適應性類神經模糊推論系統應用於台股指數預測

Using Adaptive Network-Based Fuzzy Inference System to forecast the TAIEX

黃泰穎(Tai-Ying Huang)

指導教授 ： 范敏玄

共同指導教授 ： 黃慧鳳

國立臺中科技大學/資訊與流通學院/資訊工程系碩士班/碩士(2012年)

https://doi.org/10.6826/NUTC.2012.00112

摘要

本研究旨在探討國際股市與台灣股市之間的連動性，並以統計方法尋找與台股關聯性高的市場做為適應性類神經模糊推論系統（Adaptive Network-Based Fuzzy Inference System, ANFIS）模型的輸入參數，以提昇預測的準確率。資料來源共收集了2000~2010年期間，從十三個國家中選出如日本、新加坡、馬來西亞等與台灣關聯性高的國家進行預測。

為了證明該模型的預測效能，我們比較其他研究模型，由實驗結果可得知，本研究RMSE平均低於其他模型。本文貢獻在於利用統計方法篩選影響台灣股市大的市場，作為ANFIS訓練參數，可有效提昇預測準確率。

關鍵字

適應性類神經模糊推論系統 ； 模糊邏輯 ； 類神經網路 ； 股市指數

並列摘要

無資料

並列關鍵字

Adaptive Network-Based Fuzzy Inference System(ANFIS) ； fuzzy logic ； Neural networks ； Stock index

參考文獻

1.S. M. Chen, “Forecasting enrollments based on fuzzy time series.” Fuzzy Sets and Systems, vol. 81, no. 3, pp. 311–319, 1996.

2.C.-H. Cheng and L.-Y. Wei, “Volatility model based on multi-stock index for TAIEX forecasting,” Expert Systems with Applications, vol. 36, no. 3, pp. 6187–6191, 2009.

3.D. G. Dickinson, “Stock market integration and macroeconomic fundamentals: An empirical analysis,” Applied Financial Economics, vol. 10, no. 3, pp. 261–276, 2000.

4.R. G. Donaldson and M. Kamstra, “Forecast combining with neural networks,” Journal of Forecasting, vol. 15, no. 1, pp. 49–61, 1996.

5.R. G. Donaldson and M. Kamstra, “Neural network forecast combining with interaction effects,” Journal of the Franklin Institute, Vol.336, no. 2, pp. 227–236, 1999.