預測台灣加權股價指數模型之績效比較.docVIP

預測台灣加權股價指數模型之績效比較－ECM模型和類神經網路摘要 近年來台灣金融市場活絡，投資理財盛行，投資於股票市場中的理財方式，仍為社會大眾所偏愛的選擇，但股票市場瞬息萬變，能掌握股市的脈動，才可獲得可觀的報酬，「如何正確預測出股市變動」投資人和學者所關心的議題。本研究係欲透過探討總體經濟變數和股價指數之關係，比較不同預測方法ECM模型和類神經網路，進而找出相對有效的方法，期以提供投資者一個有效地預測出股市變化的參考工具。 關鍵字：台灣加權股價指數、總體經濟變數、誤差修正模型(ECM)、類神經網路緒論股市瞬息萬變，掌握股市的脈動，可獲得報酬，，如何正確預測出股市變動投資所關心的議題。各派學者以不同的研究方法和觀點對股市進行探討和預測。總體經濟面的觀點來探討和預測股市變動，總體經濟本研究係欲透過探討總體經濟變數和股價指數之關係，比較不同預測方法ECM模型和類神經網路，進而找出相對有效的方法，期以提供投資者一個有效地預測出股市變化的參考工具。理論與文獻回顧總體經濟對股價之影響………………………………..【2-1式】 其中，：：：：：Ajayi and Friedman and Mehdian(1998)【3】 以Granger因果檢定來探討股價報酬率和匯率之關係，以1985年至1991年世界八大工業國和以1987年至1991年亞洲七個發展中國家為例，實證結果顯示，先進國家之股匯市的確存在單向因果關係；發展中國家則不明顯。 Kim(2003)【9】 以ECM模型、共整合檢定探討美國股價指數SP500和總體經濟變數：匯率、利率、工業生產指數、消費生產指數等之間的長期均衡關係，以1971年1月至1998年12月的月資料建構實證模型，結果顯示美國股價指數和總體經濟變數間存在長期均衡的關係，其中SP500和工業生產指數為正相關，和實質匯率、利息、通貨膨賬為負相關。 Joseph(2003)【8】 以複回歸、ECM模型研究美國金融股價指數和總體經濟變數：股價指數SP500、匯率、利率等之間的長期均衡關係，以1976年6月至1995年11月的月資料建構實證模型，並以1995年12月至1999年7月的月資料進行美國財務股價指數預測，結果顯示，美國財務股價指數和總體經濟變數間存在長期均衡的關係，在預測效果方面，以複回歸的模型預測效果佳，另外，亦發現匯率和利率會衝擊金融股價指數，但影響不大。 類神經網路相關文獻 Qi, Zhang(2001)【10】以加入資訊準則建構倒傳遞類神經網路，以預測1954年至1992年美國SP500和短期國庫劵利息，以及1976年至1993年匯率，討論倒傳遞類神經網路過度配適問題，結果顯示加入資訊準則的倒傳遞類神經網路仍存有過度配適問題，使得預測不準確。 劉瑞鑫(2003)【2】以五種不同的類神經網路和時間序列模型，進行1995年至2000年台灣股價指數報酬率預測，探討其預測誤差方向、準確度與預測涵蓋能力，其實驗結果顯示結合基因演算法的類神經網路之預測效果較其他模型好。 由上述分析可知，多數文獻之計量方法多以時間序列模型為比較基準，較少和類神經網路預測模型的結果做比較。此外，同時也發現到過去的文獻採用ECM模型本總體經濟變數股價指數ECM預測，找出相對的方法，以提供投資者一個有效地預測出股市變化的參考工具。 研究方法均方誤差（Mean Square Error, MSE）用以計算實際值與預測值之誤差，其方法是將實際值與預測值相減後之誤差值平方後，再計算平均值。網路時間序列模型設計－ECM模型 單根檢定 本文擬用 Augmented Dickey-Fuller(ADF)檢定法(Said and Dickey, 1984)和PP檢定法(Phillips and Perron, 1989)來檢定實證資料是否為定態。檢定資料之統計量是否拒絕為非恆定之虛無假設。 在處理ADF檢定和PP檢定時，必須決定一個最適落後期數(P)來進行差分，以消除殘差項存在序列相關的問題，使得誤差修正項能滿足白噪音假設。而常用來挑選最適落後值之準則有AIC準則、SBC準則。 Johansen共整合檢定與誤差修正模型 變數間是否存在共整合的關係可透過Johansen共整合檢定，以多變量模型(VAR)為基礎，利用最大概似法估計多個顯著的共整合向量，並以λ-trace 統計檢定量和λ-max統計檢定量來確認共整合向量個數。Engle and Granger(1987)證明當變數間存在共整合關係，則變數的關係皆可以誤差修正模型表示，並可以進行預測。 類神經網路網路本研究採用倒傳遞網路來建構預測模型。倒傳遞網路是由數層互相連結的神經元所組成，通常包含了一輸入層、輸出層、及若干隱藏層，各層包含了若干神經元，本文參考過去的文獻，設定輸入層的神經元為四個，則有一層隱藏