應(yīng)用類神經(jīng)網(wǎng)絡(luò)及灰關(guān)聯(lián)分析建立店頭市場(chǎng)股價(jià)指數(shù)預(yù)測(cè)基礎(chǔ)模式之研究.doc

此文檔收集于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系網(wǎng)站刪除應(yīng)用類神經(jīng)網(wǎng)絡(luò)及灰關(guān)聯(lián)分析建立店頭市場(chǎng)股價(jià)指數(shù)預(yù)測(cè)基礎(chǔ)模式之研究摘要由于經(jīng)濟(jì)環(huán)境的快速改變，投資于股票市場(chǎng)的風(fēng)險(xiǎn)愈來(lái)愈高，在過(guò)去，因?yàn)轱L(fēng)險(xiǎn)較高的緣故，投資股票通常并不將店頭市場(chǎng)加以考慮。在臺(tái)灣，店頭市場(chǎng)對(duì)多數(shù)人來(lái)說(shuō)是一個(gè)較新的市場(chǎng)，然而店頭市場(chǎng)的有些上柜公司營(yíng)運(yùn)績(jī)效要比集中市場(chǎng)的公司來(lái)得好。另外，在過(guò)去的二年內(nèi)，上柜公司的家數(shù)增加了許多，投資人通常不知道應(yīng)選集中市場(chǎng)或是店頭市場(chǎng)作為投資市場(chǎng)，倘本研究針對(duì)店頭市場(chǎng)指數(shù)建立優(yōu)秀的預(yù)測(cè)模式，將能提供投資大眾獲利的機(jī)會(huì)。本研究擬以灰色理論之灰關(guān)聯(lián)分析篩選與店頭市場(chǎng)股價(jià)指數(shù)相關(guān)程度較高之技術(shù)指標(biāo)，并依此結(jié)果分成三類群作為類神經(jīng)網(wǎng)絡(luò)之輸入值，而以預(yù)測(cè)誤差與訊號(hào)顯著率作為績(jī)效之評(píng)估。相信經(jīng)由灰關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)所建立之店頭市場(chǎng)股價(jià)指數(shù)預(yù)測(cè)模式，將能提供投資人進(jìn)行投資時(shí)之參考依據(jù)。壹、研究背景及動(dòng)機(jī) 國(guó)內(nèi)股票市場(chǎng)經(jīng)歷76年至79年初的大多頭，陸續(xù)成立許多的證券公司、而后大空頭市場(chǎng)來(lái)臨，國(guó)內(nèi)股票市場(chǎng)重新洗牌整理。近年來(lái)歷經(jīng)86年亞洲金融風(fēng)暴的洗禮及87年7月22日臺(tái)灣期貨交易所的正式開始營(yíng)運(yùn)，促使臺(tái)灣證券市場(chǎng)營(yíng)運(yùn)愈臻成熟，購(gòu)買股票變成社會(huì)大眾最直接且方便的投資及避險(xiǎn)管道?；蛟S由于臺(tái)灣個(gè)別股價(jià)的暴漲暴跌，使得股市投資風(fēng)險(xiǎn)相對(duì)地提升，事實(shí)上由于上市上柜公司家數(shù)不斷地增加，使得集中市場(chǎng)、店頭市場(chǎng)的基本股價(jià)不斷地墊高。此外上柜公司家數(shù)也已從81年3月底的11家增加到87年8月31日的160家，其中，電子類股占了上柜公司的1/3強(qiáng)，因此不難理解臺(tái)灣的經(jīng)濟(jì)體質(zhì)已有脫胎換骨之勢(shì)。雖然是上柜公司，但不論是在體質(zhì)或是營(yíng)運(yùn)上有些絲毫不遜于上市公司。因此漸漸地投資人的投資標(biāo)的不只限于上市公司，包括上柜公司也變成投資的重要市場(chǎng)。目前臺(tái)灣集中、店頭市場(chǎng)家數(shù)交易規(guī)模并不像美國(guó)、日本來(lái)的龐大，當(dāng)許多外在消息及信息散布，諸如總體環(huán)境的政治因素、景氣循環(huán)，市場(chǎng)因素的的利率、匯率、貨幣供給量、物價(jià)，產(chǎn)業(yè)因素的行業(yè)生命周期、行業(yè)景氣、法令措施、公司因素的盈余、股利、股票上市與否、董監(jiān)事之改選及投資人的心理因素等許多不確定之變因而影響股價(jià)的變動(dòng)。傳統(tǒng)上，一般投資大眾對(duì)于股票進(jìn)行投資分析時(shí)，往往習(xí)于以技術(shù)分析統(tǒng)計(jì)數(shù)字作為參考，經(jīng)其輸入資料后成為明確的進(jìn)出判斷指標(biāo)。對(duì)于影響股市不同構(gòu)面、因素等觀念性的綜合評(píng)判（如景氣研判、技術(shù)分析、基本面分析.等等），只能靠經(jīng)驗(yàn)法則或是經(jīng)驗(yàn)資深的操盤人或研究員下達(dá)較合適之判斷。若反映股票價(jià)格的所有各種情報(bào)已經(jīng)充分地公開揭露，但基于不同的判斷力、經(jīng)驗(yàn)所做出的決策，往往會(huì)導(dǎo)致相反的結(jié)果，因此需要針對(duì)影響店頭市場(chǎng)股價(jià)指數(shù)的量化技術(shù)指標(biāo)予以建立其影響值，以作為預(yù)測(cè)模式之基礎(chǔ)。貳、文獻(xiàn)回顧一、計(jì)量經(jīng)濟(jì)模型及制度研究以往國(guó)內(nèi)股市的研究分析，學(xué)界應(yīng)用不同的模型及不同的因素來(lái)探討臺(tái)灣股市，如1. 