第四章 實驗結果與分析
4.1. 影響填權息的關鍵特徵
4.1.1. 台灣 50 與中型 100 成分股之非金融股
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實驗結果與分析
本研究的實驗對象為「台灣 50 指數」與「台灣中型 100 指數」之成分股，由台 灣經濟新報(TEJ+)資料庫蒐集該公司之個股原始資料，再進行資料前處理，使用 資料期間為 2013 年至 2015 年之資料共三年。
透過 Weka 的 Wrapper 類特徵選取方法結合 Libsvm4與 J485篩選出影響個股完全 填權息的重要因素，以此建立股票完全填權息預測模型，調整參數藉此提高預測 模型的精準度。Libsvm 是林智仁教授開發用於支持向量機的程式庫，開發該程 式庫的目的是為了讓使用者更加方便快捷的使用支持向量機，而 J48 則是 Weka 使用 open source 對於 C4.5 決策數演算法的實作。
4.1.影響填權息的關鍵特徵
4.1.1.台灣 50 與中型 100 成分股之非金融股
本實驗使用 Weka.AttributeSelection.WrapperSubsetEval 的特徵選取方法，結 合 Libsvm、J48 分類器，分類器參數皆使用 Weka 預設值，屬性搜尋方法
GreedyStepwise，通過執行貪婪向前搜索，計算屬性子集的準確率，希望找出最 高準確率的屬性子集。Weka.Libsvm 特徵選取參數設定見圖 4.1，執行結果見表 4.1；Weka.J48 特徵選取參數設定見圖 4.2，執行結果見表 4.2。
4 C.-C. Chang and C.-J. Lin. LIBSVM: a library for support vector machines, 2001.
Software available at http://www.csie.ntu.edu.tw/~cjlin/libsvm.
5 Machine Learning Group at the University of Waikato. Weka 3: Data Mining Software in Java at http://weka.sourceforge.net/doc.dev/weka/classifiers/trees/J48.html
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.1：非金融股 Weka 特徵選取 Libsvm 設定值，資料來源：本研究整理
圖 4.2：非金融股 Weka 特徵選取 J48 設定值，資料來源：本研究整理
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4.1：非金融股 Weka 特徵選取 Libsvm 執行結果，資料來源：本研究整理 特徵選取工具 Weka 評估器 Wrapper
演算法 Libsvm 交叉驗證 5-fold
維度 加入特徵 準確率
1 現金流量比率 67.1%
2 股票殖利率 67.7%
3 總資產週轉率
68.5%
4 ROE 66.8%
5 每股盈餘 (元) 66.1%
6 ROA 65.5%
7 應收帳款週轉率 64.9%
8 股價淨值比 65.8%
9 存貨週轉率 (次) 65.4%
10 流動比率 64.5%
11 速動比率 64.4 %
12 固定資產週轉率 64.5%
13 前一日收盤價 64%
14 預計稅額扣抵比率 64%
15 股利支付率 64%
16 普通股股本 64%
17 稅後淨利率 64%
18 負債股東權益比率 64%
19 負債比率 64%
20 營業利益率 64%
21 利息保障倍數 64%
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
至 21 個屬性之間，分類器將所有資料 Class 分類為 YES，且訓練資料中 YES 的 資料比例為 64%。J48 演算法在特徵選取的過程中，準確率呈現峰狀由低至高再 回低(如圖 4.4)，準確率在累計到第 8 個屬性「每股盈餘 (元)」時達到最高，
在累計第 14 個屬性「營業利益率」之後，準確率開始下降。同樣地，Libsvm 演 算法，從下圖 4.3 中可觀察累計第 4 個屬性「ROE」之後準確率開始下降。證明 了過多或過少的屬性，皆會導致預測準確率降低，使用參數不足，模型並沒有很 好的捕捉到數據資料的結構，準確率較低。使用過多參數，模型複雜，歸納學習 效率不良，一樣使準確率降低。J48 演算法雖然在累計選取 9 至 13 個屬性時，
擁有與 8 項屬性一樣的準確率，根據奥卡姆的剃刀理論，最簡單的解釋就是最好 的解釋，以「預計稅額扣抵比率」、「前一日收盤價」、「股利支付率」、「股價淨值 比」、「普通股股本」、「存貨週轉率(次)」、「總資產週轉率」「每股盈餘(元)」8 項屬性的集合做為選取結果。
圖 4.3：Libsvm 演算法準確率折線圖，資料來源：本研究整理
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.4：J48 演算法準確率折線圖，資料來源：本研究整理
4.1.2.台灣 50 與中型 100 成分股之金融股