1. NCCU Academic Hub
  2. 學術產出
  3. College of Commerce
  4. Theses
  5. Item

學術產出-Theses

Article View/Open

Publication Export

Google ScholarTM

政大圖書館

Citation Infomation

  • No doi shows Citation Infomation
題名 模糊時間序列在匯率上之應用
The Application of Fuzzy Time Series on the Exchange rates
作者 徐祥恩
Cher, Hsiang En
貢獻者 鄭宇庭<br>蔡紋琦
徐祥恩
Cher, Hsiang En
關鍵詞 匯率
自我相關函數
模糊自我相關函數
日期 2013
上傳時間 1-Jul-2014 12:05:36 (UTC+8)
摘要 近年來，在金融市場的國際化和自由化的情況下，全球經濟的關係越來越密切，而金融市場也逐漸走向全球化。如此一來，當全球的金融市場連動性提高的時候，若投資人想單純透過關注本國金融市場提高自己的報酬或降低投資風險是不夠的，因為市場裡浮動匯率的不確定性無法為投資人帶來更高的獲利，亦給國際間的投資於貿易活動增加了更多的變數。因此，在進行國際間貿易活動時，投資者必須關注利率、通貨膨脹與政治形勢等相關因素，這樣才能針對匯率之變動做出適當的措施以降低此變化所帶來的損失。
     由於過去許多文獻研究中都會探討到匯率問題，然而前人們常利用時間數列之自我相關函數來對匯率進行預測，以供擬定經營策略參考。本研究欲將模糊理論的觀念與匯率應用做結合，利用匯率之區間資料取代單點資料，以進行匯率預測，藉由區間資料考量了更多的資訊，應可獲得更準確的預測。
     本研究結果顯示當自我相關函數分析單點資料的時候會忽略掉一些訊息，如：邊界線上的資料皆會無法反應出來，而利用模糊自我相關函數之分析方法會將其顯示出來。FIACF較容易顯示週期性落後期數，在第8、15、22、29期皆為落後期數，即為每個星期的同一天。因此，本研究發現模糊相關函數之方法會考慮到匯率單一天的波動性，發現單點所遺漏的資訊。
參考文獻 一、 中文文獻
     1. 小溪，2013，人民幣兌美元匯率昨日創20年來新高，北京國鑫黃金。
     2. 小溪，2013，美元兌日元升破98關口，日貿易資料依然低迷，北京國鑫黃金。
     3. 沈中華，2012，貨幣銀行學：全球的觀點，臺北新陸書局。
     4. 曹鎮、陳文福、徐義人，2006， 應用模糊理論於颱風降雨量之推估，水土保持學報。
     5. 李正宇，2009，時間序列分析法-自我回歸模型應用於台灣1999～2008之腸病毒疫情，亞洲大學生物資訊系碩士論文。
     6. 陳嘉文，1999，模糊邏輯在機械設計之應用，元智大學機械工程研究所碩士論文。
     7. 蔣宛如，2013，澳洲央行不排除必要時進一步降息可能，澳幣早盤應聲走貶，臺北財訊快報。
     8. 曾會生，2012，人民幣日元直接交易並非自由兌換，香港商報。
     9. 衛強，2013，全球匯市一夜瘋狂，非農後會否還有好戲？，北京國鑫黃金。
     10. 鄭立功，2012，國際匯率市場和白銀市場關聯分析，北京國鑫黃金。
     11. 霍德明，莊希豐，2006，貨幣銀行學理論與實務，臺北指南書局。
     
