運用資料探勘技術於台幣匯率趨勢預測之研究 - 政大學術集成
80
0
0
全文
(2) 致謝 這篇論文能夠完成最要感謝的是楊建民教授的指導，從碩一下學期就開始培 養我撰寫論文的概念，提點我如何構思一篇論文，不管是動機、假設及推論都必 須思考周延。而之後開始正是撰寫論文，也都是在楊老師悉心教導下完成的，從 一開始的論文選題、研究計畫的制定、研究手法與過程的改良，在每一次的討論 中，老師都能夠提點我論文中關鍵的缺失，提出最有幫助的建議，讓我能夠在研 究方向、思考邏輯、寫作技巧等方面不斷修正，最後才能讓此篇論文能夠順利的 完成。 兩年來楊老師的指導，不僅讓我的知識基礎、程式能力有顯著提升，平實的 生活經驗分享、做人處事的道理傳授，都使我獲益良多。此篇論文及我的碩士學 位能夠圓滿地完成，一定要向我尊敬的楊老師表達深深敬意和無以言表的感謝。 另外，感謝和我同個實驗室的早彬、佳芸、智宏、詮惟，每一次的團體會議， 能聽到許多不同面向的思考，大家所遇到的問題以及解決的方法，都在我身上內 化成完成此篇論文的能量。且與同學間的腦力激盪討論論文研究問題與方向，更 是讓我茅塞頓開，看到解決目前困境的一絲曙光。 感謝實驗室的悅岑學姊，平時的大小事情都依賴學姊的幫忙，提醒我該注意 的事項以及協助我解決所遇到生活上與學業行政上的相關事務，有學姊的幫忙讓 我省去了許多白忙一場的時間。 感謝同為 102 級政大資管碩士的同學們，和他們在一起度過了很多感動、開 心的日子，不管是課業上團體合作、平時的生活意趣，或是充滿回憶與歡笑的畢 業旅行，感謝你們讓我碩士生活更加充實美好。 最後感謝呵護我成長的父母，每當我遇到困難與挫折時，你們總是第一個給 我鼓勵與支持，這一路學業的完成也是因為有你們的鼓勵，讓我更加有自信能夠 完成學業，堅定了我追求自己心中真正所要的夢想。 感謝所有關心我的親人、師長和朋友，在這裡表達最深最深的謝意。 I.
(3) 中文摘要 台灣地狹人稠，自然資源不足，台灣絕大數的資源必須仰賴國際貿易的補充， 來維持經濟的發展，國際貿易可說是台灣經濟的命脈。在國貿中，匯率的變化更 是深深影響每筆交易，對於政府與投資者都是不可不重視課題。過去對於匯率影 響相關因素之研究許多，但欠缺一個綜合整體因素之研究，本研究就已整合過去 文獻為出發點，延伸至對輸入資料進行優化，並利用滾動建模方式建立投資組合， 提供投資者適當之進場時間與投資報酬率區間之參考依據 本研究建立倒傳遞類神經網路模型，整理學者對於台幣匯率影響之因素如國 際收支、外匯存底、主要貿易國匯率等共 27 項，以自 2003 年 7 月到 2014 年 10 月資料為模型輸入，預測以美元為標準的月平均台幣匯率漲跌，並比較過濾灰色 地帶(Grey Area)之模型與原模型之預測能力差異，再以滾動建模方式觀察不同進 場時間之平均獲利與投資報酬上下限值。 結果發現，有過濾輸入值與輸出值之灰色地帶模型預測能力優於只過濾輸入 值之灰色地帶模型，而預測能力在四者之中最差為未過濾之模型。而在投資報酬 率部分，有過濾輸入輸出值之灰色地帶模型進場一到三年之平均報酬率介於 5.02%~6.13%，獲利區間為 2.8%~10.84%；只過濾輸入值之灰色地帶模型進場一 到三年之平均報酬率介於 4.39%~5.72%，獲利區間為 1.17%~10.84%；未過濾灰 色地帶之模型進場一到三年之平均報酬率介於 3.86%~5.18%，獲利區間為 -0.71%~10.54%，本研究之結果可在政府及投資人投資決策上給予具有參考性的 指標。未來研究方向可加入利用文字探勘或情緒探勘來觀察政策對匯市所造成之 影響或觀察金融海嘯前資料的變化來預測金融危機之發生。. 關鍵詞： 關鍵詞：匯率預測 匯率預測、 預測、資料探勘、 資料探勘、倒傳遞類神經網路、 倒傳遞類神經網路、灰色地帶. II.
(4) Abstract Taiwan is a small island with limited land but huge population, and the nature resources can’t afford to the economic development. Therefore, we have to rely on international trades to supplement our resources. However, exchange rate plays an important role in international trades, because it impacts each trade directly. For government and investors, exchange rate is an important topic they should notice. This study consolidated the scholars’ studies on the factors impacting the exchange rate to build a backward-propagation neural network model. We collected 27 variables (such as BoP, inflation rate, GDP…) as model’s input, and the prediction of exchange rate’s appreciation or depreciation is the output. The study compares four kinds of model’s accuracy, precision, recall and ROI. One is filter grey area data in input and output, and the second is only filter grey area data in input data, and the third is only filter grey area data in output result, and the last is no filter any data. The result shows that the first model is the best. Its average ROI of one year is between 5.02%~6.13%, and the profit range is between 2.8%~10.84%. This study suggests investors to collect past seven years data and filter the grey area data to build up the model to predict the next year’s exchange rate. Beside, when we saw the predict values in grey area, we should not invest. Follow this rule, this model will be helpful for investors when they need references to make exchange rate investment decisions. For future researches, I suggest that one way is to use text mining or motion mining to find out how the policies impact exchange rate market. The other way is to observe the change before economic crisis trying to predict the happening times for helping investors to avoid the economic crisis.. Key Words: Exchange rate、Data Mining、BP Neural Network、 、Grey Area III.
