支持證券投資決策之實(shí)證研究分析

智慧型系統(tǒng)整合傳統(tǒng)投資技術(shù)法則

支援證券投資決策之實(shí)證研究

指導(dǎo)教授：許中川教授黃金生教授研究生：馬千慧第一頁(yè)，共五十六頁(yè)。大綱一、緒論二、文獻(xiàn)探討三、研究架構(gòu)四、實(shí)證結(jié)果與分析五、結(jié)論與未來(lái)工作第二頁(yè)，共五十六頁(yè)。一、緒論1.1研究背景與動(dòng)機(jī)1.2研究目的1.3研究範(fàn)圍與限制1.4研究流程1.5研究架構(gòu)第三頁(yè)，共五十六頁(yè)。本資料來(lái)源第四頁(yè)，共五十六頁(yè)。1.1研究背景與動(dòng)機(jī)類(lèi)神經(jīng)網(wǎng)路，無(wú)法告知使用者整個(gè)系統(tǒng)的決策過(guò)程智慧型系統(tǒng)所萃取出的法則，與傳統(tǒng)技術(shù)分析是否有謀合能力傳統(tǒng)財(cái)務(wù)學(xué)家多傾向認(rèn)為市場(chǎng)至少具備弱勢(shì)效率，而在臺(tái)灣股市技術(shù)分析廣為投資者使用，且多有實(shí)證證明有獲利空間相關(guān)研究著重於智慧型系統(tǒng)與經(jīng)驗(yàn)法則預(yù)測(cè)能力第五頁(yè)，共五十六頁(yè)。1.2研究目的建立以知識(shí)為基礎(chǔ)之類(lèi)神經(jīng)網(wǎng)路股票預(yù)測(cè)系統(tǒng)

資料庫(kù)知識(shí)結(jié)構(gòu)的探勘，提升預(yù)測(cè)結(jié)果的可理解性

與傳統(tǒng)技術(shù)分析法則進(jìn)行比較

選定全樣本期間進(jìn)行測(cè)試，對(duì)本實(shí)驗(yàn)的決策工具進(jìn)行嚴(yán)謹(jǐn)?shù)臋z定分析。第六頁(yè)，共五十六頁(yè)。1.3研究範(fàn)圍與限制89年1月5日至91年2月27日之臺(tái)灣股票加權(quán)指數(shù)日資料作為研究範(fàn)圍將資料期間分割為五個(gè)區(qū)間假設(shè)投資市場(chǎng)不具弱勢(shì)效率市場(chǎng)特性

僅選取目前在市面上廣為使用的計(jì)量型技術(shù)指標(biāo)作為輸入變數(shù)

技術(shù)指標(biāo)之計(jì)算無(wú)法考量同步交易之誤差效果不考慮交易成本與融資、融券之市場(chǎng)實(shí)況第七頁(yè)，共五十六頁(yè)。1.4研究流程尋找並確認(rèn)研究主題確認(rèn)研究動(dòng)機(jī)與目的

文獻(xiàn)探討資料收集與整理程式撰寫(xiě)實(shí)證結(jié)果與分析評(píng)估

技術(shù)分析之實(shí)證分析

類(lèi)神經(jīng)網(wǎng)路之實(shí)證分析

法則萃取之實(shí)證分析

結(jié)論與建議

第八頁(yè)，共五十六頁(yè)。1.5研究架構(gòu)第一章緒論第二章文獻(xiàn)探討第三章投資決策支援系統(tǒng)研究架構(gòu)

