本研究主要目的在於利用布俢－梅札赫平均場模式，找出鴻海股票日收盤價波動 係數，並試圖找出預測股票日收盤價的最佳時間區間與預測模式，然後再分析資料類 型不同的國小數學科測驗分數，並試圖找出波動係數。
本章分為兩節，第一節將得到結果歸納成結論，第二節提出一些研究建議，供後 續研究者參考。
第一節 結論
一、一月股價波動係數
參數J =1時：2007 年至 2008 年一月收盤價 2.834974，2007 年一月收盤價波動係 數 1.439536，2008 年一月收盤價波動係數 1.394027；參數
樣本數
= 1
J 時：2007 年至 2008 年一月收盤價 13.51521，2007 年一月收盤價 9.705353，2008 年一月收 盤價 9.398526。鴻海一月股價預測效果最佳時間為 2007 年至 2008 年一月鴻海股 票收盤價，且樣本資料不需經由改變參數J值和移動平均轉換。
二、二月至十二月股價波動係數
參數J =1時：2007 年至 2008 年二月至十二月收盤價 27.72482，2007 年二月至十 二月收盤價 14.03642，2008 年二月至十二月收盤價 13.6704；參數
樣本數
= 1
J 時：
2007 年至 2008 年二月至十二月收盤價 41238192007 年二月至十二月收盤價 29.59158，2008 年二月至十二月收盤價 287367。鴻海二月至十二月股價的預測效 果最佳時間為 2007 年二至十二月鴻海股票收盤價，而樣本的資料也不需經由改 變參數J值和移動平均轉換。
三、數學測驗分數波動係數
參數J =1時：數學測驗分數波動係數 5.027183；參數
樣本數
= 1
J 時：數學測驗分
數波動係數為 15.89735。數學測驗分數最佳預測樣本，為移動平均的數學測驗分 數，其參數J =1。
布修－梅札赫平均場模式對於鴻海股票的日收盤價預測效果良好，但是，對於國 小數學測驗分數預測上，效果不如股票資料的預測。因為股票日收盤價的漲幅被限制 在正負 7% 間，但數學測驗分數有可能因為受試者準備充分與否，或者試題的難易度 不同，導致分數的差異過大，造成數學測驗分數的變化幅度，超過股票日收盤價的正 負 7% 限制，而間接影響布修－梅札赫平均場模式，對於預測上的差異。
而改變參數J值的作法，本研究發現此舉對於遭受金融風暴的資料，對於其預測 的誤差有顯著的降低效果。從表 4-1-1 的 2008 年鴻海一月股價模式和表 4-1-2 的 2008 年移動平均的鴻海一月份股價模式，兩者的預測誤差皆有顯著的降低，且無論參數J值 為何，都有誤差降低的現象產生。而表 4-2-1 的 2008 年鴻海二月至十二月股價模式和 表 4-2-2 的 2008 年移動平均的鴻海二月至十二月股價模式，也有誤差降低的情形。但 在數學測驗分數的模式中就沒有此現象的出現。
對於資料進行移動平均的作法，主要是排除過多的外來訊息影響，使得研究樣本 排除不必要的雜訊，以免影響了模式的預測，藉此提高預測的效度。從表 4-1-1 與表 4-1-2 的預測表交叉比較，參數J =1時，2007 年和 2008 年的鴻海一月股價模式；
樣本數
= 1
J 時，2007 年至 2008 年和 2007 年的鴻海一月股價模式。表 4-2-1 與表 4-2-2 的預測表交叉比較，參數J =1時，2008 年的鴻海二月至十二月股價模式；參數
樣本數
= 1
J 時，2007 年至 2008 年和 2007 年的鴻海二月至十二月鴻海股價模式，這些 模式皆有誤差降低的現象產生，而在於數學測驗分數模式中，移動平均的作法，無論 參數值為何，皆有誤差降低的情形。
本研究推測，這些現象是因為 2008 年全球股市遭受到金融風暴的影響，使得股價 資料產生的訊息，有著比以往更多的風險產生，因此，在透過移動平均後，部分模式 的預測誤差有降低的現象。
但是本研究的最佳預測模式，經由參數改變或樣本移動平均值作法，其預測誤差 不但沒有降低，反而發生上升的現象。推測可能是移動平均的天數選取過於少，導致 股票樣本本身包含過多不必要的訊息，進而影響到移動平均模式的預測力下降，使得 預測誤差些微上升。亦可能是本研究的參數J值的數值大小影響所致。
因此，本研究最佳預測模式的資料範圍為 2007 年鴻海二月至十二月股票日收盤 價，其波動係數為 14.03642，J =1。
第二節將會針對這些缺失，提供相關的建議，使未來研究能更完善。
第二節 建議
未來建議使用研究資料能以有時間性的資料為主，並可針對資料中區間的預測能 力加以比較，找出最佳預測的時間區間進行相關分析研究，亦可針對模式中的參數限 制提高預測的準確性。
一、資料屬性
未來研究可進行不同類股的股票或以包含所有類股的亞洲大盤指數進行研究，以 比較是否與本研究的結果相同，亦可找尋季節型資料如生育率或全球溫度進行波 動係數分析。
二、時間間距
比較研究資料的時間長短對於模式的預測是否有影響，並找出對於未來預測有較 大效果的時間區間。
除了上述兩項，亦可針對模式中參數J值的大小設定，找出適合模式的數值。