應用主成份迴歸結合倒傳遞類神經網路進行台股收盤價之預測

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。