| DC 欄位 |
值 |
語言 |
| DC.contributor | 資訊管理學系 | zh_TW |
| DC.creator | 吳佩穎 | zh_TW |
| DC.creator | Pei-Yin Wu | en_US |
| dc.date.accessioned | 2004-6-21T07:39:07Z | |
| dc.date.available | 2004-6-21T07:39:07Z | |
| dc.date.issued | 2004 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=91423006 | |
| dc.contributor.department | 資訊管理學系 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 投資人的投資目的是為了獲取合理的報酬，因此若能透過基本分析預測公司未來獲利狀況，得知該公司未來是否為營運獲利良好之公司，將可藉此增加投資報酬並減少投資的風險。從過去許多文獻以及投資應用中得知每股盈餘為投資者相當有用之參考資訊，但也發現過去相關研究通常在只運用公司面資訊進行每股盈餘之預測，且對於資訊時間發佈不一致之現象並無相關處理。故本研究將總經
面、產業面與公司面因素同時納入，對每股盈餘進行預測，且嘗試提出漸進修正模型法對資訊時間發佈之不一致此一現象進行處理。本研究以電子類股以及金融類股為標的進行驗證，經由驗證結果顯示考慮較多層面因素確可勝過單獨考慮公司面因素，且其效果也勝於線性迴歸。在投資報酬率部分發現，若可完全預測正確，在電子業方面其理想報酬率遠勝於大盤，在金融業方面雖無如此明顯之效果，但亦略勝於大盤。本研究雖無法完全正確預測，但其效果尚可令人接受。在漸進模型修正法之實驗結果顯示，若可靈活運用最新資訊，則多數情形下可有效提高預測之正確性。 | zh_TW |
| DC.subject | 漸進模糊類神經網路 | zh_TW |
| DC.subject | 每股盈餘 | zh_TW |
| DC.subject | 基本分析 | zh_TW |
| DC.title | 運用漸進模糊類神經網路於預測每股盈餘
成長率之研究 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |