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 U0002-2106201104023300
中文論文名稱 資料探勘應用於ECFA對兩岸股票市場指數連動性之研究
英文論文名稱 The Study of Data Mining Approach Investigates the Co-movement on Taiwan and China Stock Market after Economic Cooperation Framework Agreement(ECFA)
校院名稱 淡江大學
系所名稱(中) 管理科學研究所碩士班
系所名稱(英) Graduate Institute of Management Science
學年度 99
學期 2
出版年 100
研究生中文姓名 周繕緣
研究生英文姓名 Shan-Yuan Chou
學號 698620894
學位類別 碩士
語文別 中文
口試日期 2011-05-30
論文頁數 96頁
口試委員 指導教授-廖述賢
共同指導教授-吳啟絹
委員-廖述賢
委員-劉基全
委員-莊忠柱
中文關鍵字 資料探勘  股票市場  關聯法則  連動性 
英文關鍵字 stock market  data mining  association rule  co-movement 
學科別分類 學科別社會科學管理學
中文摘要 現今區域經濟發展與資訊網路發達的趨勢下,如有重大資訊,一定會快速傳遞到各股票市場,而海峽兩岸經濟貿易架構協定(Economic Cooperative Framework Agreement, ECFA)之簽訂,可能會加速兩岸股票市場的整合。股票市場是一國經濟的櫥窗,投資人皆期待能在股票市場(Stock market)中獲利。因此,如何利用公開的資料,轉換為對投資有用的資訊,是所有投資者所追求的目標。
關於股票市場連動性(co-movement)之研究,以往學者多以建構財務計量模型來衡量,而本研究運用資料探勘中的關聯法則(Association Rule)技術,探討台灣集中市場各類股之關聯性以及兩岸股票市場之關聯性。
本研究選擇關聯法則中的Apriori演算法,以支持度、可靠度與增益值最為門檻,尋找有用之規則。為投資者提供有別於過去既有的方法,希望可以提供投資人在佈局兩岸股票市場時,能更充分了解兩岸股票市場地的關聯脈動,以提供投資人作為股市投資決策的參考。
英文摘要 The wave of economic regional integration and network leads into the significant information being quickly passed, and the Stock of Greater China regions market will probably accelerate the integration. Investors always want to get all kinds of messages to make decisions of investing and look forward to getting profit. Their final target is to pursue how to transfer the public data into useful information.Many of previous researches used financial tools as research ways over the year. This study used the association rule on Taiwan centralization stock market and co-movement of ECFA(Economic Cooperative Framework Agreement) on the stock market index of Greater China regions. The technology of data mining was used to find association rule. Moreover, the researcher expected the results could offer all investors useful suggestions in the stock market. The results of this study could be divided into several blocks, such as stock indexes in Taiwan centralization stock market, the association between Taiwan industries index and China stock index. Finally, the results of the research may provide an reference for investors in the stock market.
論文目次 目錄
目錄 I
表目錄 III
圖目錄 V
第一章 緒論 1
1.1. 研究背景與動機 1
1.2. 研究目的 3
1.3. 研究流程 3
第二章 文獻探討 6
