財富是許多人追求與奮鬥的目標，因累積財富的方法隨著時代背景的不同而改變，在二十一世紀的今天快速累積財富的方法就是「投資」，近幾年來國民所得與理財知識提升使得今日的台灣證劵市場交易活絡，並根據台灣證劵交易所與財政部證劵暨期貨管理委員會統計資料顯示，股票市場成為國內投資者最主要理財管道。而在股票市場眾多產業類股中，以電子產業為投資人主要目光，其單日成交值佔總成交值的六至七成，由以上種種的理由，本研究將標的物鎖定在上市電子類股月加權股價指數。
　　對未來的預測本是許多人感興趣的焦點，因此在股票市場上許多投資人致力於對未來股價走勢預測，但股價詭譎多變使得投資人必須以充分的資訊與技術去分析股價而作出正確的買賣決策，因此對於股票市場訊息的取得與完整的分析方法就顯得格外重要，回顧過去的研究中，鮮少能以全面性之方法與變數來探討股價變動趨勢，藉於上述原因本研究以統計方法與人工神經網路配合多種影響股價之變數預測股價未來走勢並且探討在不同趨勢變化中所受哪些變數影響較深。
　　本研究主要是以預測與分類兩大目的為主軸，利用技術面、總經面與產業基本面架構迴歸、時間序列與倒傳遞等預測模型探討股價未來走勢，並以三大構面配合集群分析對股價作探索性分群，再以區別分析與機率神經網路探討分群好壞，最後比較預測與分類模型之績效。研究範圍為民國88年10月至民國92年12月止，總計51個月，進行本論文之實證研究。
　　由實證結果顯示，在預測方面，以人工神經網路模型之預測績效最佳，其次為迴歸模型，最差為時間序列；在分群方面，透過集群分析能正確分類判斷股價走勢中受哪些因素影響並且均與時事及市場動態相符，藉由區別分析與機率神經網路所建立的分類規則其分類正確判斷率皆相同。

　　This paper is to study the application of artificial neural network and statistical method in forecasting tendency of stock market price index and analysis of inner characteristic of stock price trend by using major influence factor of stock price index. According to statistical data that is derived from Taiwan Stock Exchange Corporation, the electronics industry is mainstream industry. For this reason, electronics industry Stock price index is our research target. However, in past research and paper, little is consider about the stock price index by complete variable and approach. Thus, this paper tried to contain effect factor of stock price, including technical variable、macro-economical variable and industry basic variable.
　　This paper using above variable establish prediction model by regression analysis、time series and back-propagation network forecast tendency of stock market price index in the future. By the same using above variable classify stock price by cluster analysis, and then using discriminate Analysis and probabilistic neural network determine error rate in all groups. Finally, comparing accuracy of all the prediction and classification models.
　　Experimental result reveal in accuracy of the prediction and classification model. Respectively, the back-propagation network models are best, the second are regression models and the worst are time series models; discriminate Analysis and probabilistic neural network have the same result.

