跳到主要內容

臺灣博碩士論文加值系統

(100.28.227.63) 您好!臺灣時間:2024/06/14 23:51
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:張竹君
研究生(外文):Chang Chu Chun
論文名稱:結合股票與衍生性金融商品指標以預測股價指數之研究
論文名稱(外文):Combining the Indicators of Stock and Financial Derivatives for Stock Index Forecasting
指導教授:楊婉秀楊婉秀引用關係
指導教授(外文):Yang Wan Shiou
學位類別:碩士
校院名稱:國立彰化師範大學
系所名稱:資訊管理學系所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
畢業學年度:103
語文別:中文
論文頁數:63
中文關鍵詞:衍生性金融商品類神經網路股價預測
外文關鍵詞:Financial derivativesNeural networkStock prediction
相關次數:
  • 被引用被引用:2
  • 點閱點閱:296
  • 評分評分:
  • 下載下載:4
  • 收藏至我的研究室書目清單書目收藏:2
衍生性金融商品是一種藉由在金融市場買賣權利而轉移風險的特殊財務工具。因此,從衍生性金融商品市場指標所得到的資訊吸引了許多關注。在本研究中,我們結合股票市場與衍生性金融商品市場指標,使用類神經網路(Neural Network)預測股價指數。研究執行於臺灣股票市場,分別以10個股票市場與2個衍生性金融商品市場指標做為輸入變數。決定輸入變數之後,資料樣本期間收集自2012年1月1日至2014年12月31日。研究結果顯示,衍生性金融商品市場之輸入變數有助於預測股價指數。
Financial derivatives are financial instruments that are linked to a specific financial instrument, and through which specific financial risks can be traded in financial markets in their own right. Information derived from financial market indicators thus has attracted much attention. In this research, we therefore propose a neural network based approach to forecasting the stock prices by combining the inputs from stock and financial derivatives market. The research performed on Taiwan stock market has suggested 10 inputs from stock market and 2 inputs from financial derivatives market respectively. After the inputs have been determined, the data have been gathered from the period of January 1, 2012 through December 31, 2014. The results indicate that the inputs of financial derivatives market can be used to help predict stock price.
中文摘要 i
Abstract ii
誌 謝 iii
目 錄 iv
圖索引 v
表索引 vi
第一章 緒論 1
第一節 研究動機與目的 1
第二節 研究流程架構 3
第二章 文獻探討 4
第一節 市場理論 4
第二節 股票市場分析 6
第三節 衍生性金融商品 13
第四節 股價預測相關研究 16
第五節 類神經網路 25
第三章 研究方法 31
第一節 輸入指標變數 31
第二節 類神經網路模型 35
第四章 實驗評估 38
第一節 實驗平台 38
第二節 資料收集 38
第三節 評估標準 39
第四節 評估結果 40
第五章 結論 53
第一節 結論 53
第二節 研究限制 54
第三節 未來研究方向 54
參考文獻 55

圖索引
圖1-1 研究流程圖 3
圖2-1 不同型態效率市場假說 5
圖2-2 處理單元示意圖 26
圖2-3 倒傳遞類神經網路架構 28

表索引
表2-1 國內相關研究 20
表2-2 國外相關研究 24
表3-1 倒傳遞類神經網路之股票市場輸入指標 33
表3-2 倒傳遞類神經網路之衍生性金融商品市場輸入指標 34
表3-3 類神經網路模型架構 37
表4-1 倒傳遞類神經網路之股票市場輸入指標 39
表4-2 倒傳遞類神經網路之衍生性金融商品市場輸入指標 39
表4-3 類神經網路模型-日股價收盤指數預測 41
表4-4 類神經網路模型-周股價收盤指數預測 43
表4-5 類神經網路模型-月股價收盤指數預測 45
表4-6 類神經網路模型-每周三股價收盤指數預測 47
表4-7 類神經網路模型-每月第三個星期三股價收盤指數預測 50

