本篇論文使用灰色模型來預測時間序列，其中帶入灰色模型的不是收盤價，而是移動平均線的值。利用移動平均線的值帶入五天滾動的GM(1,1)中並預測時間序列中下一個點的預測值，所得到的值是移動平均線的預測值。預測的收盤價可以使用MAF公式或RMAF公式回推。
研究結果顯示MAP(60)季線，有最佳的預測效果，眾數的最小誤差。這也符合以季線當作是參考的一般投資法則。
MAF是用來作趨勢預測的，因為它代表的是移動較為緩慢的移動平均線。可以使用收盤價和長期MAF的交叉點來預測趨勢是否轉為多頭、趨勢是否轉為空頭或盤整。它也可以用來確認目前是多頭或空頭的局勢，當MAF(60)在收盤價上方時，表示目前局勢是空頭。當MAF(60)在收盤價下方時，表示目前是多頭局勢。
RMAF使用當天收盤價和預測的移動平均線差值，預測的值和收盤價並沒有同步放大，因此RMAF有效的將近期的收盤價資料帶入，而不會受到移動平均線長短時間的變化。RMAF能有效的運用股價時間區域性的結果。

This paper predicts the time series based on the grey models. The value of the average line of moving was put into the grey models instead of the closing price. By taking the 5-days rolling MAP into the GM(1,1) and predicting the value of the next point from the time series, the result value is the predictive value of the average line of moving. The predictive closing value could be figured out by using the formula of MAF or RMAF.
The 60-days average line of moving has the best predictive effects and the minimum error of the mean square. This proves MAP(60) is the best MAP in investment.
The MAF was used for the trend forecasting, since the MAF represents the long term average line of moving. The crossing point of the closing price line and the long term MAF could be used to predict the variation of trend and to validate if the bear or bull market is coming. When the MAF(60) is above the closing price, it represents that it is the bear market now. When the MAF(60) is below the closing price, it represents that it is the bull market now.
The RMAF can predict the more accurate closing price.

參考文獻
[1] 鄧聚龍，灰色系統基本方法，中華理工大學出版社，1988。
[2] 鄧聚龍，灰色系統理論教程，華中理工大學出版社，1990。
[3] 吳漢雄、鄧聚龍、溫坤禮，灰色分析入門，高立出版社，1996年。
[4] 康億毅，台灣證券市場之灰色建模，台灣科技大學電機工程研究所碩士論文，民國86年。
[5] Ping Zhou and Yong Wei,”The Optimization of Background Value in Grey Model GM(1,1)” ISSN 1028-9488 Journal of Grey System, Vol. 9, No. 2, (2006) 139-142
[6] 寰宇證券投資顧問公司，股價趨勢技術中分析，寰宇出版社，1998。
[7] Martin J.Pring，陰陽線詳解，寰宇出版社，2003。
[8] 杜金龍，技術指標在台灣股市應用的訣竅，財訊出版社，2006。
[9] 余勃蒼，以灰色理論為基礎之台股期貨交易策略，國立台灣科技學資訊工程研究所碩士論文，2005。
[10] 吳典林，基於模糊聚類之台股盤整區間期貨交易系統，國立台灣科技學資訊工程研究所碩士論文，2005。
[11] 趙和謙，結合統計分析、模糊聚類與灰色預測之趨勢波動多空策略，國立台灣科技學資訊工程研究所碩士論文，2005。
[12] 陳俊利，”台股期貨有效性之研究”，國立台灣科技大學資訊工程研究所碩士論文”，2002。
[13] 林錦賢，在空頭市場中基於灰色聚類之期貨交易系統設計，台灣科技大學資訊工程研究所碩士論文，民國93年。
[14] 鐘祥仁，在多頭市場中基於灰色聚類之期貨交易系統設計，台灣科技大學資訊工程研究所碩士論文，民國93年。
[15] 徐演政、鐘祥仁、康億毅，Grey Clustering Decision in Bullish StockMarket，人工智慧，模糊及灰色系統聯合會議，民國92年。
[16] 徐演政、葉治宏、林昌本，GM(1,1)建模點數剖析與評論，中華民國灰色系統學會，第四屆灰色系統理論與應用研討會，1998, pp. 224–229。
[17] 田自力、劉碧發，灰色馬爾可夫鏈預測模型，in 1996 1st Nat. Conf. Grey Theory Applicat., pp. 157–162.

[18] 田自力、劉碧發，GM(1,1)模型之傅立葉級數殘差修正法， in 1996 1st Nat. Conf. Grey Theory Applicat., 1996, pp. 93–101.

[19] ADVANCED ENGINEERING MATHEMATICS,Fourier Series,Integrals,and Transforms by ERWIN KREYSZIG. Chapter 10 Page 567.

[20] ADVANCED ENGINEERING MATHEMATICS,Separation of Variables,Use of Fourier Series by ERWIN KREYSZIG. Page 631.

[21] 台灣政券交易所網站，www.tse.com.tw，2007。
[22] 顏月珠，統計學，三民書局，1998。
[23] 張清溪 許嘉棟 劉鶯川 吳聰敏，經濟學理論與實務，1990。
[24] James C.Van Home and John M wachozicz，Foundamentals of Financial Management，2004。
[25] 國際財經資訊網站，http://www.marketwatch.com/。