臺灣博碩士論文加值系統

資本市場開創以來，投資者不斷地想要遵循其中的軌跡，試著捕捉資本市場波動，以進行對自身有利之投資策略。在這樣的投資活動中，投資者除了會參考企業財務報表或股價表現來進行投資決策之外，近年來網路社群媒體上的相關輿論也已被視為重要之投資參考依據。然而，現今網路社群媒體共同基金投資資訊日漸氾濫，導致投資者須耗費大量的時間進行共同基金輿論相關訊息的蒐集、分析與整理；因此，如何有效地將網路社群媒體中這些雜亂且大量的共同基金輿論訊息加以收集、過濾、分析與整理，進而形成有用的共同基金投資決策輔助資訊，已成為巨量資料時代下共同基金投資決策重要的發展趨勢之一。
本研究主要目的在於針對共同基金投資市場建立一網路社群媒體共同基金輿情分析之投資預測機制，以提供投資者共同基金投資決策之輔助資訊，進而提昇投資者之決策與獲利能力。針對上述目的，本研究主要研究項目包括: (i)網路社群媒體共同基金輿情分析之投資預測流程設計，(ii)網路社群媒體共同基金輿情分析之投資預測方法發展，與(iii)網路社群媒體共同基金輿情分析之投資預測方法驗證與評估。

In order to make favorable investment decisions, investors always trying to capture the trading of capital market and following it since the capital market was created. The public opinion on social media was regarded as important opinion to make investment decisions besides financial statements and stock price in recent years.However, because of information explosion, investors spent too much time for collecting, sorting and analyzing information of mutual funds. Therefore, how to offer useful decisions to investors making decisions quickly and correctly is one of important evelopment trading in the era of big data.
The main purpose of this research is to conduct investment forecasting mechanism of mutual fund to support investors make investment decisions and increasing profit.This objective is achieved by following: (i)designs the mutual fund investment prediction process based on public opinion analytics in social media, (ii)develop the techniques involved in mutual fund investment prediction based on public opinion analytics in social media, (iii)demonstrates the effectiveness of the proposed approach.

目錄
中文摘要 I
ABSTRACT II
誌謝 III
目錄 IV
表目錄 VI
圖目錄 VIII
壹、 緒論 1
一、 研究背景與動機 1
二、 研究目的 2
三、 研究架構 3
貳、 文獻回顧 4
一、 大數據相關文獻 4
二、 共同基金投資預測相關文獻 5
三、 資料探勘之分類方法（CLASSIFICATION） 6
1. K最近鄰法（K-Nearest Neighbor, KNN） 6
2. 支持向量機（Support Vector Machine, SVM） 7
3. 單純貝氏法（Naive Bayers Classifier） 9
參、 網路社群媒體共同基金輿情分析之投資預測流程設計 10
肆、 網路社群媒體共同基金輿情分析之投資預測方法發展 12
一、 共同基金討論內容擷取及前處理 12
二、 共同基金討論內容分類 14
三、 討論內容分析 17
四、 TEJ之基金淨值擷取 24
五、 實驗方法 25
六、 KNN之實作流程 26
伍、 系統建置與方法評估 31
一、 台灣基金論壇之基金討論內容資料蒐集 31
二、 網路共同基金論壇討論內容極性字詞庫建立 32
三、 網路基金討論內容極性特徵字詞過濾 36
四、 基金討論內容分類 37
五、 共同基金淨值(NAV)之擷取 38
六、 共同基金淨值(NAV)預測 39
陸、 結論與未來研究 58
參考文獻 59