(5) 目 次 致謝................................................................................................................................ I 中文摘要....................................................................................................................... II Abstract ........................................................................................................................ III 目 次............................................................................................................................IV 圖目錄........................................................................................................................ VII 表目錄..........................................................................................................................IX 第一章 緒論.................................................................................................................. 1 第一節 研究背景與動機...................................................................................... 1 第二節 研究目的.................................................................................................. 3 第三節 研究對象及範圍...................................................................................... 4 1.3.1 研究對象............................................................................................... 4 1.3.2. 研究範圍............................................................................................ 4. 第二章 文獻探討.......................................................................................................... 5 第一節 匯率市場與相關影響因素...................................................................... 5 2.1.1. 匯率與匯率市場的演進.................................................................... 5. 2.1.2. 我國匯率政策演進............................................................................ 8. 2.1.3. 影響匯率變動之因素...................................................................... 10. 第二節 類神經網路............................................................................................ 14 2.2.1. 類神經網路發展.............................................................................. 14. 2.2.2. 類神經網路概述.............................................................................. 14. 2.2.3. 類神經網路之相關應用文獻.......................................................... 16. 第三節、 文獻小結............................................................................................ 17 第三章 研究方法........................................................................................................ 18 第一節 資料說明................................................................................................ 18 IV.
(6) 3.1.1 變數的說明與來源：........................................................................ 19 3.1.2 變數數值分布圖：............................................................................ 21 3.1.3. 資料正規化...................................................................................... 25. 第二節 倒傳遞類神經網路之模式建立............................................................ 26 3.2.1. 倒傳遞類神經網路模型變數之訂定.............................................. 26. 3.2.2. 倒傳遞類神經網路模型建立步驟.................................................. 27. 3.2.3. 倒傳遞類神經網路模型終止(穩定)條件 ....................................... 30. 3.2.4. 測試模型結果是否為區域最佳解(Local Optimize) ...................... 30. 3.2.5. 檢驗模型是否為區域最佳解方法.................................................. 31. 第三節 過濾灰色地帶(Grey Area)資料 ............................................................ 37 第四節 滾動建模比較最佳進場時間與獲利.................................................... 38 第五節 評估方法................................................................................................ 38 3.5.1. 倒傳遞類神經網路模型正確性評估.............................................. 38. 3.5.2. 過濾灰色地帶資料與無過濾模型之比較...................................... 38. 3.5.3. 進場時間與獲利之評估.................................................................. 38. 第四章 實證與分析.................................................................................................... 39 第一節 倒傳遞類神經網路分析結果................................................................ 39 4.1.1 訓練範圍 2003 年至 2011 年 ............................................................ 39 4.1.2 訓練範圍 2003 年至 2012 年............................................................. 41 4.1.3 訓練範圍 2003 年至 2013 年............................................................. 42 4.1.4 輸出值過濾灰色地帶資料................................................................ 44 4.1.5 小結.................................................................................................... 45 第二節. 過濾灰色地帶(Grey Area)之模型預測結果分析 .............................. 46. 4.2.1 訓練範圍 2003 年至 2011 年 ............................................................ 46 4.2.2 訓練範圍 2003 年至 2012 年............................................................. 48 V.
(7) 4.2.3 訓練範圍 2003 年至 2013 年............................................................. 49 4.2.4 小結.................................................................................................... 51 第三節 4.3.2. 投資模型分析...................................................................................... 53 平均投資報酬率之計算方式.......................................................... 54. 第五章 結論建議與未來研究方向............................................................................ 64 第一節 結論與建議............................................................................................ 64 第二節 未來研究方向........................................................................................ 65 參考文獻...................................................................................................................... 67. VI.
(8) 圖目錄 圖 2-1 世界各國黃金持有數量表 ........................................................................... 7 圖 2-2 固定及機動匯率之比較 ............................................................................. 10 圖 2-3 類神經元模型 ............................................................................................. 15 圖 2-4 具有隱藏層的類神經網路架構 ................................................................. 15 圖 3-1 本研究流程圖 ............................................................................................. 18 圖 3-2 物價指數趨勢圖 ......................................................................................... 21 圖 3-3 台灣通膨率趨勢圖 ..................................................................................... 21 圖 3-4 台灣 GDP 趨勢圖 ....................................................................................... 22 圖 3-5 台灣外匯存底趨勢圖 ................................................................................. 22 圖 3-6 台灣與主要貿易國之貿易總額趨勢圖 ..................................................... 22 圖 3-7 台灣存款利率、公債利率、票券利率趨勢圖 ......................................... 23 圖 3-8 台灣準備貨幣趨勢圖 ................................................................................. 23 圖 3-9 台灣國外總資產趨勢圖 ............................................................................. 23 圖 3-10 國際金價趨勢圖 ....................................................................................... 24 圖 3-11 國際三大油區油價趨勢圖 ....................................................................... 24 圖 3-12 擾動測試前加權值與閥值變化 ............................................................... 32 圖 3-13 擾動測試前 MSE 變化............................................................................. 32 圖 3-14 加入擾動測試之加權值與閥值變化 ....................................................... 33 圖 3-15 加入擾動測試之 MSE 變化..................................................................... 33 圖 3-16 擾動測試後模型穩定之加權值與閥值變化 ........................................... 34 圖 3-17 擾動測試後模型穩定之 MSE 變化......................................................... 34 圖 3-18 匯率波動趨勢圖與灰色地帶上下界 ....................................................... 37 圖 4-1 03~11 年模型穩定之加權值與閥值變化圖 ............................................... 39 圖 4-2 03~11 年模型穩定之 MSE 變化圖 ............................................................ 40 VII.
