以財務指標建構股價波動預測模型–徑向基底類神經網路及決策樹應用

Using Financial Ratios to Predict the Stock Price Volatility Based on Radial Basis Function Neural Network and Decision Tress

賴揚升(Yang-Sheng Lai)

指導教授 ： 江啟正 ； 周宗南

朝陽科技大學/管理學院/財務金融系/碩士(2015年)

摘要

本研究認為財務績效及財務狀況的優劣及個別公司差異與股價波動劇烈程度相關，因此以股價標準差為股價波動劇烈程度之代理變數，並將股價標準差由低到高分為四個級別，分別代表股價波動平穩至劇烈的程度，並以財務指標等變數利用決策樹方法及徑向基底類神經網路方法進行股價波動劇烈程度之預測，發現以財務指標預測整體樣本股價波動劇烈程度分類，各不同波動劇烈程度級別平均預測精確率最高可達到56%，對於股價波動最小之級別預測能力更為突出，其預測精確率更高達73%，而股價波動最劇烈級別預測準確率約為53%，研究發現股價波動平穩之樣本，其財務指標特徵明顯，但股價波動劇烈之財務指標特徵較薄弱，本研究經由加入股價淨值比、前期股價標準差等變數後改善股價波動較高級別之預測能力，本文模型預測下季度股價波動劇烈程度將小於樣本平均股價波動劇烈程度之精確率達97%，表示投資人可由本文預測波動最小級別之樣本中挑選股票將有97%的機率下季股價波動劇烈程度小於樣本平均值，另外本文預測下季度股價波動大於樣本平均之精確率達94%，其預測結果足以用於投資策略。

關鍵字

股價波動 ； 隨機森林 ； 徑向基底類神經網路 ； 財務指標

並列摘要

This study suggests that the company's financial situation will affect stock price volatility. Therefore, we use the standard deviation of stock price as dummy for stock price volatility. First, we divided standard deviation of stock prices into four levels high to low, representing the degree of its volatility from smooth to violent. Second, we take financial ratios to predict its volatility with a total of three methods as follow: (1) the number of C 4.5 decision tree method (2) Random Forest decision tree method and (3) Radial Basis Function Neural Network(RBFNN) method. The study found the average prediction accuracy rate is up to 56%. Stock price volatility of the lowest level of the prediction reaches 73%. And the highest level of stock price volatility prediction accuracy rate is also up to 53%. The study found stock price volatility of the stable samples show the obvious characteristics on financial indicators, but the serious samples of stock price volatility indicate weaker relationship on their financial indicators. Our study try to improve the ability of prediction of the high level by increasing price-to –book ration and the prior period stock price volatility. Our model forecasted the sample of stock price volatility will be less than the average stock price volatility in the following quarter and its accuracy is up to 97%.Besides, Our result shows stock price volatility is more than the mean of samples, which explanation of prediction reaches 94%. The results of this study can be used for investment decisions in practice.

並列關鍵字

Stock Price Volatility ； Random Forest ； RBFNN ； Financial Ratios

參考文獻

金鐵英（2003）。台股短期走勢可被準確的預測並且從中獲利：誰說市場是有效率的。朝陽學報。8（1），237-262。

黃寶玉、倪衍森與劉程睿（2010）。探討週轉率對價量波動的連動性及其成因分析-以富邦科技 ETFs成分股為例。財金論文叢刊。13（4），45-58。

詹世煌、許溪南與謝宗祐（2003）。股價波動性之影響因素。風險管理學報 第五卷。2，385-401。

劉文卿、范饒耀（1997）。遺傳演算法在財務預測之應用。資訊管理研究。1（2），49-66。

林雅俐、劉淙凱（2014）。台灣大型集團企業經營績效之財務指標採礦研究。管理資訊計算。3，480-489。