第六章 結論與建議
第二節 建議
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
中選會 2012 年初選前對選舉罷免法做成的解釋，未來事件交易所與民意調查在 選前十天皆不能對選舉事件合約做交易，也不能發表任何選舉預測。因此，在下 次選舉前十天，可先以未來事件交易所上的選舉當選人預測與得票率預測合約價 格做 EEMD 分解，得到長期趨勢後，再合併至週期為 6 日與 12 日的 IMF，以取 得 EEMD 週趨勢的合約價格，如此一來，應可提高該次選舉預測的準確度。
第二節 建議
本文在第一個實證利用 EEMD 分解四組台股期貨日資料，並以四項準則來 衡量經 EEMD 處理後的台股期貨對台股指數的解釋能力，以及與原始台股期貨 比較對台股指數的預測。如同過去許多不同領域的研究指出，EEMD 能有效地過 濾時間序列的雜訊，本研究亦發現 EEMD 在期貨市場亦有良好的去噪能力。未 來資產價格如股票價格的相關研究，可整合 EEMD 與財務計量模型，先將原始 股價資料經 EEMD 處理，再利用財務計量模型來進行研究分析，希望能讓股價 的預測有更好的準確性。
第二個實證利用 EEMD 分解預測市場選舉當選人預測合約價格與得票率預 測合約價格，雖然發現將以 EEMD 處理得到的週趨勢價格來預測選舉結果的準 確度比原始預測市場與民調預測來得佳，原因為預測市場參與者會同時在乎長期 趨勢與短期事件的影響，解決了長期趨勢剩餘訊號忽略了短期事件對選舉的影響，
但由於本研究上僅對 EEMD 週趨勢價格的研究僅分析 2008 年總統大選與 2010 年五都市長選舉的資料，若欲找到更嚴謹的研究方法，往後的研究可針對既有的 資料，進行樣本內預測，以歸納出 EEMD 的剩餘訊號必須合併至何種週期的 IMF 所得到的預測值為最佳。另外，也可以加入其他的選舉資料，運用更完整的資料，
讓 EEMD 在預測市場上有更好的應用。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
參考文獻
中文部分
江鴻鑫、夏榮生（2005）。「標準化互相關應用於經驗模態分解法於之研究」。第 三十三屆測量學術發表會論文，頁 23-38。
吳順德、陳思予、陳虹伯（2009）。「經驗模態分解法之研究趨勢探討與問題分析」。
《國立台北科技大學學報》，第 42 卷，第 1 期。
吳順德、陳思予、陳虹伯（2009）。「經驗模態分解法與小波分解法應用於濾除心 電訊號之基準線飄移問題之比較」。2009 年資訊技術與產業應用研討會，國 立台灣師範大學機電科技學系。
周靖秦、陳秀淋（2011）。「利用小波轉換分析美國總體指標與道瓊工業指數之關 係」。《經濟論文》，第 39 卷，第 3 期，頁 339 -367。
林建中（2010）。「以經驗模態分解法來分析臺灣股票加權指數與世界經濟大國股 票指數之相關性及趨勢研究」。碩士論文，國立台北大學企業管理學系碩士 班。
施雅菁（2003）。「小型台指期貨價格之研究」。碩士論文，私立淡江大學財務金 融研究所。
畢德成（2000）。「希伯特頻譜於地震資料之應用」。碩士論文，國立中央大學土 木工程學系碩士班。
陳振雄（2010）。「應用希爾伯特—黃轉換之訊號濾波研究」，《科學與工程技術期 刊》，第 6 卷，第 1 期，頁 75-84。
童振源、周子全、林繼文、林馨怡（2011）。「2009 年台灣縣市長選舉預測分析」，
《選舉研究》，第 18 卷，第 1 期，頁 63-94。
童振源、周子全、林繼文、林馨怡（2011）。「選舉結果機率之分析—以 2006 年 與 2008 年台灣選舉為例」，《台灣民主季刊》，第 8 卷，第 3 期，頁 135-159。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
童振源、林馨怡、林繼文、黃光雄、周子全、劉嘉凱、趙文志（2009）。「台灣選 舉預測—預測市場的運用與實證分析」，《選舉研究》，第 16 卷，第 2 期，頁 131-66。
黃台心（2009）。《計量經濟學》，二版。台北，新陸書局。
詹錦宏、蔡建安（2005）。「台指期貨與摩台指期貨價格發現功能之研究」，《管理 研究學報》。
蔡茹鈴（2008）。「小波轉換與 HHT 轉換法在金融股價預測之應用」。碩士論文，
逢甲大學應用數學系碩士班。
謝文良（2002）。「價格發現、資訊傳遞、與市場整合－台股期貨市場之研究」，《財 務金融研究季刊》，第十卷，第 3 期，頁 1-31。
羅飛雪、戴吾蛟（2010）。「小波分解與 EMD 在變形監測應用中的比較」，《大地 測量與地球動力學》，第 30 卷，第 3 期，頁 137-141。
英文部分
Berg, J., F. Nelson, and T. Rietz (2003). “Accuracy and Forecast Standard Errors of Prediction Markets,” Working paper. Tippie College of Business Administration, University of Iowa.