(9) 圖 4-3 03~12 年模型穩定之加權值與閥值變化圖............................................... 41 圖 4-4 03~12 年模型穩定之 MSE 變化圖 ............................................................ 41 圖 4-5 03~13 年模型穩定之加權值與閥值變化圖............................................... 43 圖 4-6 03~13 年模型穩定之 MSE 變化圖 ............................................................ 43 圖 4-7 過濾灰色地帶 03~11 年模型穩定之加權值與閥值變化圖 ..................... 46 圖 4-8 過濾灰色地帶 03~11 年模型穩定之 MSE 變化圖................................... 47 圖 4-9 過濾灰色地帶 03~12 年模型穩定之加權值與閥值變化圖..................... 48 圖 4-10 過濾灰色地帶 03~12 年模型穩定之 MSE 變化圖 ................................ 48 圖 4-11 過濾灰色地帶 03~13 年模型穩定之加權值與閥值變化圖 ................... 50 圖 4-12 過濾灰色地帶 03~13 年模型穩定之 MSE 變化圖 ................................ 50. VIII.
(10) 表目錄 表 2-1 倒傳遞類神經網路結合基因演算法(GAPBN)來發展新台幣兌美元的匯率 預測模型之影響匯率因素 ............................................................................... 17 表 3-1 影響匯率之因素整理 ..................................................................................... 19 表 3-2 擾動測試前後結果比較表 ............................................................................. 35 表 3-3 擾動測試前之模型準確度表 ......................................................................... 36 表 3-4 擾動測試前後結果比較表 ............................................................................. 36 表 3-5 以不同初始加權值之結果比較表 ................................................................. 36 表 4-1 03~11 年模型穩定之模型準確度結果表 ....................................................... 40 表 4-2 03~12 年模型穩定之模型準確度結果表 ....................................................... 42 表 4-3 03~13 年模型穩定之模型準確度結果表 ....................................................... 44 表 4-4 輸出值過濾灰色地帶之模型與原模型比較表 ............................................. 44 表 4-5 過濾灰色地帶 03~11 年模型穩定之模型準確度結果表 ............................. 47 表 4-6 過濾灰色地帶 03~12 年模型穩定之模型準確度結果表 ............................. 49 表 4-7 過濾灰色地帶 03~13 年模型穩定之模型準確度結果表 ............................. 51 表 4-8 過濾灰色地帶與未過濾之模型預測結果比較表 ......................................... 51 表 4-9 輸出值過濾灰色地帶與未過濾之模型預測結果比較表 ............................. 52 表 4-10 四種模型預測結果比較表 ........................................................................... 52 表 4-11 不過濾灰色地帶之模型預測力與投資報酬率表 ....................................... 54 表 4-12 輸出值過濾灰色地帶之模型預測力與投資報酬率表 ............................... 55 表 4-13 輸入值過濾灰色地帶之模型預測力與投資報酬率表 ............................... 56 表 4-14 輸入值與輸出值過濾灰色地帶之模型預測力與投資報酬率表 ............... 56 表 4-15 進場一年之平均獲利與投資報酬率 ........................................................... 57 表 4-16 進場兩年之平均獲利與投資報酬率 ........................................................... 58 表 4-17 模型平移半年之預測力與投資報酬率 ....................................................... 59 IX.
(11) 表 4-18 模型平移一年半之預測力與投資報酬率 ................................................... 59 表 4-19 模型平移兩年半之預測力與投資報酬率 ................................................... 60 表 4-20 進場三年之平均獲利與投資報酬率 ........................................................... 60 表 4-21 未過濾灰色地帶進場一到三年之比較表 ................................................... 61 表 4-22 輸出值過濾灰色地帶進場一到三年之比較表 ........................................... 61 表 4-23 輸入值過濾灰色地帶進場一到三年之比較表 ........................................... 62 表 4-24 輸入值與輸出值過濾灰色地帶進場一到三年之比較表 ........................... 62. X.
