本文研究將獨立成份分析與倒傳遞類神經網路應用於預測台灣股價與漲跌。 
用獨立成份分析演算法，將解釋變數分離成數個彼此獨立的獨立成份，透過扣除象徵雜訊的獨立成份後將其還原，再以倒傳遞類神經網路建模。 
比較原變數與扣除雜訊還原後的變數在預測及分類上的準確性，本論文分為兩個部分，第一部分的預測變數為當日收盤價；第二部分的預測變數為股價當日的漲跌。 
透過實際資料的研究結果可知在扣除特定獨立成份還原後變數的預測模型可降低預測上的誤差，及提高預測的準確性。

In this paper, we apply independent component analysis and backpropagation neural network to prediction the price of Taiwan Stock and up and down. We separated explanatory variables into the several independent components by independent component analysis and delete one independent component (noise) to recover the variables, that is new explanatory variables. We use the new explanatory variables to building the backpropagation neural network model and compare it with originalmodel.We can see the new variables can reduce error and improve the accuracy in the prediction by the real data.

目錄
中文摘要…………………………………………………………………………………………………………………………………I
英文摘要………………………………………………………………………………………………………………………………II
目錄………………………………………………………………………………………………………………………………………III
圖目錄……………………………………………………………………………………………………………………………………IV
   圖2-1 人工神經元………………………………………………………………………………………………5
   圖2-2 倒傳遞類神經網路架構…………………………………………………………………………7
   圖2-3 S型函數(Sigmoid Function)……………………………………………………8
   圖2-4 雙曲正切函數(Hyperbolic Tangent Function)………………8
   圖3-1 FastICA演算法流程圖………………………………………………………………………14
   圖3-2 觀測到的訊號…………………………………………………………………………………………15
   圖3-3 獨立成分Y………………………………………………………………………………………………15
   圖3-4 BPN流程圖………………………………………………………………………………………………20
表目錄………………………………………………………………………………………………………………………………………V
  表4.1 第一部分台塑股價測試……………………………………………………………………24
  表4.2 第一部分鴻海股價測試……………………………………………………………………25
  表4.3 第一部分中鋼股價測試……………………………………………………………………26
  表4.4 第一部分國賓股價測試……………………………………………………………………27
  表4.5 第一部分黑松股價測試……………………………………………………………………28
  表4.6 第一部分大盤股價測試……………………………………………………………………29
  表4.7 第二部分台塑股價測試-1………………………………………………………………30
  表4.8 第二部分台塑股價測試-2………………………………………………………………31
  表4.9 第二部分台塑股價測試-3………………………………………………………………32
  表4.10 第二部分鴻海股價測試-1………………………………………………………………33
  表4.11 第二部分鴻海股價測試-2………………………………………………………………33
  表4.12 第二部分鴻海股價測試-3………………………………………………………………34
  表4.13 第二部分中鋼股價測試-1………………………………………………………………35
  表4.14 第二部分中鋼股價測試-2………………………………………………………………35
  表4.15 第二部分中鋼股價測試-3………………………………………………………………36
  表4.16 第二部分國賓股價測試-1………………………………………………………………37
  表4.17 第二部分國賓股價測試-2………………………………………………………………37
  表4.18 第二部分國賓股價測試-3………………………………………………………………38
  表4.19 第二部分黑松股價測試-1………………………………………………………………39
  表4.20 第二部分黑松股價測試-2………………………………………………………………39
  表4.21 第二部分黑松股價測試-3………………………………………………………………40
  表4.22 第二部分大盤股價測試-1………………………………………………………………41
  表4.23 第二部分大盤股價測試-2………………………………………………………………41
  表4.24 第二部分大盤股價測試-3………………………………………………………………42
第一章	緒論………………………………………………………………………………………………………………………1
第二章	文獻探討………………………………………………………………………………………………………………3
   2.1獨立成份分析(Independent Component Analysis)………………………3
   2.2類神經網路 (Artificial Neural Networks,ANN)…………………………5
第三章 研究方法………………………………………………………………………………………………………………………9
   3.1 fastICA演算法……………………………………………………………………………………………………9
   3.2倒傳遞類神經網路(Back-Propagation Network,BPN)…………………16
   3.3 建立倒傳遞類神經網路的事前處理…………………………………………………………………21
第四章 實證研究……………………………………………………………………………………………………………………23
   4.1 輸出變數為收盤價………………………………………………………………………………………………23
   4.2 輸出變數為漲或跌………………………………………………………………………………………………30
第五章 結論……………………………………………………………………………………………………………………………43
參考文獻……………………………………………………………………………………………………………………………………44

