臺灣博碩士論文加值系統

本研究嘗試以波浪理論之特徵規則為依據，發現股價波動所隱含的變動規律。由於綜觀過去技術分析之研究，發現過去研究大多著重於技術指標之探討，對於以股價型態為基礎進行趨勢變動分析之研究則較少，且波段與趨勢皆建立於型態上。艾略特波浪理論即以型態為基礎，強調股價的波動具有一定的變動規律性，由五個上升波和三個下跌波之八波組合構成股市的完整週期，因此若能有效研判型態以掌握大趨勢，投資人可獲得較高的報酬並減低風險。
洪若信於2009年提出N型波浪技術指標，本研究將以其研究為基礎，改善N型波浪抓取方式使預測結果達到更高的準確率，同時修正模型參數，以期運用更少的變數提升模型整體之效率，使變數解釋能力更高。
本研究以1987年2月7日至2009年2月6日之台灣加權股價指數作為研究標的。本研究分為兩組實驗，實驗一為比較是否運用波浪特徵規則抓取N型波浪，結果顯示，應用艾略特波浪特徵規則於股價走勢之預測，無論是準確率或是獲利能力上均明顯擁有較佳的結果。實驗二為比較本研究與洪若信之研究方法的差異，結果顯示本研究僅以26個參數(洪之研究使用58個參數)即可有效描述N型波浪，提升模型整體之效率，使變數解釋能力更高。

This study attempt to find the stock price trend based on the rule-based wave theory. As we review technical analysis of the recent study, found that most research emphasize the technical indicators, but few used stock price patterns as the basis for trend analysis. Elliott Wave Theory is one of the most important theories which stresses the stock price variation with certain regularity and consists eight-wave combination to complete stock market cycle. Therefore, if the entire stock market trend could be effectively expressed by those waves combination, investors could get higher returns and lower risks as long as can catch the trend pattern.
This study is based on Hung’s N-wave technical indicator（2009）, and further tries to improve the accuracy by verifying the method of extracting N-shaped wave. In addition, we redefine the variables to improve the model’s efficiency, and then use fewer variables to achieve the better results.
In this study, the data are collected from daily TAIEX between 7th Feb.1987 to 6th Feb. 2009. This study performed two experiments: the first experiment is to compare the method of extracting N-type waves between our method and Hung’s. The result shows that our method which employed Elliott Wave characteristic rules are better, both on accuracy and profitability. The second experiment is to compare the result of our methodology and Hung’s. We conclude that we only use 26 parameters (Hung used 58 parameters) can be describe the N-type wave, and accuracy and profitability in both of which have shown superior.

摘要 i
Abstract ii
誌謝 iii
目錄 iv
表目錄 vii
圖目錄 viii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 3
1.4 研究流程 3
1.5 研究限制 4
1.6 論文架構 5
第二章 文獻探討 6
2.1 知識地圖 6
2.2 技術分析 6
2.2.1 技術分析之介紹 6
2.2.2 技術分析之相關文獻 7
2.3 波浪理論 8
2.3.1 艾略特波浪理論之特徵規則 9
2.3.2 艾略特波浪理論之相關文獻 12
2.4 倒傳遞類神經網路 13
2.4.1 倒傳遞類神經網路之架構與運作流程 13
2.4.2 倒傳遞類神經網路之相關文獻 15
2.5 文獻總結 16
第三章 研究方法 17
3.1 實驗架構 17
3.1.1 實驗一架構 18
3.1.2 實驗二架構 19
3.2 研究資料 20
3.2.1 原始資料蒐集 20
3.2.2 N型波浪資料抓取 20
3.2.3 資料前處理 24
3.3 倒傳遞類神經網路之相關參數 27
3.4 交易策略 28
3.5 績效評估方法 29
3.5.1 門檻值設定 29
3.5.2 準確率評估 29
3.5.3 投資績效評估 30
3.6 對照組-隨機交易模型 31
第四章 實證結果與分析 32
4.1 實驗一實驗結果分析 32
4.1.1 實驗組-艾略特波浪特徵模型 32
4.1.2 對照組-洪若信之研究模型 32
4.1.3 績效評估比較 33
4.1.4 統計檢定 34
4.1.5 實驗一總結 35
4.2 實驗二實驗結果分析 35
4.2.1 實驗組-艾略特波浪特徵模型 35
4.2.2 對照組-洪若信之研究模型 36
4.2.3 對照組-隨機交易模型 36
4.2.4 績效評估比較 37
4.2.5 統計檢定 38
4.2.6 實驗二總結 41
第五章 結論與建議 42
5.1 結論 42
5.2 建議 42
參考文獻 44

