WIP與SHIP量對股價預測之研究-以半導體代工封測產業為例

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：34

、訪客IP：18.188.66.13

姓名

曹富凱(Fu-Kai Tsao) 查詢紙本館藏

畢業系所

會計研究所

論文名稱

WIP與SHIP量對股價預測之研究-以半導體代工封測產業為例

相關論文

★ ERP樣版導入方法論之個案研究	★ Talent Management Using Characteristics Model of RPG
★ 以情境理論探討顧客在保固期後再回原廠消費之意願─以B公司為例	★ 企業接班模式之探討—以G公司為例
★ 影響消費者透過行動美妝軟體購買美妝品之關鍵因素研究－使用AHP方法	★ 客製化產品成本導入ERP之計算架構-以A公司製造自動化設備為例
★ 應用中介系統改善企業流程-以S公司為例	★ 結合群眾智慧與基本面應用於上市公司投資策略之研究
★ 共享服務中心外包衍伸問題之探討-以M跟S集團在台分公司為例	★ 保險業於大數據時代導入 SAP HANA 之關鍵成功因素 - 以 N公司為例
★ 以八階段分析法進行談判策略之個案研究	★ 以AHP法研究企業評選顧問公司之準則
★ B2B拍賣網上結標價和結標時間的預測	★ 應用啟發式演算法挖掘與表示商業流程的碳排量屬性
★ ERP為基準碳足跡計算之觀念性架構發展	★ 作業基礎制碳足跡方法-以作業制成本法為基礎發展產品碳足跡計算之方法

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]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

全球化半導體產業競爭日益劇烈，生產與交貨週期是極為重要的競爭力與管理指標。由於消費電子產品輕、薄、小、高效能及生命週期短的特性，使半導體製程日益複雜、隨著摩爾定律可能失效、半導體的設備、材料與製程不斷再精益求精，確保公司能滿足客戶的相關解決方案、產品客製化、高良率，並且準時交貨。投資者買賣股票主在的目的在於獲得資本利得，因此必須關心影響股價變動的因素。近年來外資在台灣半導體產業投資的比重提高，半導體產業的訊息已能被外資與投資人等進行分類解讀，所做的研究的數據容易被解讀與分析。研究對象以台灣第一線半導體代工封測大廠為主，研究目的在於探討半導體代工封測產業 WIP 與 SHIP 量對客戶股價的影響，並進行股價預測。研究方法利用自我迴歸移動整合解釋性變數(Autoregressive Integrated Moving Average with Explanatory Variable)的模型，引入與應變量相關程度較高的自變量，有助於提高模型的預測效果。資料範圍以民國105年1月至民國106年3月的月平均股價資料，透過 ARIMAX 模型引入 WIP 與 SHIP 量進行股價預測。實證結果發現預測股價的最佳模式為前六期的資料建立的 ARIMAX 模型，股價預測結果的 MAPE 平均為5.37%，股價預測效果良好。提供投資人更準確的預測股價，作為投資決策的參考。

摘要(英)

In the global economical environment the semiconductor industry competition is increasingly fierce, production and delivery cycle is extremely important competitiveness and management indicators. As the consumer electronics products are light, thin, small, high performance and short life cycle characteristics, the process is increasingly complex, with the Moore′s Law may fail, semiconductor equipment, materials and processes continue to be refined to ensure that the company can meet customer′s Solutions, product customization, high yield, and on time delivery. The main purpose of investors to buy stocks is to obtain capital gains, it must be concerned about the factors that affect the stock price changes. In recent years, foreign investment to improve proportion of foreign capital in the semiconductor industry in Taiwan, the information has been able to foreign investors and investors to classify the interpretation of the research data is easy to be interpreted and analyzed. This article research into the effect of WIP and SHIP on the forecast of stock price for semiconductor foundry packaging and testing industry. This Article use the Autoregressive Integrated Moving Average with Explanatory Variable model to introduce the explanatory variables with high degree of correlation with the variables, which can improve the prediction effect of the model. The data range is based on the monthly average price data of January 2016 to March 2017, and the forecast of stock price is introduced WIP and SHIP amount through the ARIMAX model. The best model for forecasting stock price is the ARIMAX model established for the first six periods. The MAPE of the stock price forecast is 5.37% and the forecast of stock price is effective. Providing investors with more accurate forecasting of stock prices as a reference for investment decisions.

