請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/79830完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 葉丙成(Ping-Cheng Yeh) | |
| dc.contributor.author | Wei-Cheng Liao | en |
| dc.contributor.author | 廖偉成 | zh_TW |
| dc.date.accessioned | 2022-11-23T09:13:00Z | - |
| dc.date.available | 2021-08-24 | |
| dc.date.available | 2022-11-23T09:13:00Z | - |
| dc.date.copyright | 2021-08-24 | |
| dc.date.issued | 2021 | |
| dc.date.submitted | 2021-08-05 | |
| dc.identifier.citation | [1] NDX歷史資料，https://finance.yahoo.com/quote/%5ENDX/history/ [2] 群益證券智能選股，https://www.capital.com.tw/rank/index4.asp?l=ZG_D.djhtm xy=5 [3] 台灣證券交易所，https://www.twse.com.tw/zh/ [4] 證券櫃檯買賣中心，https://www.tpex.org.tw/web/ [5] 公開資訊觀測站，https://mops.twse.com.tw/mops/web/index [6] 詹森指標，https://en.wikipedia.org/wiki/Jensen%27s_alpha [7] 即時交易資訊，https://www.twse.com.tw/zh/page/products/info-vendor/press.html [8] Alhussein Fawzi, Horst Samulowitz, Deepak Turaga, Pascal Frossard (2016). Adaptive data augmentation for image classification, published in 2016 IEEE International Conference on Image Processing (ICIP). [9] 女股神Catherine Wood：https://finance.technews.tw/2020/09/28/catherine-wood-ark-invest/ [10] 陳怡穎(2014)。以基本面及本益比為基礎之績優股票挑選資訊系統，國立屏東科技大學工業管理系碩士班碩士學位論文。 [11] 周暐耘(2018)。結合基本面與類神經網路的最適投資組合-以台股為例，淡江大學財務金融學系碩士班碩士論文。 [12] 卓越(2019)。基於支援向量回歸的選股模型研究－以台股市場為例，國立政治大學金融學系研究所碩士學位論文。 [13] 空中閣樓理論(castle-in-the-air theory)：https://wiki.mbalib.com/zh-tw/%E7%A9%BA%E4%B8%AD%E6%A5%BC%E9%98%81%E7%90%86%E8%AE%BA [14] 廖允暄(2016)。建構股票投資策略之研究－以基因演算法融合技術指標，逢甲大學應用數學系碩士班碩士論文。 [15] 黃彤緹(2017)。台灣股票技術分析投資績效證實研究－以KD指標、MACD指標、BBands指標為例，淡江大學國際企業學系碩士在職專班碩士論文。 [16] 楊少鈞(2019)。使用修改後的Rainbow方法以優化股市交易強化學習－以NASDAQ美股為例，國立成功大學工程科學研究所碩士論文。 [17] 沈佩瑄(2020)。以LSTM二次交易策略預測ETF50股價趨勢，國立臺灣大學工學院工程科學及海洋工程學系碩士論文。 [18] 籌碼面分析：https://rich01.com/blog-pos-16/ [19] 莊家睿(2017)。三大法人資訊對於大盤指數的解釋力及期貨市場的報酬率-以台灣加權指數為例，國立交通大學資訊管理與財務金融學系財務金融碩士班碩士論文。 [20] 曾士倬(2017)。台股籌碼變動率與股價變動率相關性探討，國立臺灣大學管理學院國際企業學研究所碩士論文。 [21] 張耀中(2019)。智能選股下外資、自營商和主力在個股之投資績效分析，淡江大學企業管理學系碩士在職專班碩士論文。 [22] 于振中(2020)。預測台灣股市八大類股報酬率：國內變數與國際變數的角色，國立暨南國際大學國際企業學系碩士論文。 [23] 邱廉松(2020)。上市櫃公司每月營收之宣告對股價的影響，國立政治大學國際經營與貿易學系碩士論文。 [24] 產業的重要性？如何挑選一個好的產業：https://www.stockfeel.com.tw/%E7%94%A2%E6%A5%AD%E7%9A%84%E9%87%8D%E8%A6%81%E6%80%A7%EF%BC%9F%E5%A6%82%E4%BD%95%E6%8C%91%E9%81%B8%E4%B8%80%E5%80%8B%E5%A5%BD%E7%9A%84%E7%94%A2%E6%A5%AD/ [25] 消息面：https://wiki.mbalib.com/zh-tw/%E6%B6%88%E6%81%AF%E9%9D%A2 [26] 盧奕叡(2018)。深度學習與情感分析應用於股價預測，國立交通大學資訊科學與工程研究所碩士論文。 [27] Saloni Mohan, Sahitya Mullapudi, Sudheer Sammeta, Parag Vijayvergia and David C. Anastasiu (2019). Stock Price Prediction Using News Sentiment Analysis, published in 2019 IEEE Fifth International Conference on Big Data Computing Service and Applications (BigDataService). [28] Chien-Cheng Lee, Member, IEEE, Zhongjian Gao, and Chun-Li Tsai (2020). BERT-Based Stock Market Sentiment Analysis, published in 2020 IEEE International Conference on Consumer Electronics - Taiwan (ICCE-Taiwan). [29] Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova (2018). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, published by Google AI Language. [30] 陳泓任(2018)。結合基本、技術、籌碼面指標探討擇股考量因素與決策，淡江大學企業管理學系碩士班碩士論文。 [31] Erhan Beyaz, Firat Tekiner, Xiao-jun Zeng, John A. Keane (2018). Comparing Technical and Fundamental indicators in stock price forecasting, published in 2018 IEEE 20th International Conference on High Performance Computing and Communications; IEEE 16th International Conference on Smart City; IEEE 4th Intl. Conference on Data Science and Systems. [32] Jessica, Raymond Sunardi Oetama (2019). Sentiment Analysis on Official News Accounts of Twitter Media in Predicting Facebook Stock, published in 2019 5th International Conference on New Media Studies Bali, Indonesia | October 09-11, 2019. [33] 林宗穎(2020)。台灣股票市場趨勢預測月營收策略機器學習系統，國立臺灣大學電機資訊學院電信工程研究所碩士論文。 [34] Ze Zhang, Yongjun Shen, Guidong Zhang, Yongqiang Song, Yan Zhu (2017). Short-term Prediction for Opening Price of Stock Market Based on Self-adapting Variant PSO-Elman Neural Network, published in IEEE Xplore. [35] Manoj S Hegde, Ganesh Krishna, Dr. Ramamoorthy Srinath (2018). An Ensemble Stock Predictor and Recommender System, published in IEEE Xplore. [36] Mu-Hui Yu, Jheng-Long Wu (2019). CEAM: A Novel Approach Using Cycle Embeddings with Attention Mechanism for Stock Price Prediction, published in IEEE Xplore. [37] Ashutosh Kale, Omkaar Khanvilkar , Hardik Jivani, Prathamesh Kumkar, Ishan Madan, Dr Tanuja Sarode (2018). Forecasting Indian Stock Market Using Artificial Neural Networks, published in IEEE Xplore. [38] Sneh Kalra , Jay Shankar Prasad (2019). Efficacy of News Sentiment for Stock Market Prediction, published in 2019 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing (Com-IT-Con), India, 14th -16th Feb 2019. [39] Jui-Sheng Chou and Thi-Kha Nguyen (2018). Forward Forecast of Stock Price Using Sliding-Window Metaheuristic-Optimized Machine-Learning Regression, published in IEEE Transactions on Industrial Informatics. [40] Connor Shorten and Taghi M. Khoshgoftaar (2019). A survey on Image Data Augmentation for Deep Learning, published in Journal of Big Data. [41] Taylor, Geoff