本文透過相關係數分析台灣證券交易所前十大類股指數之價量關係，再以遺傳規劃方法找出十大類股指數的價格衝擊函數(或價量關係函數)，並利用迴歸分析將公司市值、匯率、利率加入探討與十大類股指數價格相關性。
所獲得的結論如下：1.相關係數分析結果，十大類股在各時間區間部份呈現負向關係，但十大類股在全期間價量關係皆呈正向關係，表示長期趨勢來說，價量關係表現為量增價揚和量縮價跌。2.透過遺傳規劃程式找出不同產業類股的價格衝擊函數，並發現樣本內機電類股誤差均方值最低，樣本外則是鋼鐵類股最低，表示鋼鐵類股預測能力最佳。3.迴歸分析結果發現十大類股指數市值變動率與股價率變動率皆呈正向關係，匯率變動和股價變動率除食品類股與鋼鐵類股關係不顯著外，其他八種類股都是負向關係，利率則與十大類股之價格變動率關係較不顯著。

This study analyzes price and volume relations of top ten industrial sub-indices in the Taiwan Stock Exchange Index through the correlation coefficient, and then to identify the price of top ten industrial sub-indices impact function (or a function of the relationship between price and volume) by genetic programming, and adding market capitalization, exchange rates, interest rates to explore the top ten industrial sub-indices price correlation use of regression analysis. 
Conclusions obtained are as follows: (1) the correlation coefficient analysis results, the top ten stock index in each time interval part presents a negative relationship, but the top ten industrial sub-indices in the whole period were highly positive relationship between price and volume relationship, the long-term trend showing that a large return is usually accompanied by a large trading volume. (2) find out the price impact function through genetic programming, and found that within sample the minimum mean square error of top ten industrial sub-indices is Electric Machinery, in out-sample the minimum mean square error is the Iron and Steel, which means that Iron and Steel has the best prediction. (3) Regression analysis found that the market capitalization change rate and the price movements of top ten industrial sub-indices were highly positive relationship, between exchange rate changes and price changes in addition to food and Iron and Steel relationship is not significant, the other eight industrial sub-indices are negative, the relationship between interest rates and the prices of the top ten industrial sub-indices are less significant relationship.

目  次	III
表  次	IV
圖  次	VI
第一章 緒論	1
第一節研究背景與動機	1
第二節 研究目的與研究對象	4
第三節研究架構與流程	5
第二章 理論及相關文獻回顧	7
第一節 價量關係相關理論	7
第二節 國內外相關文獻	8
第三章 研究方法	13
第一節 研究資料與來源	13
第二節 資料的操作性定義	13
第三節 遺傳規劃	15
第四節 市值規模、匯率與利率對價格的影響	21
第四章 實證結果分析	22
第一節 基本敘述統計分析	22
第二節實證模型與結果分析	24
第五章 結論與建議	58
第一節 結論	58
第二節 建議	60
參考文獻	61

表  次
表1本文研究類股	13
表 2類股基本統計量(全樣本期間)	22
表 3 GP模型實驗設計	25
表 4 遺傳規劃參數設定值	25
表 5 電子類股在不同階段的價量相關變化	28
表6金融類股在不同階段的價量相關變化	30
表 7塑膠類股在不同階段的價量相關變化	33
表 8鋼鐵類股在不同階段的價量相關變化	35
表 9紡織纖維類股在不同階段的價量相關變化	37
表 10營建類股在不同階段的價量相關變化	40
表 11電機類股在不同階段的價量相關變化	42
表 12食品類股在不同階段的價量相關變化	44
表 13汽車類股在不同階段的價量相關變化	47
表 14橡膠類股在不同階段的價量相關變化	49
表 15各類股在不同期間的價量關係比較	50
表 16各類股績效樣本內外績效比較	51
表 17各類股迴歸估計結果	52
表 18電子類股的迴歸估計結果	52
表 19金融保險類股的迴歸估計結果	53
表 20塑膠類股的迴歸估計結果	54
表 21鋼鐵類股的迴歸估計結果	54
表 22紡織纖維類股的迴歸估計結果	55
表 23營建類股的迴歸估計結果	55
表 24電機類股的迴歸估計結果	56
表 25食品類股的迴歸估計結果	56
表 26汽車類股的迴歸估計結果	57
表 27橡膠類股的迴歸估計結果	57
 
