檢索結果(共7筆)
楊耿杰;趙文彬;林宗輝;林薏文;姜林杰祐;
頁: 153-176
日期: 2024/04
卷期: 31(2)
關鍵字: 複合式技術指標;技術分析;交易策略;
Keywords: Multiple technique indexes;technique analysis;trading strategy;
摘要: 本研究利用不同時間週期的所形成的複合式技術指標與單一技術指標進行比較，而複合式技術指標所選用的是趨勢型技術指標與擺盪型技術指標的結合，單一技術指標則僅使用擺盪型技術指標，兩兩比較來探討複合式技術指標是否能優於單一技術指標，再進一步比較複合式技術指標加...
引用 導入Endnote
頁: 153-176
日期: 2024/04
卷期: 31(2)
關鍵字: 複合式技術指標;技術分析;交易策略;
Keywords: Multiple technique indexes;technique analysis;trading strategy;
摘要: 本研究利用不同時間週期的所形成的複合式技術指標與單一技術指標進行比較，而複合式技術指標所選用的是趨勢型技術指標與擺盪型技術指標的結合，單一技術指標則僅使用擺盪型技術指標，兩兩比較來探討複合式技術指標是否能優於單一技術指標，再進一步比較複合式技術指標加...
引用 導入Endnote
許敦盛;李俊賢;
頁: 483-511
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標預測;球型複數模糊集;卷積神經網路;模糊推論系統;複合式機器學習演算法;
Keywords: multi-target prediction;sphere complex fuzzy sets;convolution neural networks;fuzzy inference system;hybrid learning;
摘要: 本研究針對時間序列提出多目標預測模型，結合卷積神經網路（Convolutional neural networks; CNN）與球型複數模糊神經系統（Sphere complex neural fuzzy system; SCNFS）。球型複數模糊集（Sphere complex fuzzy sets; SCFSs）可產生複數型態的歸屬程度，使SCNFS能根據...
引用 導入Endnote
頁: 483-511
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標預測;球型複數模糊集;卷積神經網路;模糊推論系統;複合式機器學習演算法;
Keywords: multi-target prediction;sphere complex fuzzy sets;convolution neural networks;fuzzy inference system;hybrid learning;
摘要: 本研究針對時間序列提出多目標預測模型，結合卷積神經網路（Convolutional neural networks; CNN）與球型複數模糊神經系統（Sphere complex neural fuzzy system; SCNFS）。球型複數模糊集（Sphere complex fuzzy sets; SCFSs）可產生複數型態的歸屬程度，使SCNFS能根據...
引用 導入Endnote
黃永成;
頁: 133-153
日期: 2011/01
卷期: 18(1)
關鍵字: 灰關聯分析;模糊連續遺傳演算法;選擇權評價;
Keywords: Grey relational analysis;Fuzzy Continuous Genetic Algorithm FCGA;Option pricing;
摘要: 本研究結合灰關聯分析之模糊連續遺傳演算法，做為評價選擇權的另一工具。首先以灰色關聯分析找尋除了Black-Scholes評價模型之外足以影響選擇權價格的因素，再透過模糊數之運算將實數變數轉為模糊數，做為模糊連續遺傳演算法的輸入與輸出變數，尋找更精確的選擇權評價方法...
引用 導入Endnote
頁: 133-153
日期: 2011/01
卷期: 18(1)
關鍵字: 灰關聯分析;模糊連續遺傳演算法;選擇權評價;
Keywords: Grey relational analysis;Fuzzy Continuous Genetic Algorithm FCGA;Option pricing;
摘要: 本研究結合灰關聯分析之模糊連續遺傳演算法，做為評價選擇權的另一工具。首先以灰色關聯分析找尋除了Black-Scholes評價模型之外足以影響選擇權價格的因素，再透過模糊數之運算將實數變數轉為模糊數，做為模糊連續遺傳演算法的輸入與輸出變數，尋找更精確的選擇權評價方法...
引用 導入Endnote
柯博昌;田育任;
頁: 203-226
日期: 2008/07
卷期: 15(3)
關鍵字: 類神經網路;有限資源配置;投資組合;資金分配;遺傳演算法;
Keywords: Neural network;limited resource allocation;portfolio;asset allocation;genetic algorithm;
摘要: 類神經網路近幾年被許多學者證明能有效率應用於求解大規模非線性複雜問題，然而應用於有限資源配置(limited resource allocation)問題上並不多見。投資組合資金分配是典型的資源配置問題，傳統投資組合的資金配置方式建立在假設及限制條件下，不符合現實投資環境；被廣泛...