2.1. 兩岸經濟合作架構協議 6
2.1.1. 兩岸經濟合作架構協議之介紹 6
2.1.2. 兩岸經濟貿易架構協議之相關文獻 7
2.1.3. 小結 8
2.2. 股價指數間之連動性 8
2.2.1. 連動性之定義 8
2.2.2. 股票連動性之相關文獻 9
2.2.3. 小結 12
2.3. 投資組合 13
2.3.1. 投資組合之定義 13
2.3.2. 投資組合之相關文獻 13
2.3.3. 小結 15
2.4. 資料探勘 15
2.4.1. 資料探勘之定義 15
2.4.2. 資料探勘之功能與流程 17
2.4.3. 資料探勘運用在股市分析上之相關文獻 19
2.4.4. 小結 20
第三章 金融市場與股票市場 22
3.1. 金融市場 22
3.1.1. 金融市場之定義 22
3.1.2. 金融市場之類別 22
3.1.3. 台灣金融市場 24
3.1.4. 中國大陸金融市場 25
3.2. 股票市場 26
3.2.1. 股票市場之定義 26
3.2.2. 台灣股票市場之類別 26
3.2.3. 台灣股票市場 27
第四章 研究方法 35
4.1. 研究架構 35
4.2. 資料來源 36
4.2.1. 研究對象 36
4.2.2. 資料期間 38
4.2.3. 資料形式 38
4.3. 資料庫設計 38
4.4. 關聯法則與集群分析 42
4.4.1. 關聯法則 42
4.4.2. Apriori演算法 44
4.4.3. 集群分析 46
4.5. 資料分析軟體 SPSS CLEMENTINE 47
第五章 資料探勘與實證分析 49
5.1. 國家股市與其產業之探勘 51
5.1.1. 台灣股市之探勘 51
5.1.2. 深圳股市之探勘 54
5.1.3. 上海股市之探勘 57
5.1.4. 香港股市之探勘 60
5.2. 台灣與中國大陸股市之探勘 63
5.3. 早收清單期間兩岸股市之探勘 68
5.4. 關聯法則與分群 73
5.5. 其他模型應證 77
5.6. 本章小節 80
第六章 研究結論與研究建議 82
6.1. 研究結論 82
6.2. 管理意涵與對投資者之建議 83
6.2.1. 單一股市 83
6.2.2. 兩岸股市 84
6.3. 研究限制 87
6.4. 對後續研究之建議 88
參考文獻 90


表目錄
表1-1 主要國家經濟成長率 1
表1-2 主要國家(地區)國內生產毛額 2
表2-1 ECFA文獻整理表 8
表2-2 兩岸股市連動性文獻彙整表 12
表2-3 投資組合之相關文獻 14
表2-4 資料探勘之定義 16
表2-5 資料探勘之六大功能 18
表2-6 資料探勘之流程 19
表2-7 應用資料探勘於股市之相關文獻 20
表3-1 亞洲地區國內生產總額增長率 26
表3-2 台灣股票市場之分類 27
表3-3 我國股票市場交易概況表 28
表3-4 集中市場成交金額投資人類別比例表 29
表3-5 大陸證券交易規則 32
表3-6 兩岸三地主要證券市場比較 34
表4-1 台灣2010年股票類股結構 37
表4-2 資料型式 38
表4-3 最常被使用之資料探勘軟體 48
表5-1 台灣加權股價指數與類股之關聯規則集 51
表5-2 台灣各類股之關聯規則集 54
表5-3 深證成份指數與其各類股之關聯集 55
表5-4 深證各類股之關聯集 56
表5-5 上海綜指與各類股之關聯集 58
表5-6 上海各類股之關聯集 59
表5-7 香港股市關聯規則集 60
表5-8 香港各類股間之關聯規則集-全期間:2008~2011/3/11 62
表5-10 上海綜指與台灣類股之關聯集 64
表5-11 恆生指數與台灣類股之關聯集 65
表5-12 兩岸產業關聯規則集 65
表5-13 早收清單兩岸類股之關聯規則集 68
表5-14 早收清單兩岸類股之關聯規則集(SUP.>30%) 70
表5-15 早收清單期間兩岸類股之關聯整理 72
表5-16 整體市場於兩集群的百分比 74
表5-17 兩集群中上漲機會最高類股間之增益值 77
表5-18 四地大盤指數相關係數-全期間:2008~2011/3/11 78
表5-19 迴歸模型 79


圖目錄
圖1-1 研究流程圖 5
圖3-1 金融體系提供的主要功能 22
圖3-2 金融市場架構 24
圖3-3 台灣證券市場的分類 28
圖3-4 香港證券市場架構 30
圖3-5 香港2010年整體市場投資參與者比例 31
圖3-6 上海證券交易所股票投資參與者比例 33
圖3-7 上海證券交易所市場概況 33
圖4-1 研究架構圖 35
圖4-2 星狀綱要圖 42
圖4-3 APRIORI演算法主要流程示意圖 44
圖4-4 APRIORI演算法產生之後選項目集合與高頻項目集合 45
圖5-1 兩岸大盤及類股資料處理串流 49
圖5-2 兩岸大盤股價指數之蜘蛛網關聯圖(調整後) 50
圖5-3 金融海嘯期間台灣大盤與各類股之蛛網圖(調整後) 53
圖5-4 台灣股價指數關聯地圖 53
圖5-5 深圳大盤與各類股之蛛網圖(調整後) 57
圖5-6 上海大盤與各類股之蛛網圖(調整後) 60
圖5-7 香港大盤與各類股之蛛網圖(調整後) 63
圖5-6 兩岸股票市場關聯圖-2008至2009年 67
圖5-7 兩岸股票市場關聯圖-2010年 67
圖5-8 早收清單兩岸產業蛛網圖(調整後) 69
圖5-9 早收期間兩岸四地股票市場關聯 71
