大數據之應用平行K-means演算法－建構股市決策分析

Big Data Application Using Parallel K-means Clustering to Construct Stock Decision Support Analysis

李國誠(Kuo-Chen Li) ； 李彥賢(Yen-Hsein Lee) ； 何宗燁(Tsung-Yeh Ho)

《績效與策略研究》 14卷1期 (2017/03) Pp. 21-45

https://doi.org/10.6736/JPSR.201703_14(1).0002

摘要

本研究以Hadoop平台為基礎讓股票先透過技術指標公式平行運算後，接著將K-means演算法套用於MapReduce框架上，藉此將股票作分群並同時提高運算效率，最後將分群結果定義決策後，再推薦投資者作買進或賣出之決策。本研究實證結果分群後的群集與大盤經過檢定後，大部分的檢定結果皆優於大盤，且能夠獲得更高之獲利，其分析出的結果呈現出來供投資者作為決策參考。

關鍵字

大數據 ； 平行K-means演算法 ； 決策支援系統 ； 技術指標 ； Hadoop

並列摘要

This research applies map-reduce parallel computing technologies to analyze the stock technical indicators on Hadoop platform. The computation efficiency is improved significantly; in the meantime, the target indicators are clustered by parallel K-means clustering algorithm and patterns are defined. Based on the found patterns, the most profitable buy-sell decisions will be recommended. The experiments were carried out to validate the proposed framework. Results show that most suggested buy-sell strategies beat the market and gain higher profit. In addition, the analyzed results could be used as decision support for stock investors.

並列關鍵字

Big Data ； Parallel K-means cluster ； Decision Support System ； Technical Analysis ； Hadoop

參考文獻

王豐勝、黃彥文(2013)。台灣雲端巨量資料的策略與啟動─巨量資料分析工具與平台。經濟前瞻。148，116-120。

牟聖遠(2014)。台灣股市技術分析實證─以KD 指標，RSI 指標，MACD指標，DMI 指標為例(碩士論文)。義守大學。

吳德生(2005)。技術分析對香港股市有效性之探討─以KD,MACD, MA, RSI 為技術指標(碩士論文)。國立台北大學。

李顯儀、吳幸姬(2009)。技術分析資訊對共同基金從眾行為的影響。臺大管理論叢。20(1)，227-260。

林儒霆(2007)。以多項技術指標建構股市投資決策支援系統之研究(碩士論文)。私立中國文化大學。