Berg, Joyce, Forrest Nelson, and Thomas Rietz (2008). “Prediction Market Accuracy in the Long Run,” International Journal of Forecasting, Vol.24, No.2, 285–300.
Black, F. (1976). “Studies of Stock Market Volatility Changes,” Proceedings of the American Statistical Association, Business and Economic Statistics Section, 177-81.
Booth, G.G., R.W. So and Y. Tse, (1999). “Price Discovery in the German Equity Index Derivatives Markets,” The Journal of Futures Markets, Vol.19, No.6, 619-643.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57
Box, G. E., Jenkins, G. M., & Reinsel, G. C. (2008). Time series analysis:
Forecasting and control. Hoboken, New Jersey, U.S.A: John Wiley & Sons, Inc.
Camerer, Colin (1998). “Can Asset Markets be Manipulated? A Field Experiment with Racetrack Betting,” Journal of Political Economy, Vol.106, No.3, 457-482.
Chan, K., Y. P. Chung, and W. M. Fong, (2002). “The Informational Role of Stock and Option Volume,” Review of Financial Studies, Vol.15, No.4, 1049-1075.
Chan, K.S., (1992). “A Further Analysis of the Lead-Lag Relationship between the Cash Market and Stock Index Futures Market,” The Review of Financial Studies, Vol.5, No,1, 123-152.
Chatrath, A., Christie-David, R., Dhanda, K. K. and Koch, T. W. (2002). “Index Futures Leadership, Basis Behavior and Trader Selectivity,” Journal of Futures Markets, Vol.22, No.7, 649-677.
Chen, Y. L., S.Y. Tzang, and, S.H. Ou (2009). “The Study on the EEMD Post Processing Method to Analyze Non-Stationary Wave-Induced Pore Pressures in A Fluidized Bed,” Proceedings of 11th Conference on Underwater Technology, 505-513.
Fleming, J. and B. Ostdiek, and R,E. Whaley, (1996). “Trading Costs and the Relative Rate if Price Discovery in Stock Index Futures Markets.” Journal of Futures Markets, Vol.16, No.4, 457-488.
Gallegati, M. (2008). “Wavelet Analysis of Stock Returns and Aggregate Economic Activity,” Computational Statistics and Data Analysis, Vol.52, No.6, 3061–
3074.
Green, Kesten C., J. Scott Armstrong, and Andreas Graefe (2007). “Methods to Elicit Forecasts from Groups: Delphi and Prediction Markets Compared,” Foresight:
The International Journal of Applied Forecasting, 8, 17-20.
Grossmann A, Morlet J. (1984). “Decomposition of hardy functions into square
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
integrable wavelets of constant shape,” SIAM J Math. Anal., Vol.15, No.4, 723–
736.
Hasbrouck, J. (1995). “One Security, Many markets: Determining the Contributions to Price Discovery,” Journal of Finance, Vol.50, No.4, 1175-1199.
