由於現今的投資大眾所欲承受之風險程度較以往來的低，因此較偏好於兼顧平均投資報酬率與風險的投資理財工具，而在中度風險程度下，又以共同基金的平均投資報酬率略勝一籌，且其具有方便性管理、極佳的抗通貨膨脹性和容易變現的特性；另外，將資金交由專業經理人操作管理，亦可省下時間成本，因此，共同基金儼然成為市場上的新寵兒。

　　本研究將研究對象鎖定於國內股票型共同基金，並利用『 6 項基金績效評比指標』（淨值、周轉率、貝他係數、夏普指標、崔納指標和簡森指標）來分別建構分類與預測模型，在資料蒐集部分，本研究蒐集民國90年1月至民國 93年12月之基金月資料，共計48個月的基金資訊，再依據 6 項基金績效評比指標分別將基金分類與預測其平均月報酬率。

　　本研究在基金分類部分，採用統計方法與類神經網路分別建立分類模型，再以測試組資料的正確區別率之高低來判斷其區別效果，研究結果顯示，利用群集分析搭配區別分析與運用自我組織映射網路搭配機率神經網路之區別效力並駕齊驅；另外，在預測基金平均月報酬率部分，採用統計方法、類神經網路和模糊類神經網路分別建立預測模型，再以測試組資料的預測準確率之高低來判斷其預測效果，本研究以平均平方誤差的均方根做為主要判斷之準則，研究結果顯示，以模糊類神經網路的預測效果最佳。

　Because the risk degree that the investment masses of now want to afford is lower than the ones that came in the past, so relatively partial to the tool for managing money matters of investment that give consideration to the average rate of returns of investment and the risk, and under the middle risk degree, slightly better with the average rate of returns of investment of mutual fund, and it has the characteristic of convenience management, extremely good resisting the expansibility of the currency and easy realization. In addition, transfer the fund to a professional manager to operate managing, can also save the time cost, so, mutual fund assumes the air of and becomes the new pet on the market.

　This study locks the study object in domestic Open-end Equity Mutual Funds, and utilize“6 performance evaluation index of fund”（Net Asset Value, Turnover Rate, Beta Coefficient, Sharpe Index, Treynor Index, and Jensen Index）to build and construct and classified model and forecasted model separately, in collecting data part, collecting the monthly data of fund from January of the 90th year of the Republic of China to December of the 93th year of the Republic of China, it is fund information for 48 months altogether in this study, accord with 6 fund performance compare and assess index classify and forecast its average monthly rate of returns the fund separately and then.

　In the classifying fund part of this study, adopting Statistical Method and Artificial Neural Network to set up categorised model separately, and then judge that its distinguished result for the level of correct distinguished rate to testing data, the result of study shows, the distinguished result of utilize Cluster Analysis matching Discriminant Analysis and use SOM matching PNN is neck and neck. In addition, in forecasting average monthly rate of returns of funds part, adopting the Statistical Method, Artificial Neural Network and Fuzzy-Neural Network to set up the model of forecasting respectively, and then judge that its forecasted result for the level of the rate of accurate forecasting to testing data, this study utilizing Root Mean Square Error regarded as the main judgement criterion, the result of study shows, the best with the forecasting result is Fuzzy-Neural Network.

ㄧ、中文部分
【 1】　王文俊（2003），認識 Fuzzy ，全華科技圖書。
【 2】　王啟倫（2004），國內商業銀行知識管理類型與組織績效關係之實證研究，國立成功大學企業管理研究所碩士論文。
【 3】　尤明偉（2001），應用類神經網路於股票技術指標聚類與預測分析之研究，義守大學工業管理系碩士論文。
【 4】　池文海、李維斌（2001），運用類神經網路於銀行服務品質之研究—以花蓮地區銀行業為例，工業工程學刊，第 18 卷，第 4 期，第 49-58 頁。
【 5】　李鳳美（2000），基金流量與績效評估之實證研究─以國內開放型股票基金為例，輔仁大學管理學研究所碩士論文。
【 6】　李樹楷（2003），提高政府特種基金管理績效之變數研究—以政府作業基金為例，國立台灣大學國際企業學研究所碩士論文。
【 7】　吳萬益、林清河（2000），企業研究方法，華泰書局。
【 8】　何鴻聖（2004），自我組織神經網路在選股策略的應用，國立東華大學國際經濟研究所碩士論文。
【 9】　沈明來（1997），試驗設計學，九州圖書文物有限公司。
【10】　周鵬程（2004），類神經網路入門—活用 Matlab ，全華科技圖書。
【11】　姜國偉（2000），類神經網路與統計方法在分類問題的應用研究，國立交通大學工業工程與管理學系碩士論文。
【12】　張斐章、張麗秋和黃浩倫（2004），類神經網路理論與實務，東華書局。
【13】　張勝春（2001），模糊類神經在銀行授信決策之應用，朝陽科技大學財務金融系碩士論文。
【14】　邱志洲、李天行、周宇超和呂奇傑（2002），整合鑑別分析與類神經網路在資料探勘上之應用，工業工程學刊，第 19 卷，第 2 期，第 9-22 頁。
【15】　邱顯比（1999），基金理財的六堂課，天下遠見出版。
【16】　黃登源（1998），應用迴歸分析，華泰書局。
【17】　黃綺年（2004），統計方法與類神經網路運用於國內開放式股票型基金投資績效分類及投資報酬率預測之研究，國立成功大學統計學研究所碩士論文。
【18】　葉怡成（2003），類神經網路模式應用與實作，儒林書局。
【19】　陳順宇（2000a），多變量分析，華泰書局。
【20】　陳順宇（2000b），迴歸分析，華泰書局。
【21】　蔡依玲（2001），台灣股票市場報酬率之研究，國立成功大學統計學研究所碩士論文。
【22】　鄭淑娥（2001），台灣開放型共同基金績效分類之研究，國立成功大學統計學研究所碩士論文。
【23】　蘇木春、張孝德（2004），機器學習：類神經網路、模糊系統以及基因演算法則，全華科技圖書。