圖  次
圖 1研究流程圖	6
圖 2語法樹示意圖	18
圖 3遺傳規劃交配法示意圖	19
圖 4遺傳規劃突變示意圖	19
圖 5遺傳規劃流程圖	20
圖 6電子類股的價量趨勢	27
圖 7電子類股的價量關係衝擊函數圖	27
圖 8電子類股的GP最適化績效-1	27
圖 9電子類股的最適化績效-2	27
圖 10電子類股的量價GP程式-樹狀圖	28
圖 11 金融類股的價量趨勢	29
圖 12 金融類股的價量關係衝擊函數圖	29
圖 13金融類股的GP最適化績效-1	30
圖 14金融類股的最適化績效-2	30
圖 15金融類股的量價GP程式-樹狀圖	30
圖 16塑膠類股的價量趨勢	31
圖 17塑膠類股的價量關係衝擊函數圖	32
圖 18塑膠類股的GP最適化績效-1	32
圖 19塑膠類股的最適化績效-2	32
圖 20塑膠類股的量價GP程式-樹狀圖	32
圖 21鋼鐵類股的價量趨勢	34
圖 22鋼鐵類股的價量關係衝擊函數圖	34
圖 23鋼鐵類股的GP最適化績效-1	34
圖 24鋼鐵類股的最適化績效-2	34
圖 25鋼鐵類股的量價GP程式-樹狀圖	35
圖 26紡織纖維類股的價量趨勢	36
圖 27紡織纖維類股的價量關係衝擊函數圖	36
圖 28紡織纖維類股的GP最適化績效-1	37
圖 29紡織纖維類股的最適化績效-2	37
圖 30紡織纖維類股的量價GP程式-樹狀圖	37
圖 31營建類股的價量趨勢	38
圖 32營建類股的價量關係衝擊函數圖	39
圖 33營建類股的GP最適化績效-1	39
圖 34營建類股的最適化績效-2	39
圖 35營建類股的量價GP程式-樹狀圖	39
圖 36電機類股的價量趨勢	41
圖 37電機類股的價量關係衝擊函數圖	41
圖 38電機類股的GP最適化績效-1	41
圖 39電機類股的最適化績效-2	41
圖 40電機類股的量價GP程式-樹狀圖	42
圖 41食品類股的價量趨勢	43
圖 42食品類股的價量關係衝擊函數圖	43
圖 43食品類股的GP最適化績效-1	44
圖 44食品類股的最適化績效-2	44
圖 45食品類股的量價GP程式-樹狀圖	44
圖 46汽車類股的價量趨勢	45
圖 47汽車類股的價量關係衝擊函數圖	46
圖 48汽車類股的GP最適化績效-1	46
圖 49汽車類股的最適化績效-2	46
圖 50汽車類股的量價GP程式-樹狀圖	46
圖 51橡膠類股的價量趨勢	48
圖 52橡膠類股的價量關係衝擊函數圖	48
圖 53橡膠類股的GP最適化績效-1	48
圖 54橡膠類股的最適化績效-2	48
圖 55橡膠類股的量價GP程式-樹狀圖	49

