臺灣博碩士論文加值系統

隨著社會經濟的蓬勃發展之下，人民的所得與知識水準也隨之提高，當人們手中握有額外的可支配所得時，便會開始考慮將手中額外的可支配所得利用其他的理財方式來賺取報酬或是讓資本增值，近年來理財投資已經成為人們生活中不可或缺的一部分，然而股票市場是一個動態開放、變化多端的市場，並且股票價格常會受到政治、經濟、人為等外在因素所影響，若能有人工智慧的輔助來精確掌握股價走勢，進一步去控制風險，投資者將更容易賺取較高額的報酬。
本研究主要由台灣50裡選取研究對象，依據96年每股盈餘(EPS)超過1.5元之股票中，選取出11家上市公司為研究之對象，整合大盤指數、十項個股技術指標與技術指標相對應之應用原則，以人工智慧作為方法(基因演算法與粗糙集合理論)，研究期間為2002年7月1日至2009年12月31日(訓練期間為2002年7月1日至2008年12月31日，測試期間為2009年3月13日至2009年12月31日)。
實證結果顯示，於2009年3月13日至2009年12月31日之測試期間內，十一支個股仍能有超過50%以上的年獲利率，最高甚至還高達159%，結果顯示利用最可能縮減集產生買賣規則平均獲利率為能達到122.3%。

摘要 i
目錄 iii
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究流程 3
第二章 文獻探討 4
2.1 台灣的股票市場 4
2.2 股價分析相關理論 5
2.2.1 效率市場假說(Efficient Market Hypothesis，EMH) 5
2.2.2 基本分析(Fundamental Analysis) 7
2.2.3 技術分析(Technical Analysis) 9
2.3 人工智慧方法之介紹 10
2.3.1 基因演算法(Genetic Algorithm,GA) 10
2.3.2 類神經網路(Artificial Neural Network) 12
2.3.3 模糊邏輯(Fuzzy Logic Theory) 16
2.3.4 粗糙集合理論(Rough Sets Theory) 17
2.4 應用人工智慧於股票預測之相關文獻 19
2.4.1 國內相關文獻 19
2.4.2 國外相關文獻 23
2.5 本章總結 24
第三章 研究方法 26
3.1 選取技術指標之說明 26
3.1.1 個股技術指標 26
3.1.2 技術指標應用原則 30
3.2 基因運算法 35
3.2.1 基因演算法之操作流程 36
3.2.2 基因運算法的優點 40
3.3 粗糙集合、動態縮減集與可能縮減集 41
3.3.1 粗糙集合理論 41
3.3.2可能縮減集與動態縮減集 44
3.3.3 粗糙集合之優點 45
第四章 實驗設計與結果 46
4.1 實驗設計 46
4.1.1 實驗對象 46
4.1.2 資料來源與實驗期間 46
4.1.3 實驗工具 47
4.2 研究方法之流程 47
4.2.1 收集金融投資資訊 48
4.2.2 技術指標離散化 48
4.2.3找出最佳買賣點 50
4.2.4 利用粗糙集合尋找相關資料的最可能縮減集與規則歸納 56
4.3 系統之預測結果 59
4.3.1 台肥 59
4.3.2 正新 61
4.3.3 台積電 63
4.3.4 聯強 65
4.3.5 鴻準 67
4.3.6 友達 69
4.3.7 聯發科 71
4.3.8 宏達電 72
4.3.9 富邦金 73
4.3.10 國泰金 75
4.3.11 統一超 77
4.3.12 獲利率比較 78
第五章 結論與建議 80
5.1 研究之結論 80
5.2 研究之貢獻 80
5.3 研究之限制 81
5.4 未來之研究方向 82
參考文獻 84

英文部分
1.Aiken, M., Bsat, M., (1999). Forecasting Market Trends with Neural Networks. Information Systems Management,16, pp. 42-48.
2.Allen, F., & Karjalainen, R., (1999). Using Genetic Algorithms to find technical Trading Rules. Journal of Finance Economics,51, pp. 245-271.
3.Armano, G., Marchesi, M., & Murru, A., (2005). A Hybridgenetic-Neural Architecture for Stock Indices Forecasting. Information Science,170, pp.3-33.
4.Baba, N. and Kozaki, M., (1992), An Intelligent Forecasting System of Stock Price Using Neural Networks. Journal of marketing, 46(23), pp. 23-29.
