(簡體)股票預(yù)測相關(guān)理論tlc

PAGEPAGE22股票預(yù)測相關(guān)理論壹、市場效率假說所謂市場效率假說（EfficientCapitalMarket）是指市場中所有可能影響股票漲跌的因素都能實(shí)時且完全反應(yīng)在股票漲跌上面。依據(jù)Fama對效率市場理論存在的三個基本假設(shè)[BejaandGoldman,1980]、[Fama,1965]、[Fama,1970]、[GrossmanandStiglitz,1980]：〈一〉市場將立即反應(yīng)新的信息，調(diào)整至新的價位。因此價格變化是取決于新信息的發(fā)生，股價呈隨機(jī)走勢?！炊敌滦畔⒌某霈F(xiàn)是呈隨機(jī)性，即好、壞信息是相伴而來的?！慈凳袌錾显S多投資者是理性且追求最大利潤，而且每人對于股票分析是獨(dú)立的，不受相互影響。 由效率市場理論延伸發(fā)展，F(xiàn)ama依市場效率性質(zhì)提出弱勢效率、半強(qiáng)勢效率及強(qiáng)勢效率，其分述如下[BejaandGoldman,1980]、[Fama,1965]、[Fama,1976]、[GrossmanandStiglitz,1980]：一、弱勢效率（WeakFormEfficiency）目前股票價格已充分反應(yīng)過去股票價格所提供各項(xiàng)情報。所以，投資人無法在運(yùn)用各種方法對過去股票價格進(jìn)行分析，在利用分析結(jié)果來預(yù)測未來股票價格，意即投資者無法再利用過去信息來獲得高額報酬。所以，弱勢效率越高，若以過去價量為基礎(chǔ)的技術(shù)分析來進(jìn)行預(yù)測效果將會十分不準(zhǔn)確。二、半強(qiáng)勢效率（Semi-StrongFormEfficiency）目前股票價格已充分反應(yīng)于所有公開信息上，所以，投資者無法利用情報分析結(jié)果來進(jìn)行股票價格預(yù)測而獲取高額報酬。因此，半強(qiáng)勢效率越高，依賴公開的財(cái)務(wù)報表、經(jīng)濟(jì)情況及政治情勢來進(jìn)行基本面分析然后再預(yù)測股票價格是徒勞無功。三、強(qiáng)勢效率（StrongFormEfficiency）目前股票價格充分反應(yīng)了所有已公開和未公開之所有情報。雖然情報未公開，但投資者能利用各種管道來獲得信息，所以，所謂未公開的消息，實(shí)際上是已公開的信息且已反應(yīng)于股票價格上。此種情形下，投資者也無法因擁有某些股票內(nèi)幕消息而獲取高額報酬。但仔細(xì)根據(jù)效率市場假說來對照實(shí)際市場情況，發(fā)現(xiàn)有下列兩項(xiàng)不符合的情形[Fama,1967]、[Fama,1976]：〈一〉「市場上許多投資者是理性且追求最大利潤，而且每人對于股票分析是獨(dú)立的，不受相互影響?！苟聦?shí)上，投資者并非都是理性的，有許多人都是盲目的跟隨他人進(jìn)行股票買賣，而且對于股票信息分析都是由專業(yè)分析師進(jìn)行分析，而許多投資者可能都是同時利用同一位分析師分析出來的結(jié)果?！炊怠感滦畔⒌某霈F(xiàn)是呈隨機(jī)性，即好、壞信息是相伴而來的，且信息是人人皆可取得，并且會快速反應(yīng)于股價上?！沟珜?shí)際情況，信息通常會因傳遞而受過濾或扭曲無法完整流通，因此，每個人能取得信息并不一致，而導(dǎo)致股價無法完全反應(yīng)所有有關(guān)的信息。綜合上述分析，以國內(nèi)股票市場的情形來看，國內(nèi)股票市場有漲跌幅限制，而且新信息并不一定能完全反應(yīng)于股票價格漲跌上，故效率市場論是否能應(yīng)用于國內(nèi)股票市場，需另行研究證實(shí)才能知曉。貳、技術(shù)分析一、技術(shù)分析的意義所謂技術(shù)分析又稱行情分析、內(nèi)部分析、趨勢分析，主要是假設(shè)過去的歷史數(shù)據(jù)會重演，利用過去成交價、成交量、收盤價等數(shù)據(jù)，轉(zhuǎn)換成圖形或指針的形式表示，用以預(yù)測未來股票價格的走勢和變化程度，利用預(yù)測所得數(shù)據(jù)來獲取高額報酬[Reilly,1981]、[Rosa,1996]?