政大機構典藏-National Chengchi University Institutional Repository(NCCUR):Item 140.119/125528

政大機構典藏-National Chengchi University Institutional Repository(NCCUR):Item 140.119/125528

English | 正體中文 | 简体中文 | Post-Print筆數 : 27 | 全文笔数/总笔数 : 113160/144130 (79%)
造访人次 : 50740188 在线人数 : 571

RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.

搜寻范围

查询小技巧：

您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果

若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据

进阶搜寻

主页 ‧ 登入 ‧ 上传 ‧ 说明 ‧ 关于政大典藏 ‧ 管理

到手机版

政大機構典藏 > 商學院 > 資訊管理學系 > 學位論文 > Item 140.119/125528

请使用永久网址来引用或连结此文件: https://nccur.lib.nccu.edu.tw/handle/140.119/125528

题名:	基於多任務遷移學習之上市公司財報基本面與產業表現關聯股價預測 Stock Price Prediction based on Financial Statement and Industry Status using Multi-task Transfer Learning
作者:	古昊中 Ku, Hao-Chung
贡献者:	姜國輝 Chiang, Kuo-Huie 古昊中 Ku, Hao-Chung
关键词:	機器學習類神經網路長短期記憶網路遷移學習多任務學習股市預測財務報表 Machine Learning Neural Network Long Short-Term Memory Transfer Learning Multi-task Learning Stock Market Forecasting Financial Statement
日期:	2019
上传时间:	2019-09-05 15:44:32 (UTC+8)
摘要:	隨著資訊科技快速的發展，許多新的科技技術與創新應用不斷地出現，並受惠於硬體技術的大幅進步，在這資訊爆炸的年代，電腦能夠負擔技術上以及應用上的需求，為社會提供許多的便利、可靠性。同時提供給業界各個領域多元的解決方案與近破壞式的創新，讓商業不斷地進化、革新。以金融產業來說，金融業因涉及資金的流通，必須兼顧信用、安全、精準等，對於改變以及創新往往趨於保守，但因人工智慧的興起，看到了技術所帶來的好處並為上述的顧慮提供保證，開始帶動了金融科技的革命，為金融業服務提供有別於一般所設想的模式，並帶來可觀的成本降低以及獲益增加，使各個公司紛紛擁抱技術，享受技術所帶來的優勢與效益。本研究以半導體產業之上市公司為例，利用公司之資產負債表、損益表、現金流量表內會計項目作為公司股價預測之依據，藉由選取財務報表中的會計項目進行公司基本面資訊之取得。在模型方面，本研究採用類神經網路並結合長短期記憶網路作為預測之技術，並透過多任務學習的方式萃取產業基本面特徵與股價指數的潛在結構，將之應用於特定公司，以取得相應的市場價值，建構出合適於相同產業別多家上市公司之股價預測模型，實現單一模型具備多家公司預測之能力。藉由公司之間資料的輔助學習，以及公司與產業之間之鏈結，減少因資料涵蓋面不足所限制的預測效果以及增加現實中公司與產業間氣氛、趨勢實際的互動與牽引。研究結果顯示，本模型之預測具備一定泛化能力，能降低模型發生之誤差，不會因特定公司資訊稀少，導致預測效果特別不佳。此外，本研究樣本資料期間為十一年，結果顯示模型預測效果對於近期的預測有顯著且穩定的效果。 With the rapid development of technology, new technologies are bringing into solutions and disruptive innovation to our society. Take financial industry as an example, the financial industry’s services and products are usually related to the circulation of funds. It results in the change and innovation tending to be conservative. However, due to the rise of artificial intelligence, companies recognized the benefits, safety and promise of technologies, and started to embrace those technologies which can provide new business model and bring benefits. This study retrieves the information from published financial statements of listed semiconductor industry in Taiwan as the basis of evaluation the stock prices. This study combines long short-term memory and neural network with multi-task learning to extract the hidden structure of industrial basic features and stock index, which then applies to specific company and gets the potential market value in proportion. The results show the capability of generalizing the prediction to other similar companies which might lack for complete financial metrics. Over a span of eleven years collected data, the results also present significant and stable performance especially for the prediction of the recent years.
參考文獻:	中文文獻林美花，2009，中華無形資產鑑價研究發展協會企業評價認證班第十九期講義林逢煥，1994，應用基因法則最佳化類神經網路建立財務分析模式之研究，國立交通大學工業工程研究所碩士論文林瑞瑤，1994，以財務比率建立股票投資績效預測模式，國立中山大學財務管理研究所碩士論文陳思雅，2016，大數據在保險業的應用：以台灣壽險公司破產預測為例，國立政治大學風險管理與保險研究所碩士論文陳慧真，2009，台灣主要水泥公司之財務報表分析與企業價值衡量，國立政治大學經營管理碩士學程(EMBA)碩士論文張家瑋，2017，財務報表資訊在偵測財務危機上的有用性：個案研究，國立政治大學會計研究所碩士論文黃國裕，1994，財務比率在股票超常報酬之預測能力分析-類神經網路法，國立中央大學資訊管理研究所碩士論文游崇智，1996，應用類神經網路模擬多變量計量模式於台灣股市之分析與預測，私立中原大學企業管理研究所碩士論文游淑禎，1998，類神經網路應用於台灣股市預測，臺灣銀行季刊第四十九卷第三期，民國87年9月，27-59 甄典蕙，2015，財務報表舞弊偵測模型之建立：以中國上市公司為例，國立政治大學會計研究所碩士論文蔡惠玲，2005，運用財報資訊評估企業經營績效與預測財務危機之研究：以分析損益表及現金流量表之資訊為主，國立政治大學會計研究所碩士論文劉慧敏，2001，多目標遺傳演算法於基本面選股策略之應用，國立中央大學資訊管理研究所碩士論文蘇嘉雄，2014，以財務報表資訊為台灣股票市場建構最適資產配置，國立政治大學風險管理與保險研究所碩士論文英文文獻 Ball, R., & Brown, P. (1968). An empirical evaluation of accounting income numbers. Journal of accounting research, 159-178. Caruana, R. (1997). Multitask learning. Machine learning, 28(1), 41-75. Dai, W., Yang, Q., Xue, G. R., & Yu, Y. (2008, July). Self-taught clustering. In Proceedings of the 25th international conference on Machine learning (pp. 200-207). ACM. Dietterich, T. G., Pratt, L., & Thrun, S. (1997). Special issue on inductive transfer. Machine Learning, 28(1). Dorina, P., Melinda, K., & Klara, S. (2012). Contemporary approaches of company performance analysis based on relevant financial information. Annals of Faculty of Economics, 1(2), 708-715. Ganin, Y., Ustinova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., ... & Lempitsky, V. (2016). Domain-adversarial training of neural networks. The Journal of Machine Learning Research, 17(1), 2096-2030. Hartigan, J. A. (1972). Direct clustering of a data matrix. Journal of the american statistical association, 67(337), 123-129. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8), 1735-1780. Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. Proceedings of the national academy of sciences, 79(8), 2554-2558. Johnson, M., Schuster, M., Le, Q. V., Krikun, M., Wu, Y., Chen, Z., ... & Hughes, M. (2017). Google’s multilingual neural machine translation system: Enabling zero-shot translation. Transactions of the Association for Computational Linguistics, 5, 339-351. Kang, H. B. (2010). A Case Study On The Archer Daniels Midland (ADM) Company’s Financial Statement Analysis: Strengths And Weaknesses. Journal of Business Case Studies, 6(3), 65. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105). Kryzanowski, L., Galler, M., & Wright, D. W. (1993). Using artificial neural networks to pick stocks. Financial Analysts Journal, 49(4), 21-27. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine, 27(4), 12. McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, 5(4), 115-133. Ou, J. A., & Penman, S. H. (1989). Financial statement analysis and the prediction of stock returns. Journal of accounting and economics, 11(4), 295-329. Pearson, K. (1901). LIII. On lines and planes of closest fit to systems of points in space. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 2(11), 559-572. Raina, R., Battle, A., Lee, H., Packer, B., & Ng, A. Y. (2007, June). Self-taught learning: transfer learning from unlabeled data. In Proceedings of the 24th international conference on Machine learning (pp. 759-766). ACM. Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1988). Learning representations by back-propagating errors. Cognitive modeling, 5(3), 1. Soekarno, S., & Azhari, D. A. (2009). Analysis of Financial Ratio to Distinguish Indonesia Joint Venture General Insurance Company Performance using Discriminant Analysis. The Asian journal of technology management, 2(2), 110-122.
描述:	碩士國立政治大學資訊管理學系 106356016
資料來源:	http://thesis.lib.nccu.edu.tw/record/#G0106356016
数据类型:	thesis
DOI:	10.6814/NCCU201900737
显示于类别:	[資訊管理學系] 學位論文