Herbst, A.F., J.P. McCormack, and E.N. West. (1987). “Investigation of a Lead- Lag Relationship between Spot Stock Indices and Their Futures Contracts,” The Journal of Futures Markets, Vol.7, No.3, 373-420.
Huang, N.E., M.C. Wu, S.R. Long, S.S.P. Shen, W. Qu, P. Gloersen, K.L. Fan (2003).
“A Confidence Limit for the Empirical Mode Decomposition and the Hilbert Spectral Analysis,” Proc. R. Soc. Lond. A 459, 2317-2345.
Huang, N.E., Wu, M.L., Qu, W.D., Long, S.R., Shen, S.S.P., (2003). “Applications of Hilbert–Huang Transform to Nonstationary Financial Time Series Analysis,”
Applied Stochastic Models in Business and Industry, Vol.19, No.3, 245–268.
Huang, N.E., Z. Shen, S.R. Long, M.L. Wu, H.H. Shih, Q. Zheng, N.C. Yen, C.C.
Tung, H.H. Liu (1998). “The Empirical Mode Decomposition and Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis,” Proc. R. Soc.
Lond. A 454, 903-995.
Iihara,Y., K. Kato and T. Tokunaga, (1996). “Intraday Return Dynamics between the Cash and the Futures Markets in Japan,” Journal of Futures Markets, Vol.16, No.2, 147-162.
Kawaller I.G., P.D. Koch and T.W. Koch, (1987). “The Temporal Price Relationship between S&P500 Futures Stock Markets,” The Journal of Finance, Vol.42, No.5, 1309-1329.
Kou, S. G., and Michael E. Sobel (2004). “Forecasting the Vote: A Theoretical Comparison of Election Markets and Public Opinion Polls,” Political Analysis, Vol.12, No.3, 277–295.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
Lee, D.S. and E. Moretti (2009). “Bayesian Learning and the Pricing of New Information: Evidence from Prediction Markets,” American Economic Review, Vol.99, No.2, 330-336.
Mallat S. (1989). “A Theory for Multiresolution Signal Decomposition: the Wavelet Representation,” IEEE Trans Pattern Anal Mach Intell., Vol.11, No.7, 674–693.
Min, J. H. and M. Najand (1999). “A Further Investigation of the Lead-Lag Relationship between the Spot Market and Stock Index Futures: Early Evidence from Korea”, Journal of Futures Markets, Vol.19, No.2, 217-232.
Ramsey ,J.B. (1999). “The Contribution of Wavelets to the Analysis of Economic and Financial Data, ” Philosophical Transactions of the Royal Society of London A 357, 2593–2606.
Rhode, Paul W., and Koleman S. Strumpf. (2007). “Manipulating Political Stock Markets: A Field Experiment and a Century of Observational Data,” University of Pennsylvania. Mimeo.
Roope, M., and R. Zurbruegg. (2002). “The Intra-day Price Discovery Process between The Singapore Exchange and Taiwan Futures Exchange,” The Journal of Futures Markets, Vol.22, No.3, 219-240.
Rosenbloom, E. S., and William Notz. (2006). “Statistical Tests of Real-Money versus Play-Money Prediction Markets Electronic Markets,” Electronic Markets, Vol.16, No.1, 63-69.
Servan-Schreiber, Emile et al. (2004). “Prediction Markets: Does Money Matter?,”
Electronic Markets, Vol.14, No.3, 243-251.
Snowberg, Erik, Justin Wolfers, and Eric Zitzewitz (2006). “Partisan Impacts on the Stock Market: Evidence from Prediction Markets and the 2004 Election,”
University of Pennsylvania. Mimeo.
Stoll, H.R. and R.E. Whaley, (1990). “The Dynamics of Stock Index and Stock Index
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
Futures Returns,” Journal of Financial and Quantitative Analysis, Vol.25, No.4, 711-742.
Sun, Jingliang and Huanye Sheng (2010). “Applications of Ensemble Empirical Mode Decomposition to Stock-Futures Basis Analysis,” IEEE International Conference on Information and Financial Engineering, 396-399.