(12) 第一章 緒論 第一節 研究背景與 研究背景與動機 背景與動機 台灣為一個四面環海之島嶼型國家，受地形影響，可實質運用的土地面積十 分狹小，再加上地狹人稠，自然資源不足以支持經濟發展，因此，台灣絕大數的 資源必須仰賴國際貿易的補充，來維持經濟的發展，國際貿易可說是台灣經濟的 命脈。 源自 19 世紀的金本位主義是目前貨幣發展的起源，代表著每單位的貨幣價 值等同於若干重量的黃金，而二次世界大戰以後的新金融體系佈雷頓森林體系 (Bretteon Woods Agreements)的即是以美元為中心地位，將美元當作黃金貴金主 的替代流通貨幣的一種金本位主義實現。之後 20 世紀 60 至 70 年代因為多次的 美元危機，使美元與黃金掛勾名存實亡。一直到牙買加協定(Jamaica Agreement) 取消匯率平價和美元中心匯率，確認浮動匯率制度，並取消黃金官價，黃金並非 貨幣，按照自由市場交易，使金本位走入歷史。各國也因此開始發展國際儲備貨 幣多元化，目前主要被當作儲備貨幣的有美元、馬克、日元、英鎊、法郎、荷蘭 盾，以及近年急速崛起人民幣等，但直至目前美元還是目前最主要的國際流通貨 幣，而台灣雖開始發展國際儲備貨幣多元化，但目前大部分還是以美元為主。 再加上近年來，類神經網路在財金領域普遍被運用，因為金融市場並非完全 屬於「線性」 ，所以運用「非線性」的類神經網路有更好的效果。例如葉柏村(2002) 以影響匯率之六種變動因素配合倒傳遞類神經網路建構出歐元匯率預測模型。研 究結果顯示倒傳遞模型在預測準確率上優於傳統統計迴歸模型。鄭漴瑋(2014)應 用灰關聯分析出與人民幣匯率主要影響之因素，再運用類神經網路及多元迴歸建 立模型來預測人民幣匯率之波動，研究結果顯示倒傳遞類神經網路模型在預測人 民幣匯率漲跌成效優於多元迴歸模型。由文獻可以得知，類神經網路能在匯率預 測上有很好的表現。 1.
(13) 林毅夫(2014)在 “林毅夫：從西潮到東風”上指出美元還是國際上主要貿易結 算貨幣，大約占 60%—70%左右。因此，將美元當作標準，來觀察台幣匯兌的波 動，以每月平均台幣兌美元(TWN/USD)為輸出，歸結過去前人所研究對於台幣 匯率有影響之因素為輸入，建立一個倒傳遞類神經網路模型，來預測台幣匯率波 動與趨勢。 另外針對輸入變數進行處理，藉由不同的訓練資料建立模型，並比較過濾灰 色地帶資料及沒有過濾之間的差異，希望尋找到一個穩定獲利的投資模型，做為 投資人的參考依據。. 2.
(14) 第二節 研究目的 影響台幣兌美元匯率走勢的變動因素相當多，過去已經有許多學者投入相關 之研究，但缺乏有人將眾因素做一個整合性的統整，並建立一套模型進行長期預 測。因此，希望能夠根據過去文獻所提到之相關因素，收集相關影響台幣匯率之 資料，建構出一套預測匯率趨勢之模型，並再利用灰色地帶(Grey Area)的概念過 濾資料，使模型更趨於穩定獲利。此研究可做為投資人在匯率市場上評估參考之 工具。將本研究之目的界定如下： 1.. 收集並整理影響台幣變動之因素及分析. 2.. 建構倒傳遞類神經網路預測模型. 3.. 比較過濾灰色地帶(Grey Area)資料之模型與沒有過濾之間準確度之差異. 4.. 建構投資組合(Portfolio)，尋找最佳進場時間與平均報酬率. 3.
(15) 第三節 研究對象及範圍. 1.3.1 研究對象 本研究主要以台幣對美元(TWN/USD)波動為探討對象，其意義為美元仍是 世界上最主要清算貨幣及國際通貨，且目前各國正處於將美元做為準備貨幣到以 多元貨幣為準備貨幣的過渡期，基本上美元還是可以看做一種國際標準貨幣。我 們針對台灣各種客觀的總體經濟因素來預測台幣兌美元的走勢，以提供給投資人 作為台幣幣值變化的參考依據。而分析方法採用倒傳遞類神經網路，以月資料來 建立台幣兌美元漲跌預測模式，並試著以短期影響因素來推測進場時機。. 1.3.2. 研究範圍 本研究主要以 2003 年 7 月到 2014 年 10 月共 136 筆的月資料當作數據，因. 為是以月波動來預測未來趨勢，因此可用資料總比數為 135 筆。將訓練資料進行 不同的調整後，來比較不同模型之間準確度與投資報酬率。所有數據取自於中央 銀行、台灣政府機關及國際金價與原油價之公開數據。. 4.
(16) 第二章 文獻探討 第一節 匯率市場與相關影響因素. 2.1.1. 匯率與匯率市場的演進 匯率與匯率市場的演進 李榮謙(2009)，人類經濟活動從早期以物易物作為交易的方式，逐漸轉變成. 以貴金屬黃金、白銀等作為對等價值的交換，進而發展成各國發行各自的流通貨 幣，再依外匯匯率與他國交易。一國的勞務、商品都是以本國貨幣單位計價，但 若是要進行跨國間的交易或貨幣的兌換，則需要透過銀行提供的外匯匯率做為各 國貨幣對等價值的慘考，而匯率(Exchange Rate)指的就是國際貨幣之間的兌換比 率。外匯匯率(Foreign Exchange Rate)就是「外匯的交易價格」，或著說是「兩國 通貨交換的比率」；匯率也就是一國貨幣的對外價值。. 陸寒寅(2008)，在歷史上，自從英國於 1816 年率先實行金本位制以後，到 1914 年第一次世界大戰以前，主要資本主義國家都實行了金本位制，金本位制 就是以黃金為本位幣的貨幣制度。在金本位制下，或每單位的貨幣價值等同於若 干重量的黃金（即貨幣含金量）；當不同國家使用金本位時，國家之間的匯率由 它們各自貨幣的含金量之比--金平價（Gold Parity）來決定。 金本位制通行了約 100 年，直到 1914 年第一次世界大戰爆發後，各國為了籌集龐大的軍費，紛紛 發行不兌現的紙幣，禁止黃金自由輸出，金本位制隨之告終。. 第一次世界大戰以後，在 1924-1928 年，資本主義世界曾出現了一個相對穩 定的時期，主要資本主義國家的生產都先後恢復到大戰前的水平，並有所發展。 各國企圖恢復金本位制。但是，由於金鑄幣流通的基礎已經遭到削弱，不可能恢 復典型的金本位制。當時除美國外，其他大多數國家只能實行沒有金幣流通的金 5.
