以資料探勘技術辨識台指期貨日內交易方向.pdfVIP

摘 要 本研究主要在探討台指期貨 10點前 每 5 分鐘之價格漲跌資訊是否 與 10點後的 價格發展 方向存在關聯性。 主要的研究工具為資料探勘技術中的 決策樹模型 。分析程序採兩步驟進行，首先利用 決策樹模型從歷史資料中 挖掘有意義的規則 。經本研究實證結果顯示 利用決策樹模型所探勘出來的 「多」、「空」兩套規則集確實能夠有效辨識出當日是否符合 「作多相對 有利」及「作空相對有利」，其辨識效度 平均值可達 60％以上 。其二，利 用 上述「多」、「空」兩組規則集模型進行交叉比對後所做出的「交易方 向建議」與市場走勢的四種情境進行驗證，實證結果顯示該「交易方向建 議」模型，並無法 有效辨識 出 10點之後價格走勢的情境 ，但若從反面的角 度解釋該模型 ，其「確定錯誤率」5 年平均值小於 40％，此處「確定錯誤 率」指的是「做出反相的建議」 ，因此本研究之 「交易方向建議」模型仍 具備實務運用之參考價值 ，若再搭配停損機制則平均每年可賺得期貨點數 約 800點 。 關鍵詞：資料探勘、決策樹、期貨、當沖、日內交易 I Abstract This study focused on whether the price movement of TAIEX Futures in every five- minute interval of the first 105 minutes impacts on the price moving direction during the rest of trading hours. The main research tool for this study is the decision tree model in data mining technology. There are two steps of analysis procedure; first, discover meaningful rules in historical data with decision tree model. In this step, this experiment proved that the rules excavated out by decision tree model can identify efficiently “long futures on the relatively favorable direction of the trade” and “short futures on the relatively favorable direction of the trade”. The average of the accuracy rate in five years is up to 60 percent. Second, to verify the 4 scenarios of market and trading advices from cross-matching the two rules concluded from first step and decision tree model. The result showed that “trading recommendations” can’t identify efficiently the scenarios of the price movements in Taiwan futures market after 10 o’clock. However, if explain the result in the opposite aspect, the average of confirmed fault rate is less than 40 percent. Here the confirmed fault rate means proposing the advice in opposite trading direction. Therefore, the trading advice mode