；旧霞夹g(shù)分析理論，完全脫離市場效率假說，只依賴過去股票交易市場的變化情形，作為分析資料，配合統(tǒng)計(jì)分析的方法，來預(yù)測未來股票走勢的情形，技術(shù)分析預(yù)測越準(zhǔn)確，投資者就越有機(jī)會獲取高額報酬，但如果預(yù)測準(zhǔn)確率低時，投資者就越有機(jī)會造成重大虧損，因高額報酬通常伴隨高風(fēng)險，如何提高預(yù)測準(zhǔn)確率以降低風(fēng)險性是研究技術(shù)分析學(xué)者所需努力的目標(biāo)。一般而言都認(rèn)為股票市場的價格和報酬間有極密切的系統(tǒng)關(guān)聯(lián)性存在，所以，只要針對價格和報酬兩項(xiàng)因素進(jìn)行探索其存在的關(guān)聯(lián)性，應(yīng)可獲取高額報酬才對，主要原因是認(rèn)為市場被人所主宰，且投資者大都不理性，而且假設(shè)歷史會不斷的重演，因此，股票價格會有特定的型態(tài)可供尋找。所以，投資者只要研究市場所包含的各項(xiàng)信息，就可以找出獲取高額報酬的關(guān)聯(lián)規(guī)則。有關(guān)技術(shù)分析的相關(guān)理論基礎(chǔ)如下概述：Levy將技術(shù)分析基礎(chǔ)理論歸納如下[Levy,1967]：1.股票價格是由供需雙方來決定，而不受公司資本或獲利影響。2.供需情形是受到理性和非理性的影響，而理性和非理性因素會自動反應(yīng)于市場行為上。3.概括來說，股票價格短期而言，隨有小波動，然而長期趨勢來說，仍大致依循著某種特定的走勢來移動。4.供需雙方情況改變，會反應(yīng)于市場本身。RobertD.Edwards和JohnMagee認(rèn)為技術(shù)分析具有下述基本假設(shè)[RobertandJohn,1971]：1.股票價格是由供給和需求雙方互相作用決定。2.供需受到多種理性和非理性影響。3.市場小波動可忽略，因?yàn)楣善眱r格長期而言是保持一種趨勢。4.趨勢的變化是由供給和需求關(guān)系改變所反應(yīng)。5.歷史趨勢會一再的重演，投資者可以利用過去股票價格變動的趨勢，來預(yù)測股票價格未來的趨勢。6.股票價格反應(yīng)市場中一切的消息，包括：基本面、消息面和心理面。Reilly指出技術(shù)分析需符合下述四項(xiàng)條件[Reilly,1981]：1.使用已知的信息來作為操作方法，未公開的訊息一律不采用。2.投資報酬率計(jì)算時需考慮一切成本，包括：交易成本、資金成本、賦稅、機(jī)會成本…等。3.投資報酬率需和相同風(fēng)險股票的投資報酬率進(jìn)行比較。4.超額報酬需存在于一段相當(dāng)長的時間，而非稍縱即逝。John技術(shù)分析所研究內(nèi)容和要點(diǎn)需具備下述四項(xiàng)[RobertandJohn,1971]：1.市場數(shù)據(jù)分析對象應(yīng)分為總體數(shù)據(jù)和個股數(shù)據(jù)，不僅分析價格和成交量，同時也要分析其它技術(shù)指標(biāo)。2.運(yùn)用技術(shù)分析主要是為了找出股票價格買賣的時點(diǎn)。3.技術(shù)分析主要著重在研究股票整體市場或個股股票的內(nèi)在變動情形，而外部變動情形則不加考慮。4.技術(shù)分析主要是由短期股票價格變動的偵測，而運(yùn)用短期的波動情形來判斷長期的走勢。技術(shù)分析隨然為許多投資者和分析師所采用，然而有些經(jīng)濟(jì)學(xué)者對于技術(shù)分析仍有批評：沒有充分的理論基礎(chǔ)來證明技術(shù)分析可以協(xié)助獲取高額報酬。PaulSamuelson指出想藉一些統(tǒng)計(jì)圖表和統(tǒng)計(jì)計(jì)算來分析過去股票價格變化而預(yù)測未來股票價格走勢支持學(xué)理是不足的，因?yàn)槭袌鲂星橐呀?jīng)反應(yīng)于市場之中。但也有不少相關(guān)研究表示，技術(shù)分析是可以協(xié)助獲取高額報酬，「不平衡理論」（DisequilibriumTheory）就是證明了技術(shù)分析可以獲取高額報酬。