簡易檢索 / 詳目顯示
| 研究生： |
呂縩正 Lu, Tsai Cheng |
|---|---|
| 論文名稱： |
以雲端平行運算建立期貨走勢預測模型-Logistic Regression之應用 Prediction Model of Futures Trend by Cloud and Parallel Computing - Application of Logistic Regression |
| 指導教授： |
劉文卿
Liu, Wen Ching |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 資訊管理學系 Department of Management Information System |
| 論文出版年： | 2016 |
| 畢業學年度： | 104 |
| 語文別： | 中文 |
| 論文頁數： | 35 |
| 中文關鍵詞： | 羅吉斯回歸 、粒子群演算法 、最佳化預測 、台股期貨 |
| 相關次數： | 點閱：37 下載：0 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
在科技持續進步的時代，金融市場發展隨著社會的演進不斷地成長與活絡，金融商品也從原本單純的本國存放款、外幣投資衍生出票券、債券等利率投資工具；除此之外，隨著資本市場的擴張，股票、基金、期貨與選擇權等投資標的更是琳瑯滿目。
而後產生了許多人使用資料探勘工具預測市場的買賣時機。如Baba N., Asakawa H. and Sato K.(1999)使用倒傳遞類神經網路來預測到股市未來的漲跌，而後又在2000年研究當中加入基因演算法來求得倒傳遞類神經網路的權重，得到最後的類神經網路模型。
在做資料探勘的同時，我們得在希望預測目標(Target)上事先定義好一套固定規則，這會使得模型的彈性與可預測度降低，本研究希望能透過資料探勘工具增加預測目標規則的彈性，增加模型最後的預測準確度。
本研究樣本區間選用2010年到2015年的台指期貨數據做為資料，並結合羅吉斯回歸與粒子群演算法建構更加有彈性的預測模型結果，最後發現在未來10分鐘，若漲幅超過0.1114%做為買進訊號的話，其建立出的模型可達到84%的預測準確度。
壹、 續論 7
一、 研究背景與動機 7
二、 研究目的 8
三、 研究架構 8
貳、 文獻探討 9
一、 技術分析指標 9
(一)、 基本面分析 9
(二)、 技術面分析 9
(三)、 籌碼面分析 9
二、 粒子群演算法(Particle Swarm Optimization, PSO) 10
(一)、 粒子群演算法簡介 10
(二)、 演算法流程 11
(三)、 粒子群演算法權重設計 13
1. 慣性權重 13
2. 學習因子 14
(四)、 粒子最大速度設計 14
三、 羅吉斯回歸(Logistic Regression) 15
(一)、 羅吉斯回歸簡介 15
(二)、 模型建立流程 17
1. 伯努利分配(Bernoulli distribution) 17
2. 勝算比(Odds Ratio) 17
3. 羅吉斯回歸模型 17
5. 最大概似估計量(Maximum Likelihood Estimator) 18
四、 Apache Spark 21
(一)、 簡介 21
(二)、 機器學習資料庫(Machine Learning Library, MLLib) 22
五、 平行化運算 22
參、 研究方法與設計 23
一、 研究假設 23
二、 系統環境 23
三、 系統流程與規劃 24
(一)、 系統流程設計 24
(二)、 預測模型變數定義 26
(三)、 應變數最佳化設計 28
(四)、 模型診斷方式 29
(五)、 適應值懲罰函數 30
肆、 研究結果與分析 31
一、 樣本期間選取 31
二、 參數設定 31
(一)、 應變數參數設定 31
(二)、 粒子群演算法參數設定 31
三、 實驗結果 32
伍、 結論與建議 33
一、 研究貢獻 33
二、 後續研究建議 33
參考文獻 35
中文文獻
1. 林良炤，「KD技術指標應用在台灣股市之實證研究」，台灣大學商學研究所，碩士論文，1996。
2. 李惠妍、吳宗正、溫敏杰，「迴歸模式與類神經網路在台股指數期貨預測之研究」，經營管理論叢 Vol.2, No.1, 2006 第83-99頁。
3. 王國良，「雲端與傳統運算架構之效益比較分析:以海軍船艦修護資訊系統為例」，銘傳大學資訊管理系碩士在職專班，碩士論文，2011。
4. 陳明賢，「財務危機預測之計量分析研究」，台灣大學商研所，碩士論文，1986。
5. 黃小玉，「銀行放款信用評估模式之研究-最佳模式之選擇」，淡江大學管理科學研究所，碩士論文，1988。
6. 李嶸泰、張嘉琪、詹勳全、廖珮妤、洪雨柔，「應用羅吉斯迴歸進行阿里山地區山崩潛勢評估」，中國文土保持學報2012 第167-176頁。
英文文獻
1. Baba, N.,H. Asakawa, and K. Sato(1999), "Application of techniques of computational intelligence for constructing reliable decision support systems" International Joint Conference on Netural Networks, 6, 3856_3859.
2. Baba, N., N. Inoue, and H. Asakawa(2000), "Utilization of netrual networks and GAs for consturction reliable decision support systems to deal stocks" International Joint Conference on Netural Networks, 5, 111_116.
3. Collins, R. A., & Green, R. D. (1982). Statistical methods for bankruptcy forecasting. Journal of Economics and Business, 34(4), 349-354.
4. David Rupp, (August 17, 2007)Scala: The Next Next Java! Retrieved April 5, 2014, from http://davidrupp.blogspot.tw/2007/08/scala-next-next-java.html
此全文未授權公開