機器學習分類器模型在美國股票市場之應用—以S&P500 指數為例

MUSTIR > College of Management > Department of Finance > Research Projects in School > Item 987654321/1595

Please use this identifier to cite or link to this item: http://120.105.36.38/ir/handle/987654321/1595

Title:	機器學習分類器模型在美國股票市場之應用—以S&P500 指數為例
Authors:	姜林宗叡
Contributors:	財務金融系
Keywords:	S&P500 股價指數、黃金現貨價格、總體經驗模組拆解法、本徵模函數、機器學習分類器
Date:	2022-10
Issue Date:	2022-11-24 14:10:18 (UTC+8)
Abstract:	對於研究金融資產價格模型的學者來說，對於大盤股價指數未來價格變化的軌跡建模，一直是富有挑戰性的研究議題。除了對於未來價格水準的預測外，指數未來漲跌的方向預測，也是預測的研究標的之一。近年來人工智能演算法的應用模型蓬勃的發展，本研究選擇了機器學習演算法中的羅吉斯分類器、非線性支援向量機分類器與線性感知分類器對於美國S&P500 指數未來次一日的價格變化方向進行預測，在特徵變數篩選的過程中，本研究選定黃金的現貨價格並與 S&P500 的指數藉由總體經驗模組拆解法(EEMD)擷取出本徵模函數IMF 當作模型輸入的特徵變數，基於加權股價指數具有序列的相關性，本研究使用S&P500 指數與差分值延遲期數一天與兩天，一同當作特徵變數。實證結果發現在比較三種分類器的預測精確度後，邏輯斯分類器有高度精確度適合用於美國S&P500 指數未來次一日的價格變化方向進行預測。
Appears in Collections:	[Department of Finance] Research Projects in School

Files in This Item:

File	Description	Size	Format
機器學習分類器模型在美國股票市場之應用以美國S&P500指數為例 (1)(姜林宗叡).pdf		2429Kb	Adobe PDF	0	View/Open

View Licence