(3.236.175.108) 您好!臺灣時間:2021/03/01 11:52
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:曹豈瑋
研究生(外文):TSAO, CHI-WEI
論文名稱:外資買賣行為對預測台股期現貨指數的影響
論文名稱(外文):The Impact of Foreign Investment Behaviour on the Forecast TAIEX and TX
指導教授:林鴻裕林鴻裕引用關係陳琨太陳琨太引用關係
指導教授(外文):LIN, HONG-YUCHEN, KUEN-TAI
口試委員:林國平林鴻裕陳琨太
口試委員(外文):LIN, GUO-PINGLIN, HONG-YUCHEN, KUEN-TAI
口試日期:2017-07-25
學位類別:碩士
校院名稱:明志科技大學
系所名稱:經營管理系碩士班
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:74
中文關鍵詞:台股現貨指數台股期貨指數倒傳遞類神經網路基因演算法
外文關鍵詞:Taiwan stock index (TAIEX)Taiwan stock index futures (TX)Back-propagation Neural NetworksGenetic Algorithm
相關次數:
  • 被引用被引用:0
  • 點閱點閱:193
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:36
  • 收藏至我的研究室書目清單書目收藏:0
本研究主要是在檢視外資買賣行為對台股期現貨指數預測績效的影響,採用台灣證券交易所及台灣期貨交易所的原始資料,資料期間為2007年7月1日到2017年2月28日,共2,526筆資料,使用的解釋變數分別為外資買賣超增減、外資未平倉合約量、外資選擇權多空淨口數、摩根台股指數、新台幣兌美元匯率、落後一期道瓊工業平均指數、上海證券交易所A股指數、美國官方聯邦利率及落後一期收盤價,並與單純採用景氣對策訊號的結果作比較。
本研究將使用倒傳遞類神經網路(Back-propagation Neural Networks, BPNN)與基因演算法 (Genetic Algorithm, GA)做為預測方法,實證結果發現,無論何種預測方法,外資行為變數的表現都優於景氣變數組合,另外,外資行為變數中,又以摩根台股指數為外資操作台灣股市的最主要因素。

This study is mainly to see whether there are differences in the performance of the foreign investment behavior on forecasting Taiwan stock index and Taiwan stock index futures. The raw data is from Taiwan Stock Exchange and Taiwan Futures Exchange. Range of obtained data is from the July of 2007 to the February of 2017. Total of 9 independent variables are Foreign investor net buy/sell, Foreign investor futures open interest, Foreign investor option open interest, MSCI Taiwan stock index, NTD/USD exchange rate, Dow Jones industrial average index with one day lag, Shanghai A share, Federal funds rate, the index price with one day lag, and compare with monitoring indicator.

Predictions of future index prices are made by both Back-propagation Neural Networks and Genetic Algorithm. The empirical results show the performance of foreign investment behavior variables are better than the monitoring indicator variables. And in the foreign investment behavior variables, MSCI Taiwan stock index is the most important factor for foreign manipulation of Taiwan stock market.
目錄
明志科技大學碩士學位論文指導教授推薦書 i
明志科技大學碩士學位論文口試委員審定書 ii
誌謝 iii
摘要 iv
Abstract v
目錄 vi
圖目錄 viii
表目錄 ix
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 2
1.3 本文架構 4
第二章 文獻回顧 5
2.1 外資買賣行為相關文獻 5
2.2 研究方法的相關文獻 12
第三章 研究方法 22
3.1 研究對象及資料期間 22
3.2 變數選取 23
3.3 預測方法 29
3.4 預測績效之評量標準 41
第四章 實證研究 43
4.1台灣加權股價指數 43
4.2台灣股價指數期貨 48
4.3平均數差異檢定、敏感度分析、相關係數 52
