時間序列資料是指隨著時間而變化的數字，在現實生活中用來量測或計算的時間序列通常因為多種外在因素影響，使得資料中常包含著許多雜訊，這些雜訊讓時間序列資料的走勢不明確，也因為如此時間序列資料通常不會隨著時間接近一個常數或線性函數，這造成分析和預測上的困難。
有鑒於此，本篇論文以小波分解擷取原始資料中的特徵值，並根據特徵值使用多項式回歸與灰色理論建立混合預測模型，在混合模型中，使用SVM建立選取最佳預測模型的方式，本研究使用台灣加權股價指數(TAIEX)做為實驗的對象，並比較其他研究的實驗結果，最後的結果顯示本研究相較於其他研究的預測模型有更好的預測效果。

A time series data is the sequence of numbers which changes along with times. However, it becomes harder for us to make the time series a correct way of forecasting and analysis due to the different factors in the practical situation that always contains noise and so that the result of time series would not match a constant number of a linear function.
This study capture feature values from original time series data with wavelet decomposition, build hybrid prediction model with polynomial regression and grey theory based on feature values, in hybrid model, this study chose SVM to find best prediction model to prediction. The study targets TAIEX and it shows a better result of prediction compares to other researches.

[1] Aizerman M.-A., Braverman E.-M., Rozonoer L.-I., Theoretical Foundations of the Potential Function Method in Pattern Recognition Learning. Autom. Remote Control, 1964. 25: p. 821-837.
[2] Baba N., Kozaki M., An intelligent forecasting system of stock price using neural networks. IJCNN, 1992. 92: p. 371-377.
[3] Bernstein P.-L., Capital Ideas Evolving. 2009, USA: Wiley.
[4] Hsu C.-W., Chang C.-C., Lin C.-J., A Practical Guideto Support Vector, Classification. Department of Computer Science National Taiwan University, 2010.
[5] Cheng C.-S., Hsu Y.-T., Wu C.-C., Grey Neural Network. Fundamentals of Electronics, Communications and Computer Sciences, 1998. E81A: p. 2422-2433.
[6] Graps A., An Introduction to Wavelets. IEEE Computational Science and Engineering, 1995. 2(2): p. 50-61.
[7] Haar A., Zur Theorie der orthogonalen funktionen Systeme. Mathematische Annalen, 1910. 69.
[8] Jiang Y.-T., Block Context-based Arithmetic Codes for Improvement of SPIHT Coders. 2003.
[9] Jimin H., The application of grey prediction to population of Jingxi province. Journal of Grey System. 5: p. 213-220.
[10] Jones F., Lebesgue Integration on Euclidean Space. 1993.
[11] Julong D., Control problems of Grey System. System and Control Letters, 1982. 1.
[12] Lee D.-L., A High-Speed Semi-Recursive Architecture for 2-D Discrete Wavelet Transform. Department of Electrical Engineering, National Cheng Kung University, 2002.
[13] Lee Y., Development of freeway bus travel time forecasting model using artificial neural networks. Department of Transportation & Communication Management Science, National Cheng Kung University, 2002.
[14] Lin, S.-Y., Forecasting Taiwan Stock Index Futures－An Application of Fuzzy Time Series. Department of Finance, Chaoyang University of Technology, 2000.
[15] Long G.-J., A Fuzzy Similarity-based Forecasting Model for Fuzzy Time Series. Department of Industrial and Information Management Institute of Information Management, National Cheng Kung University, 2010.
[16] Mallat S.-G., A Theory for Multiresolution Signal Decomposition. IEEE Transaction on Pattern Analysis and Machine Intelligence, 1989. 11: p. 674-693.
[17] Mayer, Muller, Mathematische Werke von Karl Weierstrass. Vol. 2. 1894, Berlin.
[18] Vapnik, V.N., The Nature of Statistical Learning Theory. 1995, New York: Springer-Verlag.
[19] Windstorm. 小波變換和motion信號處理. 2011 [cited 2013; Available from: http://www.kunli.info/2011/02/18/fourier-wavelet-motion-signal-2/.
[20] Wu J.-Y., Design of Taiex Options Trading Strategy based on Neural Network and Fuzzy Theory. 國立臺灣科技大學資訊工程系, 2012.
[21] Hsu Y.-T., Yeh J., A Novel Lossless Image Compression Based on GM. Journal of Grey System, 2000. 12: p. 263-274.