參考文獻
中文部分
[1] 鐘正良， 「類神經網路之應用黃金期貨預測」，碩士論文，國立政治大學
              統計研究所，1996
[2] 葉怡成， 「類神經網路模式應用與實作」，儒林圖書公司, 1993
[3] 張志強， 「應用類神經網路發展工程最佳化方法」，碩士論文，淡江大學
              機械工程學系，1997
[4] 陳柏誠 ， 「新穎獨立成份分析應用於隱藏式馬可夫模型分群及未知訊號
              分離」，碩士論文，國立成功大學資訊工程學系，2004
[5] 陳建州， 「利用獨立成分分析法在區域特徵上的人臉辨識」，碩士論文，
              國立成功大學資訊工程學系，2004
[6] 吳月明， 「股票報酬率預測模式績效之研究-倒傳遞類神經網路與灰預測
              之應用」，碩士論文，朝陽科技大學財務金融系，2006
[7] 陳學群， 「應用獨立成份分析、支援向量迴歸及類神經網路於財務時間
              序列預測模式之建構」，碩士論文，輔仁大學應用統計研究
              所，2006
[8] 黃瑜萍， 「利用空間獨立成分建立功能性核磁共振影像分析系統」，碩士
              論文，國立成功大學資訊工程學系，2007
[9] 趙旭凱， 「新穎獨立成份應用於雜訊語音辨識」 ，碩士論文，國立成功
              大學資訊工程學系，2007
[10] 施俊宇， 「以盲處理為架構的語音加密演算法」，碩士論文，國立成功
               大學電機工程學系，2008
[11] 繆昆陵， 「台灣上市鋼鐵類股價指數預測之研究」，碩士論文，國立成
               功大學統計學研究所，2008
[12] 石麗娟， 「獨立成份分析法與類神經網路於股價時間序列分析與預測之
              研究」，碩士論文，國立成功大學資訊管理學系，2008
[13] 吳維軒， 「獨立成份分析法於即時心電訊號萃取應用」，碩士論文，國
              立中央大學電機工程研究所，2008
[14] 黃明宏， 「格網型類神經網路颱風降雨量模擬試驗」，碩士論文，國立
              成功大學水利及海洋工程研究所，2008
[15] 廖振宏， 「應用獨立成份分析法於超音波影像斑點的濾除與主動輪廓切割」
             ，碩士論文，國立中央大學電機工程研究所，2009
[16] 李政毅， 「發展適應性管制圖以提升傳統ICA監控方法」，碩士論文，
             朝陽科技大學工業工程與管理系，2009
[17] 郭彥鋒， 「不同結構學習演算法之類神經分類器之比較」，碩士論文，
             國立中央大學電機工程研究所，2009
[18] 陳農彬， 「應用類神經網路模式推估二維徑向收斂流場追蹤劑試驗縱向
             及側向延散度」，碩士論文，國立中央大學電機工程研究所，2011

英文部分
[19] C. Lu, Integrating independent component analysis-based denoising
    scheme with neural network for stock price prediction,Expert Systems
    with Applications Vol.37, pp. 7056-7064, 2010.
[20] Hyv ̈arinen,A. and Oja,E.Independent component analysis: algorithms
    and applications,Neural Networks,pp.411-430,2000
[21] Hyv ̈arinen, A., Karhunen, J., Oja, E. Independent component 
analysis. NewYork: John Wiley and Sons.2001
[22] Y. Cheung and L. Xu, Independent Component Ordering in ICA Time Series
 Analysis,Neurocomputing 41, 145-152, 2001