自我迴歸整合移動平均模式及類神經網路是近年來預測方法中被廣泛使用的兩種方法。許多文獻亦指出結合數種以上的預測方法會比使用單一預測方法來的準確，然而大多數研究所採用的方法多屬線性預測方式之結合，如結合兩種線性迴歸模式。
　　本研究目的在於藉由結合兩種具不同特性之預測方法，驗證結合數種預測模式是否會比單一預測模式來的更佳，分別以ARIMA模式、倒傳遞網路模式及結合以上兩種方式進行預測模式之建構，並以兩筆時間數列資料進行實證。本研究之結合模式以線性之ARIMA模式為基準，以非線性之倒傳遞網路模式來估計誤差項，探討結合此兩種方式之後的模型是否會有較好的預測能力，而預測績效的評估則以MSE、MAD作為準則。
　　實證結果發現，以上預測方式沒有一種可以適用於各種預測情況。但在不同預測長度下，可以發現結合線性及非線性預測模式的預測誤差會比使用單一預測模式之誤差較小。

none

中文部分
1.李志宏，「倒傳遞類神經網路與自我迴歸整合移動平均,計量分析及遠期匯率模式在匯率預
測績效之比較」，碩士論文，國立成功大學會計學系研究所，1995
2.李曉隆，「出租公寓之租金價格預測-複迴歸分析與類神經網路的比較」，碩士論文，國立
台灣科技大學企業管理研究所，2002
3.林金何，「股價預測模型之比較」，碩士論文，國立中正大學數理統計研究所，2001
4.林茂文(民國81)。時間數列分析與預測。臺北。華泰書局。
5.胡雅婷，「結合時間序列法及人工智慧法作短期負載預測」，國立雲林科技大學電機工
程系研究所，2003
6.陳惠美，「匯率模型預測績效之探討」，碩士論文，淡江大學財務金融研究所，2001年6月
7.陳銘芷、邱志洲，「整合類神經網路與迴歸分析於匯率之預測－以東南亞金融風暴期
間新台幣兌美元匯率為例」，中華民國第八屆模糊理論及其應用會議論文集，pp.543-
548，2000年12月
8.陳靜怡，「整合類神經網路與多元適應性迴歸於失業率預測」，碩士論文，私立輔仁大學
管理學研究所，2002
9.張小彤，「匯率預測研究—時間數列分析法之應用」，大葉大學事業經營管理研究所，
2002年6月
10.葉怡成(民國90)。類神經網路模式應用與實作。臺北。儒林圖書有限公司。
11.葉松炫，「運用類神經網路預測匯率」，碩士論文，國立中山大學財務管理學系研究所，
2000
12.葉柏村，「運用類神經網路預測匯率–以歐元為例」，碩士論文，中原大學企業管理研
究所，2002年6月
13.楊雅淇，「臺灣金融類股價指數預測模式之實證比較研究」，碩士論文，淡江大學統計
研究所，2000
14.劉宜峰，「以類神經網路與ARIMA模式預測臺灣股市行為之適用性比較」，碩士論文，
東吳大學會計學研究所，1996
15.劉嘉偉，「非線性動態調整模型應用於匯率預測之研究」，碩士論文，國立中興大學企
業管理研究所，1998
16.羅華強(民國90)。類神經網路－MATLAB的應用。新竹。清蔚科技

英文部分
1.Box, G.E.P., Jenkins, G.M., Time Series analysis：Forecasting and control. San
Francisco：Holden Day, 1970
2.Chang, P.H.K., Osler, C.L., “Methodical madness：Technical analysis and the
irrationality of exchange rate foreasts,” Economic Journal, Vol.10, pp636-661,
1999
3.Hamra, S.B., Smaoui, N., Gabr, M., “The Box-Jenkins analysis and neural
network prediction and time series modelling,” Applied Mathematical Modelling,
Vol.27,pp805-815,2003
4.Gencay, R., “Linear, nonlinear and essential foreign exchange rate prediction
with simple technical trading rules,” J. Int. Econ., Vol.47, pp91-107, 1999
5.Hill, T., O’Connor, M., Remus, W., “Neural network Models for time series
forcasts, ”Managemant Science, Vol.42, pp1082-1092, 1996
6.Ho, S.L., Xie, M., Goh, T.N., ”A comparative stidy of neural network and
Box-Jenkins ARIMA modeling in time series prediction,” Computing & Industrial
Engineering,Vol. 42, pp371-375, 2002
7.Hornik, L., Stinchombe, M., and White, H., “Multilayer Feedforward Networks
Are Uni-versal Appproximations” Journal of Applie Econometrics,Vol.10,
pp347-364, 1989
8.Hsing, H., Kwong, K.K., “Forecasting foreign exchange rates,” The Journal of
Business Forecasting Methods&Systems, Vol. 4, pp16-19, 1992
9.Huisken, G., Coffa, A., ”Short-term congestion prediction：comparing time
series with neural networks,” Road Transport Information and Control, No.472,
pp66-69, 2000
10.Maier, H. R., Dandy, G. C., ”Neural network models for forecasting univariate
time series,” Nueral Networks Word, Vol.6, pp747-772, 1990
11.Makridakis, S., Hibon, M., “Accuracy of forecasting : an empirical
investgation.,"Journal of the Royal Statistical Society, Vol.142, pp97-145,
1979
12.Makridakis, S., Hibon M., “The M3-Competition: results, conclusion and
implications,” International Journal of Forecasting, Vol.16, pp451-475, 2000
13.Medeiros, M.C., Veiga, A., Pedreira, C. E., “Modeling exchange rates：smooth
transitions, Neural networks, and linear models,” IEEE, Vol.12, No.4, 2001
14.Meese, R.A., Rose, A.K., “Nonlinear, nonparametric, nonssential exchange rate
estimation,” Amer. Econ. Rev. Papers Proc., Vol.80, pp192-196, 1990
15.Ord, K., “Commentaries on the M3-Competition：An introduction, some comments
and a scorecard,” International Journal of Forecasting, Vol.17, pp537-584,
2001
16.Priestley, M.B., “Spectral Analysis and Time Series,” Academic Press,
London, 1981
17.Prybutok, V.R., Yi, J., Mitchell, D., “Comparison of neural network models
with ARIMA and regression models for prediction of Houston’s daily maximum
ozone concentrations,” European Jounal of Operational Research, Vol.122,
pp31-40, 2000
18.Rumelhart, D.E., Hinton, G.E., and William, R.J., “Learning international
repreesentation by error propagation,” in Parallel Distributioe processing,
Vol. 1,318-362, D. E,
19.Rumelhart and J, L. mcClelland, M. I. T. press, Cambrige, MA.
20.Sharda, R., Patil, R., “Neurul Networks as forecasting exports：an empirical
test,” Proc. UCNN Meet, pp 491-494, 1990
21.Staley, M.,Kim, P., “Predicting the canadian spot exchange rate with neural
networks,”IEEE, 1995
22.Tseng, F.M., Yu, H.C., Tzeng, G.H., “ Combining neural network with seasonal
time series ARIMA model,” Technological Forecasting and Socail Change,
Vol.69,pp71-87,2002