其主要論點(diǎn)是基于：市場價格無法實(shí)時反應(yīng)在信息公布上，所以，市場價格會有一段短暫的時間是處于沒有反應(yīng)信息的不平衡狀態(tài)（Disequilibrium）。Beja和Goldman[BejaandGoldman,1980]清楚的表示，一個人為的市場機(jī)制，絕對不可能在任何信息公開之前，就能機(jī)警的反應(yīng)而防止不平衡的狀態(tài)產(chǎn)生。Grossman和Stiglitz也表示[GrossmanandStiglitz,1980]：因?yàn)樾畔⑷〉玫馁M(fèi)用和取得信息后處理分析的時間，使得股票價格會緩慢的調(diào)整，所以，技術(shù)分析有其存在的必要條件。二、技術(shù)指標(biāo)運(yùn)用技術(shù)指標(biāo)需注意下數(shù)幾項(xiàng)原則[董永寬,1995]：1.選擇適當(dāng)?shù)募夹g(shù)指標(biāo)：不同的投資期間應(yīng)選擇符合該期間的基期參數(shù)為主的技術(shù)指標(biāo)，才能因應(yīng)短、中、長不同期間需求的投資策略。2.建立各種技術(shù)指針買賣記錄：選擇兩種以上個人偏好的技術(shù)指針，配合圖形趨勢進(jìn)行分析，并累積各種技術(shù)指標(biāo)過去分析所出現(xiàn)正確的買賣訊號，以便利于長期追蹤觀察情形。3.經(jīng)常檢視各種技術(shù)指標(biāo)使用的結(jié)果：經(jīng)常檢視各種技術(shù)指標(biāo)表現(xiàn)的結(jié)果，以了解各種技術(shù)指標(biāo)表現(xiàn)的優(yōu)缺點(diǎn)，及各種技術(shù)指標(biāo)的限制狀況，且匯整實(shí)際買賣的獲利情形，以掌握不同情況下的表現(xiàn)，才能因應(yīng)不同需求而靈活選擇合適的技術(shù)指標(biāo)。4.擬定投資策略及資金管理模式：依據(jù)需求而所擬定的投資策略，妥善的分配所掌握的資金。5.定期評估投資績效：定期審查投資成本及投資報酬率，用以評估技術(shù)指標(biāo)預(yù)測績效的優(yōu)劣情況。三、各種技術(shù)指標(biāo)的計(jì)算方式各種不同類別的技術(shù)指標(biāo)整理如表2.2所示[杜金龍,1998]本研究采用應(yīng)用于國內(nèi)股市預(yù)測的技術(shù)指針來做為輸入元素，總共分為價的技術(shù)指標(biāo)、量的技術(shù)指標(biāo)、市場寬福技術(shù)指標(biāo)、其它技術(shù)指標(biāo)等四大類，且細(xì)分為三十五種指標(biāo)類別，一計(jì)算期間的不同又分為六十一項(xiàng)計(jì)算指標(biāo)，各項(xiàng)技術(shù)指標(biāo)的計(jì)算方式如下所述[杜金龍,1998]：〈一〉價的技術(shù)指標(biāo)1.需求指數(shù)（DemandIndex；DI）：（1）（2-4.1）其中，為最高價；為最低價；為收盤價。表2.2各種技術(shù)指標(biāo)分類表投資期間技術(shù)指標(biāo)分類技術(shù)指標(biāo)種類長期間趨勢指標(biāo)價的技術(shù)指標(biāo)MACD、DMI、SAR、AR、BR、TOWER、MA。量的技術(shù)指標(biāo)逆時鐘曲線、成交量移動平均線。時間的技術(shù)指標(biāo)股市周期循環(huán)。中期間趨勢指標(biāo)價的技術(shù)指標(biāo)RSI、BIAS、3-6BIAS、WMS%R、Kinder%R、MTM、OSC、Qstick、CMO。量的技術(shù)指標(biāo)VR、OBV、VAMA、EO。市場寬幅的技術(shù)指標(biāo)ADL、ADR、PSY、ARMS、INDEX、MT、TO。其它技術(shù)指標(biāo)融資融券余額表。短期間趨勢指標(biāo)價的技術(shù)指標(biāo)當(dāng)日分時走勢圖、CDP、KD、StochRSI。量的技術(shù)指標(biāo)TAPI。市場寬幅的技術(shù)指標(biāo)OBOS。其它技術(shù)指標(biāo)計(jì)算機(jī)輔助交易每五分鐘委托成交筆數(shù)、張數(shù)及成交值表、當(dāng)日沖銷比例。資料來源：杜金龍,19982.