Please use this identifier to cite or link to this item:
https://ah.lib.nccu.edu.tw/handle/140.119/97909
題名: | 應用巨量資料分析與改良粒子群演算法於股票交易策略 | 作者: | 陳婷妤;劉文卿 | 貢獻者: | 資管博七 | 關鍵詞: | PSO (Particle Swarm Optimization); Big Data Analytics; stock trading strategies; stock market forecast; stock market prediction | 日期: | Nov-2015 | 上傳時間: | 14-Jun-2016 | 摘要: | 股票交易是一錯綜複雜的動態系統,影響交易決策因素多元,加深預測困難度。然股票交易中最重要的事是在交易風險較低的情況下獲利最多,如何降低風險增加獲利程度,一直是相當有趣且實用的議題,在過去文獻有很多學者進行研究。巨量的歷史執行資料常常蘊含著大量有價值的潛存資訊和知識,近年來由於巨量資料分析興起,帶來資料說話的全新思維解決問題方式,且過去鮮有學者以巨量資料分析進行股票交易策略研究。因此,本研究運用巨量資料分析的資料觀點、平台技術,結合知識發現方法,提出改良式粒子群最佳化演算法,透過股票交易資料、簡單移動平均線技術指標與其黃金死亡交叉決策準則,從中進行知識挖掘,找出股票交易策略新態樣、準則及知識,大幅提升股票投資報酬率,並優於其他策略績效。 | 關聯: | 2015高美第三屆學術與創新技術實務研討會論文集, 高美醫護管理專科學校, pp.1 | 資料類型: | conference |
Appears in Collections: | 會議論文 |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
410064.pdf | 537.8 kB | Adobe PDF2 | View/Open |
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.