| 姓名 |
梁世衡(Shih-Heng Liang)
查詢紙本館藏 |
畢業系所 |
通訊工程學系在職專班 |
| 論文名稱 |
股票開盤價漲跌預測
(Prediction of Stock Opening Price Up or Down)
|
| 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) |
此篇論文研究目的在於探討如何利用漲跌統計法、Suffix Tree資料結構和遺傳基因演算法等技術，來實現股價分析，以提高股價預測的精確度和穩定性。以IEEE論文和市面上的選股操作相關書籍作為主要資料來源。而研究方法係利用Suffix Tree資料結構和遺傳基因演算法，以獲得更加精確和穩定的預測結果。在回測歷史數據時，最高準確率可達61%以上。經過實驗後發現，不同的演算法適用於不同類型的股票。漲跌統計法適用於成長型股票，Suffix Tree適用於景氣循環股，遺傳基因演算法則適用於任何類型的股票，勝率雖不是最高，但預測結果較為穩定。因此，在實際應用中，選擇合適的演算法非常重要，可以提高股價預測的精度和可靠性。綜合以上所述，本篇論文探討了利用不同演算法實現股價分析的方法，並通過回測歷史數據獲得了一定的成果。未來的研究可以進一步探討不同演算法的適用範圍、準確度和穩定度，以提高股價預測的準確性和可靠性。 |
| 摘要(英) |
The purpose of this paper is to explore how to use techniques such as up and down statistical method, suffix tree data structure, and genetic algorithm to achieve stock price analysis, in order to improve the accuracy and stability of stock price prediction. The main sources of data were IEEE papers and stock selection related books on the market. The research method used suffix tree data structure and genetic algorithm to obtain more accurate and stable prediction results. In backtesting historical data, the highest accuracy rate can reach over 61%. After experiments, it was found that different algorithms are suitable for different types of stocks. The up and down statistical method is suitable for growth stocks, suffix tree is suitable for cyclical stocks, and genetic algorithm is suitable for any type of stocks, although the winning rate is not the highest, the prediction results are more stable. Therefore, choosing the appropriate algorithm is very important in practical applications, which can improve the accuracy and reliability of stock price prediction. In summary, this paper discusses the methods of implementing stock price analysis using different algorithms, and has achieved some results through backtesting historical data. Future research can further explore the applicable scope, accuracy, and stability of different algorithms to improve the accuracy and reliability of stock price prediction. |
| 關鍵字(中) |
★ 後缀樹
★ 基因演算法
★ 股價預測
★ 回測歷史數據
★ 股票
★ 演算法 |
關鍵字(英) |
★ suffix tree
★ genetic algorithm
★ stock price prediction
★ backtesting historical data
★ stocks
★ algorithm |
| 論文目次 |
中文版摘要 i
英文版摘要 ii
誌 謝 iii
目 錄 iv
圖目錄 vi
表目錄 vii
一、 緒 論 1
1.1 研究動機、問題緣起 1
1.2 研究目的 4
二、 背景知識 5
2.1 預測系統架構 5
2.2 SWM說明 6
2.2.1 Slide Window Model(SWM)，讀取方式說明 6
2.3 漲跌統計說明 8
2.4 漲跌統計原理說明 8
2.5 股價歷史資料下載，API應用程式介面介紹與比較 9
2.5.1 Yahoo Finance API介紹 10
