陳柏榮;陳怡璋;陳安斌;韓復華;
頁: 63-78
日期: 2007/10
卷期: 14(4)
關鍵字: 限制規劃;投資組合模式;專家知識;技術指標;總經指標;
Keywords: portfolio model;constraint satisfaction problem;constraint programming;expert knowledge;decision support system;
摘要: 本研究應用限制規劃方法來建立投資組合模式，適當地納入技術面、總經面與股市連動關係的專家知識，使之能依據環境的變化，對投資組合操作策略做出適當之調整。此外，本研究以投資組合限制規劃模式為核心，開發出一套「智慧型投資組合決策輔助系統」，提供使用者彈性處理...

引用     導入Endnote

陳美支;黃銘嘉;陳安斌;
頁: 67-89
日期: 2006/10
卷期: 13(專)
關鍵字: 多重分類元系統;時间不變性投資組合保險;動態投資組合保險;
Keywords: Multi-Agent Classifier System;Time Invariant Portfolio Protection;Dynamic Portfolio Insurance;
摘要: 近年乘國人投資理財的風氣漸盛，金融商品日益多元化，面對台灣淺碟式經濟股市經常大起大落，如何降低投資風險，避免鉅額損失，是投資者尋求的投資之道。投資組合保險(Portfolio Insurance)的概念是籍由付出少許的保險費用，以鎖定整個投資組合所面臨價格下跌時之風險，將...

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

陳安斌;張志良;
頁: 63-80
日期: 2001/01
卷期: 07(2)
關鍵字: 選擇權;基因演算法;類神經網路;評價;避險;
Keywords: Option;Genetic algorithm;Neural network;Pricing;Hedging;
摘要: 類神經網路具有學習與高速計算之能力，再加上非線性處理與容錯之特性，使其在行為預測上表現相當優異，雖過去曾有多篇文獻使用類神經網路對選擇權進行評價，但至今尚未見其在避險上之運用，本研究運用基因演算法自動演化之類神經網路，掌握特定認購權證之時間價值與避險...

引用     導入Endnote

陳安斌;姜林杰祐;
頁: 1-10
日期: 1999/01
卷期: 05(2)
關鍵字: 外匯選擇權;實證研究;Black-Scholes評價模式;基因演算法;類神經網路 ;
Keywords: Currency option;Empirical study;Black-Scholes pricing model;Neural network ;
摘要: 本研究針對芝加哥商業交易所之德國馬克外匯選擇權市場進行實證研究，嘗試利用基因演算法自動演化之類神經網路來架構一新的選擇權評價模式，與傳統之Black-Scholes評價模式相比較，並評估這兩種方法對市場價格的誤差程度與解釋能力。研究期間涵蓋1990年至1992年，共計3年...

引用     導入Endnote