應用機器學習於股價漲跌預測

Applying Machine Learning for the Prediction of Stock Price

胡芯瑜(Hsin-Yu Hu)

指導教授 ： 賴正育

中原大學/商學院/巨量資料商業應用碩士學位學程/碩士(2021年)

https://doi.org/10.6840/cycu202100126

摘要

隨著科技日新月異的進步，利用智慧數據分析方法來預測股市的現象也越趨頻繁，相較於傳統的時間序列分析與預測，現行以人工智慧做為模型的預測方式更為準確，方法也更為多元。
本研究主要是藉由支援向量機（SVM）、決策樹（DT）和極限梯度提升（XGBoost）演算法，來預測聯電、台積電以及世界的股價漲跌，並比較各模型的預測效果，以及整理出最能影響其預測效果之技術指標。
經本研究實證結果顯示，在預測半導體業的股價上以支援向量機（SVM）最佳，其準確率都高達80%以上，並且發現時間範圍從2016年01月01日至2020年12月31日的短期範圍（5年）預測會受到新型冠狀病毒（COVID-19）影響，但從時間範圍2011年01月01日至2020年12月31日的長期範圍（10年）來看，可以發現股價部會受到影響，準確率皆有平均80%以上的水準，以及發現隨機指標（K）、隨機指標（D）、12日威廉指標（W%R12）、買賣力指標（AD）、5日移動平均線（MA5）、12日相對強弱指標（RSI12）、6日乖離率（BIAS6）以及6日心理線（PSY6），共8項不相同的技術指標為預測半導體業股價的參考指標。

關鍵字

支援向量機(SVM) ； 決策樹(DT) ； 極限梯度提升(XGBoost)

並列摘要

With the rapid progress of science and technology, the phenomenon of using intelligent data analysis methods to predict the stock market has become more frequent. Compared with the traditional time series analysis and prediction, the current prediction method using artificial intelligence as the model is more accurate and the method is more diversified.
This research mainly uses the support vector machine (SVM), decision tree (DT) and extreme gradient boosting (XGBoost) algorithms to predict the trend of the stock prices of CMC, TSMC and VIS, and compares the prediction effects of each model, and sorts out the technical indexes that can most influence the prediction effect.
The empirical results of this research show that the support vector machine (SVM) is the best in predicting the stock price of the semiconductor industry, with an accuracy rate of over 80%, and found that the time range from 2016 jan 01 solstice December 31, 2020, short range (5 years) prediction will be will be coronavirus (COVID - 19), but from the time range 2011 jan 01 solstice December 31, 2020 (10 years), long range can be found that stock prices would be affected, accuracy is more than 80% of the country's average level, and find random index (K), random index (D), 12, William index (W % R12), sales force index (AD), the 5 moving average relative strength index (MA5), 12 (RSI12), 6 good rate (BIAS6) and 6 line (PSY6), a total of eight different specifications for reference predictor of semiconductor industry.

並列關鍵字

Support Vector Machine (SVM) ； Decision Tree (DT) ； Extreme Gradient Boosting (XGBoost)

參考文獻

王鼎宏，2016。使用機器學習方法預測加權指數之研究，國立成功大學經營管理碩士學位學程(AMBA)碩士論文。

李承謙，2014。國內頭版新聞資訊與台灣股市交易行為之關聯性，國立中正大學會計與資訊科技研究所碩士論文。

陳敘融，2017。利用財經新聞預測台灣股市大盤的漲跌，國立嘉義大學資訊工程學系研究所碩士論文。

陳振東、謝政翰，2019。應用機器學習與模糊推論於股價漲跌預測之研究，『應用機器學習與模糊推論於股價漲跌預測之研究』，中華民國資訊管理學報，第二十六卷第二期，153-178。

黃珮瑜，2018。資料採礦在股票市場之預測－以先進國家為例，東吳大學經濟學系碩士論文。