跳到主要內容

簡易檢索 / 詳目顯示

研究生: 葉榮明
論文名稱: 網際網路上即時股價預測類神經網路系統之研究
指導教授: 楊建民
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: 1997
畢業學年度: 85
語文別: 中文
論文頁數: 92
中文關鍵詞: 類神經網路即時股價
相關次數: 點閱:169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
  • 近年來網際網路的蓬勃發展,網際網路上的資訊愈益發達與豐富,如何將這些日益增多的資料,即時轉換為對投資者做決策時有用的資訊,相信是一個非常值得探討的問題。同時,由於類神經網路系統具有能從龐大的資料中,萃取出有用資訊的特性,故能在商業領域的應用上有突破性的發展,特別是在資訊分類與預測方面。

    有鑑於上述網際網路即時資料傳輸與類神經網路良好分類的特性,本研究透過網際網路擷取證券市場每小時成交價量資料;經由本地端的電腦將該字串資料加以做剖析處理,還原成原來的資料呈現格式,並將其新增至資料庫中;最後再透過資料查詢語言,將資料庫內容轉換成類神經網路運算時所能接受的資料格式,以利類神經網路的運算輸出。

    本研究亦嘗試以1996/11/25~1997/4/24與1997/1/7~1997/6/3非週末交易日之每小時證券交易價量資料,共計19檔大型績優股股票作為研究對象;其中係以證管會所核可發行認購權證的股票為主。經由使用類神經網路倒傳遞模式來分析該個股的日內價量關係,以進一步預測該個股11點鐘至12點鐘的價格變化幅度。經整理19檔股票與大盤加權指數計16,340筆資料中,在與實際變化幅度之差距不超過1%的情形下,可發現其預測準確率平均達694%;如不計大盤的表現,則19檔股票整體預測準確率可達68.4%。

    而在考量每天經由類神經網路輸出來做投資決策輔助支援方面,則以每天11點鐘的類神經網路輸出值作為決策的依據,而以12點鐘的收盤價格作為驗證的參考的情形下,不論是採買入策略、賣出策略或買賣策略皆較大盤為佳。因此,本研究的系統輸出值,除可作為投資人在依既定的決策模式,決定投資標的的同時,不僅能夠考量長期的變動趨勢,亦能兼具短期的最佳切入點,以獲致最大的報酬。


    論文摘要-----I
    目錄-----II
    表目錄-----IV
    圖目錄-----V

    第壹章 緒論-----1
    第一節 研究背景與動機-----1
    第二節 研究目的-----4
    第三節 研究對象與範圍-----4
    第四節 研究內容-----5
    第五節 本文章節架構-----6

    第貳章 網際網路的發展與其在商業上的應用-----8
    第一節 網際網路的發展-----8
    第二節 網際網路商業上的應用-----10

    第參章 文獻探討-----13
    第一節 股價分析理論-----13
    第二節 類神經網路在商業應用-----26

    第肆章 研究設計-----30
    第一節 研究樣本-----30
    第二節 類神經網路盈餘預測模式-----31
    第三節 透過網際網路訊息傳遞的作法-----40
    第四節 評估模式預測效果的模擬操作方式-----48
    第五節 研究程序架構-----49

    第伍章 研究結果-----51
    第一節 網際網路上即時股價預測系統之運作方式-----51
    第二節 系統個股預測結果分析-----55
    第三節 整體投資策略績效分析-----77

    第陸章 結論與建議-----81
    第一節 研究結論-----81
    第二節 未來研究方向-----83

    參考文獻-----87

    表3-1 支持弱式效率市場的研究文獻-----15
    表3-2 反駁弱式效率市場的表-----16
    表3-3 對技術分析的批評-----21
    表3-4 對技術分析批評的解釋-----22
    表3-5 技術分析分類表-----22
    表3-6 證券市場價量關係之研究-----26
    表3-7 類神經網路相關領域的研究-----27
    表3-8 類神經網路在商業上應用的相關研究文獻-----28
    表4-1 樣本描述說明列表-----31
    表5-1 個股操作綜合績效評估分析-----77
    表5-2 個股操作綜合績效扣除交易成本評估分析-----81
    表6-1 操作績效比較表-----87

    圖2-1 網際網路使用情形預估-----9
    圖4-1 人工神經元模型-----32
    圖4-2 三層的BPN模式架構-----33
    圖4-3 原始資料示意圖-----35
    圖4-4 原始資料經整理後示意圖-----36
    圖4-5 原始資料量度轉換公式圖-----37
    圖4-6 類神經網路模型訓練資料表示圖-----37
    圖4-7 類神經網路模型架構圖-----39
    圖4-8 Java language編譯及執行示意圖-----40
    圖4-9 輸入埠接收資料的二種作法-----43
    圖4-1 WWW與資料庫整合之架構-----46
    圖4-1 CGI程式解碼流程-----47
    圖4-12 研究程序架構圖-----50
    圖5-1 網際網路資料擷取程式執行圖-----52
    圖5-2 擷取自網頁的原始資料格式-----53
    圖5-3 資料剖析程式執行時畫面-----54
    圖5-4 本系統輸出值的運作方式-----55
    圖5-5 類神經網路模式權重值示例-----55

    無法下載圖示 (限達賢圖書館四樓資訊教室A單機使用)
    QR CODE
    :::