English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 3600/17059 (21%)
造訪人次 : 429167      線上人數 : 679
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://utaipeir.lib.utaipei.edu.tw/dspace/handle/987654321/15785


    題名: 適應性模糊GJR-GARCH模型應用於股票市場波動預測
    作者: 洪瑞鍾
    貢獻者: 臺北市立大學資訊科學系
    關鍵詞: 股票市場波動預測;模糊系統;GJR-GARCH模型;基因演算法;適應性方法;Android System
    日期: 2014-10-27
    上傳時間: 2017-07-24 11:29:44 (UTC+8)
    摘要: 股票市場波動是評估股市風險重要的工具,一般波動具有非對稱性與不規則變化的現象,非對稱性現象的主因是股票市場負面訊息的影響比正面訊息來得深遠,因此對於建立股票市場預測的模型是非常困難。本計畫提出 「適應性模糊系統GJR-GARCH」模型,其設計主要概念是利用模糊系統建立正向、負向資訊歸屬的程度來處理股票市場波動不對稱因素及利用模糊系統建波動的分群。以模糊切換來描述不對稱的波動傳遞效應,其中模糊切換的門檻主要是以前期投資報酬率建立可調整性的智慧型切換門檻,分群的部份主要以前期波動大小來建立分群組,接著再建立適應性強的預測方法來處理。 研究中所建立的模糊系統GJR-GARCH模型包含模糊函數與GJR-GARCH參數組合,要得到最佳化的模型參數,將是非常複雜非線性問題,計畫採用演化式演算法(基因演算法)求解最佳化模糊系統GJR-GARCH的參數解,接著利用估測的參數建立適應性波動預測系統。從實驗結果得知,股票市場波動主要集中在小波動,只有少部資料分佈在大波動,從實驗的結果,分兩群可以有不錯的結果,另外不論股票市場波動是否負向衝擊大於正向或含有較多異常現象的國家,此方法皆有不錯的預測能力。
    關聯: 研究期間:民10208~10307
    國科會計畫編號:NSC-102-2221-E-845-001-
    顯示於類別:[資訊科學系] 研究計畫or研究報告

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML1813檢視/開啟


    在uTaipei中所有的資料項目都受到原著作權保護.


    如有問題歡迎與系統管理員聯繫
    02-23113040轉2132
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