二、西文部分
【1】　Afifi, A. A.（1990）, Virginia Clark, Computer-Aided Multivariate Analysis, New York, Van Nostrand Reinhold Company.
【2】　Chakraborty, K., Mehrotra, K., & Mohan, C. K.（1992）,“Forecasting the behavior of multivariate time series using neural networks,” Neural Networks, Vol. 5, Issue 6, pp. 961 - 970.
【3】　Cheng, B. & Titterington, D. M.（1994）, “Neural networks: A review from a statistical perspective（including discussion）,” Statistical Science, Vol. 9, No. 1, pp. 2 - 54.
【 4】　Dash, P. K., Liew, A. C., & Rahman, S.（1995）, “Peak load forecasting using a fuzzy neural network,” Electric Power Systems Research, Vol. 32, No. 1, pp.19 - 23.
【 5】　Fisher, R. A.（1936）, “The use of multiple measurements in taxonomic problems,”Annals of Eugenics, Vol. 7, No. 2, pp. 179 - 188.
【 6】　Grinblatt, M., & Titman, S.（1989）, “Portfolio performance evaluation: Old issues and new insight,” The Review of Financial Studies, Vol. 2, No. 3, pp. 393 - 421.
【 7】　Grinblatt, M., & Titman, S.（1992）, “The persistence of mutual fund performance,” The Journal of Finance, Vol. 47, No.5, pp. 1977 - 1984.
【 8】　Goetzmann, W. N., & Ibbotson, R. G.（1994）, “Do winners repeat?”Journal of Portfolio Management, Vol. 20, No. 2, pp. 9 - 18.
【 9】　Hebb, D. O.（1949）, The Organization of Behavior : A Neurosychological Theory, Wiley, New York.
【10】　Hung, S. Y., Liang, T. P., & Liu, V. W. C.（1996）, “Integrating arbitrage pricing theory and artificial neural networks to support 　　　　　　portfolio management,”Decision Support Systems, Vol.18, No. 3 - 4,pp. 301 - 316.
【11】　Jang, J. S. R.（1993）, “ANFIS: Adaptive-network-based fuzzy inference systems,” IEEE Transactions on Systems, Man, and Cybernetics, Vol. 23, No. 3, pp. 665 - 685.
【12】　Jang, J. S. R., Sun, C. T., & Mizutani, E.（1997）, Neuro-Fuzzy and Soft Computing, Prentice-Hall International, Inc..
【13】　Jensen, M. C.（1968）,“The performance of mutual funds in the period　1945-64,”Journal of Finance, Vol. 23, No. 2, pp. 389 - 416.
【14】　Kaiser, H. F.（1970）, “A second generation little jiffy,”Psychometrika, Vol. 35, No. 4, pp. 401 - 415.
【15】　Kim, K. H., Youn, H. S., & Kang, Y. C.（2000）, “Short-term load forecasting for special days in anomalous load conditions using neural networks and fuzzy inference method,” IEEE Transactions on Power Systems, Vol. 15, No. 2 , pp. 559 - 565.
【16】　Kryzanowski, L., Galler, M., & Wright, D. W.（1993）,“Using artificial neural network to pick stocks,”Financial Analysts Journal,Vol. 49, No. 4, pp. 21 - 27.
【17】　Kuo, R. J., Ho, L.M., & Hu, C.M.（2002）, “Cluster analysis in industrial market segmentation through artificial neural network,”Computers & Industrial Engineering, Vol. 42, No. 2 - 4, pp. 391 - 399.
【18】　Minsky, M. L., & Papert, S.（1969）, Perceptrons：An Introduction to Computational Geometry, Cambridge：MIT Press.
【19】　McCulloch, W. S., & Pitts, W.（1943）, “A logical calculus of the ideas　immanent in nervous activity,” Bulletin of Mathematical Biophysics,　Vol. 5, No.1, pp. 115 - 133.
【20】　Neter, J., Kutner, M. H., Nachtsheim, C. J., & Wasserman, W.（1996）,Applied Linear Regression Model, IRWIN.
【21】　Neter, J., Wasserman, W., & Kutner, M. H.（1990）, Applied Linear Statistical Models : Regression, Analysis of Variance, and Experimental Designs, Toppan Company.
【22】　Nelson, M. M., & Illingworth, W. T.（1991）, A Practical Guide to Neural Nets, Addison-Wesley Publishing Company, Woburn, MA.
【23】　Rumelhart, D. E., McClelland, J. L., & the PDP Research Group（1986）,Parallel Distributed Processing, Cambridge：MIT Press.
【24】　Rosenblatt, F. （1958）,“The perceptron：A probabilistic model for information storage and organization in the brain,” Psychological Review, Vol. 65, No. 6, pp. 386 - 408.
【25】　Swales, George S., Jr., & Yoon, Young（1992）, “Applying artificial neural networks to investment analysis,” Financial Analysts Journal, Vol. 48, No. 5, pp. 78 - 80.
【26】　Sharpe, W. F.（1966）, “Mutual fund performance,”Journal of Business, Vol. 39, No. 1, pp. 119 - 138.
【27】　Wong, F. S., Wang, P. Z., Goh, T. H., & Quek, B. K.（1992）, “Fuzzy neural system for stock selection,” Financial Analysts Journal, Vol. 48, No.1, pp. 47 - 53.
【28】　Zadeh, L. A.（1965）, “Fuzzy sets,” Information Control, Vol. 8, No.8, pp. 338 - 353.