[1]Jieba斷詞系統
(available online at https://github.com/fxsjy/jieba/blob/master/extra_dict/dict.txt.big)。
[2]台灣經濟新報 TEJ(available online at http://www.tej.com.tw/twsite/)
[3]母雪雁；王水花；張煜東，2017，”K最近鄰算法理論與應用綜述”，計算機工程與應用，第53卷第21期。
[4]朱啟恆，2015，”大數據於金融業之應用”，財金資訊季刊，第84期，頁12-18。
[5]江明諺，2016，”大數據下的糖尿病醫療管理─以D診所為例”，國立中山大學企業管理學系，碩士論文。
[6]余尚武；劉憶瑩；李凌崴，2013，”應用平滑支撐向量迴歸與灰預測建構全球ETF投資組合策略之研究”，中華管理評論國際學報，第十六卷第三期。
[7]李俊宏；古清仁，2010，”類神經網路與資料探勘技術在醫療診斷之應用研究”，工程科技與教育學刊，第七卷第一期，頁154-169。
[8]程美華；吳宜蓁；陳銘芷；謝邦彥；陳俊傑，2015，”社群媒體大數據與電視收視率質量測量之相關性研究”，數據分析，第10卷第2期，頁55-82。
[9]陳譽晏，2015，”運用R Shiny建立文字探勘平台之語意分析及輿情分析”，數據分析，第10卷第6期，頁51-78。
[10]陳秋琴；郭庭歡；陳昱嘉；陳志華，2017，”結合江河運算的股市巨量資料分析系統”，工商管理學刊，第十卷第一期，頁1-9。
[11]黃承龍；陳穆臻；王界人，2004，”支援向量機於信用評等之應用”，計量管理期刊，第一卷第二期，頁155-172。
[12]葉智丞，2017，”基金經理人情緒與基金績效預測─拔靴追蹤因果關係檢定”，管理與系統，第二十四卷第一期，頁73-101。
[13]潘文超；黃瑞靜；林維垣，2008，”應用遺傳程式規劃進行共同基金淨值之預測”，中華管理評論國際學報，第十一卷第四期。
[14]闕河士；菅瑞昌；方怡；劉怡欣，2011，”基金管理策略對績效之影響”，國立空中大學管理與資訊學系，管理與資訊學報，第16期，頁37-70頁。
[15]魏巧宜；馬麗菁，2017，”利用混合模式預測國內股票型基金績效及多年期軌跡”，中華民國資訊管理學報，第二十四卷第一期，頁69-96。
[16]Ananya, N., Chandra B. J. and Ganapati P., "Development and Performance Evaluation of Three Novel Prediction Models for Mutual Fund NAV Prediction", 2015, Annual Research Journal of Symbiosis Centre for Management Studies, Vol. 3, pp. 227-238.
[17]Aiying, R. and José, R. F., J. R., 2013, "A reduction dynamic programming algorithm for the bi-objective integer knapsack problem. ", European Journal of Operational Research, 231(2)，pp. 299-313.
[18]Altman, N. S., 1992, "An Introduction to Kernel and Nearest-Neighbor Nonparametric Regression", The American Statisticcian, Vol.46, No.3, pp. 175-185.
[19]Chin-Chung, C. and Chih-Jen, L., 2003, "LIBSVM: a library for support vector machines. ", ACM Transactions on Intelligent Systems and Technology, 2(3), pp.27:1-27:27.
[20]David, P. B., Peter, L. and Ian, T., 2010, "Why does mutual fund performance not persist? The impact and interaction of fund flows and manager changes", MPRA Paer No. 34185.
[21]Fereydon, R. R., Kazem, C., Ebrahim, S. and Ali, B., 2016 "Optimization of the Mutual-Fund Portfolio of Tehran Stock Exchange Using Artificial Neural Networks and Genetic Algorithm.", International Business Management, Vol. 10, No. 11, pp. 2249-2256.
[22]Gholam, H. A. and Salman, K. O., 2015, "Defining and Designing a Model to Predict the Performance of Mutual Funds by Using Macroeconomic Variables in Tehran Stock Exchange.", European Online Journal of Natural and Social Sciences, Vol. 4, No. 1, pp. 660-668.
[23]Heng, W., Junjie, W., Shi, Y. and Jian, C., 2016, "On characterizing scale effect of Chinese mutual funds", Signal Processing, Vol. 124, pp. 266-278.
[24]Hsuan-Tien, L. and Chin-Jen, L., 2003, "A Study on Sigmoid Kernels for SVM and the Training of non-PSD Kernels by SMO-type Methonds", Technical report, Department of Computer Science & Information Engineering, National Taiwan University.
[25]Huang, D. and Wang, P., 2012, "Grid-based DBSCAN algorithm with referential Parameters. ", Physics Procedia, 24，pp. 1166-1170.
[26]Kehluh, W. and Szuwei, H., 2010, "Using Fast Adaptive Neural Network Classifier for Mutual Fund Performance Evaluation.", Expert Systems with Applications, Vol. 37, No. 8, pp. 6007-6011.
[27]Ľuboš, P., Robert, F. S. and Lucian, A. T., 2015, "Scale and skill in active management", Journal of Financial Economics, Vol. 116, No. 1, pp. 23-45.
[28]Martijn, C. and Antti, P., 2009, "How Active Is Your Fund Manager? A New Measure That Predicts Performance", Review of Financial Studies, Vol. 22, No. 9, pp. 3329-3365.
[29]Priyadarshini, E. and Babu, A. C., 2010, "A Comparative Analysis for forecasting the NAV’s of Indian Mutual Fund using Multiple Regression Analysis and Artificail Neural Networks", International Journal of Trade, Economics and Finance, Vol. 3, No. 5, pp. 347-350.
[30]Tsui-Hua, H. and Yungho, L., 2014, "A Mutual Fund Investment Method Using Fruit Fly Optimization Algorithm and Neural Network.", Applied Mechanics and Materials, Vols. 571-572, pp. 318-325.
[31]Vapnik V. N., 1995, "The Nature of Statistical Learning Theory. ", NY, USA.
[32]Weiwu, F., Fred, S. R. and Zhengrong, M., 2001, "A measure of discrepancy of multiple sequences. "， Information Sciences, 137(1)，pp. 75-102.
[33]Yandra, A., Akhmad, Y., Mushthofa, Gibtha, F. and Kudang, B. S., 2013, "The Formation of Optimal Portfolio of Mutual Shares Funds using Multi-Objective Genetic Algorithm", TELKOMNIKA, Vol. 11, No. 3, pp. 625-636.
[34]Zhang, M., Fang, W., Zhang, J. and Chi, Z., 2005, "MSAID: multiple sequence alignment based on a meas of information discrepancy. ", Computational Biologyand Chemistry, 29(2), pp. 175-181.