應用灰色預測與演化式類神經網路建構臺灣加權股價指數之預測模式

Apply Gray Prediction and Evolutional Neural Network to Build Taiwan Weighted Stock Index Forecast Models

對於證券市場眾多的研究，其中包含技術分析、基本分析、產業分析、政策分析和心理分析等等，都是為了試圖找出可依循的市場交易策略，進而獲取更高的報酬。但是因為證券市場是一個動態且開放的市場，任何的交易策略都會因為環境的變化及眾多的因素而產生明顯的誤差，所以任何一套分析理論都必須具備自我調整的能力以適用於多變的投資環境。本研究的目的在於結合演化式類神經網路強大的搜尋能力與灰色預測數列預測能力，預測加權股價指數收盤指數與漲跌方向。演化式類神經網路以加權股價指數當日的原始資料，同時將加權股價指數期貨與現貨之正逆價差、摩根臺灣股價指數期貨與現貨之正逆價差，並以美股最近一交易日的道瓊工業指數（DJ）與那斯達克指數（NASDAQ）收盤漲跌為輸入變數預測收盤指數；灰色預測部份以四點滾動建模之灰色預測模組GM(1,1)應用於收盤指數與漲跌方向之預測，並進行兩種不同預測模型組合實証結果比較和分析。同時亦利用基因演算法搜尋出之α 值建立最佳GM(1,1)預測模型。經兩種模型實證結果發現，在預測收盤指數方面灰色預測模型之預測能力優於演化式類神經網路模型，亦優於結合兩種模型之預測結果；但就預測股價指數漲跌方向而言，以結合兩種模型預測之準確率最高，而經級比檢驗調整灰色預測模型之預測效果則優於比未經級比檢驗調整灰色預測模型，此外經由基因演算法搜尋出之α 值所建立之最佳GM(1,1)預測模型的確有較高之精確度。