臺灣博碩士論文加值系統

在市場輪廓(Market Profile)理論中，其最短期的結構是通過市場輪廓圖(TPO Chart)將每30分鐘的交易價格反映出來，當進行市場交易時，市場開始形成當日的交易特性。當一天的交易日結束時，市場輪廓圖(TPO Chart)描繪了市場參與者的行為。現行交易市場揭露「指數」頻率為每15秒1次，但以30分為單位TPO單位建構之300分鐘市場輪廓圖，用以解釋市場行為明顯不夠精致敏感。
本研究採用類神經網路為模型建構之人工智慧系統，配合輸入使用1分鐘TPO建構而成的9及30分鐘市場輪廓圖指標之物理力量，進行動態時空環境下的自我學習，預測未來5、15及30分鐘趨勢方向，發掘台灣指數期貨市場趨勢行為知識。
由實驗結果得知使用市場輪廓指標在極短線預測(時間為5分鐘)的趨勢方向判定優於技術分析指標，且增加市場輪廓歷史資訊對極短線交易的趨勢方向判斷上有顯著的幫助，證明以1分為單位建構的市場輪廓指標的在極短線市場具有良好的預測未來趨勢能力，可提供投資人更明確的買賣交易資訊，以輔助決策者做正確抉擇的依據。

Market Profile, the most short-term market structure contour map by TPO every half hour of trading will be reflected in the price, when the market transactions, the market began to form the day of transaction characteristics. When the day is the end of the trading day, the Market Profile depicts the behavior of market participants. Taiwan Stock Exchange (TWSE) has increased the frequency of statistical information disclosure on TSEC weighted index from originally 1 minute to 15 seconds, but every half hour TPO market units Market Profile of 300 minutes, the market behavior is not enough to explain the exquisite sensitivity.
In this study, neural network modeling of artificial intelligence for the system, with input TPO Chart using 1-minute intervals of TPO to Creating 9 and 30 Timeframes of Market Profile physical forces, space-time environment for dynamic self-learning, to predict the future 5, 15 and 30 minutes trend direction, identify trends in behavior of the Taiwan index futures market knowledge.
The experiments demonstrate Market Profile outperforms Technical Analysis model in forecasting accuracy of a short-term time interval, providing better advice on investment operation.

摘要 i
Abstract ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 vii
第一章、 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究範圍 2
1.4 研究限制 2
1.5 研究流程與步驟 2
1.6 論文架構 3
第二章、 文獻探討 4
2.1 市場輪廓 4
2.1.1市場輪廓理論介紹 4
2.1.2基本概念及術語 5
2.1.3市場輪廓相關文獻 6
2.1.4市場輪廓小結 6
2.2 技術指標 7
2.2.1技術分析指標相關文獻 7
2.2.2技術分析指標相關文獻小結 8
2.3 類神經網路 8
2.3.1倒傳遞類神經網路 9
2.3.2類神經網路之相關文獻 11
2.3.3類神經網路相關文獻小結 12
第三章、 研究方法 13
3.1研究模型說明與架構 13
3.2 研究對象與期間 14
3.3參數設定 15
3.4 資料前處理 16
3.4.1資料轉換(移動視窗切割) 16
3.4.2 計算輸入變數 17
3.4.3 輸出變數漲跌幅計算 22
3.5類神經網路參數設定 23
3.6買賣訊號門檻值設定 24
3.7交易策略 25
3.8 績效評估模型 25
3.8.1 準確率評估 26
3.8.2 獲利能力評估 26
第四章、 實驗結果與分析 27
4.1 實驗結果分析 27
4.1.1實驗結果 27
4.2 績效評估與比較 28
4.2.1 評估極短線交易趨勢判斷能力之優劣 28
4.2.2 評估歷史資料對極短線交易趨勢判斷能力之優劣 30
4.3統計檢定 31
4.3.1 實驗組與對照組之統計檢定 32
4.3.2 實驗組A與實驗組B之統計檢定 35
第五章、 結論與建議 37
5.1 結論 37
5.2 建議 37
參考文獻 38
附錄 40

[1] B. M. Barber, et al., "Who Gains from Trade? Evidence from Taiwan", Working Paper, Univ. of California-Berkeley, 2004.
[2] Brock et al., W. Brock, J. Lakonishok and B. LeBaron, "Simple technical trading rules and the stochastic properties of stock returns", Journal of Finance , 475, pp.1731–1764, 1992.
[3] G. Zhang, B. E. Patuwo, &; M. Y. Hu, "Forecasting with Artificial Neural Networks :The State of the Art", International Journal of Forecasting, Vo.14, pp.35-62, 1998.
[4] Hamid, Sheikh. A.,and Zahid Iqbal, "Using Neural Network for Forecasting Volatility of S&;P 500 Index Futures Prices," Journal of Business Research, Vol.57 , pp.1116-1125, 2004.
[5] J. P. Steidlmayer, "Markets and Market Logic", Chicago: Porcupine Press, 1984.
[6] Kimoto, T. a. K. A., "Stock Market Prediction System with Modular Neural Networks", IEEE International Joint Conference on Neural Networks, vol.1, pp.16, 1990.
[7] Lapends, A. a. R. F., "Nonlinear Signal Processing Using Neural Networks: Prediction and System Modeling", Los Alamos National Laboratory Report., 1987.
[8] Lui, Y. H. a. D. M., "The use of fundamental and technical analyses by foreign exchange dealers: Hong Kong evidence", Journal of International Money and Finance ,Vol.17,No.3,pp. 535-545,1998.
[9] M. Kearns, "A Bound on the Error of Cross Validation Using the Approximation and Estimation Rates,with Consequences for the Training-Test Split", in Advance in Neural Information Processing System,Vol. 8, pp.183-189,
[10] Martin. Riedmiller., "Rprop - Description and Implementation Details" ,Technical Report., 1994.
[11] R. D. Edwards, and J. Magee, "Technical Analysis of Stock Trends", N.Y.：AMACOM, 7thedition, 1997.
[12] Vellido, A., Lisboa, P.J.G., &; Vaughan, J., "Neural Networks in Business a Survery of Applications(1992~1998)", Journal of Expert System with Application, Vo.17,pp.51-70, 1999
[13] 吳秉奇，「類神經網路在台股指數期貨的預測應用」，國立中央大學，碩士論文，1999年。
[14] 杜金龍，技術指標在台灣股市應用的訣竅，台北，財訊，2002年。
[15] 林俊宏，「成交量對技術分析指標在期貨市場操作績效之影響」，國立交通大學管理科學系所，碩士論文，2005年。
[16] 林益民，「應用類神經網路於臺灣期貨指數極短線走勢行為知識發現」，國立交通大學資訊管理所，碩士論文，2011年。
[17] 許惠喬，「應用多重類神經網路於台灣期貨指數極短線走勢行為知識發現」，國立交通大學資訊管理所，碩士論文，2010 年。
[18] 郭怡君，「應用市場輪廓於台指期市場行為發現之研究」，交通大學資訊管理研究所，碩士論文，2012年。
[19] 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。
[20] 陳淑玲，「臺灣股票市場技術指標之研究-不同頻率資料之分析」，東海大學，財務金融學系，碩士在職專班，2010 年。
[21] 游展鑑，「類神經網路於股市交易決策之研究」，東吳大學資訊管理學系，碩士論文，2009年。
[22] 葉怡成，類神經網路模式應用與實作，儒林圖書有限公司，2003 年。
[23] 蔡宜龍，「台灣股票市場技術分析指標有效性之衡量」，國立成功大學工業管理研究所，碩士論文，1990年。