一、	中文文獻
1.	吳佩珊(2007)，應用遺傳程式規劃於台灣加權股價指數真實波動率之預測，天主教輔仁大學資訊管理學系在職專班碩士論文。
2.	吳清豐(2006)，東亞各國家地區股市價量關係之研究，雲林科技大學博士論文。
3.	周義朗(2007)，台灣貨幣需求函數的估計-遺傳規劃的應用，真理大學財經研究所碩士論文。
4.	唐勇(2011)，「基於高頻數據的波動率與成交量動能關係研究」，成都理工大學學報(社會科學版)，第19卷第3期，頁20-26。
5.	莊家彰、管中閔(2005)，「台灣與美國股市之價量關係的分量迴歸分析」，經濟論文，第33 卷第4期，頁381-404。
6.	陳勁甫、鐘享庭(2002)，「大陸股市價量關係之研究」，中華管理評國際學報，第5卷第4期，頁83-103。
7.	陳哲宏(2010)，應用遺傳規劃法及演化類神經網路於股價條件漲跌預測之研究，東吳大學經濟學系碩士論文。
8.	黃瓊儀(2008)，遺傳程式規劃為基的單日股價預測模型與投資策略之研究，天主教輔仁大學資訊管理學系在職專班碩士論文。
9.	蔡丞師(2006)，應用遺傳程式規劃於尋找台灣加權指數技術交易法則，國立交通大學電機與控制工程學系碩士論文。
10.	鄭紹賓(2005)，以遺傳規劃建構交易策略，元智大學資訊管理學系碩士論文。
二、	英文文獻
1.	Akbar, E., .M. Somayeh, (2011), “A Genetic Programming Model to Generate Risk-Adjusted Technical Trading Rules in Stock Markets”, Expert Systems with Applications,Vol. 38, pp.8438-8445.
2.	Banz, R.W.(1981) “The Relationship Between Return and Market Value of Common Stocks. ” Journal of Financial Economics,Vol. 9, No.1, pp.3-8.
3.	Clark, P. K.(1973) “A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices,” Econometrica ,Vol.41, pp.135-155.
4.	Copeland, T. E.(1976) “A Model of Asset Trading under the Assumption of Sequential Information Arrival,” Journal of Finance ,Vol.31, pp.1149-1168.
5.	Epps, T., and M. Epps(1976), “The stochastic dependence of security price changes and transaction volumes: Implications for the mixture of distributions hypothesis”, Econometrica 44, 305-321
6.	Georgios A.et al.(2012) “A Genetic Programming Approach for EUR/USD Exchange Rate Forecasting and Trading”, Computational  Economics, Vol.42,pp.415-431.
7.	Jain, P. and G. Joh(1988) “The Dependence between Hourly Prices and Trading Volume,” Journal of Financial and Quantitative Analysis,Vol.23, pp. 269-84.
8.	Karpoff, J. M. (1987) “The Relation between Price Changes and Trading Volume: A Survey,” Journal of Financial and Quantitative Analysis, Vol.22, pp.109–126.
9.	Koza, J.R.(1992) “Genetic Programming – On the Programming of Computers by Means of Natural Selection, ” Cambridge, MA. MIT Press.
10.	Lee, C. M. C. and M.J. Ready (1991) “Inferring Trade Direction From Intraday Data”, Finance ,Vol. 46, pp.733-746.
11.	Lillo, C.(2003) “Master Curve for Price-Impact Function” Nature,Vol. 421,pp. 129-130.
12.	Moosa A.(2003) “The Sensitivity of the Optimal Hedge Ratio to Model Specification”, Finance Letters, Vol. 1, No. 1.
13.	Osborn, W. F. M.(1959) “Brownian Motion in the stock market”, Operation Research, Vol.7,pp. 145-173.
14.	Rama C., A. Kukanov and S. Stoikov.(2011) “The Price Impact of Order Book Events”, Journal of Financial Econometrics,Vol.12, No.1,pp 47-88.
15.	Reinganum, M.R.(1981) “Misspecification of Capital Asset Pricing: Empirical Anomalies based on Earnings Yields and Market Values. ” Journal of Financial Economics,Vol. 9, pp.19-46.
16.	Revichandran, K. and S. Bose(2012) “Relationship Between Stock Return and Trading Volume”, Research Journal of Business Management, Vol. 6, pp.30-39.
17.	Tov A.(2007) “Equity Price-Volume Relationship On The Russian Stock Exchange”, International Business & Economics Research Journal, Vol.6,No.9, pp107-116.