual Hawaii International Conference on System Science, 4, pp.156-162, 1991.
32.Yu, L., S. Wang, and K. K. Lai, “Mining Stock Market Tendency Using GA-Based Support Vector Machines,”pp.336-345, 2005.
33.王春笙,「以技術指標預測台灣股市股價漲跌之實證研究-以類神經網路與複回歸模式建構」,台灣大學資訊管理研究所,1996年碩士論文。
34.王惠娟,「結合灰色預測及演化是類神經網路建構台灣加權股價指數之預測模式」,朝陽科技大學財務金融系2005年碩士論文。
35.李龍麟,「應用類神經網路於製程品質參數之即時監控-以印刷電路板之DES製程為例」,元智大學工業工程與管理學系,2002年碩士論文。
36.阮士峰,「資料探勘在股市序列型樣的應用」,東華大學資訊工程學系,2004碩士論文。
37.林純如,「利用小波轉換建立財務計量模型-以台灣股票市場為例」,長庚大學企業管理研究所,2005年碩士論文。
38.洪志豪,「技術指標KD、MACD、RSI與WMS%R之操作績效實證」,台灣大學,國際企業學系,1998年研究所碩士論文。
39.施惠萍,「結構係變化的偵測與其在技術分析中的應用」,台灣大學經濟學研究所,1998年研究所碩士論文。
40.范正忠,「利用Haar小波轉換對時間序列作資料查詢--以台灣股市為例」,臺灣大學資訊管理系,2001年碩士論文。
41.許育嘉,「結合小波分解和小波神經網路於非定性財務時間序列之預測」,交通大學資訊管理系,2002年碩士論文。
42.陳育信,「以移動平均線(MA)與乖離率(Bias)檢測台指選擇權單一部位投資策略之績效」,逢甲大學經濟管理系,2004年碩士論文。
43.張振魁,「以類神經網路提高股票單日交易策略之獲利」,中央大學,資訊管理系,2000碩士論文。
44.張博雄,「中文語音情緒之自動辨識」,成功大學,工程科學系,2001碩士論文。
45.張曉青,「建構智慧型線段切割法」,元智大學工業工程與管理學系,2007年碩士論文。
46.黃俊英,「多變量分析」,中國經濟企業研究所,中華民國七十七年二月三版。
47.黃瑋瀯,「運用資料探勘技術於股市擇時之研究」,屏東科技大學資訊管理系,2002年碩士論文。
48.黃美玲,「整合模糊群聚分析與類神經模糊系統在股價預測應用之研究」,淡江大學會計系,2003年碩士論文。
49.黃婷湘,「專家判斷法建立案例式推理系統與類神經網路預測架於個股漲跌趨勢之研究」,元智大學工業工程與管理學系,2006年碩士論文。
50.楊夢龍,「類神經網路於股價波段預測及選股之應用」,中央大學資訊管理研究所,1999年碩士論文。
51.葉怡成,類神經網路模式應用與實作第六版,儒林圖書有限公司,1999年。
52.楊雯寧,「台灣股價指數預測模型之探討」,元智大學工業工程與管理學系,2002年碩士論文。
53.劉克一,「以遺傳演算法演化類神經網路在股價預測上的應用」,真理大學管理科學研究所,2000年碩士論文。
54.劉科成,「使用動態規劃搜尋股市線形之探討及實作」,暨南大學資訊管理研究所,2000年碩士論文。
55.趙永昱,「技術分析交易法則在股市擇時之實證研究」,中山大學財務管理學系碩士在職專班,2001年碩士論文。
56.蔡依玲,「台灣股票市場報酬率之研究」,成功大學統計學研究所,2000年碩士論文。
57.賴鍵元,「軟性計算於商品管理之應用」,元智大學工業工程與管理學系,2006年博士論文。
58.謝玉華,「以拔靴複製法檢驗技術分析交易策略」,銘傳大學金融研究所, 1998年碩士論文。
59.黃聖蜂、陳人豪(2003)。資料庫系統理論與實務。台北:文魁資訊股份有限公司。
60.李廷圭(2005)。資料庫管理系統概論與實務。台北:儒林圖書。
61.王鴻儒(2005)。SQL Server資料庫設計建置管理實務。台北:金禾資訊。
62.劉裕真(2001)。IIS 5.0網站資料庫。台北:知城數位科技股份有限公司。
63.王國榮(2004)。ASP網頁製作教本。台北:旗標出版股份有限公司。
64.江義華(2003)。Java完美經典。台北:金禾資訊。
65.林俊宇,「建構動態時間校正結合線段切割法於股價買賣點之預測」,元智大學資訊管理學系碩士班,2008年碩士論文。
66.洪宗熹,「以String、Map、List 的組合設計法展現Java的DataModel Using String, Map and List to implement Java DataModel」,元智大學資訊管理學系碩士班,2008年碩士論文。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