中山大學(xué)財(cái)管所洪玉玫君【民84】的研究，探討臺(tái)灣店頭市場(chǎng)交易制度改變對(duì)市場(chǎng)績(jī)效的影響，三種不同的交易制度，柜臺(tái)議價(jià)交易、等價(jià)自動(dòng)成交系統(tǒng)、改革后的等價(jià)自動(dòng)成交系統(tǒng)。2. 文化大學(xué)會(huì)研所林旺生君【民86】的研究以店頭市場(chǎng)為例，探討其技術(shù)指標(biāo)之有效性，進(jìn)而驗(yàn)證市場(chǎng)是否為弱式效率性。3. 中興大學(xué)企研所劉彥良君【民86】針對(duì)臺(tái)灣上柜各分類股價(jià)指數(shù)探討共整合關(guān)系存在與否, 實(shí)證結(jié)果發(fā)現(xiàn)，在產(chǎn)業(yè)三大類股指數(shù)部份，研究期間平均報(bào)酬率以電子類及證券類為最高，且金融、證券、電子股其間并沒有很大的相關(guān)性，可以達(dá)成投資組合風(fēng)險(xiǎn)分散的目的。4. 朝陽(yáng)技術(shù)學(xué)院財(cái)金所葉銘龍君【民86】，針對(duì)店頭市場(chǎng)之價(jià)量關(guān)系探討其因果關(guān)系分析結(jié)果是否和集中市場(chǎng)的因果關(guān)系相同。結(jié)果發(fā)現(xiàn)長(zhǎng)期下，Granger因果關(guān)系檢定模式并不適用于臺(tái)灣股票店頭市場(chǎng)，而短期內(nèi)，則發(fā)現(xiàn)價(jià)格變化與成交量之關(guān)系為成交量會(huì)引起價(jià)格變化，而價(jià)格變化絕對(duì)值與成交量之關(guān)系則為互相影響。價(jià)量不對(duì)稱關(guān)系中，則發(fā)現(xiàn)店頭市場(chǎng)中并不具有所謂的價(jià)量不對(duì)稱性。5. 中興大學(xué)企研所蘇君旋君【民86】，依據(jù)文獻(xiàn)研究法與比較研究法分析討論臺(tái)灣店頭市場(chǎng)之法令、制度、特性以及實(shí)際運(yùn)作情形，輔以美、日兩國(guó)股票店頭市場(chǎng)發(fā)展經(jīng)驗(yàn)和制度來(lái)檢討臺(tái)灣股票店頭市場(chǎng)之缺失，以助于臺(tái)灣店頭市場(chǎng)功能之發(fā)揮。6. 銘傳管理學(xué)院管科所陳一森君【民86】，透過(guò)Porter五力競(jìng)爭(zhēng)模型，將臺(tái)灣從民國(guó)84年至85年初的股票市場(chǎng)作探索性及實(shí)證性的研究。店頭市場(chǎng)本身可視為一個(gè)公司，其上游供貨商則是所有的上柜公司，券商可視為通路，投資人可視為顧客，其主要競(jìng)爭(zhēng)者就是集中市場(chǎng)，而外盤商交易則為其替代品，潛在競(jìng)爭(zhēng)者是以美國(guó)店頭市場(chǎng)為探討對(duì)象。7. 東海大學(xué)管研所洪美慧君【民85】以技術(shù)分析方法乖離率指標(biāo)、移動(dòng)平均線、相對(duì)強(qiáng)弱指標(biāo)來(lái)探討運(yùn)用于臺(tái)灣股票市場(chǎng)的績(jī)效。研究結(jié)果認(rèn)為:1、市場(chǎng)多頭行情會(huì)影響技術(shù)分析的有效性，空頭時(shí)技術(shù)分析可能較為有效，多頭時(shí)技術(shù)分析無(wú)效。2、一個(gè)在此期間有效的技術(shù)分析方法，會(huì)隨時(shí)間與環(huán)境的變化而不再有效，即技術(shù)分析并無(wú)一致性的績(jī)效表現(xiàn)。3、技術(shù)分析在短期較有效，但長(zhǎng)期在交易成本的侵蝕下，仍趨于無(wú)效。二、類神經(jīng)網(wǎng)絡(luò)模型1. 淡江大學(xué)資管所鄭志偉君【民86】建立以本益比為中心的模式，配合利率與經(jīng)濟(jì)成長(zhǎng)的變化以及波浪理論，探討臺(tái)股指數(shù)的波動(dòng)。結(jié)果發(fā)現(xiàn)，類神經(jīng)網(wǎng)絡(luò)模式將有六成以上的預(yù)測(cè)正確率，且證明以公司營(yíng)運(yùn)狀況為主的基本面因子在公司信息公布短期內(nèi)對(duì)股價(jià)仍具影響力。2. 高雄工學(xué)院管科所李政芳君【民85】則以類神經(jīng)網(wǎng)絡(luò)及模糊理論的整合應(yīng)用，建構(gòu)一套針對(duì)國(guó)內(nèi)股票市場(chǎng)所需的智能型股票預(yù)測(cè)模式。3. 義守大學(xué)管科所林升遠(yuǎn)君【民87】結(jié)合影響股市重要之量化與八大非量化因素，以類神經(jīng)網(wǎng)絡(luò)及模糊德爾菲法發(fā)展出智能型的個(gè)股股價(jià)預(yù)測(cè)模式。4. 高雄工學(xué)院管科所黃永成君【民86】以遺傳算法與模糊神經(jīng)網(wǎng)絡(luò)整合模糊IF-THEN規(guī)則庫(kù)之非量化因素，并結(jié)合技術(shù)分析之量化因素，發(fā)展出智能型股價(jià)預(yù)測(cè)模式，以幫助投資大眾掌握加權(quán)指數(shù)未來(lái)的漲跌趨勢(shì)。