以空間性及時間性獨立成份分析與分類迴歸樹為基礎的投資決策模式

Investment Decision Making Model Based on Spatiotemporal Independent Component Analysis and Classification and Regression Tree

李泓緯(Hung-Wei Li)

指導教授 ： 邱志洲

國立臺北科技大學/管理學院/商業自動化與管理研究所/碩士(2011年)

https://doi.org/10.6841/NTUT.2011.00705

摘要

財務時間序列的未來走勢一直是投資人所關心的議題，因此，投資人常以過去的財務時間序列資料為對象進行分析，以建立具有良好預測能力的模式，然而，財務時間序列資料中的雜訊常會干擾模式的預測能力。因此，本研究以空間性及時間性獨立成份分析方法處理雜訊問題，再以分類迴歸樹建立投資決策模式，提供投資人客觀的投資決策。為了驗證本模式的穩健性及有效性，本研究以美國道瓊工業指數、香港恆生指數以及臺灣加權指數為對象進行實證分析，研究結果發現，本研究所提模式除了具有良好的預測能力外，績效亦優於傳統方法。

關鍵字

財務時間序列預測 ； 空間性及時間性獨立成份分析 ； 分類迴歸樹

並列摘要

Financial time series forecasting is an important issue for the investors. However, the accuracy of the financial time series forecasting model is always affected by the noise. In order to properly handle this problem, spatiotemporal independent component analysis is adopted in this research. Besides, classification and regression tree is also adopted to build a financial decision making model to provide the investors with objective investment suggestions. Finally, Dow Jones Industrial Average Index, Hang Seng Index, and Taiwan Stock Exchange Capitalization Weighted Stock Index are used to verify the efficiency and robustness of our proposed model. The results show that our proposed model outperforms other models.

並列關鍵字

Financial Time Series Forecasting ； Spatiotemporal Independent Component Analysis ； Classification and Regression Tree

參考文獻

[6] 李銘浚，應用獨立成分分析、對數頻譜預估、及頻率成分調整技術做語音增強之研究，碩士論文，國立清華大學電機工程學系，新竹，2007。

[7] 呂奇傑、李天行、高人龍、陳學群，「結合獨立成份分析與類神經網路於財務時間序列預測模式之建構」，交大管理學報，第二十八卷，第二期，2008，第187-216頁。

[3] 石麗娟，獨立成份分析法與類神經網路於股價時間序列分析與預測之研究，碩士論文，國立成功大學資訊管理研究所，台南，2007。

[4] 江羿臻，利用分類與迴歸樹探討中學生學習成就的相關因素，碩士論文，國立臺灣師範大學教育心理與輔導研究所，台北，2009。

[5] 沈偉立，結合迴歸決策樹與類神經網路於時間序列資料之預測，碩士論文，私立大同大學資訊經營研究所，台北，2007。