圖5-10 台灣早收清單受益產業與兩岸類股之關聯 72
圖5-11 整體市場集群分析圖 76
圖5-12 四地大盤指數走勢圖 78
圖6-1 各地股票市場類股投資組合建議示意圖 84
圖6-2 兩岸股票市場類股投資組合建議示意圖 85


參考文獻 中文部份︰
尹相志(主編)(民96)。SQL Server 2005 Data Mining資料探勘與Office 2007資料
探勘增益集。台北市:悅知文化。
尹相志(民93)。資料採礦-網際網路應用與顧客價值管理。台北市:維科。
王萃強(民91)。加入 WTO 後的大陸股市實戰226。台北市:商周。
吳其定(民96)。滬、 港、台、美四地股市指數與區域經濟成長關聯性及共整合之
研究─ 以中, 港 CEPA 實施前後期為例(碩士論文)。國立中央大學財務金
融學系在職專班。
李家政(民98)。利用關聯法則探勘個股之間的關聯性(碩士論文)。大同大學資訊
工程研究所。
李顯儀、吳幸姬(民94)。台灣股票市場中訊息的反應與傳遞效果之研究。輔仁管
理評論,12(3),71-94。
林向愷(民99)。從「核心-邊陲」看後ECFA的台灣。羣策群力為台灣,6(30),6。
林惠雯(民95)台灣股票市場與國際股票市場及匯率關聯性探勘之研究(碩士論
文)。淡江大學管理科學研究所。
林慶德譯。資料庫管理與應用(民92)。台北市:培生教育出版集團。(原著出版年:
2002年)。
邱建良、劉聰衡、紀嘉政(民89)。台灣股市與國際股市共移性之研究。商管科技
季刊,1(3),263-285。
邱德生(民92)。建構設備管理資訊系統資料倉儲之研究(碩士論文)。國立台北科
技大學生產系統工程與管理研究所。
翁慈宗(民98)。資料探勘的發展與挑戰。科學發展期刊,442,34-37。
許忠信(民99)。ECFA東西向貿易對台灣之衝擊。臺北市:新學林。
陳立斌、崔可欣、劉亞秋(民99)。市場整體與產業雙重層面探討加入WTO後之台
海兩岸股市關聯性。台灣管理學刊,10(2),171-204。
陳坤男(民99)。兩岸四地股市關聯性之研究(碩士論文)。東海大學管理碩士在職
專班。
陳鴻崑(民89)。動量週期與成交量之研究(碩士論文)。淡江大學財務金融研究所。
陳耀茂(譯)(民95)。資料探勘利用Clementine使用手冊(原作者:牛田一雄、高
井勉、木暮大輔)。台北市:鼎茂圖書。(原著出版年:2003)。
黃勁豪(民90)。台灣股票市場波動性與總體經濟波動性關係之研究(碩士論文)。
東海大學企業管理學研究所。
黃昱程(民98)。現代金融市場。台北市:華泰文化。
楊宗彥(民92)。運用類神經網路與決策樹技術預測股票報酬率(碩士論文)。逢甲
大學企業管理研究所。
詹維玲(民91)。金融自由化與投資:台灣實證研究。總體經濟計量模型研討會,
29-59。
熊俊莉(2010)。兩岸經貿交流合作對台灣經濟的影響分析。北京聯合大學學報,
8(3),70-75.
劉永金(民99)。 從ECFA的角度來看區域經濟整合下之兩岸關係(碩士論文),
淡江大學中國大陸研究所在職專班。
劉紅、王淼森(2010)。兩岸經濟兩化與ECFA。新視野,2010(6),81-83。
鄭凱元(民98)。金融危機下全球股票市場連動性與投資組合: 使用因素分析法(碩
士論文)。國立台灣大學社會科學院經濟學系。
謝劍平(民96)。投資學:基本原理與實務。臺北市:智勝文化。
鍾俊仁、劉漢山譯。資料庫系統設計實務與管理(2004)。台北市:學貫行銷股份
有限公司。(原著出版年:2004年)
鍾俊仁與劉漢山譯。資料庫系統設計實務與管理(民93)。台北市:學貫行銷股
份有限公司。(原著出版年:2004 年)
聶建中、林景春、 詹凱婷(民93)。兩岸三地股價聯動性研究。輔仁管理評論,11
(2),63-82。
魏志鴻(民91)。台灣股市六大類股間關聯性之研究(碩士論文)。實踐大學企業管
理研究所。

英文部分:
Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules.
Porceeding of the 20th International Conference on Very Lagrge Database,
487-499.
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets
of items in large databases. ACM SIGMOD Conference, Washington DC, USA,
254-259.
Assous, F., & Chaskalovic, J. (2010). Méthodes de data mining pour l'analyse
d'approximations numériques: Le cas de solutions asymptotiques des équations de
Vlasov―Maxwell= data mining techniques for numerical approximations analysis:
A test case of asymptotic solutions to the Vlasov―Maxwell equations. Comptes
Rendus.Mécanique, 338(6), 305-310.