(17) 本位制，這就是金塊本位制和金匯兌本位制。 金塊本位制和金匯兌本位制由於不具備金幣本位制的一系列特點，因此，也 稱為不完全或殘缺不全的金本位制。該制度在 1929-1933 年的世界性經濟大危機 的衝擊下，也逐漸被各國放棄，都紛紛實行了不兌現信用貨幣制度。. 二戰結束前，美國主導戰後國際貨幣體系重建。1944 年 7 月，在美國新罕 布希爾州佈雷頓森林郡的度假賓館召開了 44 個國家參加的“聯合國國際貨幣金 融會議”，通過了以美國“懷特計劃”為藍本的《佈雷頓森林協議》（Bretton Woods system），從而建立了一種“國際性金匯兌本位制”（可兌換黃金的美元 本位制，是一種間接的金本位制）的“佈雷頓森林體系”，建立了以美元為中心 的國際貨幣體系，這實際上是一種金匯兌本位制，美國國內不流通金幣，但允許 其他國家政府以美元向其兌換黃金，美元是其他國家的主要儲備資產。但其後受 美元危機的影響，該制度也逐漸開始動搖，至 1971 年 8 月美國政府停止美元兌 換黃金，並先後兩次將美元貶值後，這個殘缺不全的金匯兌本位制也崩潰了。. 因為人們心目中藉助黃金保值儲備的觀念根深蒂固，黃金的非貨幣化並不等 於黃金完全失去了貨幣職能。美國的黃金儲備，已從 1945 年 21770 噸（占世界 黃金儲備近 60%）降為目前的 8133.5 噸（占世界黃金儲備的 15%，圖 2-1-1）， 依然維持全球最大儲備國地位。. 雖然目前經濟態勢以美元為中心的“佈雷頓森林體系”已瓦解，各國不再只以 美元當作準備貨幣，但根據林毅夫(2014)在博鰲對話專場“林毅夫：從西潮到東 風”上表示指出美元還是國際上主要貿易結算貨幣，大約占 60%—70%左右，在 國際貿易上，美元還是被視為最主要的貨幣，本研究根據文獻蒐集影響台灣匯率 之各總體因素建立倒傳遞類神經網路，將美元視為標的，觀察台幣匯兌的走勢。 6.
(18) 圖 2-1 世界各國黃金持有數量表 世界各國黃金持有數量表 資料來源 資料來源：世界黃金協會 （World Gold Council,WGC） Council,WGC）. 7.
(19) 2.1.2. 我國匯率政策演進 我國匯率政策演進 李榮謙(2009)，對於小型開放經濟體而言，匯率的重要性不言可喻，如果匯. 率波動過大，將妨礙正常的貿易及投資活動。我國目前是採取管理式浮動匯率制 度，希望一方面賦予匯率有較大的調整彈性；另一方面，則藉由中央銀行的外匯 干預政策來維持匯率的穩定。. 行政院大陸委員會，兩岸經濟統計月報(2005, No.150)，我國匯率制度的演 變自民國 38 年至今分成三個時期:法定匯率時期、管理的浮動匯率時期，以及匯 率自由化三個時間。以下分述之. 第一階段，法定匯率時期:自民國 38 年 6 月臺省幣制改革時起，我國採法定 匯率，銀行買賣價格，由政府規定，並實施結匯證辦法，採複式匯率，規定進口 機器原料及重要物資適用 5 元官價，一般進口適用代購公營事業結匯證價。 政府於民國 40 年公布「進口物品結匯審核標準」 ，建立外匯審核制度，由雙 元複式匯率變成多元複式匯率。民國 52 年 9 月廢除結匯證制度，實行真正的單 一匯率，由央行銀行掛牌。民國 66 年由於美元對日圓、西德、馬克等國際主要 通貨大幅貶值，一直到民國 67 年 7 月，由於國際收支順差擴大，外匯市場供過 於求太多，再度調整基本匯率。同時放棄釘住美元之固定匯率，改採浮動機動匯 率制度，但匯價仍由央行逐日掛牌。. 第二階段:管理的浮動匯率時期:民國 68 年 2 月我國建立外匯市場，中央銀行 訂定「指定銀行買賣即期外匯辦法」，限定匯率變動的幅度，指定五家大銀行組 成外匯交易中心，負責外匯買賣定價及銀行間交易仲介業務。期初由外匯交易中 新銀行與央行代表組成匯率擬定小組，每日會商訂定美元即期交易中心匯率及對 顧客交易之買賣匯率，最高與最低差價新台幣 1 角，並通知各指定銀行於當日 9 8.