5.Bauer, R. J., (1994). Genetic Algorithms and Investment Strategies. John Wiley & Sons.
6.Bazan, J.G., (1998). A comparison of dynamic and non-dynamic rough set methods for extracting laws from decision table. In: Polkowski, L., Skowron, A. (eds.): Rough Sets in Knowledge Discovery, Physica-Verlag, Heidelberg, pp. 321-365.
7.Bessembinder, H., & Chan, K., (1995). The Profitability of Technical Trading Rules in the Asian Stock Markets. Pacific-Basin Finance Journal, 3, pp. 257-284.
8.Brown, S. J., & Warner, J. B., (1985). Using daily stock returns. Journal of Financial Economics, 14, pp. 3-31.
9.Deboeck, G. J., (1994). Trading on the Edge. Neural, Genetic and Fuzzy Systems for Chaotic Financial Markets. NY, John Wiley & Sons.
10.Edwards, R. D. & John, M. Jr., (1966). Technical Analysis of Stock Trends. (5th Ed.). Springfield, MA: John Magee.
11.Fama, E. F., (1965). The Behavior of Stock Market Prices. Journal of Business, 33, pp. 34-105.
12.Fama, E. F., & Blume, M. E., (1966). Filter Rules and Stock Market Trading Profits. Journal of Business, 39, pp. 226-241.
13.Fama, E. F., (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance, 25(2), pp. 383-417.
14.Fama, E. F., (1991). Efficient Capital Markets II. Journal of Finance, 46, pp. 1575-1618.
15.Fernandez-Rodriguez, F., Gonzalez-Martel, C. and Sosvilla-Rivero S., (2000). On The Profitability of Technical Trading Rules Based on Artificial Neural Networks: Evidence from The Madrid Stock Market. Economic Letters, Vol. 69, Iss. 1, pp.89-94.
16.Foley, B. J., (1991). Capital Markets. Macmillan Education.
17.Freeman,J.A. and Skapura,D.M.(1992). Neural Networks Algorithms, Applications, and Programming Techniques. NJ:Wiley Press.
18.Goldberg, D. E. and Segrest, P., (1987). Finite Markov Chain Analysis of Genetic Algorithms, Proceedings of the Second International Conference on Genetic Algorithms, 48, pp. 1-8.
19.Graham, B., Dodd, D. L. and Cottle, S., (1962). Security Analysis: Principles and Techniques. McGraw-Hill, New York.
20.Granville, J. E., (1960). A Strategy of Daily Stock Market Timing for Maximum Profit. Englewood, Prentice-Hall.
21.Grudnitski, G., & Osburn, L., (1993). Forecasting S&P and Gold Futures Prices: An Application of Neural Networks. Journal of Futures Markets, 13(6), pp. 631-643.
22.Iba, H., and Sasaki, T., (1999). Using Genetic Programming to Predict Financial Data In: Pr1999 Congress on Evolutionary Computation. CEC99, IEEE Press, Pscataway, NJ, pp. 244-251.
23.Jensen, M.C., (1967). The Performance of Mutual Funds in the Period 1945-1964. Journal of Finance, 23, pp. 389-416.
24.Kim K., & Han, I., (2000). 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.
25.Kimoto, T., & Asakawa, W., (1990). Stock market predication system with modular network. Proc. IEEE int. Joint Conf. Neural Network, 1, pp. 1-6.
26.Kryzanowski & Galler & Wright, W., (1993). Using Artificial Neural Network to Pick Stocks. Financial Analysis Journal, 49, pp. 21-27.
27.Levy, R. A., (1966). Conceptual Foundations of Technical Analysis. Financial Analysts’ Journal, 22(4), pp. 83-89.
28.Levy, R. A., (1967). Random Walks: Reality of Myth. Financial Analysts Journal, 23, pp. 69-77.
29.M.A.H. Dempster, T. W. Payne, Y. Romahi, and G.W. P. Thompson, (2001). Computational learning techniques forintraday FX trading using popular technical indicators. IEEE Transactions on Neural Networks, vol. 12, no. 4, pp. 744–754,2001.
30.Marczewski, E., (1958). A General Scheme of Independence in Mathematics. Bull. Acad. Polon. Sci., 6, pp. 731-736.