中文部分
林鈺綾(民99)。三大法人選擇權與期貨未平倉量之研究。未出版之碩士論文,國立交通大學資訊管理學系研究所,新竹市。
李惠妍、吳宗正、溫敏杰(民95)。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,2(1),83-99。
李湘懿(民102)。結合牛式樣板與技術指標預測臺灣股市指數之漲跌。未出版之碩士論文,私立元智大學資訊管理學系研究所,桃園縣。
巫雅琪(民97)。結合財務指標與經濟附加價值於類神經網路模型預測股價-以光電產業為例。未出版之碩士論文,國立臺南大學科技管理學系研究所,臺南市。
洪雅雯(民97)。台灣上市化學生技醫療類股價指數預測之研究。未出版之碩士論文,國立成功大學統計學系研究所,臺南市。
徐俊明(民100)。投資學:理論與實務(7版)。臺北市:新陸。
陳宗敬(民101)。應用灰關聯分析、遺傳演算法與模糊神經網路預測臺灣股票加權指數之研究。未出版之碩士論文,私立義守大學財務金融學系研究所,高雄市。
陳佳慶(民95)。倒傳遞類神經網路於臺灣期貨交易所股價指數期貨預測之應用。未出版之碩士論文,國立高雄第一科技大學金融營運學系研究所,高雄市。
陳鄢貞(民100)。以財務指標及技術指標建構股價預測模型-類神經網路模型之應用。未出版之碩士論文,國立臺北大學國際財務金融學系研究所,臺北市。
陳適宜(民99)。基因類神經網路在臺股指數期貨的預測與蝶式交易策略研究。未出版之碩士論文,國立臺北大學企業管理學系研究所,臺北市。
張唯毅(民98)。類神經網路在選擇權交易策略之應用:以臺指選擇權為例。未出版之碩士論文,國立雲林科技大學財務金融學系研究所,雲林縣。
許澤林(民101)。類神經網路預測股價走勢。未出版之碩士論文,私立逢甲大學應用數學學系研究所,臺中市。
鄒杰夫(民97)。台灣上市類股股價預測模型之研究-倒傳遞類神經網路模型之應用。未出版之碩士論文,私立玄奘大學財務金融學系研究所,新竹市。
黃俊宏(民100)。期貨基金績效預測之探討-以混沌現象與類神經網路分析。未出版之碩士論文,私立中原大學企業管理學系研究所,桃園市。
黃華山、邱一薰(民94)。類神經網路預測臺灣50股價指數之研究。資訊、科技與社會學報,5(2),19-42。
葉怡成(民98),類神經網路模式應用與實作(9版)。臺北市:儒林。
駱國華(民98)。應用類神經網路探試未平倉量於台指期貨之多空行為分析。未出版之碩士論文,國立交通大學資訊管理學系研究所,新竹市。
蘇偉庭(民100)。以類神經網路分析財報預測台灣上市公司股價之變動。未出版之碩士論文,私立中國文化大學資訊管理學系研究所,臺北市。