指數(shù)平滑移動平均線（ExponentialMovingAverage；EMA）：（2-4.2）其中，，為收盤價。（2-4.3）（2-4.4）（2）（2-4.5）3.指數(shù)平滑異同移動平均線（MovingAverageConver－genceandDivergence；MACD）：（3）（2-4.6）其中，，。（4）（2-4.7）4.方向線（DirectionalIndicator；DI）：（5）（2-4.8）（6）（2-4.9）（2-4.10）（2-4.11）（2-4.12）（2-4.13）其中，為當(dāng)日最高價；為當(dāng)日收盤價；為當(dāng)日最低價；值為當(dāng)日股價波動幅度大于昨日股價波動幅度的最大值，＋、－分別代表上漲或下跌。5.趨向平均值（DirectionalMovementIndex；DX）：（7）（2-4.14）（2-4.15）（2-4.16）6.趨向平均線（AverageDirectionalMovementIndex；ADX）：（8）（2-4.17）7.趨向平均線評估值（ADXR）：（9）（2-4.19）8.K線：（10）（2-4.20）（2-4.21）其中，表當(dāng)日收盤價；表九日內(nèi)的最低價；表九日內(nèi)的最高價。9.D線：（11）（2-4.22）10.移動平均線（MovingAverage；MA）：（12）（2-4.23）（13）（2-4.24）（14）（2-4.25）（15）（2-4.26）（16）（2-4.27）（17）（2-4.28）其中為每日的收盤價。11.量化陰陽線（QuantativeCandleStick；Qstick）：（18）（2-4.29）（19）（2-4.30）（20）（2-4.31）其中，為日收盤價；為日開盤價。12.乖離率（BIAS）：（21）（2-4.32）（22）（2-4.33）（23）（2-4.34）其中，為日開盤價。13.動量指標(biāo)（Momentum；MTM）：（24）（2-4.35）其中，；。14.振蕩指標(biāo)（Oscillator；OSC）：（25）（2-4.36）其中，；。15.相對強(qiáng)弱指標(biāo)（RelativeStrengthIndex；RSI）：（26）（2-4.37）（27）（2-4.38）（28）（2-4.39）16.隨機(jī)相對強(qiáng)弱指標(biāo)（StochRelativeStrengthIndex；StochRSI）：（29）12日（2-4.40）其中，為值九日內(nèi)最高值；為值九日內(nèi)最低值。17.動量振蕩指標(biāo)（ChandeMomentumOscillator；CMO）：（30）（2-4.41）（31）（2-4.42）（32）（2-4.43）18.威廉指標(biāo)（WilliamsOverbought/OversoldIndex；WMS%R）：（33）（2-4.44）其中，為9日內(nèi)最高價；為9日內(nèi)最低價；為當(dāng)日收盤價。19.逆勢操作系統(tǒng)（CDP）：（2-4.45）（34）（2-4.46）（35）（2-4.47）（36）（2-4.48）（37）（2-4.49）其中，AH為最高值；NH為近高值；NL為近低值；AL為最低值；為前一日最高價減最低價；H為當(dāng)日最高價；L為當(dāng)日最低價；C為當(dāng)日收盤價。20.買賣氣勢指標(biāo)（AR）：（38）（2-4.50）其中，為日最高價；為日最低價；為日最低價。21.買賣意愿指標(biāo)（BR）：（39）（2-4.51）其中，為日最高價；為日最低價；為日收盤價?！炊盗康募夹g(shù)指標(biāo)22.平均成交量：（40）6日平均成交量＝（2-4.52）（41）10日平均成交量＝（2-4.53）（42）12日平均成交量＝（2-4.54）（43）24日平均成交量＝（2-4.55）（44）30日平均成交量＝（2-4.56）（45）72日平均成交量＝（2-4.58）其中，為日成交量。23.修正的能量潮（OBV）：（46）（2-4.59）其中，為日最高價；為日最低價；為日收盤價；為日成交量。24.量強(qiáng)弱指標(biāo)（VolumeRatio；VR）：（47）（2-4.60）其中，為日股價上漲時成交值；為日股價下跌時成交值；為日股價平盤時成交值；25.