中文部分
【1】 方旭，選股致富50式典，星定石出版有限公司，民國89年。
【2】 江淑琳，看懂經濟指標，早安財經文化，民國92年。
【3】 朱富春，股價分析，聯經出版有限公司，民國67年。
【4】 吳宗正、侯惠月，投資分析，華泰文化事業公司，民國91年。
【5】 吳文文，「台灣電子股分類及其股價預測之研究」，朝陽科技大學財
務金融研究所碩士論文，民國90年。
【6】 何鄭陵，證劵投資—產經分析，華泰書局，民國76年。
【7】 杜金龍，技術分析在台灣股市應用訣竅，金錢文化，民國87年。
【8】 林茂文，時間數列分析與預測，華泰書局，民國81年。
【9】 林煜宗，現代投資學，三民書局，民國74年。
【10】洪崇恩，以類神經網路預測台灣股價報酬率—以電子股為例」，朝陽科技大學財務金融研究所碩士論文，民國88年。
【11】徐俊明，投資學，新陸書局，民國86年。
【12】侯惠月，「統計方法與類神經網路在台股指數期貨之研究」，國立成功大學統計研究所碩士論文，民國89年。
【13】陳松男，現代投資學，新陸書局，民國86年。
【14】陳順宇，多變量分析，二版，華泰書局，民國89年。
【15】陳順宇，迴歸分析，三版，華泰書局，民國89年。
【16】陳家隆，「運用統計方法與人工智慧技術建構整合性投資策略」，國立成功大學統計研究所碩士論文，民國91年。
【17】葉怡成，應用類神經網路，儒林圖書有限公司，民國86年。
【18】葉怡成，類神經網路模式應用與實作，儒林圖書有限公司，民國82年。
【19】彭昭英，SAS與統計分析，儒林圖書有限公司，民國91年。
【20】張齡松、羅俊，股票操作學，證劵出版社股份有限公司，民國79
年。
【21】張紹勳，SAS For Windows 統計分析─初等統計，松崗電腦圖書資料股份有限公司，民國84。
【22】張正一，「類神經網路於有價證券預測股價及涨跌之研究」，私立中國文化商學院大學國際企業管理研究所碩士論文，民國89年。
【23】廖廣義，「以類神經網路預測股價指數漲跌」，私立元智大學工業 工程研究所，民國88年。
【24】劉其昌，投資學，華泰書局，民國77年。
【25】劉應興，應用線性迴規模型，華泰書局，民國86年。
【26】蔡依玲，「台灣股票市場報酬率之研究」，國立成功大學統計研究所碩士論文，民國90年。
【27】蔡金豐，「類神經網路於台灣股市預測之應用」，國立高雄第一科技大學電腦與通訊工程研究所碩士論文，民國90年。
【28】黃煥彰，「提高台灣電子類股投資績效之研究—類神經網路結合技術指標」，國立中興大學企業管理研究所碩士論文，民國87年。
英文部分
【1】 Breusch, T. S., and Pagan, A. R., “A simple test for heteroskedasticity and random coeffcient variation, ” Econometrica, 47, pp.1287-1294, 1979.
【2】 Cook, R. D., and Weisberg, S., “Diagnostics for heteroscedasticity in regression, “ Biometrika, 70, pp.1-10, 1983.
【3】 Caldwell, R.B , ”Design of Neural Network-based Financial Forecasting Systems :Data Selection and Data Processing”, Neurovet Journal, 1994.
【4】 Grudnistski,Gray and Osburn Larry, ”Forecasting S&P and Gold Futures Prices：An Application of Neural Networks”, The Journal of Futures Markets vol.13, No.6, pp.631-643, 1993.
【5】 Kimoto, T. and Asakawa, W., “Stock market predication system with modular network”, Proc. IEEE int. Joint Conf. Neural Network, 1, pp.1-6, 1990.
【6】 Kryzanowski & Galler & W.Wright, “Using Artificial Neural Network to Pick Stocks”, Financial Analysis Journal, 49, pp.21-27, 1993.
【7】 Morrison Donald F, “Multivariate Statistical Methods”, McGraw-Hill, Inc. 1967.
【8】 Mizuno, H.＆ Kosaka, M.＆Yajima, H.＆Komoda, N., ”Appliction Of Neural Network To Technical Analysis Of Stock Market Prediction, Studies in Informatic and Control, Vol.7, No.3, pp.111-120, 1998.
【9】 R.Dennis Cook、Sanford Weisberg ,”Applied Regression Including Computing and Graphis”,John Wiley＆Sons, Inc.,1999.
【10】Schoneburg, E.,”Stock price prediction using neural network-a project report” Neural computing, 2, pp17-27,1990.
【11】Subhash Sharma, ”Applied Multivariate Techniques”, John Wiley＆Sons, Inc., 1996.
【12】Wei Cheng, Lorry Wanger, and Chien-Hua Lin, “Forecasting the 30-yrar U.S Treasury Bond with a System of Neural Networks”, Neurove$t Journal, 1996.