第五章 結論與建議 55
參考文獻 56
中文部分 56
英文部分 58
附錄 64
附錄1 敘述統計表 64
附錄2-1 21筆訓練(驗證)資料預測結果-台灣加權股價指數 68
附錄2-2 21筆訓練(驗證)資料預測結果-台灣股價指數期貨 70
附錄3-1 相關係數矩陣表-台灣加權股價指數 72
附錄3-2 相關係數矩陣表-台灣股價指數期貨 73
附錄4 系統介紹 74

圖目錄
圖1-1 集中交易市場成交金額投資人類別比例 1
圖3-1 台灣加權股價指數收盤價推移圖 22
圖3-2 台灣股價指數期貨收盤價推移圖 23
圖3-3 落後一期台灣加權股價指數收盤價趨勢圖 24
圖3-4 人工神經元結構圖 30
圖3-5 倒傳遞類神經網路架構圖 31
圖3-6 基因演算法之演化流程圖 37
圖4-1 倒傳遞類神經網路之台灣加權股價指數驗證資料預測趨勢圖 45
圖4-2 基因演算法之台灣加權股價指數驗證資料預測趨勢圖 45
圖4-3 倒傳遞類神經網路之台灣加權股價指數外資驗證資料散佈圖 46
圖4-4 倒傳遞類神經網路之台灣加權股價指數景氣驗證資料散佈圖 46
圖4-5 基因演算法之台灣加權股價指數外資驗證資料散佈圖 46
圖4-6 基因演算法之台灣加權股價指數景氣驗證資料散佈圖 47
圖4-7 倒傳遞類神經網路之台灣股價指數期貨驗證資料預測趨勢圖 49
圖4-8 基因演算法之台灣股價指數期貨驗證資料預測趨勢圖 49
圖4-9 倒傳遞類神經網路之台灣股價指數期貨外資驗證資料散佈圖 50
圖4-10 倒傳遞類神經網路之台灣股價指數期貨景氣驗證資料散佈圖 50
圖4-11 基因演算法之台灣股價指數期貨外資驗證資料散佈圖 50
圖4-12 基因演算法之台灣股價指數期貨景氣驗證資料散佈圖 51

表目錄
表2-1 外資買賣行為相關文獻整理 9
表2-2 應用類神經網路於股票市場的相關研究文獻 15
表2-3 應用基因演算法於股票市場的相關研究文獻 19
表3-1 台灣加權股價指數以落後一期收盤價為變數之測試結果 24
表3-2 國發會景氣對策訊號 28
表4-1台灣加權股價指數之預測結果 43
表4-2 台灣加權股價指數驗證資料MAPE之標準差與變異數 47
表4-3 台灣股價指數期貨之預測結果 48
表4-4 台灣股價指數期貨驗證資料MAPE之標準差與變異數 51
表4-5 成對母體平均數差異檢定 52
表4-6 敏感度分析之驗證結果 53
表4-7 台灣期、現貨之目標值與各變數間的相關係數 54
中文部分
石濟豪 (2014)。技術分析指標複合的搭配及預測:以台灣加權股價指數為例。國立暨南國際大學國際企業學系碩士論文。
吳明軒 (2015)。應用類神經網路建構預測股價反轉點模式之研究。國立雲林科技大學資訊管理系碩士論文。
呂岳暘 (2016)。探討三大法人買賣超對股票報酬之影響。國立高雄大學國際高階經營管理碩士在職專班碩士論文。
李盈屏 (2016)。外資情緒指標與台灣加權股價指數報酬率關係。國立成功大學財務金融研究所碩士在職專班碩士論文。
李權晃 (2016)。外資對台灣證券市場之影響。嶺東科技大學財務金融系碩士班碩士論文。
林怡君 (2016)。景氣對策信號對金融保險類股之影響。國立高雄應用科技大學國際企業系碩士論文。
林哲宇 (2016)。以類神經網路預測股市轉折點之研究。國立彰化師範大學資訊管理學系所碩士論文。
林晏愉 (2016)。以基因演算法為基礎在台股即時技術交易策略之研究及視覺化系統開發。輔仁大學統計資訊學系應用統計碩士班碩士論文。
林鈺綾 (2010)。三大法人選擇權與期貨未平倉量之研究。國立交通大學資訊管理研究所碩士論文。
邱紫怡 (2011)。使用基因演算法結合加權模糊時間序列在股票投資組合上的買賣時機策略。國立臺灣科技大學資訊管理系碩士論文。
柏婉貞、胡育鳴、陳楷欣 (2016)。三大法人交易活動與台指期貨報酬波動非對稱關係之研究。全球商業經營管理學報,8,19-30。
柯佩吟 (2016)。類神經網路應用於選擇權交易策略之研究。國立彰化師範大學資訊管理學系所碩士論文。
張愷凌 (2009)。景氣循環、總體經濟變數與台灣股價指數的關係性研究。國立交通大學管理學院碩士在職專班財務金融組碩士論文。
莊家睿 (2017)。三大法人資訊對於大盤指數的解釋力及期貨市場的報酬率 -以台灣加權指數為例。國立交通大學財務金融研究所碩士論文。
許溪南、郭玟秀、鄭乃誠 (2005)。投資人情緒與股價報酬波動之互動關係:台灣股市之實證。台灣金融財務季刊,6(3),107-121。
陳民堅 (2016)。美國小道瓊、上海A股股市對台灣期貨指數的影響—GARCH 模型之應用。國立高雄應用科技大學國際企業系碩士論文。
陳怡蓁 (2015)。結合灰色系統理論與類神經網路於日圓匯率漲跌之預測。國立雲林科技大學資訊管理系碩士論文。
馮竣嗣 (2016)。應用技術分析於期貨市場進行危機預警:以台指期為例。國立清華大學經營管理碩士在職專班碩士論文。
黃英杰 (2016)。運用三大法人台股期貨未平倉資料於台灣ETF交易。國立中央大學財務金融學系在職專班碩士論文。
楊筆琇 (1999)。台灣電子股指數與美國股價指數互動關係之實證研究。國立成功大學企業管理研究所碩士論文。
葉怡成 (1993)。類神經網路模式應用與實作(初版)。台北市:儒林。
葉美均 (2016)。應用基因演算法整合五大構面選股策略。朝陽科技大學財務金融系碩士論文。
廖允暄 (2016)。建構股票投資策略之研究-以基因演算法融合技術指標。逢甲大學應用數學學系碩士論文。
劉安城 (2016)。應用類神經網路與時間策略於台灣50趨勢之研究。中華大學工業管理學系碩士論文。
劉健欣 (1999)。台灣股市與美國股市關連性之實證研究。淡江大學管理科學學系碩士論文。
劉嘉鴻 (2000)。整合灰預測及類神經網路模型研究股市盤後期貨價格之資訊內涵:以摩根台股指數及日經225指數為例。輔仁大學金融研究所碩士論文。
