| dc.contributor | 資管博七 | |
| dc.creator (作者) | 陳婷妤;劉文卿 | zh_TW |
| dc.date (日期) | 2015-11 | |
| dc.date.accessioned | 14-Jun-2016 11:52:44 (UTC+8) | - |
| dc.date.available | 14-Jun-2016 11:52:44 (UTC+8) | - |
| dc.date.issued (上傳時間) | 14-Jun-2016 11:52:44 (UTC+8) | - |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/97909 | - |
| dc.description.abstract (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。 | |
| dc.format.extent | 550707 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.relation (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 | |
| dc.subject (關鍵詞) | PSO (Particle Swarm Optimization); Big Data Analytics; stock trading strategies; stock market forecast; stock market prediction | |
| dc.title (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 | zh_TW |
| dc.type (資料類型) | conference | |
