檢索結果(共3筆)


邱登裕;徐廣銘;
頁: 73-96
日期: 2008/01
卷期: 15(1)
關鍵字: 決策模式;遺傳演算法;法則式類神經網路;倒傳遞類神經網路;
Keywords: Decision model;genetic algorithm;rule-based neural network;back-propagation neural network;
摘要: 方法是結合遺傳演算法與法則式類神經網路,克服利用類神經網路進行財務預測時,其缺乏解釋能力及無法在類神經網路模組中加入專家知識的兩大缺點,而提出一個具有解釋能力的決策模式。期望能透過決策模式的解釋能力讓預測結果能更加取信投資人,並協助投資人進行股市投資...

引用     導入Endnote
陳明琪;林逾先;郭人介;
頁: 153-178
日期: 2008/01
卷期: 15(1)
關鍵字: 蟻群最佳化;KD指標;成交量;20日移動平均線;
Keywords: Ant colony optimization;KD technical indicators;stocks trading volume;20-day moving average;
摘要: 本研究的主要目的是運用蟻群最佳化演算法,針對台灣股票市場建構一個理性的投資決策系統,探討ACO系統最適化參數及其在股市投資決策上之投資績效,並研究系統參數變動對投資績效之影響。模型中以股價、20日移動平均線、KD線與成交量等技術分析指標為判斷因子,根據蟻群最...

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