5-1 結論
一、關聯規則
1. 財經新聞產生的關聯規則：此為依據財經新聞中提到的公司名做為項目所產 生的關聯規則，一共產生147 條規則。依據新聞資料所獲得的結果有一重要 特性，就是熱門或規模較大型的公司較容易受到媒體的注目，而小型或冷門 的公司則不容易受到媒體甚至投資者的青睞，因此有些公司經常出現在新聞 媒體上，而有部分公司卻是從來沒有出現在新聞中。在關聯規則中可以發現 到，相似的產業，往往容易被同時提出來做分析比較。股價的表現也是財經 新聞中常見的，不論是看好或是看跌，只要股票有話題，甚至不同產業的公 司也可以拿來一併比較。
由此可知，本研究所產生的關聯規則確實是可以幫助使用者了解一部分 的產業關聯，與部分股市表現的特殊現象，而這些規則都可以做為投資者在 進行買賣決策的一個參考。例如欲投資某家公司，則可以去找出與其有關聯 的其它公司的相關新聞，這些公司可能屬於同一產業，或是在股價的表現上 是相似的，因此檢索與分析這些公司的財經新聞可能對改善投資決策的品質 會有所幫助。
2. 股價漲跌產生的關聯規則：此為依據台灣股市上市公司每日漲跌資料做為項 目所挖掘出來的關聯規則，一共產生168 條規則。從關聯規則中可以發現，
相似的產業常常會發生同漲或同跌的情形，即使彼此屬於競爭同業，並無發 現競爭對手一漲一跌的情形。
部分熱門股在2005 年表現良好，全年有二分之一左右的交易日都呈現 明顯上漲的情形。因此當某些股票在同一段交易日內與其表現相似或相反，
就容易產生出令人難以解釋的關聯規則，這種規則只是巧合關係，與產業結 構無關。同理，如果個股全年有二分之一左右的交易日都呈現明顯下跌的情
形，也容易形成巧合關係。
二、產業關聯圖
1. 財經新聞產生的產業關聯圖：從圖中可以發現到同類型的產業，經常互有關 聯連結，而不同產業間的公司偶爾也會出現在關聯圖中，這是因為彼此可能 有共同的股價表現或是話題存在，使得此類型的規則產生，並被繪製在產業 關聯圖中。例如2005 年的上市公司股王宏達電，就同時被十多家公司產生 關聯，而這些公司的產業類型從營建業到各式各樣的電子業皆有。
2. 股價漲跌產生的產業關聯圖：如同消息面的產業關聯圖一樣，股價漲跌形成 的關聯規則亦會顯現產業關聯。例如我們發現關聯圖中產生了光碟製造業、
液晶面板業、鋼鐵業及營建業…等產業關聯圖。這些產業關聯圖有個重要的 特性就是皆為同漲或同跌的關聯圖，並沒有發現同一產業的關聯圖出現上漲 和下跌的情形。而其中也存在部份的巧合關聯，為股價表現恰好在某一段期 間同漲、同跌或一漲一跌而形成規則，這部份的規則是難以避免的，但若能 將資料收集期間拉長或是門檻值提高，應可減少這類規則。
三、消息面與技術面關聯規則之比較
財經新聞與股價漲跌這兩種資料產生的關聯規則中，出現了幾組類似的項目 集，如液晶面板業、營建業和IC 設計業等。雖然其中包含的項目並不完全相同，
但可從中觀察到兩者產生的關聯確實可以互相做比較。這當中可能是股價的表現 受到媒體的關注，而發表了與這些公司有關的評論，也有可能是因為媒體對於部 分公司的評價，導致這些公司的股價同時受到影響。
四、關聯規則在股價漲跌之預測
經由統計分析結果，顯示本研究所產生的關聯規則可以預測出下跌的關聯。
當個股股價依關聯規則被預測為下跌時，有很高的機率會在當日下跌，若股價僅
為持平時，其隔日有很高的機率會發生補跌的情況。
5-2 建議
一、對投資者的建議
1. 投資者可以根據本研究中所產生的財經新聞關聯規則，去找出與本身投資標 的相關的新聞，以做為投資決策的參考。
2. 投資者可以根據股價漲跌關聯規則，去觀察本身投資股票經常與哪些股價的 漲跌發生關聯。在投資過程中，若關聯規則中有出現投資的股票時，則當與 其產生關聯的股票發生漲或跌時，都必須注意觀察手中的股票是否也會產生 與關聯規則相同的漲跌情況，以做為投資決策的參考。
