類神經網路於財務預測之應用.pptVIP

研究方法-步驟 (3) 步驟 步驟 1 讀取檔案VARIABLES135.txt，載入7個自變數。 及檔案TSE135.txt，1個因變數。 步驟 2 設定好測試樣本數45筆。 步驟 3 進行複迴歸函數及類神經函數的計算再回傳出對生醫指數的預測。 步驟 4 截取出檔案TSE135.txe後面45筆資料。 步驟 5 計算並顯示MSE、SSE、MAE的預測績效 步驟 6 繪製預測期間的預測值走勢圖。 實驗結果 迴歸係數: 統計量: 4.3561 截距 0.933142 R-square值 8.4816 訓練指標係數 163.4981 F值 -5.6367 0 P值 -1.2213 19.10252 誤差值 -1.646 0.008313 -1.7386 0.58553 複迴歸-實際指數 類神經網路-實際指數 MSE 898.84 707.26 SSE 40447.80 31826.58 MAE 29.16 24.28 實驗結果 實驗次數 MSE SSE MAE 1 707.26 31826.58 24.28 2 465.93 20966.77 17.14 3 1038.77 46744.55 30.36 4 540.98 24343.95 18.25 5 623.99 28079.36 22.22 6 1180.91 53140.77 31.94 7 618.19 27818.56 23.69 8 445.62 20053.00 18.80 9 352.77 15874.74 15.24 10 691.11 31099.80 24.47 平均 666.55 29994.81 22.64 複迴歸 898.84 40447.80 29.16 實驗結果-第三次 實驗結果-第六次 實驗結果-第九次 結論 本研究採用台灣經濟新報資料庫(TEJ) 西元2000年1月至2011年3月的生技指數最為研究標的，整合七項指標，建構一個類神經網路模式，來預測生技指數的漲跌波動度。 結論 在複迴歸的預測下，無論是R-square值、F與P值都有達到顯著的水準，所以這七項經濟指標，是可以當作我們預測生技醫療類股的依據。 同時也確實了化學生技指數能夠作為預測生技醫療指數的歷史訓練資料。 結論 最後研究發現，類神經網路模型下有高達60%的準確率，於MSE 、 SSE 、 MAE的衡量模組運算下,都較多元迴歸模型更能準確的預測生技指數的波動度，此證明研究之類神經網路模式是一個有效的預測系統。 指導老師：祁苗豐、鄭玄宜。 小組成員：潘佳君、陳孟德。 類神經網路於財務預測之應用(生技醫療) 大綱 前言 研究動機與背景 研究目的 研究方法 實驗結果 結論 前言 2007年6月，立法院三讀通過《生技新藥產業發展條例》，為台灣的生技產業注入一劑強心針。同年7月，證交所與櫃檯買賣中心對上市櫃公司進行產業重分類，將生技醫療類（簡稱生醫股）從化學生技類中獨出來，正式替生醫類股驗明正身，對生醫產業的長線發展成為一大利多。 研究動機與背景 如何有效的預測股票市場的波動度便是投資大眾與研究學者們所掛心的議題。 人口老化與糧食資源短缺的長期趨勢來看，生醫保健產業(生技醫療)將是未來熱門新興產業。 研究動機與背景-神經網路(1) 類神經網路最早起源於1957年，主要用於理論研究與樣本識別，為類神經網路的發展建立基礎。 所謂類神經網路，是模仿生物神經網路所衍生而成的，在現代智慧型控制的領域裡，類神經網路已成為主流，而類神經網路發展至今已具有許多不同形式及功能，其分類方式也有許多種。 研究動機與背景-神經網路(2) 研究動機與背景-神經網路(3) 研究動機與背景-財務上的應用 1 投資組合 2 股票市場預測 3 外匯市場預測 4 選擇權定價 5 信用風險預測 6 破產預測 7 檢測財務危機 8 銀行風險預測 9 債券評等 10 抵押風險評估 11 股票報酬率預測 12 股票價格預測 13 股票買點賣點預測 14 股價走勢辨認 15 公司體質評等 研究目的 找出簡單又有效的經濟指標，做為我們預測未來的生醫類股指數波動。 也正因為生技醫療為新興熱門的類股(2007年7月開始)，過去歷史資料不是相當充足，於是利用身為分母的化學生技當作我們的學習的資料。 研究方法 運用類神經網路與複迴歸兩種模型來討論對台灣生技指數波動模型的預測之績效