第四章實(shí)驗(yàn)分析與結(jié)果

第五章結(jié)論與未來(lái)研究方向

第九頁(yè)，共五十六頁(yè)。二、文獻(xiàn)探討2.1股市預(yù)測(cè)之技術(shù)分析相關(guān)理論2.2類(lèi)神經(jīng)網(wǎng)路演算法2.3法則萃取演算法2.4智慧型系統(tǒng)在財(cái)務(wù)上的應(yīng)用第十頁(yè)，共五十六頁(yè)。2.1股市預(yù)測(cè)之技術(shù)分析相關(guān)研究效率市場(chǎng)劃分成三種類(lèi)型，技術(shù)分析法則無(wú)用[FamaandBlume1966,JensenandBenington1970]理性交易者使用公開(kāi)資訊下，技術(shù)分析仍有潛在效率[BrownandJennings,1989]由市場(chǎng)微結(jié)構(gòu)的觀(guān)點(diǎn)認(rèn)為技術(shù)分析可以獲利，且使用交易量與價(jià)格資訊可以提高技術(shù)分析績(jī)效[Blume,EaslsyandO’Hara]第十一頁(yè)，共五十六頁(yè)。2.1股市預(yù)測(cè)之技術(shù)分析相關(guān)研究(續(xù))26種技術(shù)分析交易法則在道瓊工業(yè)指數(shù)(1897-1986)年有顯著獲利能力[BLL,1992]移動(dòng)平均法與濾嘴法則等技術(shù)分析法則，在外匯市場(chǎng)獲利之證據(jù)，並以bootstrap模擬獲利的顯著性[Sweeney1986,LevichandThomas1993]第十二頁(yè)，共五十六頁(yè)。2.2類(lèi)神經(jīng)網(wǎng)路演算法(1/2)2.2.1類(lèi)神經(jīng)網(wǎng)路基本概念「類(lèi)神經(jīng)網(wǎng)路是一種計(jì)算系統(tǒng)，包括軟體與硬體，它使用大量簡(jiǎn)單的相連類(lèi)神經(jīng)元來(lái)模仿生物神經(jīng)網(wǎng)路的能力。類(lèi)神經(jīng)元是生物神經(jīng)元的簡(jiǎn)單模擬，它從外界環(huán)境或者其它類(lèi)神經(jīng)元取得資訊，並加以非常簡(jiǎn)單的運(yùn)算，並輸出其結(jié)果到外界環(huán)境或者其它類(lèi)神經(jīng)元?！梗ㄈ~怡成，民國(guó)89年）

第十三頁(yè)，共五十六頁(yè)。2.2類(lèi)神經(jīng)網(wǎng)路演算法(續(xù))2.2.2類(lèi)神經(jīng)網(wǎng)路一般在使用上的架構(gòu)藍(lán)圖網(wǎng)路結(jié)構(gòu)(Architecture):TopologyusedNumberoflayers:學(xué)習(xí)方式:

LearningruleLearningrateηmomentumαstoppingcriteriaδnumberoflearningpatternslnumberofholdoutpatternsh轉(zhuǎn)換函數(shù):

TransferfunctionNumberoflearningcycles/iterationsLInitialweightsI第十四頁(yè)，共五十六頁(yè)。2.2類(lèi)神經(jīng)網(wǎng)路演算法(續(xù))類(lèi)神經(jīng)網(wǎng)路的優(yōu)點(diǎn)類(lèi)神經(jīng)網(wǎng)路在資料不完全或遺失的資料下，仍然具有穩(wěn)定性

輸入變數(shù)可為任何的資料型態(tài)

對(duì)於非線(xiàn)性與複雜的函數(shù)有強(qiáng)大的解決能力

第十五頁(yè)，共五十六頁(yè)。2.2類(lèi)神經(jīng)網(wǎng)路演算法(續(xù))類(lèi)神經(jīng)網(wǎng)路的缺點(diǎn)

