淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1802202011313700
中文論文名稱 利用大數據分析股票過去與未來漲跌關係
英文論文名稱 Big data analysis of the relation between stocks in the past and future
校院名稱 淡江大學
系所名稱(中) 資訊管理學系碩士班
系所名稱(英) Department of Information Management
學年度 108
學期 1
出版年 109
研究生中文姓名 洪御珉
研究生英文姓名 Yu-Min Hung
學號 606630175
學位類別 碩士
語文別 中文
口試日期 2020-01-08
論文頁數 83頁
口試委員 指導教授-李鴻璋
委員-李鴻璋
委員-戴敏育
委員-黃國軒
中文關鍵字 漲跌幅  大數據  效率市場  台灣股市 
英文關鍵字 Price Fluctuation Limit  Big Data  Efficient Market  Taiwan Stock Market 
學科別分類
中文摘要 市場價格的變動有效率說及無效率說兩種相互衝突的假定,然而某些實證研究卻從技術指標裡面得到超額利潤。本研究分析以股票過去漲跌來看未來價格變化的關係。
本論文以上市、櫃1696多家公司個股為樣本,使用的資料年份從1999年~2018年各日成交數據進行分析。這種分析採兩階段,第一階段為計算期,找出這期間內這1696家的漲跌幅前50的股票及後50的股票,第二階段為觀察期,統計前述兩列股票的漲跌狀況。計算期跟觀察期的期間一共分為五種。
第一種計算期一年觀察期一年,結果為前50贏約45%,後50贏約45%,第二種計算期一年觀察期一季,結果為前50贏約38%,後50贏約53%,第三種計算期一季觀察期一季,結果為前50贏約38%,後50贏約46%,第四種計算期一月觀察期一月,結果為前50贏約45%,後50贏約36%,第五種計算期一週觀察期一週,結果為前50贏約60%,後50贏約25%。
綜合上述的數據分析,第五種的週期有比較好的差異績效,我們把它導入策略買賣。以2001年~2018年模擬結果,以買進前週漲幅前50一籃股票跟大盤比較收盤的績效比為輸的次數百分比為38%,贏為55%。這18年的總報酬率其算術平均較大盤優577.4 %,年化的算術平均優於大盤為32.1%。
英文摘要 There are two conflicting assumptions about the efficiency and inefficiency of market price changes. However, some empirical studies have obtained excess profits from technical indicators. This study analyzes the relationship between future price changes based on past stock price changes.
This paper uses more than 1696 companies' stocks listed and listed as a sample. The data used are from 1999 to 2018, and the daily transaction data are used for analysis. This analysis uses two stages. The first stage is the calculation period, and the 1696 companies with the top 50 stocks and the last 50 stocks within this period are found. The second stage is the observation period, which measures the rise and fall of the two stocks. Down condition. There are five types of calculation periods and observation periods.
The first calculation period is one year of observation period, and the result is about 45% of the first 50 wins, and about 45% of the last 50 wins. The second calculation period is one season of one year observation period, and the result is about 38% of the first 50 wins. Win about 53%, the third calculation period is one quarter, and the observation period is one quarter. The result is that the first 50 wins about 38%, and the last 50 wins about 46%. %, The last 50 wins about 36%, the fifth calculation period is one week, and the observation period is one week. The result is that the first 50 wins about 60%, and the last 50 wins about 25%.
Based on the analysis of the above data, the fifth cycle has relatively good differential performance, and we import it into strategic trading. Based on the simulation results from 2001 to 2018, the ratio of the closing performance of the top 50 baskets of stocks in the previous week's gain to the broader market was 38% and the winning percentage was 55%. The 18-year total return is 577.4% better than the average on average and 32.1% better than the average on average.
論文目次 第一章 緒論1
1.1 研究背景1
1.2 研究動機與目的2
1.3 研究限制3
1.4 論文架構3
第二章 相關研究4
2.1 基本分析介紹4
2.2 技術分析介紹4
2.2.1 相對強弱指標(Relative Strength Index,RSI)5
2.2.2 隨機指標(Stochastic Oscillator,KD)5
2.2.3 乖離率指標(Bias Ratio,BIAS)5
2.3 效率市場理論6
2.3.1 弱式效率市場假說(Weak-Form EMH)7
2.3.2 半強式效率市場假說(Semistrong-Form EMH)7
2.3.3 強式效率市場假說(Strong-Form EMH)7
第三章 研究方法9
3.1 研究流程9
3.2 蒐集資料10
3.3 公式11
3.4 資料分析12
第四章 實驗與分析13
4.1 資料差異依據13
4.2 資料來源及時序分析14
4.3 實驗結果分析14
4.3.1 計算期為年觀察期爲季、年14
4.3.2 計算期為季觀察期為季16
4.3.3 計算期為月觀察期為月18
4.3.4 計算期為週觀察期為週20
4.4 追風策略22
第五章 結論24
參考文獻26
附錄29