2.5.2 Yahoo Finance API說明 12
2.5.3 股價資料 API比較 12
2.6 Suffix Tree資料分析法說明 13
2.7 遺傳基因演算法說明 14
三、 研究方法 17
3.1 漲跌統計法說明 17
3.2 Suffix Tree預測範例(example)說明 18
3.3 使用技術指標，搭配遺傳基因演算法說明 23
3.3.1 本次實驗，遺傳基因演算法所使用的參數 24
3.3.2 遺傳基因演算法，搭配三種技術指標演算流程 26
3.4 應用遺傳基因演算法，來預測股票漲跌的方法說明 27
四、 實驗結果 28
4.1 實驗說明 28
4.2 漲跌統計法，類股歷史資料回測實驗結果 29
4.3 Suffix Tree資料分析法，類股歷史資料回測實驗結果 30
4.4 遺傳基因演算法，類股歷史資料回測實驗結果 31
4.5 三種演算法與各類股，回測勝率比較 34
4.5.1 水泥類股，三種演算法，回測勝率比較 34
4.5.2 食品類股，三種演算法，回測勝率比較 35
4.5.3 塑化類股，三種演算法，回測勝率比較 36
4.5.4 紡織類股，三種演算法，回測勝率比較 37
4.5.5 機電類股，三種演算法，回測勝率比較 38
4.5.6 營建類股，三種演算法，回測勝率比較 39
4.5.7 金融類股，三種演算法，回測勝率比較 40
4.5.8 造紙類股，三種演算法，回測勝率比較 41
4.5.9 IC設計類股，三種演算法，回測勝率比較 42
4.5.10 電子代工類股，三種演算法，回測勝率比較 43
4.6 三種演算法優劣分析，比較不同類型股票的綜合結果 44
五、 結論 47
參考文獻 48 |
| 參考文獻 |
[1] Jui-Sheng Chou，Thi-Kha Nguyen，"Forward Forecast of Stock Price Using Sliding-Window Metaheuristic-Optimized Machine-Learning Regression"，IEEE Transactions on Industrial Informatics， Volume:14，Issue:7， Publisher:IEEE，Year:2018
[2] Dennis Huynh，Garrett Audet，Nikolay Alabi，Yuan Tian，"Stock Price Prediction Leveraging Reddit: The Role of Trust Filter and Sliding Window"，2021 IEEE International Conference on Big Data (Big Data)，Publisher:IEEE，Year:2021
[3] Fanxing Meng;Weiyan Song;JiLin Qin;Chunguang Song，"Analysis of Stock Market Volatility Based on Python"，IEEE Transactions on Industrial Informatics，2021 4th International Conference on Advanced Electronic Materials，Computers and Software Engineering (AEMCSE)，Publisher:IEEE，Year:2021
[4] Warren Landis;Sangwhan Cha;Majid Shaalan，"On Optimization of Stock Market Prediction Methods"，2019 IEEE International Conference on Big Data (Big Data)，Publisher:IEEE，Year:2019
[5] 林睦融，"K線理論應用於台股市場之績效分析"，東吳大學大學資訊管理系碩士論文,2012
[6] 林昇暉，"金融商品走勢預測"，國立中央大學資訊工程學系碩士論文,2019
[7] 李珍炘，"以Suffix Tree進行圍棋棋型搜尋"，國立東華大學資訊工程學系碩士論文，2005
[8] 許智和，"運用基因演算法搜尋最佳化技術指標之台灣股市實證研究"，國立雲林科技大學資訊管理系碩士論文，2003
[9] 邱雅鈴，"基因演算法於股價走勢上之應用-以台積電為例"，國立高雄第一科技大學風險管理與保險系碩士論文，2004
[10] 沈宗育，"遺傳演算法於股票市場技術指標分析預測的應用"，元智大學資訊管理 學系碩士論文,2009
[11] 蔡文龍，初版，"Python從基礎到資料庫專題"，碁峰資訊，台北市，2020年6月
[12] 葉怡成，"誰都學得會的算股公式:成長與價值的綜效之路，新手也可以創造15%投報率"，台灣廣廈有聲圖書出版，新北市，2017年
[13] 酆士昌，劉承彥，第二版，"Python:股票演算法交易實務147個關鍵技巧詳解"，博碩文化股份有限公司，新北市，2021年2月
[14] 胡書敏，初版，"股票發大財 用Python預測玩轉股市高手精解"，深智數位股份有限公司，台北市，2021年1月
[15] 林則行，初版，"大漲的訊號:全球最大主權基金經理人的股票K線獨門獲利密技"，大是文化，台北市，2013年
[16] 李明黎，初版，"第一次股票低買高賣就上手（技術面+籌碼篇）"，易博士出版社，台北市，2008年6月 |
| 指導教授 |
王家慶
陳永芳(Jia-Ching Wang
Yung-Fang Chen)
|
審核日期 |
2023-7-31 |
| 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
|