5. Eakins, etal【1998】，利用Tobit回歸與二種不同的類神經(jīng)網(wǎng)絡(luò)模型來(lái)探究存在于普通股之所有權(quán)持有比率與個(gè)別公司特質(zhì)（主要是財(cái)務(wù)比率）的團(tuán)體之投資行為實(shí)證，其中2個(gè)類神經(jīng)網(wǎng)絡(luò)模型得到較優(yōu)的預(yù)測(cè)力。6. Fu Kai & Xu Wenhua【1997】以遺傳演繹法訓(xùn)練類神經(jīng)網(wǎng)絡(luò)以預(yù)測(cè)上海證券交易所之股價(jià)指數(shù)，研究期間從1994年的3月29日至8月1日為止，結(jié)果顯示，遺傳演繹法配合類神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)短期之股價(jià)指數(shù)有相當(dāng)不緛的效果。7. Gia-Shuh Jang,Feipei Lai & Tai-Ming Parng【1992】，利用雙重調(diào)整結(jié)構(gòu)的類神經(jīng)網(wǎng)絡(luò)做臺(tái)灣股票指數(shù)漲跌的趨勢(shì)預(yù)測(cè)，也就是利用調(diào)整倒傳遞算法的學(xué)習(xí)法則，讓網(wǎng)絡(luò)自動(dòng)合成去解決問題。其輸入層有21個(gè)處理單位；隱藏層架構(gòu)為一層，有11個(gè)處理單元；輸出層有一個(gè)處理單位，代表未來(lái)股價(jià)的漲跌，1代表漲，0代表跌。結(jié)果發(fā)現(xiàn)，在預(yù)測(cè)績(jī)效上，此固定結(jié)構(gòu)式的類神經(jīng)網(wǎng)絡(luò)要好4%51%。8. Haefka, etal【1996】，使用共整合及Granger因果關(guān)系來(lái)建構(gòu)線性與類神經(jīng)網(wǎng)絡(luò)誤差修正模型，研究Austrian Initial Public Offering Index（IPOX）與Austrian Stock Market Index（ATX）之間的關(guān)系來(lái)預(yù)測(cè)IPOX。9. Lawrence Kryzanowski, Michael Galler and David W.Wright【1993】， 利用類神經(jīng)網(wǎng)絡(luò)去檢驗(yàn)過(guò)去與目前公司會(huì)計(jì)的數(shù)據(jù)以及總體的經(jīng)濟(jì)環(huán)境量否能提供預(yù)測(cè)，而未來(lái)公司股價(jià)之變動(dòng)是否較整個(gè)市場(chǎng)的平均水準(zhǔn)來(lái)得好。利用類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)去過(guò)輸入與輸出數(shù)據(jù)的關(guān)系。結(jié)果發(fā)現(xiàn)經(jīng)過(guò)訓(xùn)練的類神經(jīng)網(wǎng)絡(luò)對(duì)未來(lái)個(gè)別公司相對(duì)于整體市場(chǎng)表現(xiàn)較好或較壞有72%的準(zhǔn)確效果。10. Takashi Kimoto and Kazuo Asakawa【1990】，以日經(jīng)指數(shù)作為研究目標(biāo)，用移動(dòng)仿真的方式去預(yù)測(cè)股價(jià)指數(shù)，輸入以利率、匯率、周轉(zhuǎn)率以及紐約道瓊工業(yè)指數(shù)為學(xué)習(xí)數(shù)據(jù)，訓(xùn)練的數(shù)據(jù)是以周報(bào)酬的加權(quán)指數(shù)為目標(biāo)，建構(gòu)出類神經(jīng)網(wǎng)絡(luò)模式。結(jié)果顯示，利用類神經(jīng)網(wǎng)絡(luò)模式所得的超額報(bào)酬遠(yuǎn)較利用回歸分析所得的結(jié)果為佳。由上述文獻(xiàn)探討可了解，國(guó)內(nèi)的研究似乎很少對(duì)店頭市場(chǎng)股價(jià)指數(shù)作預(yù)測(cè)，然時(shí)至今日，店頭市場(chǎng)的家數(shù)已深具規(guī)模，頗具研究?jī)r(jià)值，故本研究將以灰色理論之灰關(guān)聯(lián)分析篩選出合適的量化技術(shù)指標(biāo)，接下來(lái)以倒傳遞類神經(jīng)網(wǎng)絡(luò)加以建構(gòu)測(cè)試基礎(chǔ)最佳模式，讓一般投資大眾可了解店頭指數(shù)之走勢(shì)，使其投資于店頭市場(chǎng)時(shí)能作出正確的投資策略。參、研究方法本研究欲建構(gòu)一個(gè)對(duì)臺(tái)灣股票店頭市場(chǎng)股價(jià)指數(shù)漲跌具來(lái)自 中國(guó)最大資料庫(kù)下載有學(xué)習(xí)預(yù)測(cè)能力的神經(jīng)網(wǎng)絡(luò)，其方法包括利用灰色理論之灰關(guān)聯(lián)分析及類神經(jīng)網(wǎng)絡(luò)等，相關(guān)方法加以介紹如下。一、 建立影響店頭市場(chǎng)股價(jià)指數(shù)技術(shù)指針數(shù)據(jù)庫(kù)本研究擬以86年與87年兩年店頭市場(chǎng)股價(jià)指數(shù)的日收盤價(jià)做為灰關(guān)聯(lián)分析之標(biāo)準(zhǔn)序列，并進(jìn)行量化技術(shù)指標(biāo)與店頭市場(chǎng)指數(shù)之灰關(guān)聯(lián)度分析，以選取店頭市場(chǎng)股價(jià)指數(shù)關(guān)聯(lián)性較高之技術(shù)指標(biāo)。