     二、 英文文獻
     1. Butkiewicz, 2006, Fuzzy Approach to Correlation Function, Warsaw University of Technology, Warsaw, Poland.
     2. Carlson, C. and R. Fuller, 2001, On possibilistic mean value and variance of fuzzy numbers. Fuzzy Sets and Systems, 122, 315-326.
     3. Cheng , Y. T., B. Wu and C. C. Yang, 2012, Seasonal Effect Identification with Interval Time Series and its application.
     4. Cheng, Y. T. and C. C. Yang, 2013, The Application of Fuzzy Correlation Coefficient with Fuzzy Interval Data.
     5. Dubois, D. and H. Prade, 1987, The mean value of a fuzzy number. Fuzzy Sets and Systems, 24, 279-2300.
     6. Fortin, J., 2008, Gradual Numbers and their Application to Fuzzy Interval Analysis.
     7. Jens Rúni Poulsen, 2009, Fuzzy Time Series Forecasting- Developing a new forecasting model based on high order fuzzy time series.
     8. Levinson, M., 2005, “Guide to Financial Market”, Profile Books Ltd London.
     9. Lodwick, W. A., 2009, The Relationship between Interval, Fuzzy and Possibilistic Optimization.
     10. Ohlbach, H. J., 2004, Fuzzy Time Intervals and Relations.
     11. Singh, S. R., 2007, A robust method of forecasting based on fuzzy time series.
     12. Triennial Central Bank Survey, 2013, Bank for International Settlements.
     13. Tsaur, R. C., 2012, A Fuzzy Time Series-Markov Chain Model with an Application to Forecast The Exchange Rate Between The Taiwan and US Dollar.
     14. Villaverde, K., 2008, Estimating Variance under Interval and Fuzzy Uncertainty: Parallel Algorithms.
     15. Yu, C., 1993, Correlation of fuzzy numbers, Fuzzy Sets and systems, vol. 55, pp.303-307.
     16. Zadeh, 1965, Fuzzy Sets. Information and Control, 8, 228-353.
描述 碩士
國立政治大學
統計研究所
102354029
102
資料來源 http://thesis.lib.nccu.edu.tw/record/#G0102354029
資料類型 thesis
dc.contributor.advisor 鄭宇庭<br>蔡紋琦zh_TW
dc.contributor.author (Authors) 徐祥恩zh_TW
dc.contributor.author (Authors) Cher, Hsiang Enen_US
dc.creator (作者) 徐祥恩zh_TW
dc.creator (作者) Cher, Hsiang Enen_US
dc.date (日期) 2013en_US
dc.date.accessioned 1-Jul-2014 12:05:36 (UTC+8)-
dc.date.available 1-Jul-2014 12:05:36 (UTC+8)-
dc.date.issued (上傳時間) 1-Jul-2014 12:05:36 (UTC+8)-
dc.identifier (Other Identifiers) G0102354029en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/67090-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 統計研究所zh_TW
dc.description (描述) 102354029zh_TW
dc.description (描述) 102zh_TW
dc.description.abstract (摘要) 近年來，在金融市場的國際化和自由化的情況下，全球經濟的關係越來越密切，而金融市場也逐漸走向全球化。如此一來，當全球的金融市場連動性提高的時候，若投資人想單純透過關注本國金融市場提高自己的報酬或降低投資風險是不夠的，因為市場裡浮動匯率的不確定性無法為投資人帶來更高的獲利，亦給國際間的投資於貿易活動增加了更多的變數。因此，在進行國際間貿易活動時，投資者必須關注利率、通貨膨脹與政治形勢等相關因素，這樣才能針對匯率之變動做出適當的措施以降低此變化所帶來的損失。
     由於過去許多文獻研究中都會探討到匯率問題，然而前人們常利用時間數列之自我相關函數來對匯率進行預測，以供擬定經營策略參考。本研究欲將模糊理論的觀念與匯率應用做結合，利用匯率之區間資料取代單點資料，以進行匯率預測，藉由區間資料考量了更多的資訊，應可獲得更準確的預測。
     本研究結果顯示當自我相關函數分析單點資料的時候會忽略掉一些訊息，如：邊界線上的資料皆會無法反應出來，而利用模糊自我相關函數之分析方法會將其顯示出來。FIACF較容易顯示週期性落後期數，在第8、15、22、29期皆為落後期數，即為每個星期的同一天。因此，本研究發現模糊相關函數之方法會考慮到匯率單一天的波動性，發現單點所遺漏的資訊。		zh_TW
dc.description.tableofcontents 第壹章 緒論 1
      第一節 研究背景與動機 1
      第二節 研究目的 2
      第三節 研究流程 3
     第貳章 匯率市場 4
      第一節 匯率定義 4
      第二節 匯率計算 6
      第三節 匯率市場概況 8
     第參章 模糊自我相關函數 12
      第一節 模糊理論 12
      第二節 自我相關函數 13
      第三節 模糊自我相關函數 15
     第肆章 實證分析 18
      第一節 美洲區匯率探討 19
      第二節 歐洲區匯率探討 29
      第三節 亞洲區匯率探討 39
     第伍章 結論與建議 50
      第一節 結論 50
      第二節 建議 56
     參考文獻 58		zh_TW
dc.language.iso en_US-
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0102354029en_US
dc.subject (關鍵詞) 匯率zh_TW
dc.subject (關鍵詞) 自我相關函數zh_TW
dc.subject (關鍵詞) 模糊自我相關函數zh_TW
dc.title (題名) 模糊時間序列在匯率上之應用zh_TW
dc.title (題名) The Application of Fuzzy Time Series on the Exchange ratesen_US
dc.type (資料類型) thesisen
dc.relation.reference (參考文獻) 一、 中文文獻
     1. 小溪，2013，人民幣兌美元匯率昨日創20年來新高，北京國鑫黃金。
     2. 小溪，2013，美元兌日元升破98關口，日貿易資料依然低迷，北京國鑫黃金。
     3. 沈中華，2012，貨幣銀行學：全球的觀點，臺北新陸書局。
     4. 曹鎮、陳文福、徐義人，2006， 應用模糊理論於颱風降雨量之推估，水土保持學報。
     5. 李正宇，2009，時間序列分析法-自我回歸模型應用於台灣1999～2008之腸病毒疫情，亞洲大學生物資訊系碩士論文。
     6. 陳嘉文，1999，模糊邏輯在機械設計之應用，元智大學機械工程研究所碩士論文。
     7. 蔣宛如，2013，澳洲央行不排除必要時進一步降息可能，澳幣早盤應聲走貶，臺北財訊快報。
     8. 曾會生，2012，人民幣日元直接交易並非自由兌換，香港商報。
     9. 衛強，2013，全球匯市一夜瘋狂，非農後會否還有好戲？，北京國鑫黃金。
     10. 鄭立功，2012，國際匯率市場和白銀市場關聯分析，北京國鑫黃金。
     11. 霍德明，莊希豐，2006，貨幣銀行學理論與實務，臺北指南書局。
     