網(wǎng)路的整個(gè)運(yùn)作過(guò)程，不具有解釋的功能

輸入變數(shù)的選取不具有統(tǒng)一性容易發(fā)生過(guò)渡學(xué)習(xí)的現(xiàn)象

網(wǎng)路架構(gòu)與模型選擇沒(méi)有最適性第十六頁(yè)，共五十六頁(yè)。2.3法則萃取演算法從訓(xùn)練完成的神經(jīng)網(wǎng)路中，萃取出隱含的知識(shí)或法則，使其內(nèi)部的結(jié)構(gòu)及推論的過(guò)程能夠被使用者瞭解[Guptaetal,1999]知識(shí)是來(lái)自於神經(jīng)元間的交互作用，透過(guò)訓(xùn)練可以去觀(guān)察隱含在資料中的知識(shí)[Fu,LiMin,1999]每個(gè)隱藏層節(jié)點(diǎn)都可視為一個(gè)類(lèi)別（class）的資料，而法則萃取就是在探討各類(lèi)別間，可能觸發(fā)輸出的各種權(quán)值的組合[Setiono&Liu,1996]KBNN:[Towell,Shavlik,1993]第十七頁(yè)，共五十六頁(yè)。2.3法則萃取演算法(續(xù))2.3.2法則萃取的重要性提供使用者解釋的能力

發(fā)現(xiàn)輸入資料的關(guān)連與特性

提供平臺(tái)的確認(rèn)性與類(lèi)神經(jīng)網(wǎng)路的除錯(cuò)功能

改進(jìn)類(lèi)神經(jīng)網(wǎng)路的普遍性第十八頁(yè)，共五十六頁(yè)。2.3法則萃取演算法(續(xù))2.3.3法則萃取演算法的分類(lèi)依據(jù)1.法則萃取的解釋能力

2.法則萃取技術(shù)的透明度，可將知識(shí)的萃取區(qū)分成1.Decomposition2.Pedagogical

[Andrewsetal（1995）]DecompositionSubset（Towell&Shavlik,1993）、KTmethod(Fu,1998)、M-of-Nmethod（Towell,1994）、NeuroRule（Setiono&Liu,1996）、Partial-RE（Taha&Ghosh,1996）、Full-RE（Taha&Ghosh,1996）

PedagogicalRULENEG(Andrewsetal,1995)、

VIA（Thrun.,1994）、BRAINNE（Sestito&Dillon,1991）、BIO-RE（Taha&Ghosh,1996）

第十九頁(yè)，共五十六頁(yè)。

2.4類(lèi)神經(jīng)網(wǎng)路在財(cái)務(wù)上應(yīng)用之相關(guān)研究

估計(jì)衍生性金融商品的價(jià)格公式，模擬B-S定價(jià)方式，採(cǎi)用２年的選擇權(quán)價(jià)格作為訓(xùn)練樣本，結(jié)果可以禰補(bǔ)B-S模式的缺失，還可以成功的進(jìn)行避險(xiǎn)。[Hutchinson,1994]類(lèi)神經(jīng)網(wǎng)路與動(dòng)態(tài)規(guī)劃類(lèi)神經(jīng)網(wǎng)路的動(dòng)態(tài)規(guī)劃類(lèi)神經(jīng)網(wǎng)路(DNN)預(yù)測(cè)模型，以開(kāi)盤(pán)、收盤(pán)、最高、最低價(jià)等資料作為預(yù)測(cè)系統(tǒng)的輸入變數(shù)，預(yù)測(cè)價(jià)格分布與線(xiàn)型的配對(duì)

[Tanigawa&Kamijo,1992]第二十頁(yè)，共五十六頁(yè)。

2.4類(lèi)神經(jīng)網(wǎng)路在財(cái)務(wù)上應(yīng)用之相關(guān)研究(續(xù))

運(yùn)用隨機(jī)指標(biāo)所做的買(mǎi)賣(mài)策略，以S&P500每日收盤(pán)價(jià)格指標(biāo)為標(biāo)的，輸入值為當(dāng)日與次日的K、D值，及當(dāng)日相對(duì)於八天前的價(jià)格指數(shù)變動(dòng)，輸出則為八天候價(jià)格指數(shù)相對(duì)於當(dāng)日的變動(dòng)。