Tao, Xiong, Yukun Bao, Zhongyi Hu, Rui Zhang, and Jinlong Zhang (2011). “Hybrid Decomposition and Ensemble Framework for Stock Price Forecasting: A Comparative Study,” Advances in Adaptive Data Analysis, Vol.3, No.3, 447–
482.
Tse, Y., (1999). “Price Discovery and Volatility Spillovers in the DJIA Index and Futures Markets,” Journal of Futures Markets, Vol.19, No.8, 911-930.
Tung, Chenyuan, Tzu Chuan Chou, Jih Wen Lin, and Hsin Yi Lin (2011).
“Comparing the Forecasting Accuracy of Prediction Markets and Polls for Taiwan's Presidential and Mayoral Elections,” Journal of Prediction Markets, Vol.5, No.3, 1-26.
Wu, Z. and N. E. Huang (2009). “Ensemble Empirical Mode Decomposition: A Noise-assisted Data Analysis Method,” Advances in Adaptive Data Analysis, Vol.1, 1–41.
Zhang, X., K.K. Lai, and S.Y. Wang (2008). “A New Approach for Crude Oil Price Analysis Based on Empirical Mode Decomposition,” Energy Economics, Vol.30, No.3, 905-918.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61
附錄
表 A-1 2008 年總統大選當選人預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 IMF4 IMF5 Residue 馬英九 2.70 5.77 11.55 21.17 127 127 謝長廷 2.54 6.68 12.7 21.17 127 127 資料來源：未來事件交易所與本研究整理。
表 A-2 2008 年總統大選選前十天當選人預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 IMF4 IMF5 Residue 馬英九 2.72 6.16 11.7 19.5 117 117 謝長廷 2.54 6.88 11.7 117 117 117 資料來源：未來事件交易所與本研究整理。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
62
表 A-3 2010 年五都市長選舉當選人預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 IMF4 IMF5 IMF6 IMF7 Residue
台北市
郝龍斌 2.88 6.12 12.46 24.93 49.86 349 349 349 蘇貞昌 2.84 6.12 12.46 26.85 58.17 349 349 349
新北市
朱立倫 2.79 5.82 13.42 24.93 58.17 349 349 349 蔡英文 2.98 6.02 12.03 34.9 49.86 349 349 349
台中市
胡志強 2.93 6.35 12.93 34.9 49.86 349 349 349 蘇嘉全 2.93 5.72 12.03 34.9 49.86 349 349 349 台南市
郭添財 3.12 6.35 12.46 24.93 58.17 349 349 349 賴清德 2.96 6.23 12.93 29.08 58.17 349 349 349
高雄市
陳菊 2.84 6.02 12.93 23.27 49.86 349 349 349
楊秋興 3.39 6.23 12.93 31.73 349 349 349 349
黃昭順 2.98 6.35 15.17 29.08 49.86 349 349 349 資料來源：未來事件交易所與本研究整理。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
63
表 A-4 2010 年五都市長選舉選前十天當選人預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 IMF4 IMF5 IMF6 IMF7 Residue
台北市
郝龍斌 2.87 6.05 12.11 24.21 48.43 339 339 339 蘇貞昌 2.85 6.16 12.56 26.08 56.5 339 339 339
新北市
朱立倫 2.78 5.75 13.56 24.21 56.5 339 339 339 蔡英文 2.97 6.05 12.11 33.9 48.43 339 339 339
台中市
胡志強 2.92 6.28 12.56 33.9 48.43 339 339 339 蘇嘉全 2.95 5.65 11.69 33.9 48.43 339 339 339 台南市
