應用類神經網路於國內開放式科技基金淨值預測之研究

陳香伶 ； 呂立晨 ； 劉益萍 ； 傅麒錦 ； 陳昱達

《南亞學報》 27期 (2007/12) Pp. 197-207

https://doi.org/10.6989/JN.200712.0197

摘要

本研究係以國內開放式、股票型、單一市場之成長型科技基金為研究對象，在考量基金成立時間之後，從中選出三支科技基金－保誠高科技基金、華南永昌前瞻科技基金、以及匯豐龍騰電子基金為研究標的，其資料範圍從民國86年1月至民國95年12月，共計120筆資料。此外，在蒐集36個可能影響基金績效及淨值的因素之後，本研究使用統計軟體MINITAB及SPSS所做的初步篩選所建立的預測模式有兩種（模式一及模式二），而模式三為未經任何篩選機制而考量所有因素的對照組。研究中針對前兩種模式進行敏感度分析，所考量之網路學習參數有：隱藏層節點數、學習循環次數、學習速率、慣性因子等。研究結果顯示，隱藏層只有一層時測試結果多為過度學習，選擇使用兩層是較有效且適當的方式；在節點數的選擇上，不論在哪一隱藏層，5或10個節點皆為最佳組合；而當學習循環次數超過1000次之後，過度學習情況隨即產生，其較佳循環次數為100~500之間；再者，學習速率方面設定值為1時效果較佳。最後，以平均絕對誤差（MAE）及平均均方誤差（MSE）為主要評估指標，將各模式預測結果相互做一比較，證實經過篩選後的預測模式（模式一及模式二）於三支基金皆能提出較佳的淨值預測，而三支基金的模式二預測值皆為表現最佳者。

關鍵字

共同基金 ； 淨值預測 ； 類神經網路 ； 逐步迴歸分析

並列摘要

This study utilizes an artificial neural network (ANN) approach to predict the net asset value of open-end Equity mutual funds that follow value, blend and growth investment styles. Three models consider a nonlinear optimizer, fund-specific historical operating characteristics and economic measures to forecast mutual funds values. A total number of 36 variables are evaluated and used here. We employ a stepwise selection method of linear regression as an initial stage of screening and build two reduced ANN models, called model one and model two; as well as, we build one ANN model without any screening mechanism for reference purpose, called model three. Results are encouraging in that the reduced ANN models outperform the reference model in predicting their net asset value. In addition, our model two performs the best among the three in predicting the net asset value.

並列關鍵字

Mututal Fund ； Artificial Neural Network ； NAV Forcasting ； Stepwise Statistical Analysis