金融市場充滿變化，本論文提供給投資者一個客觀且穩定的預測系統，用以防範金融交易所面臨的投資風險。預測系統已有許多學者投入研究，希望能找到擁有高準確預測性的模型，而大部分的預測系統都使用股票指數以及技術指標作為分析的資訊，但在股票指數的走勢中，其漲跌幅度對於未來的影響變化具有相當重要的關鍵。
本論文提出一套預測方法GFLVQ_GRG (Grey Fourier LVQ based on GRG)，將股價的漲跌幅度作為分析的資訊，以提高預測系統的準確性。其預測系統對於變化多端的股票市場，先使用灰色預測搭配傅立葉殘差修正預測未來股票指數，再進行分群分析由LVQ(Learning Vector Quantization)神經網路與SOM(Self-Organizing Map) 網路。使用神經網路進行群聚分析，將股票指數漲跌幅度相同的波動劃分為同一群集，因此不同漲跌幅度的股票指數將不會彼此干擾影響預測結果。並且群聚分析中LVQ網路基於GRG(Gray Relational Grade)進行分析，新的分析方法將與傳統的LVQ神經網路不同，它能更準確的篩選出獲勝神經元。最後，經群聚分析後的群集各自擁有自己特性，將這些群集進行傅立葉正弦級數殘差修正或傅立葉餘弦級數殘差修正，以獲得最佳的預測值。經實驗結果證明，GFLVQ_GRG為擁有高準確度的預測系統。

This paper proposes a novel forecast method. Most of the forecast method using stock or technical index but research on scope changes of stock prices rise or fall less. Therefore, this paper uses the scope changes of stock prices rise or fall in order to improve the accuracy of forecasting system. First of all, this prediction method using grey prediction and Fourier residual correction forecasting future stock prices. Next, using learning vector quantization (LVQ) neural network and Self-Organizing Map (SOM) neural network , using these two types of neural networks for clustering analysis. An analysis and clustering analysis based on grey relational grade (GRG), different from the tradition of LVQ neural network. Finally, cluster analysis on residual correction to improve forecast accuracy. This model is known as 〖GFLVQ〗_GRG (Grey Fourier LVQ based on GRG), which has a good forecasting accuracy.

[1] 廖四郎，「期貨與選擇權」，新陸書局出版，2012。
[2] 吳忠憶，“基於AI的台股交易利潤產生器及修正器之設計”，國立台灣科技大學資訊工程系碩士論文，2006。
[3] 郭玟秀、陳仁龍、楊文誠，“台股指數期貨市場日內過度反應之研究”， 管理科學研究中正嶺學報，第六卷，第二期，頁77-89，2010。
[4] L.J. Kao, C.C. Chiu, C.J. Lu, & C.H. Chang (2013).A hybrid approach by integrating wavelet-based feature extraction with MARS and SVR for stock index forecasting, system. Decision Support Systems, 54, 1228–1244.
[5] 王洪、彭嘉禮，“基於屬性論方法的股市預測算法”，復旦學報(自然科學版)，第四十三卷，第五期，頁941-943，2004。
[6] 陳仕偉、陳俊偉，“台灣股票及外匯市場價量非線性因果關係之探討”，經濟與管理論叢，第二卷，第一期，頁21-51，2006。
[7] E.F. Fama & K.R. French (1988). Dividend yields and expected stock returns. Journal of Financial Economics, 22,3-25.
[8] 張育維，“改良式類神經網路預測模式於股價預測之研究”，北商學報，第二十三期，頁1-8，2013。
[9] 鍾任明、李維平、吳澤民，“運用文字探勘於日內股價漲跌趨勢預測之研究”，中華管理評論國際學報，第十卷，第一期，頁1-28，2008。
[10] 葉財榮，“具有隨時間變化相關波動性的股價指數與股價指數期貨動態關係：以臺灣加權股價指數期貨市場為例”，真理大學管理科學研究所碩士論文，2007。
[11] 楊孟龍，“類神經網路於股價波段預測及選股之應用”，國立中央 大學資訊管理學系碩士論文，2000。
[12] 段盛華、劉佩怡，“台灣基層金融的政治經濟分析”，玄奘社會科學學報，第二期，頁1-28，2004。
[13] J.L. Deng (1982). “Control problems of grey systems”, System and Control Letters, 5, 288-294,.
[14] 許程詠，“利用灰色理論於偵測器遺失資料插補之研究”，國立交通大學運輸科技與管理學碩士論文，2011。
[15] 溫坤禮、趙忠賢、張宏志、陳曉瑩、溫惠筑，「灰色理論與應用」，五南圖書出版股份有限公司，2009。
[16] 吳漢雄、鄧聚龍、溫坤禮，「灰色分析入門」，高立出版社，1996
[17] C.L. Tan, & S.P. Chang (1996). Residual correction method of Fourier series to GM(1, 1) model. Proceedings of the First National Conference on Grey Theory and Applications, 93–101.
[18] 余勃蒼，“以灰色理論為基礎之台股期貨交易策略”，國立台灣科技大學資訊工程碩士論文，2005。
[19] J. Xia (2000). Grey System Theory to Hydrology. Huazhong Univ. of Sci. and Technol. Press. China, 32-44.