二、對研究者的建議
1. 以財經新聞產生的關聯規則
(1) 目前僅收集一個月份左右的財經新聞資料，未來可增加到一年以上，以 避免產業的季節效應影響關聯規則的完整性與正確性。
(2) 此外也可探討在不同年度產生的關聯規則是否具有相似性。
2. 以股價漲跌產生的關聯規則
(1) 可探討在不同年度產生的關聯規則是否具有相似性。
(2) 本文已初步證實已股價漲跌產生的關聯規則預測股價漲跌具有可行性。
但本文只有2005 年產生的規則預測 2006 年上半年的股價漲跌，因此未 來應增加更多年度的預測，例如分別以2001，2002，2003，2004，2005 年產生的規則，去預測2002，2003，2004，2005，2006 年的股價漲跌，
以精確評估其預測能力。
(3) 可評估以股價漲跌產生的關聯規則做股票買賣決策依據的獲利能力。
3. 基於關聯規則的資訊檢索系統
關聯規則可以告訴我們哪些項目之間存在著某種關聯，若能善加利用此 部份的規則，可以有效的幫助使用者更快的去了解其欲知的資訊。例如眾所 皆知『奇美電、華映、廣輝、友達與彩晶』是台灣液晶面板五虎，彼此的消 息都可以做為投資者投資的參考依據，本研究亦證實他們之間有關聯規則存 在。目前市面上的搜尋引擎大都以文字與文字之間相似度的比較做為檢索的 依據，缺少『觸類旁通』的效果，例如使用者輸入『奇美電』的關鍵字，系 統並不會去檢索華映、廣輝、友達、彩晶等面板大廠的資訊。若能將關聯規 則加入，以關聯規則的推論做為檢索的依據，則系統會去檢索其他面板大廠 的資訊。本研究已經證實關聯探勘可以從財經新聞資料與股市漲跌資料中發 現關聯規則，因此若能建構基於關聯規則的資訊檢索系統，應可提升資訊檢 索系統的效能。
參考文獻
施惠萍，1999，“結構性變化的偵測與其在技術分析中的應用＂，台灣大學經濟 學研究所碩士論文。
洪志豪，1988，“技術指標KD、MACD、RSI 與WMS%R 之操作績效實證＂，
台灣大學國際企業學研究所碩士論文。
陳建全，1988，“台灣股市技術分析之實證研究＂，台灣大學商學研究所碩士論 文。
葉怡成，2006，“資料探勘–方法應用與實作＂，未出版。
蔡斌仕，1995，“台灣股市技術分析之實證研究＂，台灣大學財務金融學研究所 碩士論文。
蕭正南，1988，“資料探勘應用於股市股價趨勢之研究＂，輔仁大學資訊管理學 研究所論文。
賴宏祺，1987，“技術分析有效性之研究＂，中興大學企業管理研究所碩士論文。
鍾任明，2004，“運用文字探勘於日內股價漲跌趨勢預測之研究＂，中原大學資 訊管理學研究所論文。
Anthony, T., Lu, H., Han, J., and Feng, L., 1999, “Breaking the Barrier of Transaction:
Mining Inter-transaction Association Rules,” Proceedings of 1999 ACM SIGKDD International Conference Knowledge Discovery and Data Mining, pp. 297–301.
Brock, W., Josef L., and Blake L. B., 1992, “Simple Technical Trading Rules and the Stochastic Properties of Stock Returns,” Journal of Finance (47), pp. 1731-1764.