二、加入量化因素建立店頭市場(chǎng)股價(jià)指數(shù)預(yù)測(cè)模式本研究選擇類神經(jīng)網(wǎng)絡(luò)來(lái)建構(gòu)店頭市場(chǎng)股價(jià)指數(shù)預(yù)測(cè)模式，其方式乃先搜集量化技術(shù)指標(biāo)及進(jìn)行篩選，以作為類神經(jīng)網(wǎng)絡(luò)模式的輸入，再經(jīng)一或兩層類神經(jīng)網(wǎng)絡(luò)隱藏層的訓(xùn)練后，將其輸出值制定為能預(yù)測(cè)店頭市場(chǎng)指數(shù)漲跌趨勢(shì)的影響值，以建構(gòu)類神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模式。本研究擬以民國(guó)87年1月至12月的日數(shù)據(jù)來(lái)作為驗(yàn)證樣本，如果輸出值能逼近實(shí)際值，同時(shí)在買賣績(jī)效有良好的結(jié)果，那么本研究建立之整合型店頭指數(shù)預(yù)測(cè)模式是可行的。整個(gè)預(yù)測(cè)模型乃包括找尋影響店頭市場(chǎng)股價(jià)指數(shù)之關(guān)鍵技術(shù)指針及進(jìn)行因素篩選、基礎(chǔ)類神經(jīng)網(wǎng)絡(luò)模型之建構(gòu)等。以往國(guó)內(nèi)外學(xué)者以傳統(tǒng)統(tǒng)計(jì)方法運(yùn)用于股票市場(chǎng)固然可得到不錯(cuò)的效果，但對(duì)于技術(shù)指標(biāo)的選取依然沒有一個(gè)很具說(shuō)服力的標(biāo)準(zhǔn)，因此本研究嘗試以灰關(guān)聯(lián)分析作為技術(shù)指針之篩選標(biāo)準(zhǔn)，以比較績(jī)效的方式說(shuō)明灰關(guān)聯(lián)的篩選能力。三、灰關(guān)聯(lián)分析利用灰關(guān)聯(lián)篩選技術(shù)指針的數(shù)目，在灰關(guān)聯(lián)分析中，灰關(guān)聯(lián)度的定義是表示兩個(gè)序列間的相關(guān)程度，再依參考序列之多少又分為整體性灰關(guān)聯(lián)程度，而灰關(guān)聯(lián)分析之過(guò)程為：在灰關(guān)聯(lián)空間P（X）;中，有一序列：i（k）=（i（1）,i（2）i（k）其中i=0,.m,K=1,.n即：0（k）=（0（1）,0（2）,0（3）0（n）1（k）=（1（1）,1（2）,1（3）1（n）2（k）=（2（1）,2（2）,2（3）2（n）.m（k）=（m（1）, m（2）, m（3）m（n）而其計(jì)算灰關(guān)聯(lián)分析之流程則描述如下：1、求 | 0（k）-i（k）|之最小（min）與最大（max）值2、代入灰關(guān)聯(lián)系數(shù)（L0,k）公式L0,k（k）=：為分辨系數(shù)，0,1，它的作用是用來(lái)調(diào)整max，以避免其過(guò)大，并提高關(guān)聯(lián)系數(shù)間差異顯著性【楊宗欣，民85】，通常為0.5。，為參考序列0與比較數(shù)列i之相對(duì)差值，即稱i相對(duì)于0在k時(shí)點(diǎn)之關(guān)聯(lián)系數(shù)。3、求關(guān)聯(lián)度（r0，i）4、比較0,i，并依所得到之灰關(guān)聯(lián)度值予以排序。四、倒傳遞類神經(jīng)網(wǎng)絡(luò) 在類神經(jīng)網(wǎng)路中，倒傳遞神經(jīng)網(wǎng)路建立成功的預(yù)測(cè)模式較多，且應(yīng)用內(nèi)容理論完備且學(xué)習(xí)精確，故本研究採(cǎi)用倒傳遞神經(jīng)網(wǎng)路做為基礎(chǔ)模型。本研究以類神經(jīng)網(wǎng)路套裝軟體Neuro-Shell 2為建構(gòu)工具，再使用試算表套裝軟體Microsoft EXCEL將各種技術(shù)指標(biāo)正規(guī)化，以方便套裝軟體Neuro-Shell 2的讀取。 其使用步驟如下：（一）讀取Microsoft EXCEL所建立的各項(xiàng)變數(shù)。（二）設(shè)定網(wǎng)路的輸入變數(shù)及輸出變數(shù)。（三）設(shè)定訓(xùn)練範(fàn)例、測(cè)試範(fàn)例的數(shù)目。（四）選擇神經(jīng)網(wǎng)路類型，定義學(xué)習(xí)速率、動(dòng)量係數(shù)、隱藏元個(gè)數(shù)等參數(shù)（五）決定訓(xùn)練次數(shù)並開始訓(xùn)練。（六）讀取訓(xùn)練範(fàn)例、測(cè)試範(fàn)例之績(jī)效指標(biāo)（誤差均方（MSE=（1/N）（實(shí)際值-預(yù)測(cè)值）2）。類神經(jīng)網(wǎng)路的輸入輸出可視為向量，而類神經(jīng)網(wǎng)路的訓(xùn)練過(guò)程就是利用此一向量來(lái)調(diào)整決定其連接權(quán)值，故我們將過(guò)去每日歷史資料的輸出和輸入稱為一個(gè)訓(xùn)練組（Training Pair）。本研究將以民國(guó)86年1月至民國(guó)87年12月的歷史資料來(lái)建構(gòu)此基礎(chǔ)網(wǎng)路（Basic Network），我們將之統(tǒng)稱為訓(xùn)練集（Training Set）。