(3.238.173.209) 您好!臺灣時間:2021/05/16 21:32
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:林維謙
研究生(外文):Wei-Cian Lin
論文名稱:應用灰關聯分析與類神經網路於歐元漲跌預測模式建立之研究
論文名稱(外文):The Study on the Prediction Model of the Euro Exchange Rate by Using Gray Relational Analysis and Neural Network
指導教授:李樑堅李樑堅引用關係黃永成黃永成引用關係
指導教授(外文):Liang-Chien LeeYung-Cheng Huang
學位類別:碩士
校院名稱:義守大學
系所名稱:財務金融學系
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:61
中文關鍵詞:歐元匯率倒傳遞類神經網路灰關聯分析多元迴歸
外文關鍵詞:exchange rateback-propagation neural networkgrey relational analysismultiple regression
相關次數:
  • 被引用被引用:1
  • 點閱點閱:237
  • 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:0
歐元(Euro)自1999年發行以來即有超越美元之情形,且歐元的發行對國際貨幣與金融體系造成重大之影響,洪德欽(2006)指出近年來歐元已成為國際主要通貨,在國際貿易、貨幣與金融市場取得重要國際地位。但歐盟成員國眾多且組成複雜,加上政治因素與債務危機,使得歐元匯率波動變化大且不易預測,因此預測歐元匯率與波動方向具有探討的價值和意義。
本研究目的在於使用倒傳遞類神經網路建立出能預測歐元匯率漲跌方向的模型,以降低投資人的風險及增加獲利的機會。其方式乃採用2004至2013年十年間的歐元匯率漲跌資料作為預測模型之建立,先利用灰關聯分析篩選出影響歐元匯率的因子,而後界定相關程度高的影響因子導入倒傳遞類神經網路來建立歐元匯率漲跌方向之預測模式;最後使用多元迴歸法來建構預測歐元匯率漲跌方向之計算式,並與本研究建立倒傳遞類神經網路的預測模式做比較,以界定何種為較佳模型,進而提供投資人作參考依據。
實證結果發現,先利用灰關聯分析篩選出影響歐元匯率漲跌高相關之影響因子,而後導入多元迴歸模型可提高其預測能力,表示灰關聯分析為良好的篩選工具;而倒傳遞類神經網路模型之模型均方誤差(MSE值)與實際樣本驗證之誤差皆小於多元迴歸模型,而預測漲跌準確率兩者相同且高達83.33%,綜合而言,類神經網路模型具有較佳的預測能力。

Euro was launched in 1999, it faces currency issues beyond US dollar and its introduction represents important influences on international monetary and financial system. Hong (2006) pointed out that euro has become international major currency and get an important international status in international trade, financial and monetary markets. European Union member countries are numerous and constitution complicacy, coupled with political aspects and debt crisis affected the euro exchange rate volatility. Hence, case study of the prediction for euro exchange rate and its volatility are meaningful and valuable.
This paper investigate the prediction of euro exchange rate changes model using back-propagation neural network to reduce investment risk and improve profitability. The samples used in this paper are euro exchange rate changes data for the period between 2004 and 2013. First, we find out the impact factors and correlation of euro exchange rate using grey relational analysis. Then, the high correlation impact factors are derived into back-propagation neural network to construct the prediction of euro exchange rate changes model. We also calculate the prediction of euro exchange rate changes model using multiple regression method. Finally, the optimization model for investor decision making has chosen based on comparison between multiple regression method and back-propagation neural network model.
The empirical results show that high correlation impact factors are filtered by grey relational analysis and derived into multiple regression model can improve predication performance, it reveals that grey relational analysis is a good screening tool. The MSE value of back-propagation neural network and the error of actual sample verification are lower than multiple regression model, but the accuracy rate of prediction changes are consistent which is up to 83.33%. As a conclusion, neural network model has preferable predication performance.

謝誌 I
摘要 II
ABSTRACT III
目錄 IV
圖次 VI
表次 VII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究內容 4
第三節 研究範圍及限制 5
第四節 研究流程 5
第二章 文獻回顧 7
第一節 灰關聯分析 7
第二節 類神經網路 13
第三節 多元迴歸 18
第四節 影響歐元匯率之相關因子 20
第三章 研究方法 26
第一節 資料說明 26
第二節 灰關聯分析運作 26
第三節 多元迴歸之模型建立 28
第四節 倒傳遞類神經網路之模式建立 29
第四章 實證與研究 33
第一節 灰關聯分析結果 33
第二節 多元迴歸分析結果 34
第三節 類神經網路分析結果 42
第四節 多元迴歸與倒傳遞類神經網路預測結果驗證與比較 45
第五章 結論與建議 47
第一節 結論 47
第二節 建議 48
參考文獻 49

