整合多元適應性雲形迴歸與支援向量迴歸建構股價預測模式之研究

Combining MARS and SVR for Stock Price Forecasting

呂淑瑜(Shu-Yu Lu) ； 呂奇傑(Chi-Jie Lu)

《Journal of Data Analysis》 13卷2期 (2018/04) Pp. 47-61

https://doi.org/10.6338/JDA.201804_13(2).0003

摘要

預測股價變化是一項具挑戰性的任務。本研究整合支援向量迴歸（support vector regression, SVR）與多元適應性雲形迴歸(multivariate adaptive regression splines, MARS)建構股價預測模式。SVR為近年來廣被重視與應用於各領域的預測方法之一，然而其卻不具有變數篩選的能力。由於在建構股價預測模式時，預測變數的選擇通常會影響模式的績效，因此研究使用處理速度快且具有選擇變數能力MARS做為SVR的前處理工具，提出一個有效的股價指數預測模式。本研究以台灣加權股價指數為實證對象。實證結果顯示，所提之整合MARS與SVR模式無論是在預測誤差或是趨勢預測準確度的表現上均較多元線性迴歸(MLR)、直接使用MARS及直接使用SVR模式為佳。並且在整合模式中，透過MARS能夠從眾多預測變數中篩選出重要的預測變數，藉由分析變數選擇的結果，可對所建構的預測模式有更深入的解讀，提供投資者更多的參考資訊。

關鍵字

股價預測 ； 多元適應性雲形迴歸 ； 支援向量迴歸

並列摘要

In anfinancial company, stock index forecasting is one of the most important and challenging tasks. In this study, wecombined multivariate adaptive regression splines (MARS) and support vector regression (SVR) for stock price forecasting. The proposed model first uses the MARS to select important forecasting variables. The obtained significant variables are then served as the inputs for building the SVR forecasting model. Experimental results from TAIEX revealed that the obtained important variables from MARS can improve the forecasting performance of the SVR models. The proposed combined model outperforms the results of using single multivariate linear regression (MLR), single SVR and single MARS models and hence provides an efficient alternative for stock index forecasting.

並列關鍵字

Stock price forecasting ； multivariate adaptive regression splines ； support vector regression

參考文獻

朱慧祺(2008)。資料探勘乳部腫瘤存活分析模式之建構(碩士論文)。天主教輔仁大學管理學研究所。

唐筱菁(2002)。整合財務比率與智慧資本指標建構企業危機預警系統─MARS 與類神經網路之應用(碩士論文)。天主教輔仁大學金融研究所。

徐美珍(2004)。企業財務危機之預測(碩士論文)。政治大學統計研究所。

許書瑤(2007)。結合粒子群最佳演算法與支援向量迴歸於財務時間序列預測模式之建構─以日經225 指數及台灣加權指數為例(碩士論文)。天主教輔仁大學管理學研究所。

許峻源(2001)。類神經網路與MARS 於資料探勘分類模式之應用(碩士論文)。天主教輔仁大學應用統計研究所。