原文部分
Asadi, S., Hadavandi, E., Mehmanpazir, F., &; Nakhostin, M. M. (2012). Hybridization of evolutionary Levenberg-Marquardt neural networks and data pre-processing for stock market prediction. Knowledge-Based Systems, 35, 245-258.
Atsalakis, G. S., &; Valavanis, K. P. (2009). Surveying stock market forecasting techniques – Part II: Soft computing methods. Expert Systems with Applications, 36(3:2), 5932-5941.
Azadeh, A., Ghaderi, S. F., &; Sohrabkhani, S. (2008). Annual electricity consumption forecasting by neural network in high energy consuming industrial sectors. Energy Conversion and Management, 49(8), 2272-2278.
Baba, N., &; Kozaki, M. (1992, June). An intelligent forecasting system of stock price using neural networks. In Proceedings of International Joint Conference on Neural Networks (Vol. 1, pp. 371-377), Baltimore, MD.
Bessembinder, H., &; Seguin, P. J. (1993). Price Volatility, Trading Volume, and Market Depth: Evidence from Futures Markets. Journal of Financial and Quantitative Analysis, 28(1), 21-39.
Chang, P. -C., Wang, D. -D., &; Zhou, C. -L. (2012). A novel model by evolving partially connected neural network for stock price trend forecasting. Expert Systems with Applications, 39(1), 611-620.
Chen, M. -Y., &; Chen, B. -T. (2015). A hybrid fuzzy time series model based on granular computing for stock price forecasting. Information Sciences, 294, 227-241.
Chung, S. -L., Liu, W. -R., &; Tsai, W. -C. (2014). The impact of derivatives hedging on the stock market: Evidence from Taiwan’s covered warrants market. Journal of Banking &; Finance, 42, 123-133.
Davies, P. C. (1994). Design Issues in Neural Network Development. Neuro Vest Journal, 2(5), 21-25.
Enke, D., &; Thawornwong, S. (2005). The use of data mining and neural networks for forecasting stock market returns. Expert Systems with Applications, 29(4), 927-940.
Fama, E. F. (1965). Random Walks in Stock Market Prices. Financial Analysis Journal, 21(5), 55-59.
Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25(2), 383-417.
Freisleben, B. (1992). Stock market prediction with backpropagation networks. In Belli, F., &; Radermacher, F. J. (Eds.), Industrial and Engineering Applications of Artificial Intelligence and Expert Systems (pp. 451-460). Berlin, Heidelberg: Springer Berlin Heidelberg.
Hammoudeh, S., &; McAleer, M. (2013). Risk management and financial derivatives: An overview. The North American Journal of Economics and Finance, 25, 109-115.
Hecht-Nielsen, R. (1989, June). Theory of the backpropagation neural network. In Proceedings of International Joint Conference on Neural Networks (Vol. 1, pp. 593-605), Washington, DC.
Kendall, M. G., &; Hill, A. B. (1953). The Analysis of Economic Time-Series-Part I: Prices. Journal of the Royal Statistical Society: Series A (General), 116(1), 11–34.
Ko, K. -C., Lin, S. -J., Su, H. -J., &; Chang, H. -H. (2014). Value investing and technical analysis in Taiwan stock market. Pacific-Basin Finance Journal, 26, 14-36.
Lahmiri, S. (2014). Wavelet low- and high-frequency components as features for predicting stock prices with backpropagation neural networks. Journal of King Saud University - Computer and Information Sciences, 26(2), 218-227.
Lam, M. (2004). Neural Network Techniques for Financial Performance Prediction: Integrating Fundamental and Technical Analysis. Decision Support Systems, 37(4), 567-581.
Lee, T. -S., &; Chen, N. -J. (2002). Investigating the information content of non-cash-trading index futures using neural networks. Expert Systems with Applications, 22(3), 255-234.
Lee, T. -S., &; Chiu, C. -C. (2002). Neural network forecasting of an opening cash price index. International Journal of Systems Science, 33(3), 229-237.
Leigh, W., Purvis, R., &; Ragusa, J. M. (2002). Forecasting the NYSE composite index with technical analysis, pattern recognizer, neural network, and genetic algorithm: a case study in romantic decision support. Decision Support Systems, 32(4), 361-377.