31.Miao, D., Hou, L., (2004). A comparison of rough set methods and representative inductive learning algorithms. Fundamenta Informaticae 59, pp. 203-219.
32.Mittra, Sid and Chris Gassen, (1981). Investment Analysis and Portfolio Management. Harcourt Brace Jovanovish Inc.
33.Mizuno, H.＆ Kosaka, M.＆Yajima, H.＆Komoda, N., (1998). Appliction of Neural Network to Technical Analysis of Stock Market Prediction. Studies in Informatic and Control, Vol.7, No.3, pp.111-120.
34.Palit, A. K. and Popovic, D., (2000). Nonlinear Combination of Forecasts Using Artificial Neural Network, Fuzzy Logic and Neuro-Fuzzy Approaches. IEEE International Conference on Fuzzy Systems, Vol.2, pp. 566-571.
35.Pawlak, Z., (1991). Rough Sets: Theoretical Aspects of Reasoning about Data. Kluwer Academic Publishers.
36.Pawlak, Z., (2002). Rough Sets and Intelligent Data Analysis. Information Sciences, 147(1), pp. 1-12.
37.Pawlak, Z., Grzymala-Busse, J., Slowinski, R., & Ziarko, W., (1995). Rough Sets. Communications of the ACM, 38, 89-95.
38.Phua, Hoh, P. K., Ming, D., & Weidon, L., (2001). Neural Network With Genetically Evolved Algorithms For Stocks Prediction. Asia-Pacific Journal of Operation Research, 18(1), pp.103-108.
39.Reilly, F. K., (1982). Investments. New York, CBS College Publishing.
40.Rouwenhorst, K. G., (1998). International Momentum Strategies. Journal of Finance, 53, 267-284.
41.Sweeney, R. J., (1986). Beating the foreign exchange market. Journal of Finance, 41, pp. 163-182.
42.Vanstone, B., & Tan, C., (2003). A survey of the application of soft computing to investment and financial trading, In Proceedings of the eighth Australian & New Zealand intelligent information systems conference (ANZIIS 2003). Sydney, Australia, December 10–12.
43.Von Altrock, C., (1996). Fuzzy Logic and Neurofuzzy Applications in Business and Finance. Upper Saddle River, New York: Prentice-Hall
44.Wood, D. and Dasgupta, B., (1996). Classfying Trend Movements in the MCSI U.S.A. Capital Index-A Comparison of Regression, ARIMA and Neural Network Methods. Computers and Operations Research, Vol. 23, Iss. 6, pp. 611-622.
45.Wood, D. and Dasgupta, B,, (1994). Modelling and Index of the French Capital Market. Economic and Financial Computing , PP.119~136.
中文部分
1.卞志祥(1995)，台灣加權股數投資組合之基因演算法建構模型，國立交通大學資訊管理研究所碩士論文。
2.王春笙(1996)，以技術指標預測台灣股市股價漲跌之實證研究—以類神經網路與複迴歸模式建構，台灣大學資訊管理研究所碩士論文。