每一加權(quán)股價指數(shù)點(diǎn)數(shù)的成交值（TotalAmountPerWeightedStockPriceIndex；TAPI）：TAPI＝每日成交總值（百萬元）÷每日發(fā)行量加權(quán)股價指數(shù)（點(diǎn)數(shù)）（48）（2-4.61）26.江波分析法：（49）每筆買進(jìn)張數(shù)＝委托買進(jìn)張數(shù)÷委托買進(jìn)筆數(shù)（2-4.62）（50）每筆賣出張數(shù)＝委托賣出張數(shù)÷委托賣出筆數(shù)（2-4.63）（51）每筆成交張數(shù)＝成交總張數(shù)÷成交總筆數(shù)（2-4.64）〈三〉市場寬幅技術(shù)指標(biāo)27.上漲或下跌股票家數(shù)漲跌比率（AdvanceDeclineRatio；ADR）：（52）（2-4.65）28.騰落指標(biāo)（AdvanceDeclineLine；ADL）：（53）今日累積ADL值＝前一日累積ADL值＋每日股票上漲家數(shù)－每日股票下跌家數(shù)（2-4.66）29.阿姆斯指數(shù)（ARMSIndex；AI）：（54）（2-4.67）其中，代表上漲家數(shù)；代表下跌家數(shù)；上漲成交張數(shù)；代表下跌成交張數(shù)。30.股市趨動指標(biāo)（StockMarketThrust；MT）：（55）當(dāng)日（2-4.68）（56）累積＝前一日累積+當(dāng)日（2-4.69）其中，代表上漲家數(shù)；代表下跌家數(shù)；上漲成交張數(shù)；代表下跌成交張數(shù)。31.驅(qū)動振蕩指針（ThrustOscilltor；TO）：（57）（2-4.70）其中，代表上漲家數(shù)；代表下跌家數(shù)；上漲成交張數(shù)；代表下跌成交張數(shù)。32.買超賣超指標(biāo)（OverBuy/OverSell；OBOS）：（58）=10日內(nèi)股票上漲累計(jì)家數(shù)－10日內(nèi)股票下跌累計(jì)家數(shù)（2-4.71）33.心理線（PsychologicalLine；PSY）：（59）＝（13日內(nèi)上漲天數(shù)合計(jì)數(shù)÷13）×100（2-4.72）〈四〉其它技術(shù)指標(biāo)34.（60）今日融資余額金額：35.（61）今日融券剩余張數(shù)：參、將類神經(jīng)網(wǎng)絡(luò)運(yùn)用于股票預(yù)測之相關(guān)文獻(xiàn)一、國外學(xué)者研究〈一〉HalbertWhite之研究（1988）選取IBM普通股，用類神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測每日報酬率，經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練后其預(yù)測能力并不準(zhǔn)確，其主要原因是網(wǎng)絡(luò)陷入局部最小值，無法跳脫，所以，預(yù)測能力相當(dāng)差?！炊礢choneburg之研究（1990）以感知機(jī)及倒傳遞兩種網(wǎng)絡(luò)架構(gòu)進(jìn)行預(yù)測，發(fā)現(xiàn)使用類神經(jīng)網(wǎng)絡(luò)對于短期股價預(yù)測尚可達(dá)90%之高的預(yù)測準(zhǔn)確率?！慈礣akashiKimotoandAsakawaKazuo之研究（1990）依據(jù)四個獨(dú)立的類神經(jīng)網(wǎng)絡(luò)仿真的結(jié)果，以日經(jīng)指數(shù)作為研究目標(biāo)，輸入變量為乖離率曲線、成交量、利率、匯率、紐約道瓊指數(shù)等數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，輸出為預(yù)測股價指數(shù)，結(jié)果顯示，運(yùn)用類神經(jīng)網(wǎng)絡(luò)模式獲得高額報酬遠(yuǎn)較利用回歸分析模式所得的結(jié)果為佳?！