跳到主要內容

臺灣博碩士論文加值系統

(35.175.191.36) 您好!臺灣時間:2021/08/02 14:53
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

我願授權國圖
: 
twitterline
研究生:江欣諭
研究生(外文):CHIANG, HSIN-YU
論文名稱:應用機器學習建立選股與操作策略:以台灣50成分股作為研究標的
論文名稱(外文):Applying Machine Learning to Establish A Stock Selection and Trading Strategy: Evidence from the Component Stocks of Taiwan 50 Index
指導教授:李緒東李緒東引用關係
指導教授(外文):LEE, HSU-TUNG
口試委員:吳泰熙俞洪亮李緒東
口試委員(外文):WU, TAI-HSIYU, HUNG-LIANGLEE, HSU-TUNG
口試日期:2021-05-07
學位類別:碩士
校院名稱:國立臺北大學
系所名稱:企業管理學系
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:2021
畢業學年度:109
語文別:中文
論文頁數:67
中文關鍵詞:股市分析集群分析動態時間校正卷積神經網路
外文關鍵詞:Stock AnalysisCluster AnalysisDynamic Time WarpingConvolutional Neural Network
相關次數:
  • 被引用被引用:0
  • 點閱點閱:36
  • 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
股市是多種訊息、資本市場與產業趨勢的具體表徵。一般民眾能獲取的資訊有限,大多只能以其結果-股價走勢做為選擇的依歸。本研究將股價走勢視為時間訊號,希望透過機器學習方法,找出股價走勢相似之個股集聚成群,並探討股群的進出場時機。
研究分為兩階段,第一階段先以動態時間校正法(Dynamic Time Warping)衡量2016年7月1日至2018年7月1日台灣50成分股的日收盤價,找出個股間的相似程度,再以階層式分群法(Hierarchical Clustering)依其相似度分群。第二階段以卷積神經網路(Convolutional Neural Networks)訓練分群個股的進出場時機,並以2018年7月1日至2019年7月1日的股價驗證訓練結果的收益;最後將收益與同一時間以傳統技術指標操作之收益做一比較。研究結果顯示,加入分群方法,確實可改善卷積神經網路模型訓練之結果;相較於放入單獨個股訓練,以股價相似之分群資料輸入卷積神經網路模型,可以得到更好的報酬率,且各群報酬率增加幅度在3%到15%之間。此報酬同時也優於傳統KD指標操作策略,各群報酬率相差幅度約為15%至30%之間,研究結果可供一般股民操作時作為參考。

Most investors could only choose their based on the trend of stock price due to the information asymmetry. This research regards stock price movements as time signals, and hopes to find out the better buy and sell timing of stocks through machine learning methods. Our research aims to find a stock selection and trading mechanism outperform the traditional ways
Firstly, we choose the components of Taiwan 50 Index as our target, and take the daily closed price from 2016/7/1 to 2018/7/1 as our data. We build clusters as our stock selection strategy by using Dynamic Time Warping(DTW)to measure the dissimilarity. Then, we find out three similar clusters.
Secondly, we use Convolutional Neural Network model to predict when to buy and sell the stock by training the three similar clusters. Our results show that this strategy indeed improve the training results of Convolutional Neural Network model, and get the better rate of return(increase about 3% to 15%). And the predictive rate of return is also better than the traditional ways with the KD indicator(increase about 15% to 30%). Our research provides investors with more reference basis for stock selection and trading.

謝詞 I
中文提要 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 1
第二節 研究動機與目的 2
第三節 研究架構 3
第二章 文獻探討 5
第一節 股市分析方法 5
第二節 集群分析之相似性度量 12
第三節 卷積神經網路 13
第三章 研究方法 17
第一節 動態時間校正(Dynamic Time Warping) 18
第二節 階層式分群法(Hierarchical Clustering) 22
第三節 分群結果判定 24
第四節 卷積神經網路(Convolutional Neural Network) 24
第四章 研究結果與分析 29
第一節 資料來源及整理 29
第二節 實證方法 31
第三節 實證結果及探討 31
第五章 結論與建議 51
第一節 研究結論 51
第二節 管理意涵 51
第三節 研究限制與建議 52
參考文獻 53
附錄一 相對漲幅DTW矩陣 57
附錄二 絕對漲幅DTW矩陣 62
著作權聲明 67


