分析能源類股股價影響因子與預測漲跌

邱登裕; 謝素真; 李玫郁; 蔡松偉

doi:10.6285/MIC.202209_11(2).0006

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2024/01/01~2024/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P64 - 73

基础与应用科学 > 资讯科学
社会科学 > 管理学

DOI： 10.6285/MIC

书目管理工具

相关连结

问题回报

全文下载

分析能源类股股价影响因子与预测涨跌

Explore Stock Price by Applying Fuzzy Clustering Method and Support Vector Machine

邱登裕(Deng-Yu Chiu) ；谢素真(Su-Chen Hsieh) ；李玫郁(Mei-Yu Li) ；蔡松伟(Sung-Wei Tsai)

管理资讯计算； 11 卷 2 期 (2022 / 09 / 01) ， P64 - 73

繁体中文 DOI： 10.6285/MIC.202209_11(2).0006

决策树；模糊分群法；支持向量机；股价趋势预测； Decision Tree ； Fuzzy C-means ； Support Vector Machine ； Stock Price

0 个人觉得这篇文章赞

摘要 │ 参考文献 (31) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

According to the statistics of securities market published by Taiwan Stock Exchange Corporation (TWSE), in Dec.2021 the volume turnover rate traded in TWSE was 11.16, which was much more than Hong Kong and Singapore. Investors in Taiwan tend to adopt short term investment strategy. How to discover factors influencing stock price and further create a model to predict stock prices is the important concern of investors. The study collected data from listed companies of energies related industry in TWSE from January 2014 to September 2015 which accounts to 63 companies and total number of data is 1,323. First of all, the classification and regression tree (CART) method was adopted to filter the most effective factors related to stock prices. After using a combination of factors to identify the impact of stock price, Fuzzy C-means clustering was used to cluster training data based on feature values. Then support vector machine (SVM) was applied to build different prediction models. Compare the results from SVM prediction with actual output, the model shows that 283 of 397 test record transactions are accurately predicted. The prediction accuracy rate of this study is 71.28%, the average monthly return rate is 1.77 %, and annual rate of return is 21.24%t the method by this study is much better than other methods.

参考文献 ( 31 ) 〈TOP〉

Alruwaili, M.,Siddiqi, M. H.,Javed, M. A.(2020).A robust clustering algorithm using spatial fuzzy C-means for brain MR images.Egyptian Informatics Journal,21(1),51-66.
Bisoi, R.,Dash, P. K.,Parida, A. K.(2019).Hybrid Variational Mode Decomposition and evolutionary robust kernel extreme learning machine for stock price and movement prediction on daily basis.Applied Soft Computing,74,652-678.
Chatzis, S. P.,Siakoulis, V.,Petropoulos, A.,Stavroulakis, E.,Vlachogiannakis, N.(2018).Forecasting stock market crisis events using deep and statistical machine learning techniques.Expert Systems with Applications,112,353-371.
Chen, J.-H.,Ong, C. F.,Zheng, L.,Hsu, S.-C.(2017).Forecasting Spatial Dynamics of the Housing Market Using Support Vector Machine.International Journal of Strategic Property Management,21(3),273-283.
Das, S. P.,Achary, N. S.,Padhy, S.(2016).Novel hybrid SVM-TLBO forecasting model incorporating dimensionality reduction techniques.Applied Intelligence,45(4),1148-1165.

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址