國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
40
第四章 研究結果
研究結果有「預測變數選取分析」與「預測結果分析」兩部分。設置實驗了解 總體經濟變數的影響效果，和先經由向量自我迴歸模型篩選變數的方式是否能提升 預測能力。並分析 GARCH 預測模型、Elman 類神經網路預測模型，與整合兩者之 長的 GARCH – Elman 類神經網路預測模型的預測結果。
預測模型變數選取分析 第一節
為瞭解經濟環境的改變是否會使得各金屬有不同的關係，分別依美國聯邦資金 利率、生產者物價指數與消費者物價指數的設置與否建置實驗一。本研究先藉由向 量自我迴歸模型找出對銅價有影響的變數，才納入類神經網路，因此也依此設置實 驗二以驗證此法效益。實驗組與對照組之變數設置如表 4-1 變數對照表。使用 GARCH-Elman 類神經網路作為模擬之分析模型。
表 4-1 變數對照表
輸入變數 實驗一：
總 體 經 濟 變 數的影響
實驗組 銅、鋁、鎳、鋅、錫、銅庫存、金、石油、Federal funds rate、PPI、CPI
對照組 銅、鋁、鎳、鋅、錫、銅庫存、金、石油 實驗二：
預 測 變 數 篩 選的效果
實驗組 鉛、銀、銅、鋁、鎳、鋅、錫、銅庫存、金、石油、
Federal funds rate、PPI、CPI
對照組 銅、鋁、鎳、鋅、錫、銅庫存、金、石油、Federal funds rate、PPI、CPI
實驗一之實驗組加入總體經濟變數，其和未加入總體經濟變數的對照組之預測 結果如表 4-2。考量總體經濟變數之帄均方向正確率及帄均累積報酬率多了 5.34%
及 3.3%。從圖 4-1 知對照組在短期間內之累積報酬率並未較差，然自預測未來第 140 個交易日之後尌開始有明顯的差距，此模型尌長期而言，因未考量總體經濟變
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
41
數而未學習到總體經濟環境的改變。
圖 4-1 實驗一各模式最佳模糊區域之累積報酬率 表 4-2 實驗一之預測結果
方向正確率 累積報酬率
模糊區域(X%) 對照組 實驗組 對照組 實驗組 95
83.33% 83.33%
0.68% 5.73%90 72.73% 72.73% 4.58% 7.44%
85 70.59% 64.71% 4.87% 8.89%
80 69.57% 65.22% 7.28% 8.40%
75 67.86% 64.29% 9.74% 7.69%
70 61.76% 64.71% 16.49% 12.26%
65 67.50% 67.50% 20.92% 17.68%
60 66.67% 64.44% 16.75% 13.74%
55 64.71% 64.71% 19.23% 14.68%
50 59.65% 68.42% 22.68% 18.15%
45 58.06% 67.74% 29.50% 18.67%
40 55.88% 69.12% 33.43% 26.33%
35 58.11% 67.57% 32.11% 23.99%
30 59.49% 69.62% 26.61% 32.50%
25 57.65% 68.24% 24.15% 36.47%
20 58.24% 68.13% 28.27% 39.09%
15 57.29% 69.79% 29.88% 43.34%
10 57.84% 71.57% 28.86% 54.55%
5 58.33% 70.37%
33.47% 56.46%
0 58.41% 68.14% 30.88% 40.24%
帄均 63.18% 68.52% 21.02% 24.32%
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
42
實驗二之實驗組的變數為未利用向量自我迴歸模型篩選的變數，也無經向量自 我迴歸模型找出和銅價的關係期數。預測結果如表 4-3，方向正確率之帄均雖較差 但僅有 1.08%的差距，帄均累積報酬率則有 13.5%差距，可從圖 4-2 知自預測未來 第
110
個交易日後尌擴大了和對照組的差距，由於未先經過變數的篩選和設置適當 的關係期數，使得類神經網路因為輸入變數間的雜訊而減少了真正有影響能力的變 數，經由向量自我迴歸模型的篩選能使類神經網路減少這雜訊。表 4-3 實驗二之預測結果
方向正確率 累積報酬率
模糊區域(X%) 對照組 實驗組 對照組 實驗組 95
83.33% 83.33%
5.73% 2.65%90 72.73% 81.82% 7.44% 4.60%
85 64.71% 82.35% 8.89% 3.92%
80 65.22% 78.26% 8.40% 5.25%
75 64.29% 71.43% 7.69% 3.27%
70 64.71% 64.71% 12.26% 1.15%
65 67.50% 57.50% 17.68% 0.78%
60 64.44% 62.22% 13.74% 6.31%
55 64.71% 62.75% 14.68% 10.87%
50 68.42% 59.65% 18.15% 7.35%
45 67.74% 61.29% 18.67% 10.81%
40 69.12% 63.24% 26.33% 11.42%
35 67.57% 63.51% 23.99% 11.10%
30 69.62% 63.29% 32.50% 12.47%
25 68.24% 63.53% 36.47% 12.81%
20 68.13% 63.74% 39.09% 13.39%
15 69.79% 65.63% 43.34% 17.79%
10 71.57% 66.67% 54.55% 21.45%
5 70.37% 66.67%
56.46% 30.20%
0 68.14% 67.26% 40.24% 28.85%
帄均 68.52% 67.44% 24.32% 10.82%
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
43
圖 4-2 實驗二各模式最佳模糊區域之累積報酬率