臺灣博碩士論文加值系統

本研究認為財務績效及財務狀況的優劣及個別公司差異與股價波動劇烈程度相關，因此以股價標準差為股價波動劇烈程度之代理變數，並將股價標準差由低到高分為四個級別，分別代表股價波動平穩至劇烈的程度，並以財務指標等變數利用決策樹方法及徑向基底類神經網路方法進行股價波動劇烈程度之預測，發現以財務指標預測整體樣本股價波動劇烈程度分類，各不同波動劇烈程度級別平均預測精確率最高可達到56%，對於股價波動最小之級別預測能力更為突出，其預測精確率更高達73%，而股價波動最劇烈級別預測準確率約為53%，研究發現股價波動平穩之樣本，其財務指標特徵明顯，但股價波動劇烈之財務指標特徵較薄弱，本研究經由加入股價淨值比、前期股價標準差等變數後改善股價波動較高級別之預測能力，本文模型預測下季度股價波動劇烈程度將小於樣本平均股價波動劇烈程度之精確率達97%，表示投資人可由本文預測波動最小級別之樣本中挑選股票將有97%的機率下季股價波動劇烈程度小於樣本平均值，另外本文預測下季度股價波動大於樣本平均之精確率達94%，其預測結果足以用於投資策略。

This study suggests that the company's financial situation will affect stock price volatility. Therefore, we use the standard deviation of stock price as dummy for stock price volatility. First, we divided standard deviation of stock prices into four levels high to low, representing the degree of its volatility from smooth to violent. Second, we take financial ratios to predict its volatility with a total of three methods as follow: (1) the number of C 4.5 decision tree method (2) Random Forest decision tree method and (3) Radial Basis Function Neural Network(RBFNN) method. The study found the average prediction accuracy rate is up to 56%. Stock price volatility of the lowest level of the prediction reaches 73%. And the highest level of stock price volatility prediction accuracy rate is also up to 53%. The study found stock price volatility of the stable samples show the obvious characteristics on financial indicators, but the serious samples of stock price volatility indicate weaker relationship on their financial indicators. Our study try to improve the ability of prediction of the high level by increasing price-to –book ration and the prior period stock price volatility. Our model forecasted the sample of stock price volatility will be less than the average stock price volatility in the following quarter and its accuracy is up to 97%.Besides, Our result shows stock price volatility is more than the mean of samples, which explanation of prediction reaches 94%. The results of this study can be used for investment decisions in practice.

目錄
摘要 I
Abstract II
誌謝 IV
目錄 IV
第一章 緒 論 1
第二章 文獻探討 4
第三章 樣本及研究方法 13
第四章 實證結果分析 46
第五章 結論與建議 79
文獻參考 85

表目錄
表3-1：混淆矩陣表 41
表4-1：產業與公司個數對照表 53
表4-2：變數敘述性統計表 54
表4-3：原始模型預測結果 55
表4-4：研究模型設計整理表 58
表4-5：模型一預測結果 60
表4-6：模型二預測結果 63
表4-7：模型三預測結果 64
表4-8：模型四預測結果 67
表4-9：模型五預測結果 69
表4-10：模型六預測結果 71
表4-11：模型七預測結果 73
表4-12：模型七混淆矩陣表 74
表4-13：模型八樣本切割期間對照表 77
表4-14：模型八預測結果 77

圖目錄
圖3-1：本文研究分析架構圖 14
圖3-2：公司規模分類圖 23
圖3-3：本研究四分位距箱形圖 26
圖3-4：本研究以C4.5決策樹方法產生之部分樹狀圖 28
圖3-5：類神經演算法示意圖 36
圖3-6：徑向基底類神經網路演算法架構圖 39
圖4-1：股價波動分類圖 48
圖4-2：變數去除極端值前後比較圖之一 49
圖4-3：變數去除極端值前後比較圖之二 50
圖4-4：變數去除極端值前後比較圖之三 51
圖4-5：變數去除極端值前後比較圖之四 52

