跳到主要內容

臺灣博碩士論文加值系統

(44.201.99.222) 您好!臺灣時間:2022/12/05 23:53
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:游文宏
研究生(外文):YU,WEN-HUNG
論文名稱:運用大數據分析金融商品替代關聯規則
論文名稱(外文):Substitution Association Rule Mining in Financial Products with Big Data Analysis
指導教授:黃正魁黃正魁引用關係
指導教授(外文):HUANG,JHENG-KUEI
口試委員:高世州翁政雄黃正魁
口試委員(外文):GAO,SHIH-JHOUWONG,JHENG-SYONGHUANG,JHENG-KUEI
口試日期:2017-06-22
學位類別:碩士
校院名稱:國立中正大學
系所名稱:企業管理系研究所
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2017
畢業學年度:105
語文別:中文
論文頁數:34
中文關鍵詞:資料探勘關聯法則Apriori 演算法替代效應大數據
外文關鍵詞:Data miningAssociation rulesApriori algorithmSubstitution effectBig data
相關次數:
  • 被引用被引用:0
  • 點閱點閱:1210
  • 評分評分:
  • 下載下載:6
  • 收藏至我的研究室書目清單書目收藏:2
台灣經濟發展高度仰賴進出口貿易,匯率波動影響產業獲利,國際原油走勢牽動民生需求與經濟發展,投資人在選擇投資標的時候,要觀察國際情勢脈絡、新聞、政治、法人、投資人心理或其他未知因素,如何在低風險的情況下,提高股匯市或跨金融商品買賣的報酬,一直是投資人最關心的事。本研究運用關聯法則(Association Rule)的資料探勘(Data Mining)演算法Apriori,來探討五大國際儲備貨幣匯率、國際三大原油現貨價、紐約黃金期貨價與台灣發行量加權股價指數相互間之替代關聯規則,分析2015/01/02至2016/12/30的交易資料中發現,在支援度(Support)大於50%時,美元與人民幣匯率,於同一交易日之共同漲或是共同跌的信心度(Confidence)均高於85%;在支援度大於30%時,日圓、人民幣還有美元匯率,於同一個交易日之共同漲或是共同跌的信心度均高於90%,由此可看出美元、人民幣與日圓匯率之間的關聯性是相互影響,且是共同漲跌的群組。實驗結果,可以提供給未來投資者進行參考。
Taiwan economic development is highly dependent on the following: the import and export trades, exchange rate fluctuations affecting industry profits, and the trend of international crude oil affecting people’s livelihood needs and economic development. Therefore, as investors are choosing investment targets, they should simultaneously pay attention to the international situation, news, politics, corporate, investors’ mind, and other unknown factors. How to lower investment risks for increasing the payoffs of the stock market or transactions of cross-financial products has been the most concerned issue for investors. In this study, we employ an association rules (data mining) algorithm, Apriori, to discover substitution association rules for the following financial products, including five major international currency exchange rate, three major international crude oil spot prices, New York gold futures, and the weighted share price indexes of Taiwan issue. We conducted an experiment, collecting data from 2015/01/02 to 2016/12/30 and have the following findings. First, as the support is greater than 50%, the confidence of rising up together or falling together for the exchange rates of US dollar and RMB (Renminbi) on the same trading day is higher than 85%. Second, as the support is greater than 30%, the confidence of rising up together or falling together for the exchange rates of Yen, RMB, and US dollar on the same trading day is higher than 90%. As a result, we can observe that the relationship among US dollar, RMB, and Yen is mutually influenced as well as they are all belonging to the same group of ups and downs. The results of the experiment, therefore, can be proffered to investors for the further investments.
目錄
誌謝 I
摘要 II
Abstract III
目錄 IV
圖目錄 VI
表目錄 VII
第一章 緒論 1
第一節、研究問題與動機 1
第二節、研究方法 2
第三節、研究流程 3
第二章 文獻探討 5
第一節、資料探勘 5
第二節、資料探勘的方法 6
第三節、關聯法則相關文獻探討 8
第四節、股價預測相關文獻探討 9
第三章 研究方法 11
第一節、關聯法則Apriori 概念 11
第二節、關聯法則之原則 13
第三節、關聯法則Apriori 演算 14
第四章 研究內容暨分析結果 16
第一節、軟硬體環境 16
第二節、資料蒐集 16
第三節、資料篩選與整理 17
第四節、資料探勘實作 20
第五節、結果解釋與評估 28
第五章 結論與未來研究方向 32
第一節、結論 32
第二節、未來研究方向 32
參考文獻 33