關鍵字(中)

★ 股價
★ 預測
★ WIP
★ SHIP
★ ARIMAX
★ 半導體

關鍵字(英)

★ WIP
★ SHIP
★ ARIMAX
★ Forecast

論文目次

摘要 I
ABSTRACT II
誌謝 III
目錄 IV
圖目錄 V
表目錄 VI
壹、緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 論文架構 3
1.4 研究流程 4
貳、文獻探討 5
2.1 時間序列模型之理論 6
參、研究方法 7
3.1 研究架構 7
3.2 WIP的定義 8
3.3 SHIP的定義 9
3.5 研究方法 11
3.6 模型辨識方法 12
肆、資料整理與分析 17
4.1 個案企業介紹 17
4.2 資料整理 19
4.3 資料分析 20
伍、研究結論 30
5.1 研究結論 30
5.2 研究限制與建議 30
附圖 2017年預測股價 31
參考文獻 41
中文文獻 41
英文文獻 42

參考文獻

1. 王琡閔. (2001). 股價預測之統計模型. 中央大學統計學系學位論文, 1-71.
2. 王群. (2013). 市場情緒指數之建構及其對市場報酬之影響—時間數列轉換函數模型之應用. 臺北大學企業管理學系學位論文, 1-74.
3. 李耕年. (2011). 景氣循環下資本支出對股價的影響-以台灣半導體產業為例. 長榮大學經營管理研究所 (博) 學位論文, 1-53.
4. 李宗翰. (2014). 運用 ARIMA 與向量自我廻歸模式探討新竹科學園區半導體產值預測. 交通大學管理學院管理科學學程學位論文, 1-59.
5. 沈小欣, 趙亞玲, & 朱海江. (2014). 集成模型 ARIMAX—GARCH 及其在股票预测中的應用. 绍興文理學院學報, 34(9), 60-63.
6. 吳宗原. (2014). 原物料鉬, 鋁, 銅及匯率之價格波動與半導體及面版產業股價關係探討. 成功大學財務金融研究所碩士在職專班學位論文, 1-35.
7. 郭翊翔, & 姜齊. (2007). 晶圓代工廠的需求預測模型-以 ARIMA 模式分析. 交通大學管理學院管理科學學程學位論文, 1-90.
8. 陳國玄. (2004). 人工神經網路與統計方法應用於台灣上市電子類股價指數預測與分類之研究. 成功大學統計學系學位論文, 1-102.
9. 陳韋豪. (2009). 台灣半導體產業上,中,下游股價關連性與波動性外溢效果研究-雙變量 EGARCH 模型的應用. 南華大學財務管理學系學位論文, 1-66.
10. 陳聰聰. (2016). 基於 ARIMA 模型和 ARIMAX 模型的山東省 GDP 的预测與分析. 山東大學應用統計學系學位論文, 1-75.
11. 許天維, 葉淑媚, & 李佳樺. (2007). ARIMA 模式分析與預測-以鴻海股票市場日收盤價與報酬率為例. 臺中教育大學學報: 數理科技類, 2007, 21.2: 51-69.
12. 黃國銘. (2016). 貨幣型 ETF 與經濟因素之關聯性: 應用 ARIMAX-GARCH 模型分析. 中原大學企業管理研究所學位論文, 1-102.
13. 程燕. (2015). ARIMAX 模型方法及其應用-重慶城市居民可支配收入與消费支出. 重慶工商大學學報: 自然科學版, 32(11), 80-85.
14. 劉照群. (2008). 美國費城半導體股市, 台灣股市, 台積電股價的關聯性之實證研究. 臺北大學統計學系學位論文, 1-73.
1. Ariyo, A. A., Adewumi, A. O., & Ayo, C. K. (2014). Stock price prediction using the ARIMA model. In Computer Modelling and Simulation (UKSim), 2014 UKSim-AMSS 16th International Conference on (pp. 106-112). IEEE.
2. Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons.
3. Chan, K. S., & Ripley, B. (2012). TSA: Time series analysis. R package version 1.01. URL: http://CRAN. R-project. org/package= TSA.
4. Kongcharoen, C., & Kruangpradit, T. (2013). Autoregressive integrated moving average with explanatory variable (ARIMAX) model for Thailand export. In 33rd International Symposium on Forecasting, South Korea (pp. 1-8).
5. Ljung, G. M., & Box, G. E. (1978). On a measure of lack of fit in time series models. Biometrika, 297-303.
6. Metghalchi, M., Chang, Y. H. & Garza-Gomez, X. (2012). Technical Analysis of the Taiwanese Stock Market. International Journal of Economics and Finance. 4(1), 90-102.
7. Nochai, R., & Nochai, T. (2006). ARIMA model for forecasting oil palm price. In Proceedings of the 2nd IMT-GT Regional Conference on Mathematics, Statistics and Applications (pp. 13-15).

指導教授

許秉瑜

審核日期

2017-6-13

推文