巨量資料探討及分析-以台灣50 ETF 為例

A study and research on Big Data Analysis- An example to Taiwan 50 ETF

陳昱安(Yu-An Chen)

指導教授 ： 曹銳勤

淡江大學/商管學院/管理科學學系碩士班/碩士(2015年)

https://doi.org/10.6846/TKU.2015.00346

摘要

「大數據」目前為實務界非常重視的議題之一。因電腦儲存量變大、處理速度快、網路寬頻化及行動網路的普及而產生許多的資料及數據，造就了大數據時代的來臨。政府及企業也受到大數據的衝擊，提出了許多政策及方案，政府希望藉由大數據的分析，提高政府的效能及效率並且增加人民的福祉。而企業希望藉由大數據使產業升級，提升企業績效。
ETF為目前最受歡迎的投資工具之一。ETF因透明度高、投資成本低、投資組合多元化且買賣方便等優點，受到投資人的青睞。本研究以模擬大數據的研究觀點，找出與台灣50 ETF股價具相關性非結構化數據，透過非結構化數據，使投資人更了解台灣50 ETF之走勢。
實證結果:透過牛頓法改良倒傳遞類神經網路(LM-BP)之MAPE=1.881.88%、RMSE=2.2091、R^2=0.889051，顯示本研究股價預測精確。運用多變量分析之迴歸模型找出與本研究台灣50 ETF股價預測相關性非結構化數據為：(1) 公益彩

關鍵字

大數據 ； 台灣50 ETF ； 技術指標 ； 倒傳遞類神經網路

並列摘要

Big data" is an serious issue in data analysis. Due to the large amount of computer storage, processing speed, broadband network technology and the popularity of mobile networks, we face a large number of information which desire a new age of big data. Therefore, public office need to make new policies and programs and improve the effectiveness and efficiency of government and increases the welfare of the people by applying of Big Data, most of companies want to use big data for industry promotion and enhancing enterprise performance. Due to ETF has high transparency, low investment costs, portfolio diversification and facilitate trading, ETF is one of the most popular investment instruments. In this study, simulation of Big data view, we find Taiwan 50 ETF shares price a correlation analysis through unstructured data, thus enabling investors to better understand the trend of Taiwan 50 ETF. The analysis results show that the revised result back-propagation neural network has the smaller forecasting error with MAPE=1.881.88% and RMSE=2.2091, shows the study accurately predict stock price. Using multivariate analysis of regression models to identify with this study in Taiwan 50 ETF shares predictive correlation unstructured data: (1) lottery sales (2) people travel abroad (3) the number of domestic and imported wine (4) out-eater price of CPI.

並列關鍵字

Big data ； Taiwan 50 ETF ； Technical Indicators ； Back-propagationNeural Network

參考文獻

[21]陳淑玲、吳安琪、費業勳(2011)。臺灣股票市場技術指標之研究-不同頻率資料績效比較。東海管理評論，12(1)，187-225。

[32]樓禎祺、何培基 (2003)，「股價移動平均線之理論與實證-以台灣股市模擬投資操作為例」。育達研究叢刊，(5)、(6)。27-52。

[10]何文榮、曾見文(2007)。「台灣50指數ETF價格發現之研究」。華人經濟研究，5(1)，87-107。

[34]聶建中、馮正安、郭繼良(2001)，金融風暴期間新台幣兌美元匯率預測-倒傳遞神經網路之應用。台灣金融財務季刊，2(3)，119-147。

[26]黃彥聖(1995)，「移動平均法的投資績效」。管理評論，14(1)，47-68。