[22] Hsu Y.-T., Yeh J., Wu D.-G., A Zone-based Grey Relational Model. Journal of Grey System, 2000. 12: p. 225-228.
[23] Yiping C., Grey analysis of irrigating basin. Journal of Grey System, 1995. 7: p. 225-235.
[24] 史開泉，吳國威，黃有評，「灰色信息關係論」，全華科技圖書(1996)
[25] 江平，「台灣股市大泡沫」，中信出版社，大陸(2009)
[26] 吳漢雄，鄧聚龍，溫坤禮，「灰色分析入門」，高立出版社(1996)
[27] 呂昆，「一個基於局部紋理特徵空間分佈與支持向量機之人臉辨識系統」， 碩士論文，國立成功大學電腦與通信工程研究所(2009)
[28] 林宗勳，「Support Vector Machines 簡介」， www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/SVM2.pdf(2006)
[29] 林茂文，「時間序列分析與預測:管理與財經之應用」，華泰文化，台北(2006)
[30] 葉怡成，「類神經網路模型應用與實作」，儒林圖書公司(1995)
[31] 蔡爾逸， 「應用支撐向量機(SVM)於都市不動產價格預測之研究」，碩士論文，國立中央大學營建管理研究所(2012)
[32] 鄧聚龍，「灰色系統基本方法」，華中理工大學出版社(1989)
[33] 鄧聚龍，「灰色系統理論教程」，華中理工大學出版社(1990)
[34] Kisi O., Wavelet Regression Model as an Alternative to Neural Networks for River Stage Forecasting. Water Resour Manage, 2010: p. 579-600.
[35] 陳卓揚，「小波轉換技術應用於影像分割技術之探討」，義守大學土木與生態工程學系(2005)
[36] Peter V., Advanced Engineering Mathematics, 東華書局(2007)
[37] 康浩銓，「以DSP晶片實現最佳母小波之連續小波變換」，碩士論文，國立雲林科技大學資訊工程研究所(2008)
[38] 謝宜良，「以小波轉換為基礎之風險值估計」，碩士論文，銘傳大學財務金融學系(2006)
[39] 陳嘉聲，「改良式非等間距灰預測模型」，碩士論文，國立成功大學工業與資訊管理學系(2009)
[40] Wang C.-C. 演算法:計算函數的極值. 2008 4/23 [cited 2013 6/1]; Available from: http://web.ntpu.edu.tw/~ccw/statmath/M_optimal.pdf.
[41] 汪昭緯，「應用分群技術偵測信用卡異常交易之研究」，碩士論文， 國立中央大學資訊管理研究所(2002)
[42] 連偉志，「台灣股價指數時間序列之研究」，碩士論文，國立交通大學管理學院碩士在職專班財務金融組(2011)
[43] 陳建廷，「基於小波訊號處理之磁浮軸承系統鑑別」，碩士論文，國立成功大學機械工程學系(2006)
[44] 王睿凱，「離散小波轉換快速演算法之研究」，碩士論文，國立成功大學電腦與通信工程研究所(2006)
[45] Liang Y.-W., A GA-weighted ANFIS model based on multiple stock market volatility causality for TAIEX forecasting. Applied Soft Computing, 2012.
[46] 黃啟祥，「結合高斯混合及支撐向量機模型之語者確認研究」，碩士論文，國立中央大學電機工程系( 2009)
[47] 鍾秋梅，任震，「基于改進灰色模型的電力系統可靠性原始參數預測」，中國高等學校電力系統及其自動化專業學術論文摘要集(2006)
[48] 黃建銘，「支撐向量機的自動參數選擇」，碩士論文，國立台灣科技大學資訊工程系(2005)
[49] 楊子杰，「以支持向量機為基礎之必要性蛋白質檢測」，碩士論文，國立中山大學資訊工程系(2011)
[50] 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」，碩士論文，國立台灣科技大學資訊管理系(2010)
[51] 蔣柏廷，「各種改良灰預測模型之探討」，碩士論文，義守大學工業工程與管理學系(2006)
[52] 魯秉鈞，「技術分析於台灣股票市場的運用-移動平均線與均量指標」，碩士論文，東海大學管理研究所(2001)
[53] 吳典庚，「台灣股票市場之GRG分析」，碩士論文，台灣科技大學電機工程研究所(2001)
[54] 徐世修，「灰色模型在醫院設施維護費用預測之應用」，碩士論文，國立台灣科技大學設計學院建築系(2009)