[Caldwell,1995]估計(jì)成長(zhǎng)中與經(jīng)營(yíng)不彰公司的財(cái)務(wù)情形[Lacheret1995]比較類(lèi)神經(jīng)網(wǎng)路、Mahalanobisdistancemeasure、兩者整合在預(yù)測(cè)公司破產(chǎn)的績(jī)效

[Markham&Ragsdale,1995]第二十一頁(yè)，共五十六頁(yè)。三、研究架構(gòu)3.1投資決策支援模型3.2倒傳遞演算法3.3Full-RE演算法3.4本研究所採(cǎi)用的技術(shù)分析MALKDMACDRSI3.5統(tǒng)計(jì)檢定量第二十二頁(yè)，共五十六頁(yè)。3.1投資決策支援模型財(cái)金資料庫(kù)專(zhuān)家知識(shí)前置處理

類(lèi)神經(jīng)網(wǎng)路法則萃取傳統(tǒng)技術(shù)分析統(tǒng)計(jì)檢定評(píng)估第二十三頁(yè)，共五十六頁(yè)。3.2倒傳遞演算法採(cǎi)用坡降法的觀(guān)念，表達(dá)網(wǎng)路實(shí)際輸出與目標(biāo)輸出之差異的誤差函數(shù)最小化，透過(guò)加權(quán)值的調(diào)整，來(lái)達(dá)成網(wǎng)路訓(xùn)練。第二十四頁(yè)，共五十六頁(yè)。3.3Full-RE演算法演算法有以下特徵：1.適用於前項(xiàng)式網(wǎng)路架構(gòu)2.輸入的資料型態(tài)不受限制3.適用於具有單調(diào)遞增特性的激發(fā)函數(shù)4.法則的語(yǔ)意較為一般大眾所接受。法則表示法為：

ifX1opV1thenconsequent。[Taha&Ghosh,1999]第二十五頁(yè)，共五十六頁(yè)。3.3Full-RE演算法1.計(jì)算群聚範(fàn)圍(Chi2演算法)：1.計(jì)算卡方值：每一個(gè)屬性節(jié)點(diǎn)在訓(xùn)練期間所輸入的資料，予以排序、分群，再計(jì)算每一個(gè)界線(xiàn)的卡方χ2值。2.合併：進(jìn)行深入範(fàn)圍的確認(rèn)第二十六頁(yè)，共五十六頁(yè)。3.3Full-RE演算法(續(xù))2.萃取法則：權(quán)重與Chi2演算法計(jì)算出的輸入值相乘，在經(jīng)過(guò)轉(zhuǎn)換函數(shù)的計(jì)算，進(jìn)行組合排列3.計(jì)算法則相對(duì)準(zhǔn)確度第二十七頁(yè)，共五十六頁(yè)。3.4本研究所採(cǎi)用的技術(shù)分析MAL(移動(dòng)平均線(xiàn))KD(隨機(jī)指標(biāo))MACD(指數(shù)平滑移動(dòng)平均線(xiàn))RSI(相對(duì)強(qiáng)弱指標(biāo))第二十八頁(yè)，共五十六頁(yè)。3.4.1移動(dòng)平均線(xiàn)MAL移動(dòng)平均代表了股價(jià)在一段時(shí)間內(nèi)的平均價(jià)格，也顯示了股價(jià)在這段時(shí)間內(nèi)合理價(jià)格，同時(shí)也是多空雙方的平衡點(diǎn)，因此可從移動(dòng)平均線(xiàn)判斷股價(jià)走勢(shì)。移動(dòng)平均線(xiàn)計(jì)算公式如下（吳宗正,民88）:短線(xiàn)超越長(zhǎng)線(xiàn)移動(dòng)平均線(xiàn)為買(mǎi)進(jìn)時(shí)機(jī)，反之則賣(mài)出。第二十九頁(yè)，共五十六頁(yè)。3.4.2隨機(jī)指標(biāo)

KD(2/4)觀(guān)察股價(jià)上漲時(shí)，當(dāng)日收盤(pán)價(jià)總向當(dāng)日價(jià)格波動(dòng)的最高價(jià)接近；反之在股價(jià)下跌時(shí)，當(dāng)日收盤(pán)價(jià)總向當(dāng)日波動(dòng)的最低價(jià)接近

