花卉產業為國內農業發展之重點指標，農政單位也因此輔導成立花卉批發市場，以期提供產銷雙方更透明的交易平台。目前國內近九成花卉交易多以電腦化拍賣進行，拍賣成交價格對於市場各方而言都是非常重要的資訊，直接影響產業各方之經營決策制定；因此，花卉成交價格之預測自然為各方決策者所重視。本研究以隱藏馬可夫模型(Hidden Markov Model, HMM)為預測方法，透過歷史拍賣價格訓練模型。本研究結果顯示，以HMM預測模型針對測試資料進行預測，平均絕對誤差百分比(MAPE)為7.64%，可視為高度準確性預測，而且在連續拍賣與商品間品質落差較小時，對拍賣成交價格預測準確度能達最好之成效。本研究同時與移動平均法、指數平滑法及ARIMA模型之預測結果比較，實驗結果顯示，在本研究的案例中，HMM於花卉拍賣價格預測能力優於其他三個方法。

Floriculture industry is one of the most important drivers of Taiwan’s agricultural development. With government’s supports, public flower transaction marketplaces have been established, and nowadays over 90% of flower transactions are carried out by computerized auctions at the marketplaces. The price information directly affects all stakeholders’ operation strategies, and thus the forecasting of the auction price is a critical concern to all decision-makers in this industry. This study employees the Hidden Markov Model (HMM) to forecast the auction prices of flowers. The model is trained by historical auction and tested by unseen data. The computational results show that the mean absolute percentage error (MAPE) with the forecasting is 7.64%, which can be considered as a highly accurate forecasting. The performance of the HMM model is also compared with that of a Ｍoving Average (MA) model , an Experiential Smoothing (ES) model and an ARIMA model , and the results demonstrate that the HMM model outperforms the others.

第一章 緒論	1
第一節 研究背景與動機	1
第二節 研究目的	4
第三節 論文架構	5
第二章 文獻探討	6
第一節 花卉批發市場	6
第二節 拍賣作業及拍賣模式	9
一、拍賣前置階段	10
二、拍賣階段	10
三、拍賣員	14
四、拍賣交易模式	16
第三節 影響花卉拍賣價格之因素	18
第四節 預測方式及農產品價格預測	19
第五節 隱藏馬可夫模型	22
第三章 花卉拍賣價格預測模型之建立	25
第一節 資料來源	25
第二節 隱藏馬可夫模型	29
一、隱藏馬可夫模型符號及參數定義	29
二、隱藏馬可夫模型的估算程序	32
三、隱藏馬可夫模型的訓練程序	34
第三節 以隱藏馬可夫模型建立花卉拍賣價格預測模組	36
一、模型定義	36
二、資料整理	38
三、模型訓練	40
四、模型預測	40
第四節 以時間數列平滑預測法預測花卉拍賣價格	41
一、移動平均法	41
二、指數平滑法	42
三、自我迴歸整合移動平均法(ARIMA)	42
第五節 預測模型誤差值計算方式	45
第四章 研究結果	47
第一節 實驗設備	47
第二節 實驗步驟	48
第三節 實驗結果	53
一、測試資料分類	53
二、隱藏馬可夫模型之預測結果	54
三、移動平均法之預測結果	56
四、指數平滑法之預測結果	58
五、ARIMA模型之預測結果	60
第四節 實驗總結	62
第五章 研究結論及建議	64
第一節 研究結論	64
第二節 未來研究方向及建議	64
參考文獻	66
附錄 預測結果比較圖	69

圖目錄
圖 1  105年全台灣花卉批發市場交易額比較表	9
圖 2  105年全台灣花卉批發市場供貨數量比較表	9
圖 3  台北花市投影式拍賣鐘、拍賣概況	11
圖 4  拍賣鐘詳細資訊圖	11
圖 5  花卉拍賣作業流程圖	12
圖 6  近十年各花卉市場切花殘貨走勢圖(台北花市,2017)	13
圖 7  拍賣員養成教育影響因素(李宗儒,1999)	15
圖 8  花卉大類品種交易量比較圖<104~106年>	26
圖 9  花卉大類品種交易額比較圖<104~106年>	27
圖 10 隱藏馬可夫模型示意圖	30
圖 11 隱藏馬可夫模型運作示意圖	31
圖 12 前向演算法之步驟示意圖	32
圖 13 後向演算法之步驟示意圖	33
圖 14  Baum-Welch演算法之步驟示意圖	35
圖 15 花卉拍賣價格HMM預測模型	37
圖 16  HMM訓練示意圖	40
圖 17 資料準備流程圖	48
圖 18 模型訓練流程圖	49
圖 19 價格預測流程及結果驗證流程圖	50
圖 20 移動平均法及指數平滑法預測流程及結果驗證流程圖	51
圖 21  ARIMA模型預測流程(Box and Jenkins)	52

表目錄
表 1 台灣花卉批發市場概要整理	8
表 2 近三年各花市交易額及占比明細表(台北花市,2017)	9
表 3 近十年各花卉市場切花殘貨比率表(台北花市,2017)	13
表 4 近三年台北花市全花種交易量價及香水百合量價比較表	25
表 5  104~106香水百合各品種交易量價前10名品種表	28
表 6 隱藏狀態及觀測狀態定義	37
表 7 觀測狀態百分比區間轉序列值表	38
表 8 價格序列轉換觀測序列示意表	39
表 9  HMM預測方式示意圖(序列長度=5)	41
表 10 評估預測準確性準則表(Lewis,1982)	46
表 11 測試資料價格趨勢分析表	53
表 12 測試資料趨勢統計概要表	54
表 13 隱藏馬可夫模型之預測誤差平均百分比統計表	54
表 14 移動平均法之預測誤差平均百分比統計表	56
表 15 指數平滑法之預測誤差平均百分比統計表	58
表 16  ARIMA模型之預測誤差平均百分比統計表	60
表 17 預測結果比較表	62