文件中的档案:

档案	大小	格式	浏览次数
601601.pdf	30510Kb	Adobe PDF2	0	检视/开启

在政大典藏中所有的数据项都受到原著作权保护.

社群 sharing

著作權政策宣告 Copyright Announcement

1.本網站之數位內容為國立政治大學所收錄之機構典藏，無償提供學術研究與公眾教育等公益性使用，惟仍請適度，合理使用本網站之內容，以尊重著作權人之權益。商業上之利用，則請先取得著作權人之授權。
The digital content of this website is part of National Chengchi University Institutional Repository. It provides free access to academic research and public education for non-commercial use. Please utilize it in a proper and reasonable manner and respect the rights of copyright owners. For commercial use, please obtain authorization from the copyright owner in advance.

2.本網站之製作，已盡力防止侵害著作權人之權益，如仍發現本網站之數位內容有侵害著作權人權益情事者，請權利人通知本網站維護人員(nccur@nccu.edu.tw)，維護人員將立即採取移除該數位著作等補救措施。
NCCU Institutional Repository is made to protect the interests of copyright owners. If you believe that any material on the website infringes copyright, please contact our staff(nccur@nccu.edu.tw). We will remove the work from the repository and investigate your claim.

DSpace Software Copyright © 2002-2004 MIT & Hewlett-Packard / Enhanced by NTU Library IR team Copyright © - 回馈