[GeorgeLane,1957]KD線(xiàn)計(jì)算公式如下:

計(jì)算未成熟隨機(jī)值（RSV）

計(jì)算KD值第三十頁(yè)，共五十六頁(yè)。3.4.2隨機(jī)指標(biāo)

KDKD線(xiàn)的應(yīng)用原則50以上為多頭市場(chǎng)，50以下為空頭市場(chǎng)KD指標(biāo)在20以下，80以上為假背離第三十一頁(yè)，共五十六頁(yè)。3.4.3指數(shù)平滑移動(dòng)平均線(xiàn)MACD顯示趨勢(shì)持續(xù)發(fā)展或反轉(zhuǎn)的一種指標(biāo)。利用快速與慢速兩條指數(shù)平滑異動(dòng)平均線(xiàn)，以計(jì)算兩者之間的差離值，再利用差離值與差離值平均值的收斂與發(fā)散徵兆，用以研判股市行情買(mǎi)進(jìn)或賣(mài)出的時(shí)機(jī)。[GeraldAppel&W.FredrickHitschler,1979]第三十二頁(yè)，共五十六頁(yè)。3.4.2指數(shù)平滑移動(dòng)平均線(xiàn)MACD(續(xù))MACD計(jì)算公式如下：

1.計(jì)算需求指數(shù)（DI,DemandIndex）:

2.計(jì)算指數(shù)平滑移動(dòng)平均線(xiàn)（EMA）:

3.計(jì)算差離值DIF=12日EMA-26日EMA

4.計(jì)算差離值平均值DEM

第三十三頁(yè)，共五十六頁(yè)。3.4.2指數(shù)平滑移動(dòng)平均線(xiàn)MACD(續(xù))MACD的應(yīng)用原則趨勢(shì)線(xiàn)向下，DIF由上往下跌破DEM時(shí)宜賣(mài)出；反之宜補(bǔ)空。

長(zhǎng)期移動(dòng)平均線(xiàn)將跟上短期移動(dòng)平均線(xiàn)，則正差離值將縮小為賣(mài)出時(shí)機(jī)

第三十四頁(yè)，共五十六頁(yè)。3.4.4相對(duì)強(qiáng)弱指標(biāo)

RSI主要是以股價(jià)上漲或下跌的趨勢(shì)，判斷市場(chǎng)為超買(mǎi)或超賣(mài)，以決定應(yīng)買(mǎi)進(jìn)或賣(mài)出股票。[J.WellesWilder,1978]臺(tái)灣股市所使用的技術(shù)分析方法，通常以6日及12日的股價(jià)來(lái)計(jì)算，RSI的計(jì)算公式如下：

第三十五頁(yè)，共五十六頁(yè)。3.4.4相對(duì)強(qiáng)弱指標(biāo)

RSI(續(xù))RSI的應(yīng)用原則

：RSI很小時(shí)，表示市場(chǎng)賣(mài)超過(guò)旺，建議投資人買(mǎi)進(jìn)；反之則買(mǎi)超過(guò)剩，建議投資人出清。第三十六頁(yè)，共五十六頁(yè)。3.5統(tǒng)計(jì)檢定量買(mǎi)進(jìn)與賣(mài)出之檢定統(tǒng)計(jì)量買(mǎi)進(jìn)-賣(mài)出之檢定統(tǒng)計(jì)量第三十七頁(yè)，共五十六頁(yè)。四、實(shí)證結(jié)果與分析4.1實(shí)驗(yàn)環(huán)境與資料來(lái)源4.2前置處理4.3實(shí)驗(yàn)流程4.4實(shí)驗(yàn)結(jié)果與分析MALKDMACDRSI第三十八頁(yè)，共五十六頁(yè)。4.1實(shí)驗(yàn)環(huán)境與資料來(lái)源硬體方面處理器使用IntelPentiumⅢ600記憶體為320MB軟體方面開(kāi)發(fā)工具採(cǎi)用Matlab6.1開(kāi)發(fā)平臺(tái)為Microsoftwindows2000Serve資料來(lái)源臺(tái)灣經(jīng)濟(jì)新報(bào)財(cái)金資料庫(kù)，近兩年(1999/01/05-2001/02/27)股市交易日資料，含括了:交易日期、開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)、收盤(pán)價(jià)。第三十九頁(yè)，共五十六頁(yè)。4.2前置處理與參數(shù)設(shè)定前置處理針對(duì)研究所需要的欄位資料進(jìn)行技術(shù)指標(biāo)與報(bào)酬率之計(jì)算，透過(guò)正規(guī)化的方式，將資料區(qū)間分布於

