(3.234.221.67) 您好!臺灣時間:2021/04/11 16:19
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:廖振宏
研究生(外文):LIAO, CHEN-HUNG
論文名稱:利用資料探勘技術預測臺灣股票買賣時點
論文名稱(外文):The Application of Data Mining Technologies for Predicting the Trading Timing of Taiwan Stock Markets
指導教授:林忠機林忠機引用關係
指導教授(外文):Lin, Chung-Gee
口試委員:莊忠柱郭嘉祥
口試委員(外文):CHUANG, CHUNG-CHUGUO, CHIA-HSIANG
口試日期:2018-06-26
學位類別:碩士
校院名稱:東吳大學
系所名稱:財務工程與精算數學系
學門:數學及統計學門
學類:其他數學及統計學類
論文種類:學術論文
論文出版年:2018
畢業學年度:106
語文別:中文
論文頁數:58
中文關鍵詞:資料探勘決策樹買賣時點量價關係
外文關鍵詞:Data miningDecision treeTrading timingVolume-Price relation
相關次數:
  • 被引用被引用:2
  • 點閱點閱:114
  • 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:0
  • 收藏至我的研究室書目清單書目收藏:2
本研究主要是透過決策樹中分類與迴歸樹演算法(CART),針對成交量突然增加時,結合成交價與20日(短期)、60日(中期)、240日(長期)均線間的關係、乖離率以及各均線間的排列方式等特徵作為輸入變數,持有5日後的獲利或損失與否為輸出變數,期望能對單一個股的買賣時機提出決策參考。研究結果發現進場價格是否大於各期間均價對於預測並無顯著的重要性,而是進場價格對於各期間均線的乖離率才有較為精準的預測能力,對於鴻海(TW2317)、立碁(TW8111)股價的預測能力均可以提高大約16%,個股的判斷規則皆由個股自身過去走勢產生,其形成的投資邏輯可幫助投資人做出更正確的投資決策。
This study mainly uses the Decision Tree Classification and Regression Tree Algorithm (CART) to analyze the relationship between transaction prices and moving average prices and bias of different periods when the volume of transaction suddenly increases. It is expected that a decision reference can be made for the timing of buying and selling of a single stock. The results of the research found that whether the price is greater/lower than the average price for each period is not significant for the forecast. Instead, the bias of price and average price has a more accurate forecasting ability. Hon Hai(TW2317) and LIGITEK(TW8111) stock prices can be improved 16% of forecast ability. The judgment rules of individual stock which are generated by the individual stock’s own past trends can help investors make more correct investment decisions.
目錄 I
圖目錄 III
表目錄 VI
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 論文架構 2
第貳章 文獻探討 4
第一節 效率市場假說 4
第二節 量價關係 5
第三節 移動平均線 6
第四節 資料探勘 7
第五節 決策樹 8
第參章 研究方法 10
第一節 資料來源、說明 10
第二節 特徵、目標變數設定與說明 10
第三節 分類與迴歸樹演算法(CART) 16
第四節 模型說明 18
第肆章 研究分析與實證結果 20
第一節 資料分析 20
第二節 樣本篩選 37
第三節 模型預測與分析 42
第伍章 結論與建議 55
第一節 結論 55
第二節 研究建議 55
參考文獻 57
一、中文部分
1.洪美慧(1993),「技術分析應用於台灣股市之研究-移動平均線,乖離率指標與相對強弱指標」,東海大學管理研究所碩士論文。
2.莊家彰、管中閔(2005),「臺灣與美國股市價量關係的分量迴歸分析」,經濟論文,第三十三卷,第四期,頁379-404。
3.張雅惠(2007),「價量關係之新解:量作為交易資訊異質性的指標」,台南科技大學商學與管理研究所碩士論文。
4.廖述賢(2007),「資訊管理」,臺北:雙葉書廊。
5.魯秉鈞(2001),「技術分析於台灣股票市場的運用-移動平均線與均量指標」,東海大學管理碩士學程在職進修專班碩士論文。
6.關寅麟(1993),「技術分析投資報酬一致性之研究-臺灣股市的實證」,東海大學企業管理研究所碩士論文。

二、英文部分
1.Berry,M., G.,Linoff(1997), "Data Mining Techniques: For Marketing,Sales, And Customer Relationship Management", Hoboken:Wiley Publishing Inc.
2.Brock,W., J. Lakonishok, and B. LeBaron(1992), "Simple Technical Trading Rules And The Stochastic Properties Of Stock Riture", Journal of Finance,47(5), 1731-1764.
3.Clark,P.(1973), "A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices", Econometrica, 41(1), 135-155.
4.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, 1-15.
5.Fama, E., "Efficient Capital Makets: A Review Of Theory And Empirical Work(1970)", Journal of Finance, 25(2), 383-417.
6.Fayyad, U., P. Stolorz, "Data Mining And KDD: Promise and Challenges(1997)", Future Generation Computer Systems, 13(2), 99-115.
7.Osborne,M.(1959), "Brownian Motion In The Stock Market", Operations Research, 7(2), 145-173.
8.Ratner M., Leal R.(1999), "Tests of Technical Trading Strategies in the Emerging Equity Markets of Latin America And Asia",Journal of Banking & Finance, 23(12), 1887-1905.
電子全文 電子全文(網際網路公開日期:20230701)
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