近年來物價上漲，通貨膨脹率高於銀行利率，定存已不再是最佳保本工具，而在眾多金融商品裡，具有高報酬及變現能力高等特性的股票，倍受青睞。在股票投資中，如果能掌握反轉點出現的時機，在股價跌至低點或是升至高點時進行買賣，將可獲得最大的利潤。因此，本研究運用統計方法、模糊推論、調適性網路模糊推論系統等三種方法，分別針對模式的特性，透過預測股價的相對高低點，探討股價波動的轉折點，以期能找到較佳買賣點，獲得優良之報酬率。本研究以台灣加權指數為研究對象，研究結果：在統計方法、模糊推論、ANFIS三種方法建構預測模式，以具有自我學習能力，調整模糊規則與隸屬函數的ANFIS建構的模式二，具有最高報酬率，其次為統計方法，最後為模糊推論，這顯示利用類神經網路學習系統建立預測模式優於統計方法，這結論與陳家隆（2002）利用的倒傳遞神經網路的研究結論相似。

Due to the impact of the continuing increase in price index, it is predictable that inflation rate becomes higher than interest rate. Consequently, time deposit turns out to be the last choice for investors to make. Among the variety of financial products, certain types of stocks have gained the popularity for their attributes of expectable good return, and high cash conversion rate. As a stock investor, profit maximization can be made if she/he can sell stocks at peaks and purchase at troughs when turning point appears. As a result, the methodologies, including the Statistical Method, Fuzzy Inference System, and Adaptive Network-Based Fuzzy Inference System, will be employed in this current study to explore turning point of stock volatility and its relation with high-low point of stock. It is hypothesized that the best transaction point with good rate of return can be available if turning point can be precisely predicted. The current longitudinal study conducted based on the Taiwan Stock Exchange Capitalization Weighted Stock Index (TAIEX). This research compares the Statistical Method, Fuzzy Inference System, and Adaptive Network-Based Fuzzy Inference System and to get better result. The second model of ANFIS which has self- learning abilities to adjust the fuzzy rules and membership functions has the highest rate of returns. Next is the statistical method. Tha last one is Fuzzy Inference System. The result shows that the Artificial Neural Networks is better than the Statistical Method. Our studies have similar conclusions as Chen (2002) that uses the Backpropagation Neural Network.

參考文獻

參考文獻

【1】 Chande, T.S. and Kroll, S. “The new technical trader: boost your profit
by plugging into the latestiIndicators ,” J. Wiley, New York.
【2】 Dourra, H. and Siy, P. ( 2002 ), “ Investment using technical analysis
and fuzzy logic, ” Fuzzy Sets and Systems, 127, 221-240.
【3】 Fama, E. F. (1970), “Efficient capital market: a view of theory and
empirical work,” Journal of Finance, Vol. 25, No. 2, 383-417.
【4】 Hobbs, A. and Bourbakis, N.G. ( 1995 ), “A neurofuzzy arbitrage
Simulator for stock investing,”Digital Object Identifier
10.1109/CIFER.1995.495271.
【5】 Kaiser, H. F. (1974), “A second generation little Jiffy,”
Psychometrika, Vol. 35, Iss. 4, 401-415.
【6】 Klir, George J. Yuan, Bo ( 1955 ), “Fuzzy sets and fuzzy logic :/theory and applications,” Upper Saddle River, N.J. :/Prentice Hall PTR.
【7】 Kuo, R.J., Chen, C.H. and Hwang, Y.C. ( 2001 ), “An intelligent stock
trading decision support system through integration of genetic algorithm
based fuzzy neural network and artificial neural network,” Fuzzy Sets a
and Systems, 118, 21-45.
【8】 Sharma.S ( 1996 ), “Applied multivariate techniques,” J. Wiley, New
York.
【9】 王盈傑（2004），台灣股市動量策略與反向策略之整合研究，國立中正大學國際經
濟研究所。
【10】白炳豐、林國正、王正賢（2005），橢圓形模糊系統於臺灣股市股價預測之應用，
工業工程學刊，第12卷，第1期，195-213。
【11】何旭輝（1999），應用不確定模式於股票投資之研究，國立成功大學企業管理學研
究所碩士論文。
【12】吳宗正（2004），投資技術分析，第五版，華泰書局。
【13】杜金龍（2003），技術指標在台灣股市應用的訣竅，財訊出版社。
【14】林金賢、李淑惠（2006），技術指標與股價漲跌幅非線性關係之獲利能力之探討，
台灣管理學刊，第6卷，第1期，129-156。
【15】范揚明（2001），模糊理論在股票投資決策上的應用，國立暨南大學資訊管理研
究所碩士論文。
【16】張斐章和張麗秋（2005）， 類神經網路，東華書局。
【17】張雅雯（2003），以正、逆價差檢驗台灣股票市場效率性，私立逢甲大
學企業管理研究所。
【18】陳家隆（2002），運用統計分法與人工智慧技術建構整合性投資策略，國立成功大
學統計學研究所碩士論文。
【19】郭張成 (1992)，模糊集合理論在台灣股價趨勢分析的應用，交通大學資訊管理研究
所碩士論文。
【20】陳順宇（2005），多變量分析，第四版，華泰書局。
【21】錢善生（1995），模糊理論與專家系統於台灣股市之應用，台灣大學工業管理研究
所碩士論文。
【22】蔡嘉文（1996），應用模糊神經網路於股價預測之研究，成功大學資訊管理研究所
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。