一、中文參考文獻
方羿茗(2019)。應用卷積神經網路於基金漲跌之研究(碩士論文)。國立政治大學,台北市。
朱君亞(2018)。金融壓力事件預警模型:類神經網路、支援向量機與羅吉斯迴歸之比較(碩士論文)。國立政治大學,台北市。
牟聖遠(2013)。台灣股市技術分析實證-以KD指標、RSI指標、MACD指標、DMI指標為例(碩士論文)。義守大學,高雄市。
何公皓(2016)。技術分析投資績效之實證分析—以台灣50 ETF為例(碩士論文)。國立臺灣大學,台北市。
吳永標(2012)。基於聚類與循序特徵分析的股票趨勢分析系統(碩士論文)。國立臺灣科技大學,台北市。
吳哲緯(2017)。使用深度學習卷積神經網路預測股票買賣策略之分類研究(碩士論文)。國立中山大學,高雄市。
林天運(2007)。大盤未來走勢預測-KD指標的實證分析(碩士論文)。國立成功大學,台南市。
高于晴(2017)。利用動態時間校正法及類神經網路對台灣金融類股再分類(碩士論文)。國立臺北大學,新北市。
高榮泰(2009)。使用具代表性之特徵預測股市趨勢(碩士論文)。國立臺灣大學,台北市。
張永叡(2019)。臺灣指數型基金與技術指標投資臺灣50ETF報酬之比較(碩士論文)。國立中山大學,高雄市。
張振魁(2000)。以類神經網路提高股票單日交易策略之獲利(碩士論文)。國立中央大學,桃園縣。
莊承勳(2019)。卷積神經網路結合投資組合理論之交易策略實證研究: 以台灣股市為例(碩士論文)。國立政治大學,台北市。
陳韋翰(2020)。中價技術指標應用於台積電之研究(碩士論文)。國立臺北大學,新北市。
陳郁蓁(2020)。利用卷積神經網絡建構股票價格預測模型:以標準普爾 500 指數為例 (碩士論文)。國立高雄科技大學,高雄市。
陳博彥(2014)。台指期十五分鐘K線之當沖研究:以KD、MA及MV為組合指標建構之操盤策略(碩士論文)。國立成功大學,台南市。
黃敏菁(2005)。支援向量機在財務時間序列預測之應用(碩士論文)。輔仁大學,新北市。
趙子安(2013)。應用感知特徵點法於財務時間序列的群集分析(碩士論文)。國立臺北科技大學,台北市。
葉志彥、陳安斌(2003)。應用 Trie 結構動態時間扭曲法於台灣股市分鐘資料行為分析(碩士論文)。國立交通大學,新竹市。
賴政義(2018)。週轉率結合MA、KD、MACD指標之交易策略於台灣股市之實證分析(碩士論文)。東吳大學,台北市。
羅生暉(2013)。成交量及技術指標綜合策略之研究(碩士論文)。東吳大學,台北市。
二、英文參考文獻
Di Persio, L., & Honchar, O. (2016). Artificial neural networks architectures for stock price prediction: Comparisons and applications. International journal of circuits, systems and signal processing, 10 (2016), 403-413.
Fong, S. (2011). Using hierarchical time series clustering algorithm and wavelet classifier for biometric voice classification. Journal of Biomedicine and Biotechnology, 2012, 1-12.
Kim, K. J., & Han, I. (2000). Genetic algorithms approach to feature discretization in artificial neural networks for the prediction of stock price index. Expert systems with Applications, 19(2), 125-132.
LeCun, Y., Boser, B., Denker, J. S., Henderson, D., Howard, R. E., Hubbard, W., & Jackel, L. D. (1989). Backpropagation applied to handwritten zip code recognition. Neural computation, 1(4), 541-551.
Moghaddam, A. H., Moghaddam, M. H., & Esfandyari, M. (2016). Stock market index prediction using artificial neural network. Journal of Economics, Finance and Administrative Science, 21(41), 89-93.
Sharma, D., Singla, S. K., & Sohal, A. K. (2021). Stock Market Prediction Using ARIMA, ANN and SVR. In ICCCE 2020 (pp. 1081-1092). Singapore: Springer.
Zhou, Q., Liu, N., & Shen, L. (2020). A Stock Price Prediction Model Based on Stock Charts and Deep CNN. Journal of Hans, Finance,10 (4), 334-342.
三、網路參考資料
皮旭庭(2018)。深度學習及其在凝態物理上的應用–中篇: CNN與RNN。2018年12月31日。取自 https://pb.ps-taiwan.org/catalog/ins.php?index_m1_id=5&index_id=402
Fei-Fei Li & Justin Johnson & Serena Yeung. (2018). Lecture 4: Backpropagation and Neural Networks. April 12, 2018. Retrieved from http://cs231n.stanford.edu/slides/2018/cs231n_2018_lecture04.pdf
GGWithRabitLIFE(2018)。[機器學習 ML NOTE]Convolution Neural Network 卷積神經網路。2018年12月21日。取自https://medium.com/%E9%9B%9E%E9%9B%9E%E8%88%87%E5%85%94%E5%85%94%E7%9A%84%E5%B7%A5%E7%A8%8B%E4%B8%96%E7%95%8C/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-ml-note-convolution-neural-network-%E5%8D%B7%E7%A9%8D%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF-bfa8566744e9
Kun Li(2018)。圖像分類中max-pooling和average-pooling之間的異同。2018年3月3日。取自 https://blog.csdn.net/u012193416/article/details/79432668
Mr. Market市場先生(2020)。MACD指標是什麼?MACD計算公式?MACD背離、黃金交叉等指標運用。2020年8月17日。取自https://rich01.com/what-is- macd-indicator/
Mr. Market市場先生(2020)。KD指標 原理是什麼?KD指標黃金交叉、死亡交叉等技術分析運用。2020年8月14日。取自https://rich01.com/what-is-kd-indicator/
Yeh James(2017)。[資料分析&機器學習]第5.1講:卷積神經網絡介(Convolutional Neural Network)。2017年12月25日。取自https://medium.com/jameslearningnote/%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E7%AC%AC5-convolutional-neural-network-4f8249d65d4f

電子全文 電子全文(網際網路公開日期:20260616)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top