圖目錄
圖 1 三種效率市場的假說關係圖8
圖 2 研究流程圖10
圖 3 計算期一季觀察期一季顯著比較圖17
圖 4 計算期一季觀察期一季顯著比較圖19
圖 5 計算期一週觀察期一週顯著比較圖21



表目錄
表 1 觀察期數據以下圖呈現並說明13
表 2 計算期一年觀察期一年結果數據14
表 3 計算期一年觀察期一季結果數據15
表 4 計算期一季觀察期一季結果數據16
表 5 計算期一月觀察期一月結果數據18
表 6 計算期一週觀察期一週結果數據20
表 7 追風策略結果數據表22

參考文獻 [1] Edwards, Robert D. & John Magee (1966), Technical Analysis of Stock Trends, 5thed . Boston Mass: John Magee,pp.5-6.
[2] Ball, R., & Brown, P. (1968), An empirical evaluation of accounting income numbers. Journal of accounting research,pp.159-178.
[3] Fama, E.F. (1970), Efficient Capital Markkets:a Review of Theory and Empirical Work,Joernal of Finance, Vol.25,pp.383-417.
[4] Peter W. (1970), Technical Research ,Ed . By Frank G. Zarb and Gabriel T. Kerekes, The Stock Market Handbook, Homewood:Dow-Jones-Zmin,pp.474.
[5] Wilder, J. W. (1978), New concepts in technical trading systems, Trend Research, New York.
[6] George C. L. (1984), Trading Strategies Futures Symposium International.
[7] Murphy J. J. (1986), Technical Analysis of the Futures Markets:a Comprehensive Guide to Trading Method and Application, New York Institute of Finance Prentice Hall Company.
[8] Soros, Georgr (2008), The New Paradigm for Financial Markets. New York:Public Affairs.
[9] Beaver, W. H., McAnally, M. L., & Stinson, C. H. (1997), The information content of earnings and prices: A simultaneous equations approach. Journal of Accounting and Economics, 23(1),pp.53-81.
[10] 陳健全,《台灣股市技術分析》,碩士論文,國立台灣大學商學研究所碩士論文,1998。
[11] 尹宏,《股票投資10大技術指標圖典》,漢湘文化,2011。
[12] 許溪南:何怡滿:張瓊如,《KD 與MA 技術指標在避險時機之應用:以台指選擇權為例》,輔仁管理評論,19(1),pp.27-46,2012。
[13] 徐燕山,《投資學第三版》,指南書局有限公司,pp.324,2013。
[14] 方永盈,《台股波峰波谷的資料探勘與預測》,碩士論文,淡江大學資訊管理學系碩士論文,2015。
[15] 周照偉:鄭榮祿:蔡賢亮:楊崇宏:牟聖遠,《臺灣股市技術分
析實證:以隨機指標、相對強弱指標、指數平滑異同平均線指標
及趨向指標為例》,高雄應用科技大學人文與社會科學學刊,1(2),
pp.119-133。2015
[16] 李顯儀,《投資學第二版》,全華圖書股份有限公司,pp.6-4-6-6,2017。
[17] 黃郁佳,《布林通道交易策略之研究-以台灣中型100指數為例》,
碩士在職專班論文,東海大學管理學院財務金融研究所,2018。
[18] 謝劍平,《現在投資學分析與管理》,智勝文化事業有限公司,
pp.173,2018。
[19] 效率理財王,《效率理財王~同時教你「應備存款+存指數+存保
險」的理財部落格》,網址:http://selfinsurance1911financenote.
blogspot.com/2019/03/50vs201812.html,上網日期:2018年8月12日。
[20] MBA智庫,《隨機指標》,網址:http://wiki.mbalib.com/zh-tw/%E9%9A%8F%E6%9C%BA%E6%8C%87%E6%A0%87,
上網日期:2018年8月2日。
[21] MoneyDJ理財網,《財經百科-財經知識庫-MoneyDJ理財網》,網
址:http://www.moneydj.com/KMDJ/Wiki/WikiViewer.aspx?KeyID
=3fca8312-548c-42bc-9283-4192608008d9.html,上網日期:2018年8月16日。
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2020-02-19公開。
  • 同意授權瀏覽/列印電子全文服務,於2020-02-19起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信