蔡錦昌 (2011)。台、美、中股市報酬率與波動外溢效果之研究。佛光大學管理學系碩士論文。
賴疋旋 (2016)。匯率風險與企業財務危機之關連性研究。國立彰化師範大學企業管理學系碩士論文。
魏明洲 (2016)。探討月營收資訊與三大法人買賣超對個股報酬之影響。國立高雄大學國際高階經營管理碩士在職專班碩士論文。
蘇彥庭 (2016)。支持向量機模型在台灣加權股價指數趨勢之預測。國立中山大學財務管理學系研究所碩士論文。

英文部分
Alexandra Faynburd (2011). Autoregressive short-term prediction of turning points using support vector regression.
Andy Lin, Chen, C.Y. (2006). The Impact of Qualified Foreign Institutional Investors on Taiwan’s Stock Market. Web Journal of Chinese Management Review, 9 (2), May.
Bae, S. C., Min, J. H., and Jung, S. (2011). Trading behavior, performance, and stock preference of foreigners, local institutions, and individual investors: Evidence from the Korean stock market. Asia-Pacific Journal of Financial Studies, 40(2), 199-239, April.
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.
Brown, G. W., & Cliff, M. T. (2004). Investor sentiment and the near-term stock market, Journal of Empirical Finance, 11(1), 1-27.
Chan, L. K. C. and J. Lakonishok (1993), Institutional Trades and Intraday Stock Price Behavior, Journal of Financial Economics, 33, 173-199.
Christopher, A. Z., (2003). Beyond Black Scholes: A Neuralnetworks -Based Approach to Options Pricing, International Journal of Theoretical and Applied Finance, 6(5), 469-489.
Close, N. (1975). Price Reaction to Large Transactional in the Canadian Equity Market, Financial Analyst Journal, 31, 50-57.
Cybenko, G. (1989). Approximation by superpositions of a sigmoidal function. Mathematic Control Signals Systems, 2, 303-314.
Goldberg, D. E. (1989). Genetic Algorithms in search, Optimization and Machine Learning. NY: Addison-Wesley.
He, W., & Shen, J. (2014). Do foreign investors improve informational efficiency of stock prices? Evidence from Japan. Pacific-Basin Finance Journal, 27, 32-48, April.
Hecht-Nielsen, R. (1990). Neurocomputing. CA: Addison-Wesley, Menlo Park.
Holland, J. H. (1975). Adaptation in natural and artifical systems. Ann Arbor: The University of Michigan Press.
Hornik, K., Stinchcombe, M., & White, H. (1989). Multilayer feedforward networks are universal approximators. Neural Networks, 2, 259-366.
J. Korczak and P. Roger. (2002). Stock timing using genetic algorithm. Applied Stochastic Models in Business and Industry.18:121-134, 2002.
Kimoto, T. and Asakwa, K. (1990). Stock Market Predication System with Modular Networks, IJCNN, 1, 1-6.
Kraus, A. and H.R. Stoll (1972). .Price Impact of Block on the New York Stock Exchange, Journal of Finance, 27, 569-588.