[-1,1]。輸入變數(shù)為傳統(tǒng)技術(shù)分析專(zhuān)家所建議之資料欄位，輸出變數(shù)為漲、跌、持平。第四十頁(yè)，共五十六頁(yè)。4.2前置處理與參數(shù)設(shè)定(續(xù))參數(shù)名稱(chēng)設(shè)定值參數(shù)名稱(chēng)

設(shè)定值輸入變數(shù)3個(gè)誤差平方和0.05輸出變數(shù)1個(gè)轉(zhuǎn)換函數(shù)

Logsigmoid

訓(xùn)練期間

4個(gè)月學(xué)習(xí)速率0.01測(cè)試期間1個(gè)月訓(xùn)練次數(shù)

600

隱藏節(jié)點(diǎn)數(shù)

2最小梯度

1e-10類(lèi)神經(jīng)網(wǎng)路參數(shù)設(shè)定第四十一頁(yè)，共五十六頁(yè)。4.2前置處理與參數(shù)設(shè)定(續(xù))利用公式後定法，判斷類(lèi)神經(jīng)網(wǎng)路訓(xùn)練後的輸出，0.3以下為跌，0.7以上為漲，區(qū)間為持平。類(lèi)神經(jīng)判斷的輸出門(mén)檻值亦為法則萃取的門(mén)檻值。卡方演算法之顯著水準(zhǔn)值，起始值為0.5，每次遞減0.05直至0.05。技術(shù)分析法則之參數(shù)設(shè)定，選用研究上或者是目前市面上常用的參數(shù)組合：MAL[160]KD[92]MACD[122692]RSI[6122]第四十二頁(yè)，共五十六頁(yè)。4.4實(shí)驗(yàn)結(jié)果與分析(期間四為例)

–

卡方演算結(jié)果

MAL卡方演算法運(yùn)算結(jié)果短線(xiàn)區(qū)間

漲

跌卡方值

長(zhǎng)線(xiàn)區(qū)間

漲

跌卡方值

判斷區(qū)間

漲

跌卡方值

85360136.7497462.29245.652-602.232207.07148849.917298.552923920169-139.1610440.8799744.96099957.7095.625-42.54504809911.4034100313309931.91059934.6047100093061006402810127500第四十三頁(yè)，共五十六頁(yè)。4.4實(shí)驗(yàn)結(jié)果與分析(期間四為例)-

檢定統(tǒng)計(jì)表決策準(zhǔn)則

N(Buy)N(Sell)Buyb

Sellb

Buy>0

Sell>0

Buy-Sell

大盤(pán)報(bào)酬(%)

類(lèi)神經(jīng)網(wǎng)路

訓(xùn)練期34

50

1.34(0.00)-0.90(0.01)82.35%

34.00%2.24(0.004)0.041

測(cè)試期838-0.90(0.01)-0.42(0.15)87.50%

31.58%1.96(0.004)-0.08法則萃取

訓(xùn)練期38460.98(0.00)-0.64(0.047)71.05%39.13%0.424(0.00)0.041測(cè)試期16300.75(0.04)-0.5286

