研究生: |
吳瑞芸 Jui-yun Wu |
---|---|
論文名稱: |
基於類神經網路與模糊理論之臺指選擇權交易策略設計 Design of Taiex Options Trading Strategy based on Neural Network and Fuzzy Theory |
指導教授: |
徐演政
Yen-Tseng Hsu |
口試委員: |
葉治宏
none 林昌本 none |
學位類別: |
碩士 Master |
系所名稱: |
電資學院 - 資訊工程系 Department of Computer Science and Information Engineering |
論文出版年: | 2012 |
畢業學年度: | 100 |
語文別: | 中文 |
論文頁數: | 137 |
中文關鍵詞: | 選擇權 、類神經網路 、模糊理論 、技術指標 、程式交易 |
外文關鍵詞: | Option, Neural Network, Fuzzy theory, Technical indicators, Program trading |
相關次數: | 點閱:641 下載:2 |
分享至: |
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
本論文主要為設計一穩定獲利的臺指選擇權程式交易策略,利用類神經網路與模糊理論演算法參考技術指標的相關特性判斷股價未來趨勢;以程式交易的方式來觀察、設計同時包含有賣權多頭價差和買權空頭價差的交易策略達到穩定獲利的目標。論文中取得績效評估指標與獲利曲線分析、比較不同的技術指標對獲利績效結果造成的差異。為此,本論文採用了MTM、BIAS、OSC、RSI與WRSI等五種技術指標,經實驗分析後取得的結論不論採用何種技術指標,其預測獲利趨於穩定向上攀升,但下跌區段容易虧損,造成整體表現下滑。
This thesis primarily for designing a stable profit trading strategy in Taiex based on Neural Network and Fuzzy Theory. By using different technical indices like MTM, BIAS, OSC, RSI and WRSI creates a lot of combinations. Through the neural network to calculate the index of the right weight, and then using a fuzzy inference, and using risk analysis to configure position including bull put spreads and bear call spreads. After that, we can analyze the different technical index by the differences of the profit index. Finally, experimental results regardless of the technical indicators will have a stable profit performance, but fell easily lost, resulting in decreased overall performance.
[1]臺灣期貨交易所 Taiwan Futures Exchange,http://www.taifex.com.tw/chinese_new/7/AnnualTrading.asp (2012)。
[2]陳彥篁,「選擇權程式交易之設計」,碩士論文,國立台灣科技大學,台北(2007)。
[3]盧郁頻,「應用模糊理論於台股指數選擇權之交易策略設計」,碩士論文,國立台灣科技大學,台北(2011)。
[4]李岳霖,「台指選擇權價差交易系統設計」,碩士論文,國立台灣科技大學,台北(2008)。
[5]臺指選擇權, http://www.taifex.com.tw/chinese_new/2/TXO.asp。
[6]林榮輝,「AiSM模型之選擇權交易策略設計」,碩士論文,國立台灣科技大學,台北(2006)。
[7]鄭超文,點線賺錢術:技術分析詳解,財信出版(2008)。
[8]張馨文,「台灣指數期貨30分預測系統」,碩士論文,國立台灣科技大學,台北(2010)。
[9]楊朝成、陳勝源,投資學,華泰文化事業股份有限公司(2006)。
[10]KGI凱基證劵,http://www.kgieworld.com.tw/classroom/classroom.htm。
[11]股市技術分析,http://www.angelibrary.com/economic/gsjs/。
[12]TRIX三重指數平滑移動平均指標分析及運用,http://tw.myblog.yahoo.com/kingpohan/article?mid=-2&prev=298&l=a&fid=1。
[13]石其生,「期貨與選擇權交易平台之實現」,碩士論文,國立台灣科技大學,台北(2008)。
[14]蔡鈞智,證券操盤穩勝秘笈(下冊),千翔文化事業(1999)。
[15]許雅琳,「區間漲跌幅投資策略的探討:以台灣股市為例」,碩士論文,國立中央大學(2007)。
[16]吳典林,「基於模糊聚類之台股盤整區間期貨交易系統」,碩士論文,國立台灣科技大學,台北(2005)。
[17]葉怡成,類神經網路模式應用與實作,儒林(1993)。
[18]葉怡成,應用類神經網路,儒林(2004)。
[19]游建欣,「運用適應性網路模糊推論系統於台灣股票加權指數預測之研究」,碩士論文,東吳大學,台北(2006)。