Nitschke (2017). A survey on Image Data Augmentation for Deep Learning. [42] Image Augmentation for Deep Learning: https://towardsdatascience.com/image-augmentation-for-deep-learning-histogram-equalization-a71387f609b2 [43] Sepp Hochreiter and Jürgen Schmidhuber (1997). Long short-term memory, Neural Computation, 9(8):1735–1780, 1997. [44] RNN - LSTM介紹: https://ithelp.ithome.com.tw/articles/10223055 [45] Kyunghyun Cho, Bart van Merrienboer, Caglar Gulcehre, Dzmitry Bahdanau, Fethi Bougares, Holger Schwenk, Yoshua Bengio (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation, published in EMNLP 2014. [46] GRU概念介紹與實作: https://ithelp.ithome.com.tw/articles/10194201 [47] Shereen ElSayed, Mona Farouk (2019). Gender identification for Egyptian Arabic dialect in twitter using deeplearning models, published in Egyptian Informatics Journal, Volume 21, Issue 3, September 2020, Pages 159-167. [48] 上市(櫃)公司基本資料資料庫: https://www.tej.com.tw/webtej/plus/wind.html [49] Christopher Chou, Junho Park, Eric Chou (2021). Predicting Stock Closing Price After COVID-19 Based on Sentiment Analysis and LSTM, published in 2021 IEEE 5th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC). [50] Rajni Jindal, Nikhil Bansal, Nitin Chawla, Sanskriti Singhal (2021). Improving Traditional Stock Market Prediction Algorithms using Covid-19 Analysis, published in 2021 International Conference on Emerging Smart Computing and Informatics (ESCI). [51] Yuxuan Huang, Luiz Fernando Capretz, Danny Ho (2019). Neural Network Models for Stock Selection Based on Fundamental Analysis, published in 2019 IEEE Canadian Conference of Electrical and Computer Engineering (CCECE). [52] Atif Rafiq, Noman Javed, Muhammad Adil Raja, Ambreen Hanif, Conor Ryan (2020). Devising Technical Trading Rules for Pakistan Stock Exchange using Genetic Programming, published in 2020 3rd International Conference on Intelligent Sustainable Systems (ICISS). [53] Teaba W. A. Khairi, Rana M. Zaki, Wisam A. Mahmood (2019). Stock Price Prediction using Technical, Fundamental and News based Approach, published in 2019 2nd Scientific Conference of Computer Sciences (SCCS). | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/79830 | - |
| dc.description.abstract | 由於大數據和機器學習的快速發展，預測股價的模型如雨後春筍般的出現。基本面、技術面、籌碼面和消息面是各類文獻最常用的四大類預測指標，部分文獻更使用兩個以上的指標(如基本面加技術面)進行預測。 不同於以往論文，本論文導入資料增強(DA)的觀念，提出「改良式資料增強(ADA)」，將資料進行時間上的平移，以擴充訓練集的數據，降低模型過擬合的機率。本論文使用基本面、技術面、籌碼面以及綜合前三者(簡稱綜合面)的特徵，在月營收公布後一日買進，在下次月營收公布前一日賣出，以sliding windows來切分資料集，以mulit-channel GRU訓練含有日、月、季等三種時序及無時序數據的模型，共回測32個月的交易結果。在所有的實驗當中，綜合面隔一日的成效最好，每月的詹森指標(α)為6.74%，資產倍數為11.91倍，交易勝率達90.63%。 本論文比較各面向及有無使用ADA的報酬及風險，最後再將實驗結果與智能選股、存股標的與定期定額進行比較。 | zh_TW |