Corrado, C, J., and S. H. Lee, 1992, “Filter Rule Tests of the Economic Significance of Serial Dependencies in Daily Stock Returns,” Journal of Financial Research (15), pp. 369-387.
Fama, E. F., and M. E. Blume, 1966, “Filter Rules and Stock-Market Reading,”
Journal of Business (39), pp. 226-241.
Han, J., Cai, Y. D., Cercone, N., 1992, “Knowledge Discovery in Database An Attribute-Oriented Approach,” Proc. of 1992 Int''l Conf. on Very Large Data Bases (VLDB''92), Vancouver, Canada, August 1992, pp. 547-559.
James, F. E., 1968, “Monthly Moving Averages-An Effective Investment Toll,”
Journal of Financial and Quantitative Analysis, September 1968, pp. 315-326.
Jones, C.P., 1988, “Investment : analysis and management,” Journal of Financial and Quantitative Analysis(23), pp. 315-326.
Levy, R. A., 1967, “Relative Strength as a Criterion for Investment Selection,”
Journal of Finance (22), pp. 595-610.
Lu, H., Han, J., and Feng, L., 1998, “Stock Movement Prediction and N-dimensional Inter-transaction Association Rules,” In Proc. ACM SIGMOD Workshop on Research Issues on Data Mining and Knowledge Discovery, pp. 12:1-12:7.
Miller, R. J., Yang, Y., 1997, “Association rules over interval data,” ACM SIGMOD Record, v.26 n.2, pp. 452-461.
Nottola, C., Condamin, L., and Naim, P., 1991, "On the Use of Hard Neural Networks for Symbolic Learning Application to Company Evaluation," in Proceedings of the International Joint Conference on Neural Networks IJCNN-91, pp. 509-522.
Ou, J. and Penman H., 1989, “Financial Statement Analysis and the Prediction of Stock Returns,” Journal of Accounting and Economics (11), pp. 295-329.
Saito, K., Ueda, N., Katagiri, S., Fukai, Y., Fujimaru, H., and Fujinawa, M., 2000,
“Law Discovery from Financial Data Using Neural Network,” Proceedings of the IEEE/IAFE/INFORMS Conference on Computational Intelligence for Financial Engineering, pp. 209-212.
Sullivan, Ryan, A. Timmermann, and H. White, 1999, “Data-Snooping, Technical Trading Rule Performance, and the Bootstrap,” Journal of Finance (54), pp.
1647-1691.
Sweeney, Richard, 1986, “Beating the Foreign Exchange Market,” Journal of Finance (41), pp. 163-182.
Van Horne, Jame C., George G. C. Parker, 1967, “The Random Walk Theory: An Empirical Test,” Financial Analyst’s Journal (23), pp. 87-92.
Van Horne, Jame C., George G. C. Parker, 1968, “Technical Trading Rules: A Comment,” Financial Analyst’s Journal (24), pp. 128-132.
Wong, P.C., Whitney, P., and Thomas, J., 1999, “Visualizing Association Rules for Text Mining,” Proc. of the IEEE Symposium on Information Visualization InfoVis'99, 1999, pp. 120-123.
Wuthrich, B., Permunetilleke, D., Leung, S., Cho, V., Zhang, J., Lam, W., 1998,
“Daily Prediction of Major Stock Indices from Textual WWW Data,” Proceedings of 1998 ACM International Conference on Knowledge Discovery and Data
Mining, pp. 364-368.
