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。
Identifer | oai:union.ndltd.org:CHENGCHI/G0101356038 |
Creators | 呂縩正, Lu, Tsai Cheng |
Publisher | 國立政治大學 |
Source Sets | National Chengchi University Libraries |
Language | 中文 |
Detected Language | Unknown |
Type | text |
Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0014 seconds