博碩士論文 106552011 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:4 、訪客IP:3.80.6.254
姓名 林昇暉(Sheng-Hui Lin)  查詢紙本館藏   畢業系所 資訊工程學系在職專班
論文名稱 金融商品走勢預測
(Financial Product Tendency Prediction)
相關論文
★ Single and Multi-Label Environmental Sound Recognition with Gaussian Process★ 波束形成與音訊前處理之嵌入式系統實現
★ 語音合成及語者轉換之應用與設計★ 基於語意之輿情分析系統
★ 高品質口述系統之設計與應用★ 深度學習及加速強健特徵之CT影像跟骨骨折辨識及偵測
★ 基於風格向量空間之個性化協同過濾服裝推薦系統★ RetinaNet應用於人臉偵測
★ 整合深度學習方法預測年齡以及衰老基因之研究★ 應用於旋積盲訊號源分離之BIC基礎式訊號源數目估測及相位補償技術
★ 基於非均勻尺度-頻率圖之環境聲音辨識★ 應用於非監督式音訊轉換偵測之新型方法及特徵參數
★ 旋積盲訊號源分離之超大型積體電路架構設計★ 使用位元率失真之群聚現象與多階層分類機制實現H.264/AVC之快速模式選擇
★ 應用樣型識別與群體智慧技術於H.264/AVC之快速模式選擇★ 結合時頻遮罩與壓縮感測之盲訊號源分離方法
檔案 [Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   至系統瀏覽論文 ( 永不開放)
摘要(中) 資本主義社會,投資是人們累積財富的路徑之一,市場推出各種金融商品讓投資人操作,投資人藉由經驗累積佐以經濟學理論,發展出多種面向的投資策略,例如技術面、基本面、籌碼面以及消息面。其中技術面是透過分析每日股價以及成交量來預測未來走勢,取得適當買賣點進行操作。但是金融商品數量繁多,非專職投資人無法在短暫的時間內消化這麼多數據,本論文研究透過深度學習方法,佐以技術分析理論對金融數據進行訓練,得出模型,用以預測未來走勢,並能夠快速地在大量金融商品中找出理想投資標的。
摘要(英) In Capitalism, investment is a method to earn more money. There are lots of financial products to let humans invest. By financial theory, people create couples strategy to make invest decision. Including technical analysis, fundamental analysis, chip analysis and news analysis. The technical analysis is based on daily price and volume to predict future tendency to figure out appropriate buy or sell timing. There are a large amount of financial products. People who are not an expert can’t analyze all products in a short time. This paper is focus on training models through deep learning method with technical analysis theory. By those models to predict price, we can easily get excellent products in a amount of stocks.
關鍵字(中) ★ 金融商品
★ 類神經網路
關鍵字(英) ★ Financial
★ LSTM
論文目次 中文提要 ……………………………………………………………… iv
英文提要 ……………………………………………………………… v
誌謝 ……………………………………………………………… vi
目錄 ……………………………………………………………… vii
圖目錄 ……………………………………………………………… ix
表目錄 ……………………………………………………………… xi
一、 緒論………………………………………………………… 1
1.1 前言………………………………………………………… 1
1.2 研究動機與目的…………………………………………… 1
1.3 章節排序…………………………………………………… 2
二、 文獻探討…………………………………………………… 3
2.1 金融分析…………………………………………………… 3
2.1.1 技術分析…………………………………………………… 3
2.1.2 基本面分析………………………………………………… 3
2.1.3 籌碼面分析………………………………………………… 3
2.1.4 消息面分析………………………………………………… 4
2.2 技術分析簡介……………………………………………… 4
2.2.1 K線………………………………………………………… 5
2.3 類神經網路………………………………………………… 6
2.3.1 前饋式神經網路…………………………………………… 6
2.3.2 回饋式神經網路…………………………………………… 7
2.3 研究方向…………………………………………………… 8
三、 研究方法…………………………………………………… 9
3.1 資料預處理………………………………………………… 10
3.1.1 取得歷史資料……………………………………………… 11
3.1.2 特徵標準化………………………………………………… 12
3.2 訓練及驗證………………………………………………… 12
3.2.1 資料分群…………………………………………………… 12
3.2.2 資料處理…………………………………………………… 12
3.2.3 訓練模型…………………………………………………… 14
3.2.4 測試模型…………………………………………………… 16
3.3 透過交易策略回測模型…………………………………… 19
3.3.1 做多與放空………………………………………………… 20
3.3.2 移動停損點………………………………………………… 22
3.3.3 累積報酬率………………………………………………… 23
3.3.4 投資策略…………………………………………………… 23
3.3.5 回測模型並搭配投資策略………………………………… 26
四、 實驗結果…………………………………………………… 28
4.1 實驗設置與環境…………………………………………… 28
4.2 實驗股票…………………………………………………… 28
4.2.1 水泥類股…………………………………………………… 28
4.2.2 塑膠類股…………………………………………………… 31
4.2.3 紡織纖維類股……………………………………………… 33
4.2.4 資訊電子類股……………………………………………… 35
4.2.5 百貨類股…………………………………………………… 36
4.2.6 金融保險類股……………………………………………… 37
4.3 實驗結果…………………………………………………… 39
五、 結論………………………………………………………… 40
參考文獻 ……………………………………………………………… 41


參考文獻 [1] 林文修、陳仕哲,“遺傳演算法在台灣股價趨勢轉折點與波動訊號捕捉之應用” , 輔仁管理評論, 第二十二卷第三期, 2015

[2] 連立川、葉怡成,“以遺傳神經網路建構台灣股市買賣決策系統之研究”, 資訊管理學報, 第十五卷第一期, 2008

[3] 左杰官、簡旭生,“植基於類神經網路之自動化規則庫建構應用於台灣電子公司股票報酬率暨股東權益報酬率預測之研究”, 財務金融學刊, 第十七卷第一期, 2009 年

[4] 范聖培, “三大法人之買賣超行為對股價短期報酬之研究”, 國立中央大學財務金融學系在職專班碩士論文, 2014

[5] 李旻璟, “三大法人籌碼面對台灣50 基金成分股報酬率的影響”, 輔仁大學金融與國際企業學系碩士論文, 2012

[6] 喻欣凱, “運用支援向量機與文字探勘於股價漲跌趨勢之預測”, 輔仁大學資訊管理系碩士論文, 2008

[7] 林睦融, “K線理論應用於台股市場之績效分析”, 東吳大學資訊管理學系碩士論文, 2012

[8] 陳煜文, “以委託單資料預測當日股價趨勢-LSTM類神經網路模型 之應用”, 輔仁大學金融與國際企業學系金融碩士班碩士論文, 2018

[9] 陳東明, “台灣股票市場價量關係之實證研究”, 台灣大學商學研究所論文, 1991

[10] 林聖凱, “停損策略的價值-以台灣股票市場為例”, 台灣大學國際企業研究所碩士論文, 2015

[11] 賴靖宜, “定期定額與定期不定額投資共同基金方法之比較”, 中正大學財務金融研究所論文, 2011



[12] N. M. Kwok, G. Fang and Q. P. Ha, “Moving Average-Based Stock Trading Rules from Particle Swarm Optimization” , International Conference on Artificial Intelligence and Computational Intelligence, vol. 1, 2009.

[13] MetghalchiM., MarcucciJ.andChangY.-H., “Are moving average trading rules profitable? ” , Evidence from the European stock markets, Journal Applied Economics , 2012
指導教授 王家慶(Jia-Chin Wang) 審核日期 2019-7-30
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明