(20) 時公告，每日即期匯率變動幅度，不得超過前一營業日中心匯率上下各 0.5%， 稱為上下限。民國 69 年中央銀行退出匯率擬定小組，並取消中心匯率及上下限 規定，改稱銀行與顧客賣賣中價，每日變動幅度不超過前一營業日買賣中價上下 各 1%。民國 70 年 8 月新台幣匯率政策性貶值 4.56%，由 36.24 元新台幣兌 1 美 元調整為 38 美元，同時將每日變動幅度調整為前一營業日買賣中價上下各 2.25%， 即期匯率之擬定，改以外匯供需情況及新台幣實質有效匯率指數為調整依據。 民國 71 年 9 月恢復中心匯率，改按銀行間市場供求狀況，以銀行間美元交易之 加權平均價格計算中心匯率，銀行間交易不超過中心匯率各上下 2.25%，並採取 銀行與顧客交易易價制度。. 第三階段，匯率自由化:民國 78 年 4 月 3 日起，中央銀行廢止指定銀行買賣 外匯辦法，取消中心匯率制度及議價規定，銀行間交易沒有任何限制，銀行與顧 客交易匯率也不再受任何法令約束。但為便利銀行間交易及銀行與顧客小額交易， 外匯交易中心提出並經中央銀行同意做了下列安排(1)以外匯交易中心為基礎， 成立台北外匯市場發展基金會，從事銀行間外匯交易仲介業務，負責提供外匯市 場資訊。(2)由五家大銀行與 4 家每日輪值銀行，於每日上午 10 議定小額議定匯 率，適用於不超過 3 萬美元非現金之美元交易，指定銀行在小額議定匯率上下各 新台幣 1 角之範圍內與客戶議價。(3)超過 3 萬美元之即期美元交易、現金交易， 遠期外匯交易，以及其他外幣一切買賣匯率，均由指定銀行與客戶自行決定。民 國 79 年 12 月，取消小額議定匯率，買賣匯率由各銀行自行掛牌，惟差價不得超 過新台幣 1 角。至此，匯率可說已完全自由化，如央行對匯率走勢仍想發生直接 影響力，只剩下進場買賣外匯的最後一個手段。. 9.
(21) 圖 2-2 固定及機動匯率之比較 資料來源：彭淮南(1996). 2.1.3. 影響匯率變動之因素 隨著世界經濟政治形勢的發展 隨著世界經濟政治形勢的發展，影響匯率變動的因素所佔的地位經常發生變 的地位經常發生變. 化，有時以這些因素為主 有時以這些因素為主，有時又以另一些因素為主，而且同一因素在不同的國 而且同一因素在不同的國 家、時間所引起的作用也不盡相同 時間所引起的作用也不盡相同，所以匯率變動是一個極其錯綜複雜的問題 所以匯率變動是一個極其錯綜複雜的問題(施 向陽，2001)。. 1.. 黃金價格 賴松鐘(1994)在外匯匯率與黃金價格長期互動關係之研究中收集 在外匯匯率與黃金價格長期互動關係之研究中收集 1980 年代. 的黃金價格與 7 個主要國家的即期匯率，以共同整合的方法去實證分析 個主要國家的即期匯率 以共同整合的方法去實證分析匯率與黃 匯率與黃 進價格在國際金融市場上可能的長期互動關係(Long-Term Co-movement) 進價格在國際金融市場上可能的長期互動關係 movement)，並以 實際結果印證國際外匯市場與黃金市場的有效性 實際結果印證國際外匯市場與黃金市場的有效性。. 10.
(22) 2.. 國際原油價格 王允俊(2008)利用單根檢定、共整合檢定及誤差修正模型等時間序列方法，. 以 2000 年至 2007 年間美元指數、黃金期貨以及原油期貨為研究對象，其結果指 出三者間有長期穩定的均衡關係，且黃金期貨領先美元指數，美元與原油期貨互 美元與原油期貨互 為因果； 為因果；而黃金期貨和原油期貨也互為因果關係。 而黃金期貨和原油期貨也互為因果關係. 3.. 物價指數、 物價指數、他國匯率 傅澤偉、丁裕家(2008)利用共整合模型，將 1998 年到 2007 年間的月資料，. 針對匯率、利率、消費者物價指數與失業率，變數間相互的共整合關係，及變數 間與匯率變化的相互關係作探討。結果發現，美、韓存在共整合現象，匯率與利 率及失業率為負向關係，匯率貶值於物價指數上升呈現正相關，代表物價膨脹與 物價膨脹與 匯率貶值有密切關係。另外在匯率共整合結果顯示新台幣與美元呈現反向走勢 匯率共整合結果顯示新台幣與美元呈現反向走勢， 匯率共整合結果顯示新台幣與美元呈現反向走勢， 而日圓及韓元呈現正向走勢。 而日圓及韓元呈現正向走勢. 4.. 通膨率 林柏君(2013)研究中利用門檻迴歸模型 (Threshold Model)探討臺灣的通膨. 與通縮環境對整體進口物價及各產業匯率轉嫁程度的影響。結果顯示, 通貨緊縮 考慮與否將影響匯率轉嫁程度與通膨、通縮環境的關係。包含能源價格之礦物性 燃料潤滑油及有關材料產業之匯率轉嫁程度隨通膨環境變動的變化幅度居所有 產業之冠。加入通貨緊縮分析後,整體進口物價及大多數產業之匯率轉嫁效果在 通貨緊縮時大於低通膨。因此,在分析上明確區分通貨緊縮的情況有其必要性 明確區分通貨緊縮的情況有其必要性,否 明確區分通貨緊縮的情況有其必要性 則可能形成偏誤之推論。 黃朝熙(2008)使用跨國資料的迴歸分析檢驗通貨膨脹率與實質匯率收歛半 衰期間的關係，使用四十七國資料的初步實證分析顯示，考慮貿易國間的貿易依 存度後，貿易國的平均通貨膨脹率與實質匯率收歛半衰期間存在顯著負向關係 通貨膨脹率與實質匯率收歛半衰期間存在顯著負向關係。 通貨膨脹率與實質匯率收歛半衰期間存在顯著負向關係。 11.