引用 導入Endnote
頁: 203-226
日期: 2008/07
卷期: 15(3)
關鍵字: 類神經網路;有限資源配置;投資組合;資金分配;遺傳演算法;
Keywords: Neural network;limited resource allocation;portfolio;asset allocation;genetic algorithm;
摘要: 類神經網路近幾年被許多學者證明能有效率應用於求解大規模非線性複雜問題，然而應用於有限資源配置(limited resource allocation)問題上並不多見。投資組合資金分配是典型的資源配置問題，傳統投資組合的資金配置方式建立在假設及限制條件下，不符合現實投資環境；被廣泛...
引用 導入Endnote
連立川;葉怡成;
頁: 29-51
日期: 2008/01
卷期: 15(1)
關鍵字: 股票市場;技術指標;遺傳演算法;類神經網路;
Keywords: Stock market;technical index;genetic algorithms;neural networks;
摘要: 本研究採用台灣大盤股價指數及成交值所轉換的18個價量技術指標做為輸入參數，以期末資金最大化做為適應度函數，應用遺傳演算法(Genetic Algotithms)建構買賣決策類神經網路(Neural Networks)。研究結果顯示，本研究所比較之四種交易策略：遺傳神經網路策略(Genetic Neur...
引用 導入Endnote
頁: 29-51
日期: 2008/01
卷期: 15(1)
關鍵字: 股票市場;技術指標;遺傳演算法;類神經網路;
Keywords: Stock market;technical index;genetic algorithms;neural networks;
摘要: 本研究採用台灣大盤股價指數及成交值所轉換的18個價量技術指標做為輸入參數，以期末資金最大化做為適應度函數，應用遺傳演算法(Genetic Algotithms)建構買賣決策類神經網路(Neural Networks)。研究結果顯示，本研究所比較之四種交易策略：遺傳神經網路策略(Genetic Neur...
引用 導入Endnote
呂奇傑;李天行;陳學群;
頁: 161-183
日期: 2007/10
卷期: 14(4)
關鍵字: 獨立成份分析;支援向量迴歸;財務時間序列預測;股價指數;
Keywords: Independent component analysis;Support vector regression;Financial time series forecasting;Stock index;
摘要: 由於財務時間序列資料具有高頻率、雜訊、非定態與混沌等性質，因此在現今時間序列預測領域中，向來被認為是一極具挑戰性的應用領域。本研究提出一結合獨立成份分析(Independent component analysis, ICA)與支援向量迴歸(Support Vector Regression, SVR)之財務時間序列預...
引用 導入Endnote
頁: 161-183
日期: 2007/10
卷期: 14(4)
關鍵字: 獨立成份分析;支援向量迴歸;財務時間序列預測;股價指數;
Keywords: Independent component analysis;Support vector regression;Financial time series forecasting;Stock index;
摘要: 由於財務時間序列資料具有高頻率、雜訊、非定態與混沌等性質，因此在現今時間序列預測領域中，向來被認為是一極具挑戰性的應用領域。本研究提出一結合獨立成份分析(Independent component analysis, ICA)與支援向量迴歸(Support Vector Regression, SVR)之財務時間序列預...
引用 導入Endnote
陳安斌;許育嘉;
頁: 139-165
日期: 2004/01
卷期: 11(1)
關鍵字: 投資決策;小波轉換;神經網路;時間序列;股市預測;
Keywords: Investment Decision;Wavelet Transform;Neural Network;Time Series;Stock Forecasting;
摘要: 傳統時間序列的分析，通常都植基於機率與統計學，並假設資料的性質是定性(stationary)和線性(linear)的。但是當系統動態呈現高度非線性並伴隨著非定性(non-stationary)時，這些傳統模型的適用性及準確性可能無法滿足研究的需求。因此本研究提出了『小波神經網路多尺度解...
引用 導入Endnote
頁: 139-165
日期: 2004/01
卷期: 11(1)
關鍵字: 投資決策;小波轉換;神經網路;時間序列;股市預測;
Keywords: Investment Decision;Wavelet Transform;Neural Network;Time Series;Stock Forecasting;
摘要: 傳統時間序列的分析，通常都植基於機率與統計學，並假設資料的性質是定性(stationary)和線性(linear)的。但是當系統動態呈現高度非線性並伴隨著非定性(non-stationary)時，這些傳統模型的適用性及準確性可能無法滿足研究的需求。因此本研究提出了『小波神經網路多尺度解...
引用 導入Endnote