公司治理、 CSR、 信用評等 應用主成份迴歸結合倒傳遞類神經網路進行台股收盤價之預測 2009-03-05 溫志鴻潘文超 傳統的多元迴歸模型存在許多問題一直困擾著研究者，這些問題包括了自變數間的線性重合問題與非線性問題，使得無法獲得準確的預測。有鑑於此，本文提出一種混合模型的分析方法，結合主成份迴歸模型 (Principle Component Regression, PCR) ，與倒傳遞類神經網路(Back-Propagation Network, BPN)來解決此兩種問題。首先，本文蒐集臺灣地區上市上櫃公司的財務比率作為樣本資料，利用灰關聯分析 (Grey Relational Analysis) 進行各企業經營績效的排名，並挑選經營績效排名前兩名企業，搜集其股票資料，進行股票收盤價之預測。本文將股票資料分為訓練資料及測試資料，進行模型的建構與驗證，並計算測試結果的誤差均方根 (Root Mean Squared Error，RMSE) 、修正Theil不等係數 (Revision Theil Inequality Coefficient，RTIC) 、平均絕對誤差 (Mean Absolute Error，MAE) 、平均絕對誤差百分比 (Mean Absolute Percentage Error，MAPE) 與效率係數 (Coefficient of efficiency，CE) 等5項指標，在實証上顯示，PCR+GABPN之混合(Hybrid)模型的預測能力，均顯著優於PCR、BPN與PCR+BPN模型。 查看完整內容 本文為付費文章，立即訂閱觀看全文 ➢ 相關關鍵字： 76期 ➢ 延伸閱讀 政治與投資行為:選票等於股價嗎? 基本面加權指數、報酬指數、部分集合指數之編製與績效測試 發放現金股利將使台灣加權指數縮水約380點 －探討各產業股利政策及其對指數期貨定價的影響
傳統的多元迴歸模型存在許多問題一直困擾著研究者，這些問題包括了自變數間的線性重合問題與非線性問題，使得無法獲得準確的預測。有鑑於此，本文提出一種混合模型的分析方法，結合主成份迴歸模型 (Principle Component Regression, PCR) ，與倒傳遞類神經網路(Back-Propagation Network, BPN)來解決此兩種問題。首先，本文蒐集臺灣地區上市上櫃公司的財務比率作為樣本資料，利用灰關聯分析 (Grey Relational Analysis) 進行各企業經營績效的排名，並挑選經營績效排名前兩名企業，搜集其股票資料，進行股票收盤價之預測。本文將股票資料分為訓練資料及測試資料，進行模型的建構與驗證，並計算測試結果的誤差均方根 (Root Mean Squared Error，RMSE) 、修正Theil不等係數 (Revision Theil Inequality Coefficient，RTIC) 、平均絕對誤差 (Mean Absolute Error，MAE) 、平均絕對誤差百分比 (Mean Absolute Percentage Error，MAPE) 與效率係數 (Coefficient of efficiency，CE) 等5項指標，在實証上顯示，PCR+GABPN之混合(Hybrid)模型的預測能力，均顯著優於PCR、BPN與PCR+BPN模型。
會員
會員