| Reference: | 中文部份：
1. 王國榮，Visual Basic 5.0 實戰講座，旗標出版股份有限公司，民國86年8月。
2. 白晉榮，「給例學習專家系統」，國立政治大學企業管理所碩士論文，民國78年6月。
3. 岑英勤，「智慧型決策系統運用於台灣股票市場技術面分析之研究」，國立交通大學資訊管理研究所碩士論文，民國82年6月。
4. 李安邦，「以遺傳演算法為基底的模糊專家系統於投資策略之應用」，元智工學院管理研究所碩士論文，民國86年6月。
5. 杜金龍，技術指標在台灣股市應用的訣竅，非凡出版社，民國82年5月10日。
6. 金必煌，「運用遺傳基因演算法建立動態證券市場技術模型」，國立交通大學資訊管理研究所碩士論文，民國83年6月。
7. 范饒耀，「遺傳演算法在財務預測上之應用」，國立政治大學資訊管理研究所碩士論文，民國85年6月。
8. 馬芳資，「信用卡信用風險預警範例學習系統之研究」，國立政治大學資訊管理研究所碩士論文，民國82年6月。
9. 張家澍，「智慧型證券投資組合管理與趨勢預測類神經網路資訊系統」，國科會研究計劃，台大資管系，民國83年4月。
10. 許宏安，「以專家系統和範例式推理為基礎之智慧型證券交易決策支援系統」，國立台灣大學資訊工程研究所碩士論文，民國84年6月。
11. 許和順，「智慧型證券交易決策支援系統：利用類神經網路及法則歸納法」，國立台灣大學資訊工程研究所碩士論文，民國84年6月。
12. 許顯榮，「使用模糊專家系統之智慧選股決策支援系統」，國立台灣大學資訊工程研究所碩士論文，民國84年6月。
13. 陳炎欽，「資訊遺漏與雜訊對企業盈虧預測範例學習系統衰減與干擾效果之研究」，國立政治大學資訊管理研究所碩士論文，民國86年6月。
14. 陳英琪，「台灣地區股票上市公司經營績效評等及其資訊價值之研究－範例學習法之應用」，國立政治大學資訊管理研究所碩士論文，民國84年6月。
15. 陳啟煌，「已可調適法則類神經網路為基礎之智慧型證券交易決策支援系統」，國立台灣大學資訊工程研究所碩士論文，民國84年6月。
16. 傅麗容，「以決策樹方法預測匯率變動趨勢」，國立成功大學工業管理研究所碩士論文，民國82年6月。
17. 曾淑青，「運用類神經網路於台灣股票市場價量關係的預測與分析」，國立交通大學資訊管理研究所碩士論文，民國83年6月。
18. 黃天佑，「模糊熵決策樹歸納學習法」，國立中山大學資訊管理研究所碩士論文，民83年6月。
19. 楊建民，林震岩，劉立倫，「以範例學習法預測台灣股市行為」，國立政治大學學報第六十三期，民國80年9月。
20. 劉子貴，股市分析與預測，漢宇出版有限公司，民國84年5月。
21. 蕭文峰，「運用決策樹歸納學習法預測連續數值」，國立中山大學資訊管理研究所碩士論文，民國83年6月。
22. 蕭永一，「股票交易策略鑑別系統－使用改良式遺傳演算法則」，國立台灣大學資訊工程研究所碩士論文，民國85年6月。
23. 鐘朝宏，投資學，五南圖書出版公司，民國81年5月。
24. 顧志遠、洪國勝，Visual Basic 入門與應用，松崗電腦圖書資料股份有限公司，民國84年4月。
英文部份：
25. Arthur,W.B. , Holland,J.H. ,etc. “ Asset Pricing Under Endogenous Expectations in an Artificial Stock Market “ ,1996.
26. Colin , A.M., “ Genetic Algorithms for Financial Modeling “ , Trading on the Edge – Neural , Genetic , and Fuzzy systems for chaotic financial managements , John Wiley&Sons , Inc , pp.148 , 1989.
27. Frydman ,H.,Altman E.I. & Kao D.L. , “ Introducing Recursive Partitioning for Financial Classification：The Case of Financial Distress “ , The Journal of Finance , pp.269-291 , 1985.
28. Goldberg ,D.E., “ Genetic Algorithms in Search , Optimization , and Machine Learning “ , Addison-Wesley Publishing Company ,1989.
29. Gramham , B., Dodd , D.L.and Cottle , S. Security Analysis , Principles and Techniques , 4 th ed., McGraw-Hill , New York , 1962.
30. Holland , J.H., “ Adaptation in Natural and Artificial Systems “ , University of MichiganPress , 1975.
31. Hunt , E.B., Marin , J. & Stone , P.T., “Experiments in Induction “ ,Academic Press , New York , 1966.
32. Liang , T.P., “ A Composite Approach to Inducing Knowledge for Expert System Design “ , Management Science ,Vol.38 No.1.,pp.1-17,January 1992.
33. Margarita , Sergio. ” Neural Networks , Genetic Algorithms and Stock Trading “, Artificial Neural Networks , pp. 1763-1766 , 1991.
34. McCluskey P.C. “ Feedforward and Recurrent Neural Networks and Genetic Programs for Stock Market and Time Series Forecasting “ , Brown University’s Master thesis , September , 1993.
35. Michalski, R.S. & Chilausky, R.L., “ Learning by Being Told and Learning From Examples：An Experimental Comparison of the Two Methods of Knowledge Acquisition in the Context of Developing An Expert System For Soybean Disease Diagnosis “, Journal of Policy Analysis & Information Systems , Vol.4 No.2 ,pp.125-160,1980.
36. Mingers John , “ An Empirical Comparison of Pruning Methods for Decision Tree Induction “ , Machine Learning , Vol.4 , pp.227-243 , 1989.
37. Packard,N.H., ‘ A Genetic Learning Algorithm for the Analysis of Complex Data “ ,Complex Systems , pp.543-572 ,1990.
38. Price ,T.C., “Using co-evolutionary programing to simulate strategic behaviour in markets “, Evolutionary Economics , pp.219-254 , 1997
39. Quinlan , J.R., “ Discovering Rules From Large Collections of Examples：A Case Study” ,Expert System in the Micro Electronic Age（D.Michie,Ed.）,EdinBurgh University Press , 1979.
40. Quinlan ,J.R., “ Induction of Decision Tree “ , Machine Learning , Vol.1 ,pp.81-106,1986.
41. Schoneburg , E. , “ Stock Price Prediction Using Neural Networks：A Project Report ” , Neurocomputing2 , pp. 17-27 , 1990.
42. Shannon , C.E. & Weavwe , W., “The Mathematical Theory of Communication “ , Urbana University of Illinois Press ,pp.1-201.
43. Utgoff , P.E., “ ID5：An incremental ID3 “ Proceeding of the 5th International Conference on Machine Learning , pp.107-120 , 1988. |
