實驗二實驗結果分析

4.2.1 實驗組-艾略特波浪特徵模型

實驗二是針對研究方法進行比較，故實驗組從抓取 N 型資料方法至輸入變 數之選擇及倒傳遞類神經網路學習，皆依本研究第三章之定義。交易策略則同樣 依 3.4 中描述的方式進行實證模擬，總實驗次數為 30 次。

表 4-7 實驗二實驗組 30 次模擬交易之結果

項目 30 次平均值

預測大漲次數 123.23 預測大跌次數 123.87 預測大漲正確次數 105.50 預測大跌正確次數 94.37

大漲準確率 85.72%

大跌準確率 76.21%

總準確率 80.89%

單次最大獲利 1565

單次最大損失 -169

平均大漲獲利點數 337.60 平均大跌獲利點數 365.95 平均每口契約獲利點數 351.56

4.2.2 對照組-洪若信之研究模型

由於實驗二是為了進行研究方法之比較，因此實驗二之洪若信對照組與實驗 一對照組相同。

4.2.3 對照組-隨機交易模型

針對測詴期進行隨機交易模擬，當實驗組出現交易訊號時，隨機交易模型以 隨機方式決定作多或放空，並採用相同的停損停利機制進行交易模擬。由於實驗 組總共進 30 次實驗，因此對照組-隨機模型亦進行 30 次實驗模擬，實驗結果列 於表 4-8。

表 4-8 實驗二對照組-隨機交易模型 30 次模擬交易之結果

點數為最低的 87.32 點。其次觀察大漲及大跌獲利點數，不論是平均大漲或平均 大跌獲利點數，同樣皆是實驗組擁有最高的平均每口契約獲利點數，其次為對照 組(洪若信，2009)，最後則為對照組-隨機交易模型。

由表 4-9 可發現無論是結合艾略特波浪特徵規則與倒傳遞類神經網路之模型，

或是結合原始 N 型資料與倒傳遞類神經網路之模型，準確率及平均每口契約之 獲利點數皆可輕易打敗隨機交易模型。因此若投資人以隨機方式進行投資操作，

或許可獲得收益，然而其獲利不大，若受到心理因素影響，可能使其獲利轉為虧 損。

4.2.5 統計檢定

1. 檢定實驗組與對照組之母體變異數

與實驗一相同，本研究除了進行重複性實驗，將進一步分別針對實驗組、對 照組(洪若信，2009)及實驗組與對照組-隨機交易模型之準確率與每口契約平均獲 利點數，對任兩組實驗交叉進行統計檢定，提高實驗結果的可信度與說服力。其 次針對實驗一之實驗組與實驗二之實驗組進行檢定，進一步了解本研究之研究方 法及結合艾略特波浪特徵規則與倒傳遞類神經網路(洪若信，2009)是否具有差 異。

由於母體變異數未知，因此在進行獨立樣本 t 檢定前，需先利用 F 分配檢定 兩母體變異數是否相等，以決定採用哪種 t 檢定。本研究以 0.05 之顯著水準檢定 母體變異數是否相等，統計檢定結果如表 4-10 所示。

：

：

表 4-10 實驗二兩母體變異數檢定結果

5.43E-23 21.77246 實驗二對照組(洪若信,2009) 0.74139 30

B 實驗二實驗組 0.80894 30

2.95E-42 95.88907 實驗二對照組-隨機交易 0.41371 30

C 實驗二對照組(洪若信,2009) 0.74139 30

8.16E-57 66.6609 實驗二對照組-隨機交易 0.41371 30

D 實驗二實驗組 0.80894 30

1.39E-26 18.74106 實驗一實驗組 0.78035 30

由表 4-11 之 A 組檢定結果可得知，單尾 t 檢定之 P 值為 1.21E-15，表示在

顯著水準 0.05 下，實驗組平均準確率與對照組(洪若信，2009)之平均準確率達到

2.09E-44 76.45711 實驗二對照組(洪若信,2009) 234.541 30

B 實驗二實驗組 351.562 30

2.14E-38 83.73097 實驗二對照組-隨機交易 87.322 30

C 實驗二對照組(洪若信,2009) 234.541 30

1.61E-35 43.27995 實驗二對照組-隨機交易 87.322 30

D 實驗二實驗組 351.562 30

1.7E-22 15.42973 實驗一實驗組 339.480 30

進行學習，確實能發掘當中的知識規則，獲得較佳的獲利。

由 D 組檢定結果，於顯著水準 0.05 下，實驗一之實驗組與實驗二之實驗組 達到顯著差異，表示利用艾略特波浪特徵規則刪除不符規則之資料，並經由刪除 洪若信[7]研究中之不顯著輸入變數，再加入具有顯著影響之新變數而形成之 26 個輸入變數，透過倒傳遞類神經網路學習而得之投資訊號，可以有效描述 N 型 波浪之型態，提供良好之投資效益。

4.2.6 實驗二總結

經由上述兩個實驗組之實驗，可發現以艾略特波浪特徵規則篩選 N 型波浪 資料，再分別輸入倒傳遞類神經網路（本研究定義）學習及倒傳遞類神經網路（洪 若信，2009），在顯著水準 0.05 之下，本研究定義之倒傳遞類神經網路模型之預 測準確率與獲利能力皆顯著優於洪若信[7]定義之倒傳遞類神經網路，亦即僅以 26 個參數便可有效描述 N 型波浪，不但提升預測大漲及大跌趨勢之準率率，同 時提升模型整體之效率。

經由上述之統計檢定，無論是結合艾略特波浪特徵規則與倒傳遞類神經網路 之實驗組，或是結合原始 N 型資料與倒傳遞類神經網路之對照組，在未來股價 趨勢預測準確度及波段投資之獲利能力，皆顯著優於隨機交易策略模型，具有優 異之表現。對於實驗一與實驗二之實驗組，可發現於準確度或獲利能力上，在顯 著水準 0.05 下，皆顯著具有差異，代表本研究提出之研究方法可有效提升準確 率及獲利能力。