中文摘要 |
傳統的多元迴歸模型存在許多問題一直困擾著研究者,這些問題包括了自變數間的線性重合與非線性問題,使得無法獲得準確的預測。有鑑於此,本文提出一種混合模型的分析方法,結合主成份迴歸模型(Principle Component Regression, PCR),與倒傳遞類神經網路(Back-Propagation Network, BPN)來解決此兩種問題。首先,本文蒐集臺灣地區上市上櫃公司的財務比率作為樣本資料,利用灰關聯分析(Grey Relational Analysis)進行各企業經營績效的排名,並挑選經營績效排名前兩名企業,蒐集其股票資料,進行股票收盤價之預測。本文將股票資料分為訓練資料及測試資料,進行模型的建構與驗證,並計算測試結果的誤差均方根(Root Mean Squared Error, RMSE)、修正Theil不等係數(Revision Theil Inequality Coefficient, RTIC)、平均絕對誤差(Mean Absolute Error, MAE)、平均絕對誤差百分比(Mean Absolute Percentage Error, MAPE)與效率係數(Coefficient of efficiency, CE)等5項指標,在實證上顯示,PCR+GABPN之混合(Hybrid)模型的預測能力,均顯著優於PCR、BPN與PCR+BPN模型。 |