(23) 5.. 貨幣供給 周香源(2005)的研究指出，台灣、新加坡等國家的貨幣供給對匯率影響很大，. 代表著當貨幣供給 貨幣供給增加會使得本國貨幣對美元產生貶值的影響越大。本研究採用 貨幣供給 的方法是 Branson(1977)所提的資產組合平衡模型，並以 Johansen(1988)所提的共 整合最大概似法為計量方法，針對台灣、新加坡、韓國三個國家為實證對象。. 6.. 外匯儲備、 外匯儲備、銀行利率、 銀行利率、國外資產、 國外資產、政府公債 黃欣華(2008)利用複迴歸模型，檢視影響匯率的各種可能總體變數之變動與. 相互關係，結果發現，台灣匯率深受美國利率及台灣物價水準影響，就台灣利率 而言，整段資料期間與金融風暴發生前係以商業本票次級市場利率 商業本票次級市場利率 31-90 天期為 天期 解釋變數且整段期間顯著。除基本變數外，整段資料期間影響匯率顯著變數係為 核准對外投資金額 對外投資金額，金融風暴發生前後分別為央行國外資產 國外資產與台灣發行量加權股 對外投資金額 國外資產 價指數，可發現資金流出與資金投入股市及央行透過公開市場操作干預匯市，皆 是影響匯率主要因素。金融風暴發生所造成的結構性轉變，導致美國利率 美國利率、 美國利率、美國 貨幣供給、 貨幣供給、外匯存底及政府公債餘額合計等變數對匯率的影響與整體匯率走勢有 顯著改變。 顯著改變。. 7.. 貿易收支 陳益明(2001)，回顧過去新台幣匯率制度的調整和匯價的升貶的歷史，實與. 台灣貿易收支的盈虧息息相關。本文以 Box-Jenkins Approach，利用 1996 年 1 月 至 2000 年 12 月的月別資料，建構新台幣匯率的時間數列迴歸模型。本文所估計 的新台幣匯率模型顯示，台灣貿易淨額的變動顯著地影響新台幣匯率 台灣貿易淨額的變動顯著地影響新台幣匯率。所以，提 台灣貿易淨額的變動顯著地影響新台幣匯率 升出口的競爭力，強化貿易部門體質，將有助於我國外匯市場的穩定，並減少外 國短期投機資金對國內金融市場的干擾。. 12.
(24) 8.. GDP 黃惠琪(2002)，透過逐步迴歸模型台美之間匯率的影響變數，總體因素包含. 貨幣供給額、物價指數、國內生產毛額及利率。結果顯示在 1982~1989 年間 GDP 是影響匯率的主要總體經濟因素。 貨幣供給與消費者物價指 是影響匯率的主要總體經濟因素 而 1989 至 1997 年中貨幣供給與消費者物價指 數為影響匯率之主要總體經濟因素。1997 年至 2000 年則是以貨幣供給及重貼現 貨幣供給及重貼現 數為影響匯率之主要總體經濟因素 率影響最為主要。 率影響最為主要. 9.. 政府政策 楊家麟(2012)在貨幣/財政政策宣告對匯率動態調整之影響中以 Dornbusch、. Wilson、Gray and Turnovsky 及 Aok 的模型，提出長期而言，當政府宣告貨幣政 策實施，匯率將保持中立，但租稅政策實施時，物價水準會上漲，而匯率的變動 方向將不確定。短期動態走勢中，當政府宣告貨幣政策實施時，商品價格與匯率 均呈現單調上升走勢；而當政府宣告租稅政策實施時，商品價格與匯率之走勢變 化多樣。. 根據以上結果，本研究納入模型之變數包含國內物價指數、國內通膨率、國 內 GDP、主要進出口貿易額(全球、大陸、美國、日本)、國內外匯儲備、國內一 個月存款利率、國內十年期中央政府公債次級市場利率、短期票券市場商業本票 31-90 天期次級市場利率、國內平均準備貨幣、台灣國外總資產、主要貿易國家(大 陸、日、港、新加坡、韓、馬來西亞、澳洲、菲律賓、歐盟)之匯率變化、市場 黃金價格、世界原油價格(西德州、杜拜、北海布蘭特)共 27 個變數。而輸出結 果為台幣兌美元之變化。. 13.
(25) 第二節 類神經網路. 2.2.1. 類神經網路發展 類神經網路之研究起始於 McCulloch 和 Pitts（1943）兩人所提出來結合神. 經生理學以及邏輯數學的神經網路模型。在此研究之後，Hebb（1949）在其著 作 The Organization of Behavior 中發表了神經生理的學習，乃是由於神經元之間 的突觸（Synaptic）產生了變化所導致。而 Rosenblatt（1957）將其運用此資訊 發展出可訓練學習之認知器（Perceptron）並從事於文字辨識方面的工作。其後 Widrow 和 Hoff（1960）更進一步發表適應線性元件（Adaptive Linear Element）， 使用最小誤差法（LMS）來訓練網路學習。在接下來數十年之中陸續發展出各種 不同的學習網路，其中 Rumelhart 和 PDP 研究群於 1986 年提出倒傳遞神經網 路（Back-propagation Neural Network），此種類神經網路屬於多層的認知網路， 具有非線性運算能力來處理相當複雜的資訊，其目的在於將某個待推估的範例輸 入後，網路能做出預測或是分類的工作。此種網路較常運用在資料壓縮、分類、 預測以及雜訊過濾等方面。. 2.2.2. 類神經網路概述 類神經網路(Artificial Neural Network, ANN)是「一種基於腦與神經系統研究. 所啟發的資訊處理技術」 ，它可以利用一組範例(即系統輸入與輸出所組成的資料) 建立系統模型(輸入與輸出的關係)，有了這樣的系統模型便可用於推估、預測、 決策、診斷。(葉怡成，2004) 類神經元的目的就是希望能夠跟生物神經一般運作，所以在結構上具有與一 般神經元相似的模型。生物神經元與類神經元模型如圖 2-3 所示，主要有幾個重 要的單元：. 14.