郭添財 3.11 6.28 12.56 24.21 56.5 339 339 339 賴清德 2.95 6.16 13.04 28.25 56.5 339 339 339
高雄市
陳菊 2.85 6.05 13.04 22.6 48.43 339 339 339
楊秋興 3.39 6.28 12.56 30.82 339 339 339 339
黃昭順 2.95 6.40 14.74 28.25 48.43 339 339 339 資料來源：未來事件交易所與本研究整理。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
64
表 A-5 2008 年總統大選得票率預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 IMF4 IMF5 Residue 馬英九 2.54 6.05 10.58 21.17 127 127 謝長廷 2.82 5.29 10.58 18.14 127 127 資料來源：未來事件交易所與本研究整理。
表 A-6 2010 年五都市長選舉得票率預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 Residue
台北市
郝龍斌 2.5 4.29 30 30
蘇貞昌 3 30 30 30
新北市
朱立倫 2.5 5 30 30
蔡英文 2.31 30 30 30
台中市
胡志強 2.5 5 30 30
蘇嘉全 3 30 30 30
台南市
郭添財 2.14 5 30 30
賴清德 3.73 5 30 30
高雄市
陳菊 3 30 30 30
楊秋興 2.31 5 30 30
黃昭順 2.73 5 30 30
資料來源：未來事件交易所與本研究整理。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
65
表 A-7 2008 年總統大選選前十天得票率預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 IMF4 IMF5 Residue 馬英九 2.66 5.85 11.7 19.5 117 117 謝長廷 2.72 5.57 10.64 19.5 117 117 資料來源：未來事件交易所與本研究整理。
表 A-8 2010 年五都市長選舉選前十天得票率預測各分量之平均週期
（單位：日）
IMF1 IMF2 IMF3 Residue
台北市
郝龍斌 2.5 20 20 20
蘇貞昌 2.5 20 20 20
新北市
朱立倫 2.22 20 20 20
蔡英文 2.22 20 20 20
台中市
胡志強 2.5 20 20 20
蘇嘉全 3.33 20 20 20
台南市
郭添財 2.22 20 20 20
賴清德 2.86 20 20 20
高雄市
陳菊 3.33 20 20 20
楊秋興 2 20 20 20
黃昭順 2.5 20 20 20
資料來源：未來事件交易所與本研究整理。
‧
‧
‧
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
71
表 A-19 2008 年總統大選選前十天得票率預測與真實得票率
（單位：%）
TVBS 中國時報 蘋果日報 聯合報 真實得票率
馬英九 53 49 41.30 52 58.45
謝長廷 29 22 19.80 22 41.55
資料來源：童振源與本研究整理。
表 A-20 2010 年五都大選選前十天得票率預測與真實得票率
（單位：%）
TVBS 中國時報 蘋果日報 自由時報 聯合報 真實得票率 台北市
郝龍斌 49.00 47.30 33.40 36.84 48.00 55.65 蘇貞昌 39.00 39.60 33.00 37.45 37.00 43.81 新北市 朱立倫 45.00 45.60 33.50 35.82 45.00 52.61 蔡英文 38.00 41.60 30.40 38.49 37.00 47.39 台中市
胡志強 50.00 47.10 36.30 34.85 49.00 51.12 蘇嘉全 33.00 40.10 26.50 30.04 31.00 48.88 台南市
郭添財 34.00 23.00 22.00 16.73 24.00 39.59 賴清德 47.00 47.00 47.00 47.00 47.00 60.41
高雄市
陳菊 41.00 46.00 34.10 45.03 39.00 52.80 楊秋興 28.00 24.00 18.20 16.76 29.00 26.68 黃昭順 16.00 13.70 15.30 11.51 16.00 20.52 資料來源：政治大學預測市場研究中心新聞稿與本研究整理。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
73
表 A-23 選前十天 EEMD 與民調得票率預測之歐氏距離
TVBS 中國時報 蘋果日報 自由時報 聯合報
2008 年總統大選 13.68 21.71 27.70 - 20.59 2010 年台北市長 8.21 9.35 24.74 19.86 10.24 2010 年新北市長 12.09 9.09 25.57 19.00 12.88 2010 年台中市長 15.92 9.66 26.84 24.89 18.01 2010 年台南市長 14.53 21.33 22.12 26.50 20.56 2010 年高雄市長 12.70 10.00 21.19 15.49 14.71
資料來源：未來事件交易所與本研究整理。