3.杜金龍(2002)，技術指標在台灣股市應用的訣竅(增訂版)，臺北市：財訊出版社。
4.余尚武等人(2004)，運用基因演算法與模糊理論於台股指數期貨投資策略之研究，國立台灣科技大學資訊管理研究所碩士論文。
5.李惠妍(2003)，類神經網路與迴歸模式在台股指數期貨預測之研究，國立成功大學企業管理學研究所碩士論文。
6.李麗姬(2006)，統計方法與模糊理論應用於台灣股票投資決策之研究，成功大學統計學研究所碩士論文。
7.吳百正(2003)，台股期貨市場弱式效率性之研究，台灣科技大學/財務金融研究所碩士論文。
8.林維垣(1999)，有關對調適與演化機制的再審思-在財務時間序列資料中應用的統計分析，國立政治大學經濟學博士論文。
9.林萍珍(1998)，遺傳演算法在使用者導向的投資組合選擇之應用，國立中央大學資訊管理學研究所碩士論文。
10.林耀堂(2001)，遺傳程式規劃於股市擇時交易策略之應用，國立中央大學資訊管理研究所碩士論文。
11.林耀暄(2001)，模糊理論和基因演算法於股市買賣點決策及資金比例配置之研究，中華大學資訊工程學系碩士論文。
12.紀桂銓(1993)，類神經網路對股市反轉點的學習與預測應用，國立交通大學資訊管理研究所碩士論文。
13.施正宏(2004)，結合總體經濟指標及個股財報資料以預測個股漲跌-以台灣電子類股為例，中原大學資訊管理研究所碩士論文。
14.侯惠月(2000)，統計方法與類神經網路在台股指數期貨之研究，國立成功大學統計研究所碩士論文。
15.徐毓宏(2006)，總體經濟指標預測股價指數報酬率之實證研究-基因及類神經網路之應用，國立台北大學企業管理學系碩士論文。
16.許智和(2003)，運用基因演算法搜尋最佳化技術指標之台灣股市實證研究，雲林科技大學資訊管理研究所碩士論文。
17.曾淑青(1993)，運用類神經於台灣股票市場價量關係的預測與分析，國立交通大學資訊管理研究所碩士論文。
18.游建欣(2006)，運用適應性網路模糊推論系統於台灣股票加權指數預測之研究，東吳大學經濟學研究所碩士論文。
19.黃煥彰(1997)，提高台灣電子類股投資績效之研究：類神經網路結合技術指標，國立中興大學企業管理研究所碩士論文。
20.郭中興(2008)，應用粗糙集合與基因運算法於股票投資決策之應用，南台科技大學國際企業所碩士論文。
21.黃俊英(2000)，多變量分析，華泰書局。
22.廖述賢、溫志皓(2009)，資料採礦與商業智慧，雙葉書廊。
23.楊孟龍(2000)，類神經網路於股價波段預測及選股之應用，國立中央大學資訊管理研究所碩士論文。
24.楊勝凱(2010)，運用類神經網路與時間序列分析建構台灣50股價預測模型，台北大學企業管理所碩士論文。
25.劉克一(2000)，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碩士論文。
26.劉瑞鑫(2003)，時間序列分析與人工智慧方法在台股指數報酬率預測之績效比較，朝陽大學財務金融所碩士論文。
27.葉青(2009)，利用粗糙集合動態縮減集支援股市買賣決策，南台科技大學國際企業所碩士論文。
28.陳家隆(2002)，運用統計方法與人工智慧技術建構整合性投資策略，成功大學統計研究所碩士論文。
29.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，國立成功大學統計學研究所碩士論文。
30.陳嘉明(2004)，應用遺傳演化模糊類神經網路於風險管理之研究，東吳大學經濟學研究所碩士論文。
31.陳瑞卿(2000)，應用總體經濟因素於加權股價指數的預測－類神經網路與多元迴歸比較之研究，國立交通大學資訊管理研究所碩士論文。
32.歐陽平(2002)，以遺傳演化類神經網路對初次上市公司股票建構價格預測模式-以上市公司電子股為例，東吳大學經濟學系碩士論文。
33.謝政遠(2004)，以移動平均線、相對強弱指標與成交量檢驗台灣股票市場的效率性，逢甲大學財務金融研究所碩士論文。
34.蔡正修(2007)，台灣上市電子類股價指數走勢預測之研究，國立成功大學統計學研究所碩士論文。
35.蔡安璨(2005)，運用基因演算法以輔助股票市場投資人判斷進場時機之研究，臺灣科技大學資訊管理研究所碩士論文。
36.蔡嘉文(1995)，應用模糊神經網路於股價預測之研究，國立成功大學工業管理研究所碩士論文。
37.錢善生(1995)，模糊理論與專家系統在台灣股市之應用，台灣大學資訊管理研究所碩士論文。
38.鄧紹勳(1999)，遺傳演算法於股市擇時策略之研究，國立中央大學資訊管理研究所碩士論文。
39.蕭榮興(1999)，股價預測模式中變數選取方法之研究，屏東科技大學資訊管理研究所碩士論文。
40.蘇偉銘(2008)，以人工智慧與技術指標應用原則支援股票決策之應用，南台科技大學國際企業所碩士論文。

網頁資料
1.上市上櫃公司基本資料查詢彙總表，2011年5月22日，取自公開資訊觀測站網頁: http://newmopsov.twse.com.tw/
2.各種投資工具的特色，2010年12月18日，取自：Yam天空理財網網頁： http://money.yam.com/school/mkarticle.php?aid=83。
3.國內股市的分類，2011年3月5日，取自Yam天空理財網網頁：http://money.yam.com/school/mkarticle.php?aid=92