中文部分
于宗先. (1972). 經濟預測. 中央研究院經濟研究所.
台北花卉產銷股份有限公司. (1999). 切花作業手冊.
申維綱. (2009). 順序拍賣的價格下滑異象—以台北花卉批發市場為例的實證分析. 碩士論文. 清華大學經濟系.
吳晟偉. (2012). 建構台灣花卉市場拍賣銷售總額之預測模型. 碩士論文. 國立交通大學工業工程與管理學系.
李宗儒. (1999). 規劃花卉產業物流配銷體系. 行政院農業委員會委託研究計畫報告.
李宗儒, & 李念祖. (1997). 拍賣員養成教育之探討-以花卉批發市場為例. 農產品批發市場的管理與自動化.
李宗儒, & 莊麗華. (1996). 花卉批發市場-拍賣順序與拍賣員開價原則的探討. 台灣花卉園藝.
李宗儒, 駱至中, & 蔡明達. (2001). 農產運銷電子商務技術(花卉電子交易市集)的發展與建立. 行政院農業委員會九十年度試驗計劃研究報告.
李皇照. (1998). 臺灣地區花卉批發市場之發展與營運管理. 臺灣經濟期刊第264期.
周文賢. (1991). 商情預測-理論架構與實務運作. 華泰書局.
林彥甫. (2017). 影響花卉拍賣價格之因素：實證研究. 碩士論文. 淡江大學資訊管理學系.
林能顯. (1984). 臺灣蔬菜市場決價效率之研究-時間數列分析法之應用. 碩士論文. 國立中興大學農業經濟研究所.
林銘昌. (2001). 台灣芒果批發價格預測模型之比較研究. 博士論文. 國立臺灣大學農業經濟學研究所.
張堂穆, & 陳根旺. (2012). 近10年花卉批發市場之蛻變與成長. 台灣花卉園藝月刊.
梁高榮. (1996). 農產品批發市場拍賣自動化. 機械工業雜誌.
梁高榮. (1999年12月). 花卉批發市場拍賣人員遴選因素之探討及其績效評比之研究. 農業經濟半年刊66期.
陳加忠. (2004). 台灣花卉產業的發展契機. 歷史月刊.
陳宗玄. (1994). 台灣六種主要畜產品產地價格預測分析. 台灣銀行季刊，第45卷第3期.
陳郁蕙. (1997). 定價與存貨理論之應用：台灣的玉米市場. [農業經濟學系] 研究計畫. 國立臺灣大學農業經濟學系暨研究所.
陳根旺. (2017). 臺灣花卉批發市場之研究. 碩士論文. 國立臺灣大學生物資源暨農學院農業經濟學系.
黃世杰. (2011). 基於視覺測速之車速預警系統. 碩士論文. 國立成功大學工程科學系.
黃聖茹, 李佳珍, & 蕭清仁. (2010). 台灣毛豬批發價格組合預測模型之比較. 《農業與資源經濟，第7卷，第2期, 頁 1-35.
楊永泰. (2000). 隱藏式馬可夫模型應用於中文語音辨識之研究. 碩士論文. 中原大學資訊工程學系.
蔡文智. (2001). 以隱藏式馬可夫模型應用於股市單日交易測上. 碩士論文. 國立交通大學資訊管理所.
謝宗儒. (2005). 語音辨識中語者調適方法之研究. 碩士論文. 國立交通大學資訊工程學系.
謝寶華. (2001). 使用前後文相關HMM模型之國語連續語音辨認. 碩士論文. 國立交通大學電信工程系.
簡榮櫪. (2011). 台灣花卉批發市場決價因素之言. 碩士論文. 清華大學.

Clemente, Ayllo, Irene, Heckmann, Martin, Wrede, & Britta. (2012). Incremental word learning: Efficient HMM initialization. Speech Communication 54, pp. 1029-1048.
Hassan, M., & Nath, B. (2005). Stock market forecasting using hidden Markov model: a new approach. In intelligent Systems Design and Applications,ISDA'05. 
Klein, S. (1997). Introduction to Electronic Auctions. EM – Electronic Markets.
L.Bernstein, P. (1984). Against the Gods, The Power of Gold. 
McAfee.R, & Vincent.P. (1993). Collusive bidding in hostile takeovers. Journal of Economics & Management Strategy, pp. 449-482.
Milgrom, Paul., Weber, & J, R. (1982). A Theory of Auctions and Competitive Bidding. Econometrica, pp. 1089-1122.
Najkar, N., Razzazi, F., & Sameti, H. (2010). A Novel approach to HMM-based speech recognition systems using particle swarm optimizaton Original Research Article. Mathematical and Computer Modelling,Volume 52, Issues 11–12, pp. 1910-1920.
O.KRAMER. (1977). BOUNDARY LAYER CONTROL BY “ARTIFICIAL DOLPHIN COATING”. Naval Engineers Journal,Volume 89, Issue 5, pp. 3-94.
Rabiner, L. R. (1989). A tutorial on hidden Markov models and selected applications in speech recognition. Proceedings of the IEEE, pp. 257-286.