中文部分：
吳克、余惠芳、梁榮輝與魏利安（2013）。高槓桿傳統產業、代理問題與信用風險模型之實證研究。華人經濟研究。11（2），1-17。
何佳、何基报（2006）。投資者結構與股價波動關係－基於理論的思考。南方經濟。2，80-90。
李源明（2006）。不同的景氣條件下股價波動與產出波動之間相關性的探討。致遠管理論叢。1（1），69-94。
林雅俐、劉淙凱（2014）。台灣大型集團企業經營績效之財務指標採礦研究。管理資訊計算。3，480-489。
金鐵英（2003）。台股短期走勢可被準確的預測並且從中獲利：誰說市場是有效率的。朝陽學報。8（1），237-262。
俞國紅、楊德志與曹佩麗（2013）。ARIMA和RBFNN相融合的股票價格預測研究。計算機工程與應用。（18），245-248,259。
洪榮華、雷雅淇（2002）。公司規模、股價、益本比、淨值市價比與股票報酬關係之實證研究。管理評論。21（3），p25 - 48
施雅月、賴錦慧（2008），資料探勘，新北市：培生教育出版社。
陳信宏、陳昱志與鄭舜仁（2006）。以時間數列模型檢定台灣股票市場弱式效率性之研究。管理科學與統計決策。3（4），8-17。
程曦、贺瑞缠（2011）。基於LS-SVR演算法改進的RBF類神經網路及其在股價預測中的應用。陜西科技大學學報。6，117-120。
溫福星（2012）。上市電子業公司財務績效分群之研究；潛在類別分析與集群分析的比較。αβγ量化研究學刊。4（2），1-24。
黃寶玉、倪衍森與劉程睿（2010）。探討週轉率對價量波動的連動性及其成因分析-以富邦科技 ETFs成分股為例。財金論文叢刊。13（4），45-58。
詹世煌、許溪南與謝宗祐（2003）。股價波動性之影響因素。風險管理學報 第五卷。2，385-401。
葉怡成（2002），應用類神經網路，台北市：儒林圖書有限公司。
劉文卿、范饒耀（1997）。遺傳演算法在財務預測之應用。資訊管理研究。1（2），49-66。
戴麗萍（2004）。財務指標與股票價格定位：一種實證研究。雲南財經大學學報。20（4），66-70。
Olson, D. & Shi, Y.. （2008）。資料探勘（魏志平、鄭滄祥譯）。新北市：高立圖書有限公司。（原著發行於2005）


英文部分：
Ball, R. & Philip, B. (1968). An empirical evaluation of accounting income numbers. Journal of Accounting Research (Autumn), 159-178.
Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. I. (1984). Classification and regression trees. Belmont, Calif.: Wadsworth.
Chan, K., Chung, P. Y., & Fong, Wai-Ming. (2002). The informational role of stock and option volume. Review of Financial Studies, 15, 1949-1975.
Fama, E. F. (1976). Inflation uncertainty and expected returns on Treasury bills. Journal of Political Economy, 84, 427-448.
Fama, E. F. & French, K. R. (1992). The cross-section of expected stock returns. Journal of Finance, 47 (2), 427-465.
Freund, S. W. & Webb, G. P. (1999). Recent growth in NASDAQ trading volume and its relation to market volatility. Journal of Financial Research, 22, 489-501.
Hamzaçebi, C. & Pekkaya, M. (2011). Determining of stock investments with grey relational analysis. An International Journal, 38 (8), 9186-9195.
Holthausen, R. W. & Larcker, D. F. (1992). The prediction of stock returns using financial statement information. Journal of Accounting and Economics, 15, 373-411.
Hopwood, W. & Schaefer, K. (1988). Incremental information content of earnings and nonearnings-based financial ratios. Jornal of Anccounting and Economics, 11, 295-329.
Jagadeesh, N. & Titman, S. (2001). Profitability of momentum strategies: An evaluation of alternative explanations. Journal of Finance, 56 (2), 699-720.
Jensen, M. C. (1968). The performance of mutual funds in the period 1945-1964. Journal of Finance, 23 (2), 389-416.
Kenneth D. W. (1988). Bubbles, fads and stock price volatility tests: A partial evaluation. Journal of Finance, 43 (3), 639-656.
Kwag, S. W. & Lee, S. W. (2006). Value investing and the business cycle. Journal of Finance Planning, 64-71.
Lucy, F. A. & Brian, F. S. (1993). Volatility, Ordinary dividends, and other cash flows to shareholders. The Journal of Finance, 48 (4), p1147-1160.
Ou, J. & Penman, S. (1989). Financial statement analysis and the prediction of stock returns. Journal of Accounting and Economics, 11, 295-329.
Pinches, G. E., Mingo, K. A., & Caruthers, J. K. (1973). The stability of financial patterns in industrial organization. Journal of Finance, 389-396.
Robert J. S. (1981). Do stock prices move too much to be justified by subsequent changes in dividends? The American Economic Review, (71) 3, 421-436.
Roenfeldt, R. L. and Cooley, P. L. (1978). Predicting corporate profitability for investment selection. Journal of Business Finance & Accounting, 5, 57-65.
Sweeney, R. J. (1986). Beating the Foreign Exchange Market. The Journal of Finance, 41 (1), p163-182.
Tukey, J. (1977). Exploratory Data Analysis, London: Addison-Wesley.