而訓(xùn)練檔（Training file）建立的第一步驟需先將訓(xùn)練集給予正規(guī)化，本研究正規(guī)化使用的公式如下： I1=實(shí)際值 I1*=正規(guī)化值IMax=I項(xiàng)中的最大值 IMin=I項(xiàng)中的最小值經(jīng)正規(guī)化後所有的輸入值將介於01之間，後經(jīng)Microsoft Excel 4.0之處理與轉(zhuǎn)換，排列而成類神經(jīng)網(wǎng)路所能讀取的格式，這訓(xùn)練檔的建立即為網(wǎng)路的輸入值。 在輸入變數(shù)方面，擬採(cǎi)灰關(guān)聯(lián)分析篩選出相關(guān)性較高的量化因素來(lái)做網(wǎng)路輸入，並予以比較輸入向量數(shù)目之績(jī)效，從所能收集到的34個(gè)技術(shù)指標(biāo)中，以灰關(guān)聯(lián)分析予以作排序，而訓(xùn)練檔的建立方法則如前所述。 在隱藏層層數(shù)方面，Blum1992則建議在考慮選用幾層隱藏層時(shí)，一般問題選用一層，特別複雜的問題則選用兩層。因?yàn)榈觐^市場(chǎng)股票指數(shù)預(yù)測(cè)是一較複雜且難以預(yù)測(cè)的問題，故本研究擬測(cè)試一層和兩層兩種不同的網(wǎng)路形態(tài)，視其預(yù)測(cè)誤差的大小，取訓(xùn)練較佳的網(wǎng)路形態(tài)來(lái)做基礎(chǔ)網(wǎng)路的架構(gòu)。 在隱藏元個(gè)數(shù)方面，隱藏元個(gè)數(shù)的決定並無(wú)一明確的理論公式來(lái)決定多少個(gè)隱藏元個(gè)數(shù)為最佳網(wǎng)路形態(tài)，因此使用嘗試錯(cuò)誤法的方式，測(cè)試隱藏元個(gè)數(shù)，本研究擬將隱藏元個(gè)數(shù)由5個(gè)開始往上累加至105個(gè)作測(cè)試，最後亦取其預(yù)測(cè)誤差最小的隱藏元個(gè)數(shù)來(lái)做基礎(chǔ)網(wǎng)路的架構(gòu)。在輸出變數(shù)方面，本研究擬採(cǎi)取的輸出變數(shù)供網(wǎng)路訓(xùn)練為隔日的收盤價(jià)。而在訓(xùn)練控制方面，以訓(xùn)練10000個(gè)循環(huán)為主，而在其他參數(shù)的設(shè)定， 1、學(xué)習(xí)速率（h）： 0.9 ， 0.5 ， 0.1 2、動(dòng)量係數(shù)（a）： 0.9 ， 0.5 ， 0.1如此交互設(shè)定的結(jié)果，每一形態(tài)的網(wǎng)路將有九種參數(shù)設(shè)定以供測(cè)試。肆、實(shí)驗(yàn)測(cè)試及結(jié)果分析圖1 87年店頭市場(chǎng)股價(jià)指數(shù)走勢(shì)圖一、灰關(guān)聯(lián)分析之因素篩選步驟利用灰關(guān)聯(lián)分析以獲得量化之技術(shù)指標(biāo)的數(shù)目，以作為基礎(chǔ)類神經(jīng)網(wǎng)絡(luò)之輸入變量，本研究所搜集到的技術(shù)指標(biāo)包括：移動(dòng)平均、平均價(jià)、成交量、強(qiáng)弱指標(biāo)、乖離率、動(dòng)量指標(biāo)、KD值、漲跌幅、心理指標(biāo)等。灰關(guān)聯(lián)進(jìn)行的步驟為：步驟一：以86、87年兩年日收盤價(jià)計(jì)算得來(lái)的34個(gè)技術(shù)指標(biāo)作為參考數(shù)列，每一個(gè)技術(shù)指標(biāo)皆有557筆資料，即為0（k）=（0（1）,0（2）,0（3）0（557）步驟二：每個(gè)數(shù)列皆為單獨(dú)的比較數(shù)列步驟三：將每個(gè)數(shù)列除以數(shù)列之平均值，以進(jìn)行數(shù)列正規(guī)化處理。步驟四：求取序列差之絕對(duì)值，并找出最小差及最大差。步駿五：代入灰關(guān)聯(lián)系數(shù)公式L0,k（k）=取0.5。步驟六：求關(guān)聯(lián)度 步驟七：將所求得技術(shù)指針之關(guān)聯(lián)度值依大小排序，并分組進(jìn)行基礎(chǔ)類神經(jīng)網(wǎng)絡(luò)之訓(xùn)練。二、灰關(guān)聯(lián)分析之運(yùn)算結(jié)果表1即為各技術(shù)指針關(guān)聯(lián)值之排序。表1技術(shù)指針之灰關(guān)聯(lián)值排序表技術(shù)指標(biāo)名稱灰關(guān)聯(lián)值技術(shù)指標(biāo)名稱說(shuō)明1 集中市場(chǎng)股價(jià)指數(shù)0.878553353集中市場(chǎng)加權(quán)股價(jià)指數(shù)2成交量0.807880603平均成交量38乖離0.7689820498日乖離率4乖離率0.7672974536日乖離率521乖離0.76368755121日乖離率6修MACD0.749776195修正后之指數(shù)平滑異同移動(dòng)曲線712MA0.74507474812日移動(dòng)平均線86MA0.7434807066日移動(dòng)平均線924MA0.743046624日移動(dòng)平均線103MACD0.737795473日指數(shù)平滑異同移動(dòng)曲線11平均價(jià)0.7355956675平均價(jià)123-6乖離率0.7275405593日減6日乖離率13ADI0.71542996漲跌幅14動(dòng)量30.715057123日動(dòng)量值153DIF0.7125894793日差離值16動(dòng)量值0.7117212656日動(dòng)量值176+DI0.7108206466日正趨向指標(biāo)（當(dāng)日最低點(diǎn)減昨日最低點(diǎn)）186ADI0.7104824466日之平均每日漲跌指數(shù)19均漲幅0.691745693平均每日漲跌幅 