此摹礙en-ichiKamijoandTanigawaTetsuji之研究（1990）運(yùn)用類神經(jīng)網(wǎng)絡(luò)來辨識日本股價K線圖，主要是再辨識三角K線圖以找出股價變動趨勢，經(jīng)過15組訓(xùn)練范例的學(xué)習(xí)后，運(yùn)用16組測試數(shù)據(jù)進(jìn)行預(yù)測試驗(yàn)，結(jié)果在16組測試數(shù)據(jù)中共可辨識15組，其正確率高達(dá)93.8%?！次濉礛arkB.Fishman,DeanS.Barr,WalterJ.Loick之研究（1991）利用9日SD值，9日SK值，18日ADX值，18日MACD值，當(dāng)日S&P500指數(shù)及當(dāng)日S&P和5日前指數(shù)之差異等六項(xiàng)輸入值進(jìn)行預(yù)測S&P500指數(shù)，其網(wǎng)絡(luò)架構(gòu)為倒傳遞類神經(jīng)網(wǎng)絡(luò)，經(jīng)過網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)后雖可以預(yù)測指數(shù)漲跌，但其預(yù)測誤差有逐步增加的趨勢。〈六〉S.Margarita之研究（1991）運(yùn)用類神經(jīng)網(wǎng)絡(luò)及遺傳算法分析股票市場，希望能運(yùn)用類神經(jīng)網(wǎng)絡(luò)建構(gòu)一個能夠提供投資者較佳投資策略的模式?！雌摺礩.YoonandJ.Swales之研究（1991）以四層的倒傳遞網(wǎng)絡(luò)架構(gòu)對于股票價格進(jìn)行預(yù)測，且將預(yù)測結(jié)果和MDA（MultipleDiscriminantAnalysis）進(jìn)行比較，結(jié)果發(fā)現(xiàn)類神經(jīng)網(wǎng)絡(luò)表現(xiàn)較佳。〈八〉NoriaBabaandKozakiMotokazu之研究（1992）使用15個輸入神經(jīng)元，二層隱藏層及一個輸出神經(jīng)元來建構(gòu)預(yù)測日本股價趨勢的類神經(jīng)網(wǎng)絡(luò)，而且發(fā)現(xiàn)如過在學(xué)習(xí)訓(xùn)練前分成上漲趨勢數(shù)據(jù)和下跌趨勢數(shù)據(jù)進(jìn)行訓(xùn)練時，預(yù)測結(jié)果會有較好的準(zhǔn)確率，但趨勢如果決定錯誤那將會使預(yù)測準(zhǔn)確率下降?！淳拧礕ia-ShuhJang,FeipeiLaiandTai-MingParng之研究（1993）利用一個21個輸入神經(jīng)元，11個隱藏神經(jīng)元和一個輸出神經(jīng)元的倒傳遞類神經(jīng)網(wǎng)絡(luò)，并運(yùn)用雙重調(diào)整結(jié)構(gòu)來調(diào)整網(wǎng)絡(luò)學(xué)習(xí)法則，使網(wǎng)絡(luò)能自動合成解決問題，來預(yù)測臺灣股票指數(shù)漲跌的趨勢，結(jié)果發(fā)現(xiàn)，在預(yù)測準(zhǔn)確上，較固定結(jié)構(gòu)倒傳遞類神經(jīng)網(wǎng)絡(luò)要好約40﹪～51﹪。〈十〉KryzanowskiLawrence,GallerMichaelandDavidW.Wright之研究（1993）以公司的財(cái)務(wù)數(shù)據(jù)作為輸入數(shù)據(jù)，而公司股價漲跌相對于整體市場股價漲跌表現(xiàn)較好或較壞做為輸出數(shù)據(jù)，經(jīng)由類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)歷史數(shù)據(jù)輸入和輸出關(guān)系后，在利用此關(guān)系來對輸入數(shù)據(jù)進(jìn)行預(yù)測，結(jié)果發(fā)現(xiàn)預(yù)測率高達(dá)72﹪?！词弧礕encayRamazan之研究（1996）運(yùn)用平均移動法則當(dāng)作類神經(jīng)網(wǎng)絡(luò)判斷股票買進(jìn)賣出的指標(biāo)，并在長期移動平均線與短期移動平均線接近時，設(shè)一區(qū)間，避免因股價波動造成買進(jìn)賣出訊號誤判。