(0.12)68.75%26.67%1.28(0.00)-0.08技術(shù)分析

訓(xùn)練期48360.97(0.01)-1.14(0.01)70.83%33.33%2.11(0.00)0.041測(cè)試期17290.93(0.01)-0.77(0.03)72.22%

20.69%0.70(0.00)-0.08第四十四頁(yè)，共五十六頁(yè)。4.4實(shí)驗(yàn)結(jié)果與分析(期間四為例)-

法則呈現(xiàn)MAL:IF短線(xiàn)>=9744.9and長(zhǎng)線(xiàn)>=9239and穿越區(qū)<-139.16

THEN明日股價(jià)漲，相對(duì)機(jī)率為77.10%IF短線(xiàn)>=9711.4and長(zhǎng)線(xiàn)>=8462.2and穿越區(qū)<-42.545

THEN明日股價(jià)漲，相對(duì)機(jī)率為77.11%IF短線(xiàn)<9911.4and長(zhǎng)線(xiàn)<9957.7and穿越區(qū)<-139.16

THEN明日股價(jià)漲，相對(duì)機(jī)率為77.11%

第四十五頁(yè)，共五十六頁(yè)。4.4實(shí)驗(yàn)結(jié)果與分析(期間四為例)-

法則呈現(xiàn)(續(xù))KD:IFK>=77.708andD>=86.154AND穿越區(qū)＞＝－20.516THEN明日股價(jià)漲，信賴(lài)準(zhǔn)度為62.175%

IFK>=77.708and86.154>D>=45.889AND穿越區(qū)＞＝23.378THEN明日股價(jià)漲，信賴(lài)準(zhǔn)度為63.9%

IFK<13.137andD>=86.154AND穿越區(qū)＞＝-39.326THEN明日股價(jià)跌，信賴(lài)準(zhǔn)度為76.5%第四十六頁(yè)，共五十六頁(yè)。4.4實(shí)驗(yàn)結(jié)果與分析(期間四為例)-

法則呈現(xiàn)(續(xù))MACDIF55.199>dif>=-619.15anddem>=276.96and-230.63>macd>=-925.41THEN明日股價(jià)漲，相對(duì)機(jī)率為76.10%

IFdif>=55.199anddem>=804.54and-230.63>macd>=-925.41 THEN明日股價(jià)漲，相對(duì)機(jī)率為72%

IFdif>=970and276.96>dem>=-438.76andmacd>=-925.41 THEN明日股價(jià)跌，相對(duì)機(jī)率為74.5%

IF-54.8>dif>=-107.14and276.96>dem>=-438.76andmacd>=-44.798 THEN明日股價(jià)跌，相對(duì)機(jī)率為63.36%IF55.199>dif>=-54.8and276.96>dem>=-438.76andmacd>=-230.63THEN明日股價(jià)跌，相對(duì)機(jī)率為64.36% 第四十七頁(yè)，共五十六頁(yè)。4.4實(shí)驗(yàn)結(jié)果與分析(期間四為例)-

法則呈現(xiàn)(續(xù))RSIIF63.217>RSI6>5.8697andRSI2>=58.889andRS6-RSI12>-25.172 THEN明日股價(jià)漲，相對(duì)機(jī)率為83.4%IFRSI6>63.217andRSI12>58.889andRS6-RSI12>9.6299 THEN明日股價(jià)漲，相對(duì)機(jī)率為76.02%IFRSI6>5.8697andRSI2>=58.889andRS6-RSI12>-63.663 THEN明日股價(jià)跌，相對(duì)機(jī)率為76.6%第四十八頁(yè)，共五十六頁(yè)。4.4實(shí)驗(yàn)結(jié)果與分析(期間四為例)全樣本期間，採(cǎi)用移動(dòng)平均之買(mǎi)點(diǎn)之訓(xùn)練期與類(lèi)神經(jīng)之相關(guān)係數(shù)為0.72；測(cè)試期為0.60；賣(mài)點(diǎn)之訓(xùn)練