Lo, A. W., Mamaysky, H., &; Wang, J. (2000). Foundations of technical analysis: Computation algorithms, statistical inference, and empirical implementation. Journal of Finance, 55(4), 1705-1770.
McCulloch, W. S., &; Pitts, W. H. (1943). A logicalcalculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5(4), 115-133.
Mitra, S. K. (2012). An Option Pricing Model That Combines Neural Network Approach and Black Scholes Formula. Global Journal of Computer Science and Technology, 12(4), 7-15.
Niaki, S. T. K., &; Hoseinzade, S. (2013). Forecasting S&;P 500 index using artificial neural networks and design of experiments. Journal of Industrial Engineering International, 9(1), 1-9.
Osborne, M. F. M. (1959). Brownian Motion in the Stock Market. Operations Research, 7(2), 145-173.
Pan, J., &; Poteshman, A. M. (2006). The Information in Option Volume for Future Stock Prices. The Review of Financial Studies, 19(3), 871-908.
Patel, J., Shah, S., Thakkar, P., &; Kotecha, K (2015). Predicting stock and stock price index movement using Trend Deterministic Data Preparation and machine learning techniques. Expert Systems with Applications, 42(1), 259-268.
Quah, T. -S. (2008). DJIA stock selection assisted by neural network. Expert Systems with Applications, 35(1-2), 50-58.
Rather, A. M., Agarwal, A., &; Sastry, V. N. (2015). Recurrent neural network and a hybrid model for prediction of stock returns. Expert Systems with Applications, 42(6), 3234-3241.
Rumelhart, D. E., &; McClelland, J. L., &; PDP Research Group (1986). Parallel distributed processing: Explorations in the Microstructure of Cognition, Volume 1: Foundations &; Volume 2: Psychological and Biological Models. Cambridge, MA: MIT Press.
Schroeder, T. C., Ward, C. E., Mintert, J., &; Peel, D. S. (1997). Beef Industry Price Discovery: A Look Ahead (Tech. Rep.). Blacksburg, VA: Virginia Polytechnic Institute and State University, Research Institute on Livestock Pricing.
Shen, W., &; Xing, M. (2009, May). Stock Index Forecast with Back Propagation Neural Network Optimized by Genetic Algorithm. In Proceedings of Second International Conference on Information and Computing Science (Vol. 2, pp. 376-379), Manchester.
Ticknor, J. L. (2013). A Bayesian regularized artificial neural network for stock market forecasting. Expert Systems with Applications, 40(14), 5501-5506.
Tseng, C. -H., Cheng, S. -T., Wang, Y. -H., &; Peng, J. -T. (2008). Artificial neural network model of the hybrid EGARCH volatility of the Taiwan stock index option prices. Physica A: Statistical Mechanics and its Applications, 387(13), 3192-3200.
Wang, C. -P., Lin, S. -H., Huang, H. -H., &; Wu, P. -C. (2012). Using neural network for forecasting TXO price under different volatility models. Expert Systems with Applications, 39(5), 5025-5032.
Wang, J. -Z., Wang, J. -J., Zhang, Z. -G., &; Guo, S. -P.(2011). Forecasting stock indices with back propagation neural network. Expert Systems with Application, 38(11), 14346-14355.
Wang, Y. -H. (2009). Nonlinear neural network forecasting model for stock index option price: Hybrid GJR-GARCH approach. Expert Systems with Applications, 36(1), 564-570.
Yao, J., Tan, C. L., &; Poh, H. -L.(1999). Neural Networks for technical Analysis: A Study on KLCI. International Journal of Theoretical and Applied Finance, 2(2), 221-241.

網路部分
Seidel, H. (2013, December 4). TAIFEX and Eurex announce launch date of joint product cooperation. Eurex Exchange. Retrieved July 1, 2015, from http://www.eurexchange.com/exchange-en/about-us/news/TAIFEX-and-Eurex-announce-launch-date-of-joint-product-cooperation/726078
各期貨契約交易量統計(103年版)【資料檔】。台北市:臺灣期貨交易所。
各類交易人交易量統計表(103年版)【資料檔】。台北市:臺灣期貨交易所。
衍生性金融商品介紹(103年版)【資料檔】。新北市:金融監督管理委員會。
期貨每日交易行情查詢(103年版)【資料檔】。台北市:臺灣期貨交易所。
選擇權每日交易行情簡表資料查詢(103年版)【資料檔】。台北市:臺灣期貨交易所。
歷年上櫃股票統計(103年版)【資料檔】。台北市:證券櫃檯買賣中心。
歷年股票市場概況表(103年版)【資料檔】。台北市:臺灣證券交易所。

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top