Barberis, N., Shleifer, A., & Wurgler, J. (2005). Comovement. Journal of Financial
Economics, 75(2), 283-317.
Beine, M., & Candelon, B. (2010). Liberalisation and stock market co-movement
between emerging economies. Quantitative Finance,11(2), 299-312.
Berry, M. J. A., & Linoff, G. (1997). Data Mining Techniques for marketing, sales, and
customer support. NY: John Wiley and Sons Inc.
Boginski, V., Butenko, S. & Pardalos, P.M. (2006). Mining market data: a network
approach. Computers & Operations Research,33(11),3171-3184.
Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. & Zanasi, A. (1998). Discovering data
mining from concept to implementation. New Jersey: Prentice Hall Press.
Calvet, L. E., Campbell, J. Y., & Sodini, P. (2009). Fight or flight? portfolio rebalancing
by individual investors*. Quarterly Journal of Economics, 124(1), 301-348.
Chapman, P., Kerber, R., Clinton, J., Khabaza, T., Reinartz, T. & Wirth, R. (1999). The
CRISP - DM Process Model. CRISP - DM Consortium.
Daniel H. Rosen & Zhi Wang (2010). Deepening China-Taiwan relations through the
economic cooperation framework agreement.
Fayyad, U., Gregory, P. S. & Smyth, P. (1996). Form data mining to knowledge
discovery in database. AI Magazine, 17(3), 37-54.
Fayyad,U. & Stolorz, P. (1996). Data mining and KDD: Promise and challenges. Further
Generation Computer Systems, 13, 99-115.
Ferson, W. E., & Harvey, C. R. (1991). Sources of predictability in portfolio returns.
Financial Analysts Journal, 49-56.
Franck Assous & Joel Chaskalovic (2010). Data mining techniques for numerical
approximations analysis: A test case of asymptotic solutions to the
Vlasov–Maxwell equations. Comptes rendus – Mecanique, 338(6), 305-310.
Frawley, W. J., Gregory, P. S. & Matheus, C. J. (1991). Knowledge Discovery in
Database:An Overview, Knowledge Discovery in Database. AI Magazine, 13(3),
57-70.
Han, J. & Kamber, M. (2000). Data Mining:Concepts and Techniques. Morgan
Kaufmann.
Hui, S. C. & Jha, G. (2000). Data mining for customer service support. Information &
Management, 38(1), 1-14.
Kantardzic, M.(2003). Data mining: concepts, models, methods and algorithms. N.J.,
Wiley.
Keim, D.A., Pansea, C., Sipsa, M. & Northb, S.C. (2004). Pixel based visual data
mining of geo-spatial data.Computers and Graphics, 28, 327-344.
King, M., Sentana, E. & Wadhwani, S. (1994). Volatility and links between national
stock markets. Econometrica,62,901-933.
Levy.H & Sarant, M. (1970), International Diversification of Investment Portfolios.
American Economic,17,668-675.
Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7,77-91.
Nicholson, S. (2006). The basis for bibliomining: Frameworks for bringing together
usage-based data mining and bibliometrics through data warehousing in digital
library services. Information Processing and Management, 42(3),785-804.
Oh, K.Y., Kim, B. & Kim, H. (2006). An empirical study of the relation between stock
price and EPS in panel data: Korea case. Applied Economics, 38(20), 2006, 2361 -
2369.
Santos, M. Y. & Amaral,Luis A. (2004). Mining geo-referenced data with qualitative
spatial reasoning strategies. Computers Graphics ,28(3),371-379.
Siegel, JJ. (1991) Does it pay Stock Investors to forecast the Business Cycle? The
Journal of Portfolio Management, 27-34.
Wang Y. F., Chuang Y. L., Hsu, M. H., and Keh H. C. (2004). A personalized
recommender system for the cosmetic business. Expert Systems with Applications,
26, 427-434
Yeh, Y. H., & Lee, T. S. (2000). The interaction and volatility asymmetry of unexpected
returns in the greater china stock markets. Global Finance Journal, 11(1-2),
129-149.
Yoon, Y., & Swales, J. (1991). Prediction stock price performance: a neural network
approach. Proceeding of Twenty-Fourth Annual Hawaii International Conference
on System Science, 156–162.
Zhu, H., Lu, Z., Wang, S., & Soofi, A. S. (2004). Causal linkages among Shanghai,
Shenzhen and Hong Kong Stock Markets. International Journal of Theoretical and
Applied Finance, 7(2), 135-149.
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2011-06-28公開。
  • 同意授權瀏覽/列印電子全文服務,於2016-06-28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 2281 或 來信