簡易檢索 / 詳目顯示
| 研究生： |
于鴻潔 |
|---|---|
| 論文名稱： |
臺灣共同基金淨資產價值的預測--類神經網路之應用 |
| 指導教授： | 張健邦 |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 統計學系 Department of Statistics |
| 論文出版年： | 1997 |
| 畢業學年度： | 85 |
| 語文別： | 中文 |
| 論文頁數： | 66 |
| 中文關鍵詞： | 淨資產價值 、共同基金 、類神經網路 |
| 外文關鍵詞： | Net asset value (NAV) |
| 相關次數： | 點閱：133 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 |
共同基金在台灣是一個新興的投資理財管道，根據財政部證管會的統計資料得知，臺灣的共同基金數目已由民國八十年的27個增加到八十六年的129個，其總淨值亦由77l億台幣攀升到4691.61億台幣，顯示投資的人口正以大幅度之姿向上竄升，其投資群也由早期的機構投資者、股票族逐漸漫延到社會大眾，而投資人的動機亦曲純粹增加個人的財富，進一步擴展到籌措子女的教育準備金或個人退休養老金的規劃目標。
傳統的基金績效評估方法，大部分的研究重點均著眼於以資本資產定價模型（Caftal Asset Pricing Model ，簡稱CAPM）為理論來建立績效評估指標；或者以基金經理人的選股能力(Stock Selection)與擇時能力(Market Timing)做為評估標準；近年來亦有以投資組合為基礎的持股比率分析法。以上種種的研究，大部分都是以基金淨資產價值（Net Asset Value，簡稱NAV）與市場報酬率的變化來作為整體績效的評估基準。因此，在這樣的一個基礎上，基金淨資產價值的預測對於投資人而言就變得非常重要。如果，投資人可事先預測到各個基金的淨資產價值的未來走向，再運用上述的績效評估方法來衡量其績效，那麼投資人即可更早一步得到投資的訊息，並選取在未來績效良好的基金作為投資的重點。
因此，本研究的目的乃是企圖運用類神經網路的預測能力來建構國內共同基金淨資產價值的預測模型，並和傳統統計方法做一比較。而本研究的結果證實了倒傳遞類神經網路模式，確實在臺灣共同基金之年終淨資產值的預測上，優於傳統統計方法中的線性及非線性之迴歸分析模式。
第一章 緒論-----1
第一節 研究動機與目的-----1
第二節 研究資料及方法-----3
第三節 研究架構-----6
第二章 文獻回顧-----10
第一節 類神經網路文獻回顧-----10
第二節 共同基金簡介及文獻回顧-----18
第三節 類神經網路運用在共同基金預測之文獻回顧-----28
第三章 建立共同基金淨資產價值之類神經網路模式-----30
第一節 類神經網路的理論-----30
第二節 影響共同基金淨資產價值預測之因素-----40
第三節 建立共同基金淨資產價值預測之類神經網路模式-----42
第四章 實証研究-----45
第一節 類神經網路模式-----46
第二節 線性迴歸分析模式-----51
第三節 非線性迴歸分析模式-----54
第四節 比較各模式預測結果-----56
第五章 結論與建議-----61
參考文獻-----63
表2-1 國內共同基金發行概況表-----23
表2-2 共同基金績效評估文獻彙總-----26
表4-1 倒傳遞類神經網路模型執行結果-----49
表4-2 線性迴歸分析模型執行結果-----52
表4-3 非線性迴歸分析模型執行結果-----54
表4-4 類神經網路及線性、非線性迴歸分析模式預測結果比較表-----57
表4-5 類神經網路及線性、非線性迴歸分析模式整體預測結果比較表-----58
表4-6 各模式對不同類型基金之預測的平均絕對誤差率比較表-----59
圖1-1 研究架構流程圖-----7
圖3-1 處理單元作用流程圖-----33
圖3-2 倒傳遞類神經網路架構-----35
圖3-3 共同基金年終淨資產值預測之類神經網路架構-----42
圖4-1 倒傳遞類神經網路之學習流程圖-----48
圖4-2 各模式對各基金之預測絕對誤差率一覽-----58
(限達賢圖書館四樓資訊教室A單機使用)