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 U0002-2206201413205300
中文論文名稱 以遺傳規劃股價衝擊函數曲線探討價量關係
英文論文名稱 Study on the Price-Volume Relationship with The Genetic programming Master Curve for price-impact function
校院名稱 淡江大學
系所名稱(中) 財務金融學系碩士在職專班
系所名稱(英) Department of Banking and Finance
學年度 102
學期 2
出版年 103
研究生中文姓名 林慧紋
研究生英文姓名 Hui-Wen Lin
學號 701530247
學位類別 碩士
語文別 中文
口試日期 2014-06-18
論文頁數 63頁
口試委員 指導教授-李沃牆
共同指導教授-謝宗佑
委員-洪明欽
委員-杜玉振
委員-李沃牆
中文關鍵字 價量關係  遺傳規劃  衝擊函數曲線  誤差均方  迴歸分析 
英文關鍵字 Price-volume relationship  Genetic Programming  Impact function curve  MSE  Regression analysis 
學科別分類
中文摘要 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。
英文摘要 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.
論文目次 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
參考文獻 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.
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2014-07-02公開。
  • 同意授權瀏覽/列印電子全文服務,於2014-07-02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