一、中文部分
田進 (2005),心理預期對匯率變動的影響,商場現代化,x卷453期。
朱旭 (2004),非線性匯率預測模型之實證研究,國立臺灣大學國際企業研究所碩士論文。
余尚武、黃雅蘭 (2003),台灣股價指數期貨套利之研究:類神經網路與灰色理論之應用,電子商務學報,5(2),87-115。
吳統雄 (2013),多元迴歸分析特色,統雄-統計神掌。
吳靖東 (2012),總體經濟因素對兩岸匯率變動的影響,東吳經濟商學學報,76期。
李俊毅、羅至美 (2010),歐元歷史:分析層次的觀點,政治科學論叢,46期。
周政光 (2011),情緒指標與股價報酬相關性探討-以台灣電子類股指數為例,中原大學企業管理學系碩士學位論文。
林美惠、莊財福、范承瑞 (2014),顧客之服務品質知覺對顧客忠誠度預測模式-應用倒傳遞類神經網路法與多元迴歸法分析,明道學術論壇,第9卷第2期。
林萍珍 (2008),投資分析,新陸書局。
林敬凱 (2012),類神經網路於財務危機預測模式之應用:時間預測變數的比較,淡江大學統計學系應用統計學碩士班碩士論文。
林隆啟 (2005),應用類神經網路於選擇權價格預測,崑山科技大學企業管理研究所碩士論文。
邱展謙、劉濠葦 (2004),共同基金經理人績效之研究:類神經網路之應用,朝陽商管評論,第三卷第二期,69-100。
洪德欽 (2006),歐元之國際經濟地位,政治科學論叢,第二十九期。
徐嘉良 (2013),應用灰關聯分析與類神經網路預測黃金現貨價格方向之初探研究,義守大學財務金融學系碩士論文。
張阜民、楊浩忠、柯俊禎、陳建宏 (2013),總體經濟因素對國防支出之影響-以台灣及南韓為例,財金論文叢刊,第18期。
張宮熊 (2004),灰色系統理論於管理與工程上之應用,屏東科技大學企業管理系,灰色系統分析研究室。
張國川 (2006),應用灰色關聯分析及類神經網路建構一金融商品價差走勢預測模型,朝陽科技大學財務金融系碩士論文。
莊瑞珠、陳秀淋、陳能靜 (2012),影響匯率反轉因素之分析:未預期總體訊息與技術指標,輔仁管理評論,第十九卷第一期,1-26。
連伯瑋 (2007),歐元匯率與總體經濟指標關係之實證研究,國立臺灣大學財務金融所碩士論文。
陳弘忠 (2014),運用灰關聯分析與類神經網路建立國際黃金現貨價格預測模式,義守大學工業管理學系碩士論文。
覃凡丁、奉欽亮 (2012),人民幣匯率波動影響因素的實證研究,管理觀察, 28,173–174。
黃永成 (2011),結合灰關聯分析之模糊連續遺傳演算法對選擇權之評價,資訊管理學報,第十八卷第一期。
黃婷湘 (2006),專家判斷法建立案例式推理系統與類神經網路預測架構於個股漲跌趨勢之研究,元智大學工業工程與管理研究所碩士論文。
黃筱淇 (2012),以灰色理論探討台灣加權股價指數與有關經濟因素之研究,樹德科技大學經營管理研究所碩士論文。
黃鐘億 (2007),以改良式倒傳遞類神經網路運用成分股與技術指標預測台灣50指數報酬率之研究,臺北大學企業管理學系碩士論文。
葉怡成 (2004),應用類神經網路,儒林圖書。
廖文榮 (2008),基於移動平均分析技術實作類神經網路系統於股價預測,中興大學電子商務研究所碩士論文。
趙婧 (2007),歐元兌美元匯率走勢分析及預測,商場現代化,x卷516期。
劉揚銘 (2012),一次讀懂歐債危機:時事篇,經理人月刊。
劉興華 (2005),解讀近年來歐元匯率走勢及成因,安徽商貿職業技術學院學報(社會科學版),4卷3期。
蔡瑞煌、高明志、張金鶚 (1999),類神經網路應用於房地產估價之研究,住宅學報,第八期。
鄧聚龍 (1982),系統與控制通訊,北荷蘭出版社。
鄭美幸、詹志明 (2002),灰色理論與時間序列模型在匯率預測績效上之比較,台灣金融財務季刊,第3卷第2期。
鄭漴瑋 (2014),應用灰關聯分析與類神經網路於預測人民幣匯率之研究,義守大學財務金融學系碩士論文。
謝邦昌 (2002),類神經網路概述及實例,曉園出版社。
謝長杰 (2009),應用灰關聯分析類神經網路預測股價績效之研究,東吳大學經濟所碩士論文。
蘇俊豪 (2009),應用田口法與灰關聯分析於面光罩快速原型系統之參數最佳化,國立台灣科技大學自動化及控制研究所碩士論文。
二、英文部分
Andersen, 2003,T.G., Bollerslev, T., Diebold, F. X. & Vega, C., "Micro effects ofMacro Announcements:Real-Time Price Discovery in Foreign Exchange",American Economic Review, Vol. 93(1) , pp. 38-62.
Ehrmann, M. & Fratzscher, M.,2005, "Exchange Rates and Fundamentals: NewEvidencefrom Real-TimeData", Journal of International Money and Finance,Vol. 24(2),pp. 317-341.
Fabio Moneta,2005,“Does the Yield Spread Predict Recessions in the Euro Area? ”,INTERNATIONAL FINANCE, Volume 8, Issue 2, Pages: 263–301.
Frankel, J. A. & Rose, A. K., "Empirical Research on Nominal Exchange Rates", In Grossmann, G. &Rogoff, K. (eds), Handbook of International Economics (Vol.III, pp. 1689-1729), Amsterdam:North-Holland, 1995.
Galati, G., & Ho, C. ,2003. Macroeconomic news and the euro/dollar exchange rate. Economic notes. Banca Monte dei Paschi di Siena 323, 371-398.
Harris, E. & Zabka, N.,1995, "The Employment Report and the Dollar", CurrentIssues in Economics andFinance, Federal Reserve Bank of New York, Vol. 1(8), ,pp. 1-6.
Liu, X., & Ma, X.,2012. Based on BP neural network stock prediction.Journal of Curriculum and Teaching, 1(1), 45.
Rebitzky, R. R.,2010. "The Influence of Fundamentals on Exchange Rates:Findingsfrom Analysis ofNews Effects", Journal of Economic Surveys, Vol. 24(4), pp.680-704.
Skouras, S., 2001,“Financial Returns and Efficiency as Seen by An Artificial TechnicalAnalyst”, Journal of Economic Dynamics and Control, 25, pp. 213-244.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關點閱論文