圖目錄
圖 1:研究流程圖 4
圖 2:FAYYAD等人的資料探勘流程圖 7
圖 3:資料探勘到知識發現流程圖 7
圖 4:產生高頻項目集流程圖 15
圖 5:IBM SPSS MODELER 操作介面 20
圖 6:匯入欲探勘之EXCEL 之資料 21
圖 7:資料欄位屬性設定 22
圖 8:APRIORI 節點參數設定 23
圖 9:依信心度排序,當支援度為20%時 24
圖 10:依支援度排序,當支持度為20%時 25
圖 11:關聯網參數設定 26
圖 12:支援度關聯網圖 26
圖 13:漲跌群組圖 27
圖 14:在30%支援度、85%信心度關聯圖 28
圖 15:在25%支援度、85%信心度關聯圖 30
圖 16:在20%支持度、85%信心度關聯圖 31


表目錄
表 1:研究對象 3
表 2:資料探勘定義 5
表 3:關聯法則相關應用文獻 8
表 4:股價預測相關文獻 9
表 5:購物籃資料記錄形式 11
表 6:購物籃資料二元化表 12
表 7:人民幣匯率每日交易資料 16
表 8:各金融商品每日收盤價彙整 17
表 9:漲平跌條件式 18
表 10:金融商品每日漲跌計算範例 18
表 11:漲跌平表範例 19
表 12:規則數量表 27
表 13:高關聯漲跌群組表 29


一、中文部分
曲恬頤. (2009). 運用決策樹與倒傳遞類神經網路建構台股之整合性投資策略. 清華大學工業工程與工程管理學系學位論文, 1-65.
呂宜君. (2015). 資料探勘於台灣指數股票型基金(ETF)發展之研究. In 廖述賢 (Ed.).
李政芳. (1996). 應用類神經網路與模糊德爾菲法於股票預測模式建立之研究. 碩士.
李家政. (2009). 利用關聯法則探勘個股之間的關聯性. In 黃有評 & 謝尚琳 (Eds.).
阮業春, & 吳旻穗. (2015). 退貨商品與製程異常之關聯分析-以工業電腦為例. Journal of Technology, 30(3), 253-263.
施雅月, & 賴錦慧. (2007). 資料探勘, 台灣培生教育出版股份有限公司.
郭木良. (2013). 結合資料探勘與類神經網路應用於股票市場的預測. In 鄭揚耀 (Ed.): 財務金融研究所.
彭金堂, 張盛鴻, 簡禎富, & 楊景晴. (2005). 建構關聯規則資料挖礦架構及其在台電配電事故定位之研究. Journal of Information Management, 12(4), 121-141.
谢国强. (2012). 基于支持向量回归机的股票价格预测. 计算机仿真(4), 379-382. doi:10.3969/j.issn.1006-9348.2012.04.093
廖述賢. (2009). 資料採礦與商業智慧 (初版. ed.). 臺北市: 臺北市 : 雙葉書廊, 2009民98.
廖述賢, 劉基全, & 鄧敏怡. (2006). 資料探勘應用於顧客知識管理之研究 (pp. 57-64): 景文技術學院資訊管理系.
鄧德倫. (2009). 使用APRIORI與HMETIS演算法找出股票市場的群組關係. In 徐嘉連 (Ed.).

二、英文部分
Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Paper presented at the Proc. 20th int. conf. very large data bases, VLDB.
Berry, M. J., & Linoff, G. (1997). Data mining techniques: for marketing, sales, and customer support: John Wiley & Sons, Inc.
Curt, H. (1995). The devil’s in the detail: techniques, tools, and applications for database mining and knowledge discovery-part 1. Intelligent Software Strategies, 6(9), 1-15.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3), 37.
Fayyad, U., & Stolorz, P. (1997). Data mining and KDD: Promise and challenges. Future generation computer systems, 13(2-3), 99-115.
Hui, S. C., & Jha, G. (2000). Data mining for customer service support. Information & Management, 38(1), 1-13.
Kleissner, C. (1998). Data mining for the enterprise. Paper presented at the System Sciences, 1998., Proceedings of the Thirty-First Hawaii International Conference on.


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