| dc.description.provenance | Made available in DSpace on 2022-11-23T09:13:00Z (GMT). No. of bitstreams: 1 U0001-0508202112395000.pdf: 4106129 bytes, checksum: bfe18289cc2e71726ffdd76b782bdfd9 (MD5) Previous issue date: 2021 | en |
| dc.description.tableofcontents | 口試委員會審訂書 # 致謝 i 中文摘要 ii 英文摘要 iii 目錄 iv 圖目錄 vii 表目錄 ix 第一章 緒論 1 1.1 研究背景 1 1.2 研究動機 2 1.3 研究限制 3 1.4 研究目的 4 1.5 論文結構 4 第二章 文獻探討 6 2.1 以各面向切入的研究文獻 6 2.1.1 基本面分析 6 2.1.2 技術面分析 7 2.1.3 籌碼面分析 9 2.1.4 產業面分析 10 2.1.5 消息面分析 11 2.1.6 綜合分析 13 2.2 總體評論與探討 14 2.2.1 資料量 14 2.2.2 使用的模型 16 2.2.3 部分文獻的不足之處 17 第三章 研究方法 19 3.1 研究流程及架構 19 3.2 深度學習 19 3.2.1 LSTM 19 3.2.2 GRU 20 3.2.3 Multi-channel model 21 3.3 資料增強 22 3.3.1 資料增強 22 3.3.2 改良式資料增強 23 3.4 資料集 24 3.4.1 資料切分 25 3.4.2 特徵選取及標籤 25 3.4.3 資料預處理 26 3.4.4 資料標準化 26 3.5 交易環境 27 3.5.1 基本假設 27 3.5.2 摩擦成本 27 3.5.3 交易週期 27 3.5.4 資金分配 28 3.6 模型訓練與評估 28 3.6.1 超參數設定 28 3.6.2 訓練與驗證 28 3.6.3 模型評估 29 第四章 研究成果 31 4.1 改良式資料增強(ADA)方式比較 31 4.2 模型績效評估 32 4.3 比較基準 40 4.3.1 智能選股 41 4.3.2 存股標的 41 4.3.3 定期定額 42 4.4 常見策略比較 42 4.5 小結 49 4.5.1 有ADA與沒ADA比較 49 4.5.2 各種策略比較 51 4.5.3 與部分優秀文獻的比較 53 第五章 結論及未來展望 55 5.1 研究結論 55 5.2 未來研究建議 56 REFERENCE 58 附錄A 64 附錄B 69 附錄C 71 附錄D 75 | |
| dc.language.iso | zh-TW | |
| dc.subject | 台灣股市 | zh_TW |
| dc.subject | 資料增強 | zh_TW |
| dc.subject | 機器學習 | zh_TW |
| dc.subject | 深度學習 | zh_TW |
| dc.subject | 交易策略 | zh_TW |
| dc.subject | Data Augmentation | en |
| dc.subject | Taiwan Stock Market | en |
| dc.subject | Exchange Strategy | en |
| dc.subject | Deep Learning | en |
| dc.subject | Machine Learning | en |
| dc.title | 改良式資料增強和multi-channel GRU於台股交易模型的應用 | zh_TW |
| dc.title | Application of Advanced Data Augmentation and Multi-Channel GRU on Trading Model of Taiwan Stock Market | en |
| dc.date.schoolyear | 109-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 林澤(Hsin-Tsai Liu),孔令傑(Chih-Yang Tseng),呂育道 | |
| dc.subject.keyword | 資料增強,機器學習,深度學習,交易策略,台灣股市, | zh_TW |
| dc.subject.keyword | Data Augmentation,Machine Learning,Deep Learning,Exchange Strategy,Taiwan Stock Market, | en |
| dc.relation.page | 83 | |
| dc.identifier.doi | 10.6342/NTU202102104 | |
| dc.rights.note | 同意授權(全球公開) | |
| dc.date.accepted | 2021-08-06 | |
| dc.contributor.author-college | 電機資訊學院 | zh_TW |
| dc.contributor.author-dept | 電信工程學研究所 | zh_TW |
| 顯示於系所單位： | 電信工程學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-0508202112395000.pdf | 4.01 MB | Adobe PDF | 檢視/開啟 |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。