20中乖離0.6905212732112RSI0.68147061512日相對(duì)強(qiáng)弱指標(biāo)22+DI0.681355217正趨向指標(biāo)（當(dāng)日最高點(diǎn)減昨日最高點(diǎn)）236RSI0.6801055936日相對(duì)強(qiáng)弱指標(biāo)2413RSI0.67958765313日相對(duì)強(qiáng)弱指標(biāo)25量?jī)r(jià)比0.676311344266-DI0.6741968966日負(fù)趨向指標(biāo)（當(dāng)日最低點(diǎn)減昨日最低點(diǎn)）276PSL0.668730156日心理線289k-9d0.6608512789日KD線之差2913PSL0.64783371613日心理線30股本（OBV）0.647733716能量潮31-DI0.647701095負(fù)趨向指標(biāo)（當(dāng)日最低點(diǎn)減昨日最低點(diǎn)）329d0.6421769239日D值33長(zhǎng)乖離0.641699591349k0.6281610179日K值根據(jù)表1可以分成三個(gè)類群，前18個(gè)技術(shù)指針關(guān)聯(lián)值在0.71以上，且第19個(gè)為關(guān)聯(lián)值為0.69，故可將前18個(gè)技術(shù)指標(biāo)作為基礎(chǔ)類神經(jīng)之輸入值。另外，第28個(gè)技術(shù)指針關(guān)聯(lián)值為0.66，而第29個(gè)技術(shù)指標(biāo)為0.64，故將前28個(gè)技術(shù)指標(biāo)當(dāng)作另一個(gè)類群之輸入值，第三個(gè)群則以34個(gè)技術(shù)指標(biāo)為輸入值。這三類群輸入值的個(gè)數(shù)不同，但輸出值皆為隔日的收盤價(jià)。三、類神經(jīng)網(wǎng)絡(luò)之測(cè)試為了了解不同的輸入、輸出值、隱藏元個(gè)數(shù)及網(wǎng)絡(luò)結(jié)構(gòu)改變對(duì)類神經(jīng)網(wǎng)絡(luò)的影響，因此以86年1月12月底的日數(shù)據(jù)作為訓(xùn)練對(duì)象，以87年1月至12月底的日數(shù)據(jù)為預(yù)測(cè)對(duì)象，在基礎(chǔ)網(wǎng)絡(luò)的參數(shù)設(shè)定上，先固定學(xué)習(xí)速率為0.5，動(dòng)量值為0.5，嘗試改變隱藏元的個(gè)數(shù)以尋找MSE最小的網(wǎng)絡(luò)結(jié)構(gòu)。而后將此網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)速率與動(dòng)量值以0.1、0.5、0.9的變動(dòng)方式加以測(cè)試，結(jié)果共可獲致9種組合，再?gòu)闹羞x取一組較佳的網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)。訓(xùn)練次數(shù)設(shè)定10000次，隱藏元個(gè)數(shù)由5個(gè)開始往上累加至105個(gè)進(jìn)行測(cè)試，以獲致各種網(wǎng)絡(luò)型態(tài)之MSE，測(cè)試結(jié)果如下：（一）一層隱藏層由圖2可知，當(dāng)隱藏層中有5個(gè)處理單元時(shí)，MSE為0.00066。圖2 18個(gè)技術(shù)指標(biāo)下隱藏元之MSE比較由圖3可知，當(dāng)隱藏層中有5個(gè)處理元時(shí)，MSE有最小值0.000622圖3 28個(gè)技術(shù)指標(biāo)下隱藏元之MSE比較當(dāng)輸入值為34個(gè)技術(shù)指針，處理單位數(shù)為10個(gè)時(shí)，MSE值為0.000634圖4 34個(gè)技術(shù)指標(biāo)下隱藏元之來(lái)自 中國(guó)最大資料庫(kù)下載MSE比較（二）兩層隱藏層如圖5，當(dāng)輸入的技術(shù)指標(biāo)為18個(gè)，隱聝層中有30個(gè)處理單元時(shí)，得到MSE之最小值為0.000646。圖5 18個(gè)技術(shù)指標(biāo)下隱藏元之MSE比較而當(dāng)輸入的技術(shù)指標(biāo)個(gè)數(shù)為28個(gè)時(shí)，隱藏層中有55個(gè)處理單元時(shí)所得到的MSE為最小，其值為0.000537。圖6 28個(gè)技術(shù)指標(biāo)下隱藏元之MSE比較當(dāng)輸入值有34個(gè)技術(shù)指標(biāo)，隱藏層有20個(gè)處理單位時(shí)，其MSE值為0.000609。圖7 34個(gè)技術(shù)指標(biāo)下隱藏元之MSE比較四、比較預(yù)測(cè)結(jié)果比較網(wǎng)絡(luò)之預(yù)測(cè)績(jī)效如何，本研究擬比較預(yù)測(cè)誤差值及買賣點(diǎn)的顯著率。