Kuan, C.M. and H. White (1994). Artificial Neural Networks: An Econometric Perspective. Econometric Reviews, 13(1), 1-91.
Kwok, T.Y. ,and D.Y. Yeung. (1997). Objective functions for training new hidden units in constructive neural networks, IEEE Transactions on Neural Networks, 8(5),1131-1148.
Kyoung-jae Kim and Ingoo Han, (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.
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, 225-234.
Lee, T. S., Chen, N. J., & Chiu, C. C. (2003). Forecasting the opening cash price index using grey forecasting and neural networks: evidence from the SGX-DT MSCI Taiwan Index Futures Contracts. Computational Intelligence in Economics and Finance, 151-170.
Lewis, C.D. (1982). Industrial and Business Forecasting Methods: a practical guide to exponential smoothing and curve fitting, London: Butterworth Scientific.
Lin, C.T. and C.S.G. Lee (1996). Neural Fuzzy Systems: a neuro-fuzzy synergism to intelligent systems. New Jersey: Prentice Hall.
Lippmann, R. P. (1987). An introduction to computing with neural nets. IEEE ASSP Magazine, April, 4-22.
Makridakis, S. (1993). Accuracy measures: Theoretical and practical concerns, International Journal of Forecasting, 9(4), 527-529.
Mcgreal, S.,A.Adair, D. McBurney and D. Patterson (1998). Neural Networks: the Prediction of Residential Values. Journal of Property Valuation and Investment, 16(1),57-70.
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).
Najeb M. (2014). Predicting Direction of Stock Prices Index Movement Using Artificial Neural Networks: The Case of Libyan Financial Market. British Journal of Economics, Management & Trade, 4, 597-619.
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.
Pei-Chann Chang , Chen-Hao Liu , Jun-Lin Lin , Chin-Yuan Fan ,& Celeste S.P. Ng (2009). A neural network with a case based dynamic window for stock trading prediction. Expert Systems with Applications, 36, 6889–6898.
R.J.Kuo,C.H.Chen & Y.C.Hwang, (2001). An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network. Fuzzy sets and systems, 118, 21-45.
Rui Jiang and K. Y. Szeto. (2002). Discovering investment strategies in portfolio management: a genetic algorithm approach. Proceedings of the 9th International Conference on Neural Information Processing, 3, 1206-1210, 2002.
Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning internal representation by error propagation. Parallel Distributed Processing, 1, 318-362.
Sfetsos, A. and C. Siriopoulos. (2004). Combinatorial Time Series Forecasting Based on Clustering Algorithms and Neural Networks, Neural Computing and Applications, 13(1), 56-64.
Shipra Banik and A.F.M Khodadad Khan (2015). Stock Market Timing Decisions Using Neuro Rough Set Forecasting Model, Frontiers in Finance, 1.
Sias, R. W., Starks, L. T., Titman, S. (2006). Changes in Institutional Ownership and Stock Returns: Assessment and Methodology. Journal of Business, 79, 2869-2910.
Tsoukalas, L.H. and R.E. Uhrig (1997). Fuzzy and Neural Approaches in Engineering. New York:Wiley and Sons.
Vellido, A., Lisboa, P.J.G. and Vaughan, J. (1999).Neural Networks in Business: A Survey of Applications (1992-1998),Expert Systems with Applications, 17,.51-70.
Waller, B. and M. Aiken. (1999). Pricing of Homeowner Association Dues with a Neural Network, International Journal of Information and Management Sciences, 10(1), 73-80.
Wang, L. R. and C.H. Shen (1999). Do Foreign Investments Affect Foreign Exchange and Stock Markets-the Case of Taiwan, Applied Economics, 31, 1303-1314.
Wong, F. S. (1991). Time series forecasting using backpropagation neural networks. Neurocomputing, 2, 147-159.
Worzala, E., M. Lenk, and A. Silva (1995). An Exploration of Neural Networks and its Application to Real Estate Valuation. Journal of Real Estate Research, 10(2), 185-201.
Xiuquan Li , Zhidong Deng ,& Jing Luo (2009). Trading strategy design in financial investment through a turning points prediction scheme. Expert Systems with Applications, 36, 7818–7826.
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.
Zhang, G. and M.Y. Hu. (1998). Neural Network Forecasting of the British Pound /US Dollar Exchange Rate, Journal of Management Science, 26(4), 495–506.
Zhang, G. P. (2001). An investigation of neural networks for linear time-series forecasting. Computers & Operations Research, 28 (12), 1183-1202.
Zhang, G., Patuwo, B. E., & Hu, M. Y. (1998). Forecasting with artificial neural networks: The state of the art. International Journal of Forecasting, 14, 35-62.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