[20]王進德,類神經網路與模糊控制理論入門與應用,全華科技圖書股份有限公司(2006)。
[21]蘇木春、張孝德,機器學習:類神經網路、模糊系統以及基因演算法則,全華科技圖書股份有限公司(2006)。
[22]張兆旭,Fuzzy淺談,松崗電腦圖書資料股份有限公司,台北(1993)。
[23]余尚武、郭至軒,「運用基因演算法與模糊理論於台股指數期貨投資策略之研究」,中華管理評論國際學報(2004)。
[24]孫宗瀛、楊英魁,Fuzzy 控制:理論、實作與應用,全華圖書股份有限公司(2007)。
[25]林芝儀,「應用資料探勘於信用卡授信決策模式之實證研究」,碩士論文,元智大學(2002)。
[26]施伯屹,「倒傳遞類神經網路學習收斂之初步探討」,碩士論文,國立中央大學(2000)。
[27]余尚武、賴佩君,「灰色系統、模糊理論與約略集理論於權變投資組合保險策略之應用」,中華管理評論國際學報,第十卷,第四期(2007)。
[28]張俊郎、陳啟浩、曾輝鈺,「結合類神經網路與決策樹於糖层病前期診斷之研究」,中華民國品質學會第43 屆年會暨第13 屆全國品質管理研討會(2007)。
[29]John C. Hull, Options, Futures, and other Derivatives, Seventh Edition, Pearson Prentice Hall (2009).
[30]Simon Haykin, Neural Networks and Learning Machines, Pearson Prentice Hall (2009).
[31]廖四郎、王昭文,期貨與選擇權,新陸書局股份有限公司(2009)。
[32]杜金龍,「新技術指標在台灣股市應用的訣竅,財信出版社(2008)。
[33]周智勳,「模糊理論和基因演算法於股市買賣點決策及資金比例配置之研究」,碩士論文,私立中華大學(2001)。
[34]姜林杰祐,程式交易系統設計與建構,新陸書局(2007)。
[35]余勃蒼,「以灰色理論為基礎之台股期貨交易策略」,碩士論文,國立臺灣科技大學(2005)。
[36]林錦賢,「在空頭市場中基於灰色聚類之期貨交易系統設計」,碩士論文,國立台灣科技大學(2004)。
[37]卓慶衛,「技術分析對台指選擇權單一部位投資績效之探討-兩條移動平均線交叉法」,碩士論文,私立元智大學 (2007)。
[38]鄭孙真,「以類神經網路模式分析台指選擇權最適化定價模型」,碩士論文,國立台北大學(2004)。
[39]連照蓉,「台指選擇權交易決策分析之研究」,碩士論文,義守大學(2004)。
[40]徐演政,「人工智慧金融程式交易系統研究成果發表會」,國立台灣科技大學(2005)。
[41]林榮輝,「AiSM 模型之選擇權交易策略設計」,碩士論文,國立台灣科技大學(2006)。
[42]謝明忠,「台指選擇權交易策略之研究與實證」,碩士論文,國立政治大學(2006)。
[43]黃志強,「應用模糊類神經網路於組合預測之研究」,碩士論文,國立臺灣科技大學(2008)。
[44]王文俊,認識Fuzzy,全華科技圖書股份有限公司(2005)。
[45]Zadeh, L.A., “Knowledge Representation in Fuzzy Logic”, IEEE Transactions on Knowledge and Data Engineering (1989).
[46]Jang, J.-S. R., and C.-T. Sun, Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence, Prentice Hall (1997).
[47]Lo, S. P., “An adaptive-network based fuzzy inference system for prediction of workpiece surface roughness in end milling”, Material Processing Technology, Vol.142, No.3, pp.665-675(2003).
[48]Yao, Y., Lian, Z. W., Hou, Z. J. and Liu, W. W., “An innovative air-conditioning load forecasting model based on RBF neural network and combined residual error correction”, International Journal of Refrigeration, Vol.29, No.4, 66 pp.528-538(2006).
[49]Jang, J. S. R., “ANFIS: Adaptive network-based fuzzy inference system”, IEEE Transactions on Systems, Man and Cybernetics, Vol.23, No.3, pp.665-685(1993).
[50]Fiordaliso, A., “A nonlinear forecasts combination method based on Takagi-Sugeno fuzzy systems”, International Journal of Forecasting, Vol.14, No.3, pp.367-379(1998).
[51]Donaldson, R. G. and Kamstra, M., “Forecast combining with neural networks”, Journal of Forecasting, Vol.15, No.1, pp.49-61 (1996).