[1]. 王春笙，「以技術指標預測台灣股市股價漲跌之實證研究-以類神經網路與複回歸模式建構」，台灣大學資訊管理研究所碩士論文，1996。
[2]. 李心妮，「整合式類神經網路應用於企業財務困境之檢定」，交通大學資訊管理研究所碩士論文，1996。
[3]. 阮榆方，「應用分類元- 類神經網路模型於台灣加權指數趨勢預測之研究」，交通大學資訊管理研究所碩士論文，2006。
[4]. 林芳君，「群體決策與自組織特徵映射應用於期貨投資報酬率預測之研究」，交通大學資訊管理研究所碩士論文，2005。
[5]. 姜林杰祐，「程式交易：觀念、方法、技術與解決方案」，新陸書局，2009。
[6]. 洪志豪，「技術指標 KD、MACD、RSI 與 WMS%R 之操作績效實證」，台灣大學國際企業學研究所碩士論文，1999。
[7]. 洪若信，「金融工程學行為實證之研究-以艾略特波浪理論隱含波浪行為知識的發現為例」，交通大學資訊管理研究所碩士論文，2009。
[8]. 徐駿豪，「波浪理論在台灣股市的應用性探討」，政治大學國際經營與貿易研究所碩士論文，2006。
[9]. 高梓森，「台灣股市技術分析之實證研究」，台灣大學財務金融研究所碩士論文，1993。
[10]. 陳安斌，「新金融實驗教學之-財務金融資訊系統與投資管理修訂版」，新陸書局，2005。
[11]. 陳淑芳，「波浪分析於台灣股票市場之研究」，台灣大學財務金融學研究所碩士論文，2008。
[12]. 葉怡成，「類神經網路模式應用與實作」，儒林圖書公司，2003。
[13]. 劉建志，「整合隱含波動率與技術指標於台灣加權指數的行為分析--應用類神經網路」，交通大學資訊管理研究所碩士論文，2008。
[14]. 鄧福鈞，「波浪理論針對台股走勢之實證與預測」，台灣大學商業研究所碩士論文，1999。
[15]. 謝劍平，「投資學：基本原理與實務」，高雄復文，2006。
[16]. Blume, L., D. Easley, and M. O'Hara, "Market-statistics and technical analysis: the role of volume", The Journal of Finance, Vol.49, 153-181, 1994.
[17]. BrainMaker, User Guide and Reference Manual, 1991.
[18]. Brock, Lakonishok and LeBaron, "Simple Technical Trading Rules and the Stochastic Properties of Stock Returns", Journal of Finance, Volume 47, Issue 5, 1731-1764, 1992.
[19]. Brooks, C., "Linear and Nonlinear (non-)forecastability of high frequency exchange rate", Journal of Forecasting 16, 125-145, 1997.
[20]. Davies, P. C., "Design issues in neural network development", NEUROVEST Journal, 5, pp. 21-25, 1994.
[21]. Edwards, Robert D. and Magee, John, "Technical analysis of stock trends", 6th ed., Boston, J. Magee Inc., 1992.
[22]. Epps, T. and M. Epps, "The Stochastic Dependence of Security Price Changes and Transaction Volumes: Implications for the Mixture of Distributions Hypothesis", Econometrica 44, 305-321, 1976.
[23]. Freeman, J. A. and Skapura, D. M., "Neural Networks Algorithms, Applications, and Programming Techniques", New York: Addison-Wesley Publishing Company, 1992.
[24]. Frost, A.J.; Prechter, Robert R., Jr., Elliott Wave Principle (10th ed.), Gainesville, GA: New Classics Library, pp. 31, 78-85, 2005.
[25]. Hornik, K., Stinchcombe, M. and White, H., "Multilayer feedforward networks Universal Approximations", Neural Networks, 2, pp. 336-359, 1989.
[26]. John Casti, "I know what you'll do next summer", New Scientist, p. 29, 2002.
[27]. Kearns, M., "A Bound on the Error of Cross Validation Using the Approximation and Estimation Rates, with Consequences for the Training-Test Split", Advance in Neural Information Processing System, Vol.8, pp. 183-189, 1996.
[28]. Kimoto, T. and Asakawa, K., "Stock Market Prediction System with Modular Neural Networks", IJCNN-1990, Vol. 1, pp.11-16, 1990.
[29]. Sullivan, R., Timmermann, A., White, H., "Data Snooping, Technical Trading Rule Performance, and the Bootstrap", The Journal of Finance, October, pg. 1647-1691, 1999.
[30]. Tauchen, G. E. and M. Pitts, "The Price Variability-Volume Relationship on Speculative Markets," Econometrica, 51, 485-505, 1983.
[31]. Treynor and Ferguson, "In Defense of Technical Analysis, Journal of Finance", Vol.40, No.3, PP757-775, 1985.
[32]. Yoon, Y. and J. Swales, "Prediction stock price performance: a neural network approach", Proceedings of the Twenty-Fourth Annual Hawaii International Conference on System Science, 1991.
[33]. Zhang, G., Patuwo, B. E. and Hu, M. Y., "Forecasting with artificial neural networks: the state of the art", International Journal of Forecasting, 14(1), pp. 35-62, 1998.