各公司之上漲與下跌類別內分群

國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

第二節 實驗二：新聞分群

在新聞分類結束後，我們將上漲與下跌類別內的新聞利用 2-way kNN 演 算法做細部的分群，參數設定方面則依照前測實驗之結果，k 值為 5，文件 相似度門檻值設定為 0.1。

4.2.1 各公司之上漲與下跌類別內分群

1. 宏達國際電子股份有限公司(宏達電)：

我們將宏達電之上漲類別利用 2-way kNN 演算法進行分群，表 4.7 為宏 達電之個股新聞的上漲類別分群結果：

表 4.719宏達電上漲類別分群結果

群集 隔日漲跌幅 群集 隔日漲跌幅 群集 隔日漲跌幅

1 3.0% 8 5.5% 15 6.9%

2 3.5% 9 4.1% 16 6.9%

3 1.2% 10 3.4% 17 -2.0%

4 1.4% 11 0% 18 1.5%

5 0.1% 12 1.3% 19 0.2%

6 3.5% 13 3.1% 20 4.1%

7 4.0% 14 3.2% 21 5.9%

(資料來源：本研究整理)

從上表分群結果中可發現 21 個群集中，有 19 個群集的隔日漲跌幅呈現 上漲趨勢，1 個群集呈現持平，另外有 1 個群集呈現下跌趨勢。而本研究從 21 個群集中，抽出漲幅前 1/3 高，共 8 個重要的群集，做投資正確率分析，

下表為分析結果：

40

‧

‧

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

表 4.1224台積電重要上漲群集投資正確率 預測漲跌

實際漲跌 上漲 投資正確率 兩日累積投資 報酬率 實際上漲 9 0.818 6.0%

實際下跌 2 0.182 -1.5%

(資料來源：本研究整理)

上表的結果中，重要上漲群集中的新聞，實際造成上漲的正確率達到 0.818，而實際上漲的平均兩日報酬率有 6.0%，表示只要依照此預測模型內，

上漲類別內的重要群集作為做多投資標準，有超過八成的機會能夠獲得超額 的報酬，獲得報酬的期望值為 4.91%。

接著，我們將台積電之下跌類別利用 2-way kNN 演算法進行分群，表 4.13 為台積電之個股新聞的下跌類別分群結果：

表 4.1325台積電下跌類別分群結果 群集 隔日漲跌幅 群集 隔日漲跌幅

1 -0.2% 4 0.1%

2 -0.6% 5 -3.1%

3 -1.8% 6 -1.3%

(資料來源：本研究整理)

從上表分群結果中可發現 6 個群集中，有 5 個群集的隔日漲跌幅呈現下 跌趨勢，1 個群集呈現上漲趨勢。而本研究從 6 個群集中，抽出前跌幅前 1/2 高，共 3 個重要的群集做投資正確率分析，下表為統計結果：

43

‧

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

表 4.1628鴻海重要上漲群集投資正確率 預測漲跌

實際漲跌 上漲 投資正確率 兩日累積投資 報酬率 實際上漲 9 0.818 1.33%

實際下跌 2 0.182 -1.0%

(資料來源：本研究整理)

上表的結果中，重要上漲群集中的新聞，實際造成上漲的正確率達到 0.818，而實際上漲的平均兩日報酬率有 1.33%，大於下跌的兩日平均報酬率 -1.0%，表示只要依照此預測模型內，上漲類別內的重要群集作為做多投資 標準，有超過八成的機會能夠獲得超額的報酬，獲得報酬的期望值為 0.91%。

接著，我們將鴻海之下跌類別利用 2-way kNN 演算法進行分群，表 4.17 為鴻海之個股新聞的下跌類別分群結果。

表 4.1729鴻海下跌類別分群結果 群集 隔日漲跌幅 群集 隔日漲跌幅

1 -3.1% 3 -0.2%

2 -2.3% 4 -1.2%

5 -0.5% 6 -1.1%

(資料來源：本研究整理)

從上表分群結果中 6 個群集中，所有群集的隔日漲跌幅呈現下跌趨勢。

本研究從 6 個群集中，抽出跌幅前 1/3 高，共 2 個重要的群集做投資正確率 分析，下表為分析結果：

45

‧