國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
1
第一章 緒論
第一節 研究動機與目的
時間序列(time series)是指將某一現象所發生的數量變化，依時間的先後順序 排列，以表示資料隨著時間而變動。時間序列分成定態(stationary)時間序列與非 定態(non-stationary)時間序列，但是大部分的財經資料是屬於非定態，而非定態 時間序列的特色就是平均數、變異數與相關系數會隨著時間而改變。許多的計量 方法都是在定態的假設上發展出來的，因此對於非定態財經資料的適用性有待深 入探討。(Box, 2008)
傳統訊號處理方法多半是以「傅立葉轉換」(Fourier Transform，FT)進行發 展，傅立葉轉換可將訊號分解成幾個不同頻率的三角函數，轉換至頻率域中分析，
雖然在頻率域有較高的分辨率，但缺點仍是要求原始資料要符合線性與定態。
(Chen, 1979)
為了改善傅立葉分析的部分缺點，Morlet and Grossmann (1984)提出了「小 波轉換」(Wavelet Transform，WT)，小波轉換能將時間－頻率局部化，適合處理 突變的訊號，但是仍有缺點存在，若原始資料若不是定態，容易產生多餘的雜波。
但真實世界中很多非線性與非定態的訊號，如股票價格等，因此對於數據的 處理，有改進的必要。近年來，許多學者對一種稱為「整體經驗模態分解」
(Ensemble Empirical Mode Decomposition，EEMD)的資料處理方法進行研究，並 將此方法應用在生物醫療訊號處理、全球定位系統(GPS)、程序控制、語音訊號、
影像處理、電力系統、地震訊號等問題上，研究的結果都指出這套資料處理方法 有不錯的表現。(吳順德，2009)
然而，過去 EEMD 鮮少使用在財經議題上，本文利用 EEMD 來分析「期貨 市場」以及「預測市場」，EEMD 最大的特色是將原始資料分解成數個「本質模
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2
態函數」(Intrinsic Modes Function，IMF)，利用不同的 IMF 辨別出不同的涵義。
而在期貨市場與預測市場的研究，可採用多種變數與資料進行分析，但為了使 EEMD 的應用更有效率，有別於過去的研究，本文嘗試利用較少的資訊對未來做 預測，因此，之後的兩個實證僅針對價格做分析。第一個實證以 EEMD 來分析 期貨市場，研究經 EEMD 處理過後的期貨價格，是否仍然保留原始期貨價格發 現的能力？並同時與原始台股期貨預測台股指數，比較預測結果；第二個實證利 用 EEMD 來分析預測市場，以台灣 2008 年總統大選與 2010 年五都市長選舉合 約作分析，判別是否能有效的消除雜訊，準確預測選舉結果。
另外，本文的兩個實證分析，台股期貨與選舉預測雖然運作方式皆利用期貨 機制對未來的結果作預測，但兩種資料在本質上有所不同，例如台股期貨的預測 標的為最後結算日的台股指數現貨價格，而在這之前，每日亦有台股指數價格作 為參考，可以與台股期貨價格作對應，直至最後結算日；然而，選舉預測市場的 預測標的為選舉當日的選舉結果，我們將選舉結果視為最後結算價，因此，現貨 價格則只有選舉當日一筆。有鑑於資料本質的差異，本文 EEMD 相關應用的兩 個實證將採取不同的準則來分析。
第二節 本文架構
本文主要是利用資料處理方法 EEMD 來處理期貨市場與預測市場的的時間 序列資料，希望藉由 EEMD 來過濾兩市場的短期雜訊以及衡量此一方法的適用 性。本文總共分成六章。第一章緒論說明本研究之研究動機與目的。第二章文獻 回顧分別探討 EEMD 數據分析與預測市場的基礎理論等。第三章研究方法則介 紹本文的研究方法、研究流程以及相關理論與公式的計算方法。第四章為本文的 第一個實證分析，將 EEMD 應用在期貨市場上，嘗試利用 EEMD 處理後的台股 期貨，分析對台股指數的解釋能力，並同時與原始台股期貨對台股指數做預測，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3
比較兩者的準確度；第五章為本文的第二個實證分析，將 EEMD 應用在預測市 場上，並與原始預測市場以及民意調查的預測能力做比較。最後一章節為結論與 建議，歸納出本研究之結論，並對未來相關研究方向提出建議。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4