（一）預(yù)測(cè)誤差綜合上述的結(jié)果，可以知道當(dāng)輸入技術(shù)指標(biāo)個(gè)數(shù)為28個(gè)、隱藏層為二層、處理單元數(shù)為55個(gè)、輸出向量為隔日收盤價(jià)，可以得到最小的MSE為0.000537。接下來(lái)，嘗試改變學(xué)習(xí)速率及動(dòng)量系數(shù)進(jìn)行網(wǎng)絡(luò)的測(cè)試，學(xué)習(xí)速率及動(dòng)量系數(shù)皆采0.1、0.5、0.9三種設(shè)定，訓(xùn)練次數(shù)控制在10000次，再進(jìn)行網(wǎng)絡(luò)的測(cè)試，所以網(wǎng)絡(luò)結(jié)構(gòu)有9種設(shè)定模式及結(jié)果。針對(duì)技術(shù)指標(biāo)數(shù)目（18個(gè)、28個(gè)、34個(gè)）及隱藏層（一層或兩層），進(jìn)行參數(shù)設(shè)定改變之比較，最小的MSE值如表2所示：表2 網(wǎng)絡(luò)結(jié)構(gòu)測(cè)試比較表輸出隔日收盤價(jià)篩選與否否是編號(hào)No. 1No. 2No. 3No. 4No. 5No. 6技術(shù)指標(biāo)輸入個(gè)數(shù)34個(gè)34個(gè)28個(gè)28個(gè)18個(gè)18個(gè)隱藏層121212隱藏元1020555530參數(shù)=0.9=0.1=0.1=0.5=0.1=0.5=0.5=0.5=0.5=0.1=0.1=0.1MSE0.0006340.0006090.0006220.0005370.000660.000646結(jié)果以 No. 2較佳（比較MSE之大?。┮訬o. 4較佳（比較MSE之大?。ǘ┍容^買賣點(diǎn)之訊號(hào)顯著率： 買點(diǎn)的決定是利用當(dāng)訊號(hào)值超過(guò)上限臨界值時(shí)，此時(shí)買點(diǎn)就出現(xiàn)，操作者于是進(jìn)行股票買入動(dòng)作；同理，賣點(diǎn)的決定是利用當(dāng)訊號(hào)值超過(guò)下限臨界值時(shí)，此時(shí)賣點(diǎn)就出現(xiàn)，操作者于是進(jìn)行股票賣出動(dòng)作；若訊號(hào)值介于上限臨界值和下限臨界值時(shí)，則保有現(xiàn)狀，其結(jié)果如圖8及圖9：股價(jià)走勢(shì)線買賣訊號(hào)值圖8 網(wǎng)絡(luò)預(yù)測(cè)圖股價(jià)走勢(shì)線買賣訊號(hào)值圖9 灰關(guān)聯(lián)網(wǎng)絡(luò)預(yù)測(cè)圖訊號(hào)顯著率也就是買賣點(diǎn)的出現(xiàn)在交易天數(shù)中是否明顯，以下為三種評(píng)估指標(biāo)： a.買入訊號(hào)顯著率：將出現(xiàn)的買入點(diǎn)個(gè)數(shù)除以交易天數(shù)。 b.賣出訊號(hào)顯著率：將出現(xiàn)的賣出點(diǎn)個(gè)數(shù)除以交易天數(shù)。 c.訊號(hào)顯著率：將出現(xiàn)的買入加賣出點(diǎn)個(gè)來(lái)自 中國(guó)最大資料庫(kù)下載數(shù)除以交易天數(shù)此評(píng)估指針可顯示出系統(tǒng)預(yù)測(cè)的敏感度如何，其結(jié)果如表3：表3 敏感度分析表型態(tài)灰關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)網(wǎng)絡(luò)敏感度分析之臨界值線上限0.6下限0.4買入訊號(hào)之個(gè)數(shù)1351744賣出訊號(hào)之個(gè)數(shù)943435買入訊號(hào)顯著率4.8%18.82%1.26%16.24%賣出訊號(hào)顯著率3.32%15.87%0.54%12.92%訊號(hào)顯著率8.12%34.69%1.8%29.16% 結(jié)果顯示，灰關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)不論是在預(yù)測(cè)誤差及敏感度分析都比基礎(chǔ)網(wǎng)絡(luò)要來(lái)得準(zhǔn)確，因此，灰關(guān)聯(lián)分析運(yùn)用在店頭市場(chǎng)股價(jià)指數(shù)之技術(shù)指標(biāo)篩選確實(shí)對(duì)預(yù)測(cè)誤差之降低有幫助，也可以提高買賣點(diǎn)之顯著率。伍、結(jié)論與建議一、結(jié)論（一） 經(jīng)過(guò)本研究的印證，適度的運(yùn)用灰關(guān)聯(lián)分析來(lái)篩選重要技術(shù)指標(biāo)，確實(shí)具有較佳指標(biāo)的選取能力。（二） 以兩年的日數(shù)據(jù)供類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、測(cè)試后，雖然所耗費(fèi)的時(shí)間長(zhǎng)，但所得到的MSE卻比以往的研究者明顯較低。因此所得到的架構(gòu)確實(shí)可作為研究店頭市場(chǎng)股價(jià)指數(shù)之進(jìn)一步研究。（三） 倒傳遞類神經(jīng)網(wǎng)絡(luò)針對(duì)店頭市場(chǎng)指價(jià)指數(shù)的預(yù)測(cè)能力，可以提供投資人進(jìn)場(chǎng)時(shí)機(jī)。