附錄 A：財經新聞關聯規則
Associations Frequency Confidence Surprise
2801 彰銀; 2834 台企銀 39 14.42
1 2801 彰銀 Î 2834 台企銀 0.684
2822 農銀; 2834 台企銀 29 18.52
2 2822 農銀 Î 2834 台企銀 0.879
2834 台企銀; 2884 玉山金 41 17.28
3 2884 玉山金 Î 2834 台企銀 0.82
2454 聯發科; 2474 可成 147 12.88
4 2474 可成 Î 2454 聯發科 0.623
5 2454 聯發科 Î 2474 可成 0.684
2454 聯發科; 2498 宏達電 163 11.02
6 2454 聯發科 Î 2498 宏達電 0.758
2474 可成; 2498 宏達電 177 10.9
7 2474 可成 Î 2498 宏達電 0.75
2498 宏達電; 2354 鴻準 53 9.28
8 2354 鴻準 Î 2498 宏達電 0.639
2903 遠百; 2911 麗嬰房 37 46.67
9 2903 遠百 Î 2911 麗嬰房 0.787
2911 麗嬰房; 9914 美利達 28 40.48
10 9914 美利達 Î 2911 麗嬰房 0.683
2363 矽統; 2388 威盛 31 40.5
11 2388 威盛 Î 2363 矽統 0.756
3019 亞光; 3008 大立光 30 20.34
12 3019 亞光 Î 3008 大立光 0.682
2354 鴻準; 2317 鴻海 55 13.9
13 2354 鴻準 Î 2317 鴻海 0.663
2354 鴻準; 2328 廣宇 34 50.59
14 2328 廣宇 Î 2354 鴻準 0.944
2317 鴻海; 2328 廣宇 34 19.81
15 2328 廣宇 Î 2317 鴻海 0.944
3011 今皓; 2392 正崴 37 43.87
16 3011 今皓 Î 2392 正崴 0.74
2548 華固; 2545 皇翔 27 50.69
17 2545 皇翔 Î 2548 華固 0.844
2392 正崴; 6165 捷泰 27 38.11
18 6165 捷泰 Î 2392 正崴 0.643
2409 友達; 3009 奇美電 75 15.35
19 3009 奇美電 Î 2409 友達 0.773
6116 彩晶; 2475 華映 39 27.87
20 6116 彩晶 Î 2475 華映 0.639
2015 豐興; 2006 東鋼 43 55.9
21 2006 東鋼 Î 2015 豐興 0.717
22 2015 豐興 Î 2006 東鋼 0.754
1523 開億; 1512 瑞利 28 59.06
23 1512 瑞利 Î 1523 開億 0.824
1523 開億; 1524 耿鼎 46 56.87
24 1524 耿鼎 Î 1523 開億 0.793
25 1523 開億 Î 1524 耿鼎 0.742
1523 開億; 1522 堤維西 34 59.47
26 1522 堤維西 Î 1523 開億 0.829
3008 大立光; 6209 今國光 28 27.85
27 6209 今國光 Î 3008 大立光 0.933
2029 盛餘; 2023 燁輝 28 82.33
28 2023 燁輝 Î 2029 盛餘 0.778
29 2029 盛餘 Î 2023 燁輝 0.667
1524 耿鼎; 1522 堤維西 32 59.83
30 1522 堤維西 Î 1524 耿鼎 0.78
2303 聯電; 2454 聯發科; 2474 可成 36 77.48
31 2303 聯電; 2454 聯發科 Î 2474 可成 0.667
32 2303 聯電; 2474 可成 Î 2454 聯發科 0.857
2303 聯電; 2454 聯發科; 2498 宏達電 43 71.38
33 2303 聯電; 2498 宏達電 Î 2454 聯發科 0.729
34 2303 聯電; 2454 聯發科 Î 2498 宏達電 0.796
2303 聯電; 2474 可成; 2498 宏達電 37 55.95
35 2303 聯電; 2474 可成 Î 2498 宏達電 0.881
36 2303 聯電; 2498 宏達電 Î 2474 可成 0.627
2330 台積電; 2454 聯發科; 2474 可成 28 52.19
37 2330 台積電; 2454 聯發科 Î 2474 可成 0.651
38 2330 台積電; 2474 可成 Î 2454 聯發科 0.737
2330 台積電; 2454 聯發科; 2498 宏達電 35 50.32
39 2330 台積電; 2454 聯發科 Î 2498 宏達電 0.814
2330 台積電; 2474 可成; 2498 宏達電 33 43.22