以AR，GARCH-M兩種線性模式和倒傳遞類神經(jīng)網(wǎng)絡(luò)非線性模式進(jìn)行預(yù)測，結(jié)果非線性倒傳遞類神經(jīng)網(wǎng)絡(luò)模式預(yù)測能力較好。〈十二〉KaiFuandWenhuaXu之研究（1997）利用遺傳算法訓(xùn)練類神經(jīng)網(wǎng)絡(luò)并以上海股價指數(shù)為預(yù)測目標(biāo)，結(jié)果顯示遺傳算法配合類神經(jīng)網(wǎng)絡(luò)對于短期股價預(yù)測有很好的預(yù)測效果。二、國內(nèi)學(xué)者研究〈一〉潘曉駿（民國84年）使用倒傳遞網(wǎng)絡(luò)配合網(wǎng)絡(luò)修剪來進(jìn)行股票價格預(yù)測，結(jié)果發(fā)現(xiàn)輸出神經(jīng)元使用漲跌幅配合濾嘴法，比使用FK值的方法在網(wǎng)絡(luò)修剪前有高出15.3﹪之超額報酬；而網(wǎng)絡(luò)平均縮減為69.46﹪時，有高出16.69﹪的超額報酬，比網(wǎng)絡(luò)修剪前高出1.28﹪，若考慮手續(xù)費(fèi)及交易稅仍有9.08﹪之超額報酬，而考慮融資券時也可產(chǎn)生11.74﹪之超額報酬。〈二〉蔡嘉文（民國85年）利用技術(shù)指針做為模糊類神經(jīng)網(wǎng)絡(luò)輸入值而用來預(yù)測股價的漲跌幅，研究發(fā)現(xiàn)，股價預(yù)測模糊類神經(jīng)網(wǎng)絡(luò)兼具類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和模糊理論解決語意模糊的優(yōu)點(diǎn)，且具有相當(dāng)?shù)姆€(wěn)健性、正確性、可更新性及解釋能力。模糊類神經(jīng)網(wǎng)絡(luò)修剪后較倒傳遞類神經(jīng)網(wǎng)絡(luò)平均準(zhǔn)確率高出49﹪?！慈低醮后希駠?5年）使用十項(xiàng)技術(shù)指針作為網(wǎng)絡(luò)輸入數(shù)據(jù)，而輸出值即是預(yù)測股價六日、十二日、十八日后的漲跌情形，研究結(jié)果，以漸進(jìn)交易策略，在類神經(jīng)網(wǎng)絡(luò)部分，年獲利率有百分之十三以上，而復(fù)回歸部分，年獲利率有百分之八以上，其獲利能力相當(dāng)明顯。〈四〉黃永成（民國86年）將模糊類神經(jīng)網(wǎng)絡(luò)對非量化因素之預(yù)測趨勢值配合技術(shù)分析之量化因素，先經(jīng)由遺傳算法求出模糊類神經(jīng)網(wǎng)絡(luò)神經(jīng)元間連結(jié)權(quán)重值，再用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，而得到智能型預(yù)測系統(tǒng)，其預(yù)測結(jié)果得到3.86﹪的預(yù)測均方誤差，77.57﹪的買賣點(diǎn)明顯率，與超越大盤2.14倍的投資報酬率績效，對股市預(yù)測更具準(zhǔn)確性與敏銳性?！次濉禇钬S松（民國86年）整合類神經(jīng)網(wǎng)絡(luò)與模糊理論建立一個通用型信息篩選算法，篩選出重要之決策變量，減少信息使用量，降低信息搜集成本，仍能達(dá)到相同或相似的決策結(jié)果。研究結(jié)果，網(wǎng)絡(luò)輸入變量由13個縮減為10個，而其預(yù)測準(zhǔn)確率為57.5﹪和一般為篩選信息所得預(yù)測率55﹪至65﹪之間相差不大，唯其可以減少信息搜集及處理的時間和成本?！戳等~榮明（民國86年）透過因特網(wǎng)擷取證券市場每小時成交價量數(shù)據(jù)，經(jīng)由倒傳遞網(wǎng)絡(luò)模式分析個股日內(nèi)價量關(guān)系，進(jìn)一步預(yù)測個股十一時至十二時價格變化幅度。研究結(jié)果發(fā)現(xiàn)，實(shí)際變化幅度差距不超過1﹪的情形下，如果包含大盤指數(shù)一起預(yù)測共二十種標(biāo)的，其平均預(yù)測準(zhǔn)確率達(dá)69.4﹪，但如果不包含大盤指數(shù)預(yù)測，則十九種標(biāo)的股票整體預(yù)測準(zhǔn)