1.2 研究動機
T. and M. Epps[22]及Tauchen, G. E. and M. Pitts[30]之研究分別以不同方法探討價 格與成交量之相關性，研究結果皆顯示價量呈現正相關；Brock、Lakonishok &LeBaron[18]研究結果指出技術分析可以協助投資人預測股價的變化。由過去許
1.3 研究目的
本研究嘗詴以波浪理論之特徵規則為依據，發現股價波動所隱含的變動規律，
繼而了解股價波動趨勢。於 2009 年，洪若信[7]提出 N 型波浪技術指標，其以該 指標預測台灣股價走勢，由研究結果顯示，應用 N 型波浪描述股價波段行為具 有相當效果。然而於其研究中，抓取 N 型波浪之方式未依固定準則，使部份 N 型波浪與波浪理論不相符合，進而造成預測效果有限。因此本研究將對洪若信[7]
所提出之 N 型波浪技術指標進行改善，以期提升預測準確度及模型效率。
本研究將從 N 型波浪抓取方式及模型參數兩部份作改善，首先關於抓取 N 型波浪部份，在洪若信的研究中，其抓取 N 型波浪方式為首先取得研究期間的 所有轉折點後，將連續的轉折點定義為一個 N 型波浪，接著再將 N 型波浪放入 倒傳遞類神經網路中學習。然而並非所有連續轉折點所形成的 N 型波浪皆是有 意義的，由艾略特所提出的波浪理論可知，波浪的形成有其特徵規則，抓取 N 型波浪時也必頇遵守此規則，否則將使分析效果不彰。另一方面，本研究嘗詴找 出洪若信[7]研究所提出 58 個輸入變數中，較不顯著或影響力較低者，並加入本 研究預期具有顯著影響之新變數，以期運用更少的變數使預測結果達到更高的準 確率，提升模型整體之效率，使變數解釋能力更高。
本研究將依據艾略特波浪理論之特徵規則抓取 N 型波浪，同時利用倒傳遞 類神經網路可對非線性問題作出良好預測的優勢，對台灣加權指數做分析，期望 找出當中的行為規則，進而幫助投資人準確地作出買賣決策。
綜合上述，本研究之詳細目的描述如下：
1. 以艾略特波浪特徵規則為基礎，找出當中的知識與規則，繼而了解股票市場 漲跌力量的消長與波動趨勢。
2. 對洪若信提出之模型進行改善，以艾略特波浪理論之特徵規則抓取 N 型波浪 資料並修正模型參數，以提升 N 型波浪技術指標之準確率及效率。
3. 期望運用倒傳遞類神經網路具有解決非線性問題之良好能力，以改善技術分 析過於主觀的缺點，輔助了解股價波動的變化趨勢。
1.4 研究流程
本研究以艾略特波浪理論為基礎，運用倒傳遞類神經網路於艾略特波浪特徵 規則之學習，希冀藉由分析台灣加權指數變化中所隱含的規則，以了解股價波動 的行為模式。
本研究首先從國內外相關文獻進行回顧探討，包含技術分析、艾略特波浪理
論及倒傳遞類神經網路。其次，蒐集台指現貨及台指期貨的資料以獲得所需之原
Pearson 積差相關係數針對台灣加權股價指數及台灣加權股價指數期貨之間 的相關係數進行檢定，研究結果顯示每日收盤價有 99.89%以上之相關性。
基於兩者之間的檢定結果，本研究以台指期貨做為實證交易之對象，並進行 獲利計算。
2. 本研究於實證交易時，在考量到流動性風險之因素下，因此採用台灣加權股 價指數期貨近月期貨做為實證交易對象。在獲利計算方面，僅考慮手續費及 交易稅，換月之轉倉成本則不加計算。根據阮榆芳[3]之研究，手續費及交 易稅合計約為 5 點成本，故本研究以此做為交易成本。
3. 由於測詴期間是依歷史資料抓取轉折點，因此會與投資人實際運作抓取轉折 點時的時間與股價有所差異，實際操作中無法恰巧在轉折點時知道是一個轉 折點，但運用歷史資料則能，故此部分為本研究之限制。然而本研究主要於 了解股價變動趨勢，因此為了確保是以正確的 N 型資料進行實證研究，本 研究將依歷史資料抓取的轉折點進行研究。
1.6 論文架構
本研究分為五個章節，內容分述如下：
第一章緒論：
說明以艾略特波浪特徵規則對台灣加權股價指數變動趨勢進行分析之研究 背景、動機及目的，及研究之限制及流程。
第二章為文獻探討：
針對與本研究相關的研究議題進行回顧，包含艾略特波浪理及倒傳遞類神經 網路，最後整理各小節之文獻以得到整合性結論。
第三章研究方法：
描述本研究之研究方法，包括 N 型資料抓取方法、資料前處理和倒傳遞類 神經網路相關參數設定，以及績效評估方法，包括準確率計算、獲利計算及停損 停利機制。
第四章實證結果與分析：
說明本研究之實驗結果，並將實驗結果進行分析及績效評估，最後再以統計 檢定驗證實驗組與對照組之優異。
第五章研究結論與建議：
對研究結果提出總結，且提出後續研究可衍生的相關議題。