     二、 英文文獻
     1. Butkiewicz, 2006, Fuzzy Approach to Correlation Function, Warsaw University of Technology, Warsaw, Poland.
     2. Carlson, C. and R. Fuller, 2001, On possibilistic mean value and variance of fuzzy numbers. Fuzzy Sets and Systems, 122, 315-326.
     3. Cheng , Y. T., B. Wu and C. C. Yang, 2012, Seasonal Effect Identification with Interval Time Series and its application.
     4. Cheng, Y. T. and C. C. Yang, 2013, The Application of Fuzzy Correlation Coefficient with Fuzzy Interval Data.
     5. Dubois, D. and H. Prade, 1987, The mean value of a fuzzy number. Fuzzy Sets and Systems, 24, 279-2300.
     6. Fortin, J., 2008, Gradual Numbers and their Application to Fuzzy Interval Analysis.
     7. Jens Rúni Poulsen, 2009, Fuzzy Time Series Forecasting- Developing a new forecasting model based on high order fuzzy time series.
     8. Levinson, M., 2005, “Guide to Financial Market”, Profile Books Ltd London.
     9. Lodwick, W. A., 2009, The Relationship between Interval, Fuzzy and Possibilistic Optimization.
     10. Ohlbach, H. J., 2004, Fuzzy Time Intervals and Relations.
     11. Singh, S. R., 2007, A robust method of forecasting based on fuzzy time series.
     12. Triennial Central Bank Survey, 2013, Bank for International Settlements.
     13. Tsaur, R. C., 2012, A Fuzzy Time Series-Markov Chain Model with an Application to Forecast The Exchange Rate Between The Taiwan and US Dollar.
     14. Villaverde, K., 2008, Estimating Variance under Interval and Fuzzy Uncertainty: Parallel Algorithms.
     15. Yu, C., 1993, Correlation of fuzzy numbers, Fuzzy Sets and systems, vol. 55, pp.303-307.
     16. Zadeh, 1965, Fuzzy Sets. Information and Control, 8, 228-353.		zh_TW