二、建議（一）在數(shù)據(jù)處理方面1、 可以加入總體經(jīng)濟(jì)面的量化影響因素，例如匯率的變動(dòng)及外國(guó)股價(jià)指數(shù)。2、 本研究純粹采用技術(shù)指標(biāo)值來(lái)當(dāng)做量化因素的數(shù)據(jù)輸入，但股票市場(chǎng)散發(fā)出來(lái)的訊息有很多，如公司的各種財(cái)務(wù)比率，融資、融券的漲跌變化，自營(yíng)商的進(jìn)出動(dòng)作，外資法人的投資消長(zhǎng)、，這些都可當(dāng)做量化因素的數(shù)據(jù)輸入，相信加入這些信息后，本系統(tǒng)會(huì)產(chǎn)生更佳的預(yù)測(cè)準(zhǔn)確性。3、 在輸出變量方面，本研究采“隔日收盤價(jià)”為輸出，經(jīng)過(guò)轉(zhuǎn)換而成買賣訊號(hào)值，在未來(lái)的研究中可嘗試以“股價(jià)漲跌幅值”為輸出變量。（二）在非量化因素方面本研究之量化技術(shù)指標(biāo)用以預(yù)測(cè)店頭市場(chǎng)股價(jià)指數(shù)雖已達(dá)一定的預(yù)測(cè)水準(zhǔn)，因此，建議考慮將非量化的因素整理成一數(shù)據(jù)庫(kù)，并將此數(shù)據(jù)庫(kù)修正成為適合每個(gè)股票之股票股價(jià)事件預(yù)測(cè)數(shù)據(jù)庫(kù)。參考文獻(xiàn)1. 史開泉、黃國(guó)威、黃有評(píng)，灰色信息關(guān)系論，臺(tái)北：全華圖書公司，民國(guó)83年。2. 江金山等人，灰色理論入門，高立圖書公司，民國(guó)87年。3. 吳漢雄、鄧聚龍、溫坤禮，灰色分析入門，高立圖書公司，民國(guó)85年。4. 李政芳，應(yīng)用類神經(jīng)網(wǎng)絡(luò)與模糊德爾菲法于股票預(yù)測(cè)模式建立之研究，高雄工學(xué)院管理科學(xué)研究所未出版碩士論文，民國(guó)85年。5. 沈啟賓、莊艷蕙，應(yīng)用灰色系統(tǒng)對(duì)李福恩十項(xiàng)全能成績(jī)的因素分析與成績(jī)預(yù)測(cè)之探討，體育與運(yùn)動(dòng)，民國(guó)80年6月。6. 林旺生，臺(tái)灣店頭市場(chǎng)投資績(jī)效之實(shí)證研究，文化大學(xué)會(huì)計(jì)研究所未出版之碩士論文，民國(guó)86年。7. 林升遠(yuǎn)，應(yīng)用類神經(jīng)網(wǎng)絡(luò)與模糊德爾菲法于個(gè)別股價(jià)預(yù)測(cè)模式之研究-以臺(tái)積電公司為例，義守大學(xué)管理科學(xué)研究所未出版碩士論文，民國(guó)87年。8. 洪玉玫，臺(tái)灣店頭市場(chǎng)交易制度改變對(duì)市場(chǎng)績(jī)效之影響，中山大學(xué)財(cái)務(wù)管理研究所未出版碩士論文，民國(guó)85年。9. 洪美慧，技術(shù)分析應(yīng)用于臺(tái)灣股市之研究，東海大學(xué)管理研究所未出版碩士論文，民國(guó)86年。10. 張健邦，多變量分析，三民書局，民國(guó)86年。11. 陳一森，臺(tái)灣股票店頭市場(chǎng)之研究，銘傳管理學(xué)院管理科學(xué)研究所未出版碩士論文，民國(guó)86年。12. 陳弘彬，整合灰色理論與類神經(jīng)網(wǎng)絡(luò)于預(yù)測(cè)模型之建立-以SIMEX臺(tái)灣股價(jià)指數(shù)期貨為例，義守大學(xué)管理科學(xué)研究所未出版碩士論文。13. 曾淑青，應(yīng)用類神經(jīng)網(wǎng)絡(luò)于臺(tái)灣股票市場(chǎng)價(jià)量關(guān)系之預(yù)測(cè)與分析，交通大學(xué)資管所未出版碩士論文，民國(guó)83年。14. 辜麗娟，臺(tái)灣股市技術(shù)分析之實(shí)證研究，淡江大學(xué)財(cái)務(wù)金融研究所未出版碩士論文，民國(guó)85年。15. 黃永成，應(yīng)用遺傳算法與模糊神經(jīng)網(wǎng)絡(luò)于股票預(yù)測(cè)模式之研究，高雄工學(xué)院管理科學(xué)研究所未出版碩士論文，民國(guó)86年。16. 黃國(guó)裕，財(cái)務(wù)比率在股票異常報(bào)酬之預(yù)測(cè)能力分析-類神經(jīng)網(wǎng)絡(luò)方法，中央大學(xué)信息管理研究所未出版碩士論文，民國(guó)83年。17. 葉怡成，類神經(jīng)網(wǎng)絡(luò)模式應(yīng)用與實(shí)作，儒林圖書有限公司，民國(guó)84年。18. 葉銘龍，臺(tái)灣股票店頭市場(chǎng)價(jià)量關(guān)系之實(shí)證研究，朝陽(yáng)技術(shù)學(xué)院財(cái)務(wù)金融研究所未出版碩士論文，民國(guó)86年。19. 劉彥良，臺(tái)灣上柜股票分類股價(jià)指數(shù)共整合關(guān)系之實(shí)證研究，中興大學(xué)企研所未出版碩士論文，民國(guó)85年。20. 鄭志偉，運(yùn)用類神經(jīng)網(wǎng)絡(luò)于臺(tái)灣股市個(gè)股及指數(shù)之預(yù)測(cè)分析，淡江大學(xué)信息管理研究所未出版碩士論文，民國(guó)86年。來(lái)自 中國(guó)最大資料庫(kù)下載21.