[20] J.L. Deng (1986). Grey forecasting and decision. Wuhan: Huazhong University of Science and Technology Press
[21] 張嘉玲，“應用灰色理論於匯率預測之研究”，國立高雄應用科技大學國際企業系碩士論文，2011。
[22] A. Kung, H. Chang, & K.L. Lu. (2007).A Study of Grey Theory on Improving the Investment Performance of Technical Analysis Index – an Example of Morgan Stanley Taiwan Index’ Component Stocks. Proceedings of IEEE International Conference on Grey Systems and Intelligent Services, 18-20.
[23] 田自力、陳碩珮，“GM(1,1)模型之傅立葉級數殘差修正法”，1996年第一屆灰色系統理論與應用研討會，頁 91-101，1996。
[24] 洪慧芬，“基於自我組織特徵映射圖和灰色理論的台股指數預測系統”，國立台灣科技大學電機工程系博士論文，2008。
[25] 余尚武、劉憶瑩、王雅玲，“應用灰色系統理論於台灣上市公司財務比率變數之預測‒以電子業為例”，中華管理評論國際學報，第十六卷，第一期， 頁13-15，2013。
[26] 張斐章、張麗秋，「類神經網路導論 : 原理與應用」，滄海書局股份有限公司，2010。
[27] 周鵬程，「類神經網路入門」，全華圖書股份有限公司，2006。
[28] 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，2007。
[29] 閻建政、王紀瑞、陳德煒、賀增原，“人工智慧應用於載具外形及艙內空間之設計”，中正嶺學報，第三十八卷，第一期，頁201-209，2009。
[30] 曾智宏，“利用局部特徵不變量與Hopfield網路辨識重疊物件”，國立中山大學機械與機電工程學系研究所碩士論文，2003。
[31] 郭泰榕，“自組性類神經網路應用於乳房X光影像之偵測”，國立臺灣師範大學機電科技研究所碩士論文，2007。
[32] T. Kohonen (1982). Self-organized formation of topologically correct feature maps. Biological Cybernetics, 66, 59-69.
[33] 郭松霖，“以自組織映射圖(SOM)進行資訊安全視覺化”，中原大學資訊管理研究所碩士論文，2011。
[34] T. Kohonen (1984). Self-organized and associate memory. Springer Verlag, London.
[35] 王彥翔，“自組特徵映射與學習向量量化神經網路於河川流量之預測”，國立台灣大學生物環境系統工程學研究所碩士論文，2003。
[36] 曾伯勳，“利用SOM和GRG之金融時間數列預測”，國立臺灣科技大學資訊工程系碩士論文，2009。
[37] T. Kohonen (1988). Learning vector quantization. Neural Networks, 1-303.
[38] 梁武科、彭文季、羅興賀，“基於網路的水電機組震動多故障診斷方法”，農業機械學報，第三十八卷，第一期，頁208-210，2007。
[39] 張仁達，“類神經網路於製程線上診斷及控制的應用”，國立雲林科技大學工業工程與管理所碩士論文，2004。
[40] 林于舜，“使用影像運算及LVQ類神經網路於影像自動對焦與LCD 玻璃基板瑕疵檢測”，明新科技大學精密機電工程研究所碩士論文，2009。
[41] S. Chopra, & P. Meindl (2007). Supply Chain Management: Strategy, Planning, and Operation. Upper Saddle River, N.J. : Pearson Prentice Hall，NJ.
[42] 張怡筠，“CPFR 中滾動式預測的關鍵因子探討”，國立清華大學資訊系統與應用研究所碩士論文，2006。
[43] Jilani, T.A., Burney, S.M.A., 2008. A refined fuzzy time series model for stock market forecasting. Physica A 387, 2857–2862.
[44] Taylor, N., 2008. Can idiosyncratic volatility help forecast stock market volatility?. International Journal of Forecasting. 24, 462–479.
[45] 徐嘉陽，“應用灰色模型於巨峰葡萄批發價格預測”，亞洲大學資訊工程學系碩士論文，2011。
[46] 周雨田、巫春洲、劉炳麟，“動態波動模型預測能力之比較與實證”， 財金論文叢刊，第一期，頁1-23，2004。
[47] 華學凱，“期貨市場之價格群聚現象---以臺灣證券交易所股價指數期貨契約為例”，國立中正大學財務金融研究所碩士論文，2007。
[48] 蔡文誠，“應用視覺化自組映射圖於數位相機產品資料分析之研究”，國立雲林科技大學資訊管理系碩士論文，2008。
[49] Fourier Series Tutorial (2013)，http://www.fourier-series.com
[50] 台灣期貨交易所(加權指數計算) (2013)，http://www.taifex.com.tw/chinese/index.asp
[51] S.M. Chen (1996). Forecasting enrollments based on fuzzy time-series. Fuzzy Sets Systems, 81, 311–319.
[52] K.H. Huarng, & H.K. Yu (2006). The application of neural networks to forecast fuzzy time series. Physica A: Statistical Mechanics and its Applications, 336(2), 481–491.
[53] K.S. Kim, & I. Han (2013). A GA-weighted ANFIS model based on multiple stock market volatility causality for TAIEX forecasting. Applied Soft Computing, 13, 911–920.