(26) 圖 2-3 類神經元模型 資料來源：羅華強(2011) 而以上只探討單個神經元 探討單個神經元，羅華強(2011)對類神經網路所下的定義 對類神經網路所下的定義：”類神經 網路是一種計算系統，由許多高度聯結的節點 由許多高度聯結的節點(或處理單元)所組成 所組成，用來處理外 部的輸入以網路動態來回應 部的輸入以網路動態來回應。”. 圖 2-4 具有隱藏層的類神經網路架構 資料來源：羅華強(2011) 由圖 2-4 可知，類神經網路的輸入曾從外部接收訊號 類神經網路的輸入曾從外部接收訊號，並將訊號傳入類神經 並將訊號傳入類神經 網路中，而隱藏層接收輸入層的訊號 而隱藏層接收輸入層的訊號，對訊號進行處理，然而整個訊號處理過程 然而整個訊號處理過程 對網路使用者來說是看不見的 輸出層接收隱藏層處理後的訊號後，將結果輸出 對網路使用者來說是看不見的，輸出層接收隱藏層處理後的訊號後 到外部。 15.
(27) 2.2.3. 類神經網路之相關應用文獻 類神經網路是近期興起的資料探勘模型之一，目前廣泛運用在各個領域非線. 性模型開發上。其中包含金融、生醫、商業、工程、地質、土木等，以下針對類 神經網路在金融及匯率的應用文獻作探討，加以彙整如下。 Yoon and Swales(1991)以影響公司股價之因素為倒傳遞類神經網路輸入變數， 為公司績效分類，預測未來股價表現，發現倒傳遞類神經網路分析的結果優於統 計的區別分析。 葉柏村(2002)將影響匯率變動因素：M2 貨幣供給額，工業生產指數，短期 利率，長期債券利率，消費者物價指數，生產成本指數，歐元整合區域相關經濟 變數。以類神經網路的倒傳遞網路，建構歐元匯率預測模型。發現倒傳遞類神經 網路模式在歐元匯率誤差均方根、平均誤差百分比與預測準確率方面，相對於統 計迴規模式有較佳的表現。 Mirmirani and Li(2004)認為經濟理論並沒有提供足夠的解釋對於隨著時間 推移的價格變動動態路徑，所以使用任何線性或非線性函數形式模型的黃金價格 走勢必然是任意的性質，研究顯示利用類神經網路和遺傳演算法能夠比傳統經濟 模型在預測黃金價格走勢上能有更好的結果。 張瓊文、張瑞芳(2010)利用倒傳遞類神經網路結合基因演算法(GAPBN)來發 展新台幣兌美元的匯率預測模型，利用基因演算法(GA)的特性，再全部輸入變 數中，找出最具代表性的輸入資訊與訊息個數，輸入變數為下表 2-1(物價指數、 銀行利率、國際收支、匯率走勢、外匯存底、貨幣供給等)；之後再使用三層倒 傳遞類神經網路訓練匯率預測模型。結果顯示不必使用全部變數，只需代表性輸 入資訊即可成功建立更好的預測模型。. 16.
(28) 表 2-1 倒傳遞類神經網路結合基因演算法(GAPBN)來發展新台幣兌美元的匯率 來發展新台幣兌美元的匯率 倒傳遞類神經網路結合基因演算法 預測模型之影響匯率因素 預測模型之影響匯率因素. 資料來源：張瓊文、張瑞芳 觀察過去學者之文獻可以發現 觀察過去學者之文獻可以發現，類神經網路近幾年在金融、財金相關領域都 財金相關領域都 有優於傳統迴歸模型的表現 其原因是金融市場並不是單純的線性環境，因此使 有優於傳統迴歸模型的表現，其原因是金融市場並不是單純的線性環境 用非線性的類神經網路能有較優異的表現 這也是本研究選擇類神經網路作為預 用非線性的類神經網路能有較優異的表現，這也是本研究選擇類神經網路作為預 測模型之原因。. 第三節、 第三節、 文獻小結. 根據過去文獻，倒傳遞類神經網路模型能在匯率市場預測上有較好表現 倒傳遞類神經網路模型能在匯率市場預測上有較好表現 倒傳遞類神經網路模型能在匯率市場預測上有較好表現，並 總結過去學者對於匯率市場影響因素的之研究 歸結出本研究的主要輸入值之研 總結過去學者對於匯率市場影響因素的之研究，歸結出本研究的主要 究架構，來觀察模型測試及預測結果 來觀察模型測試及預測結果。再針對輸入資料進行不同的處理 再針對輸入資料進行不同的處理，觀察模 型預測能力之變化，最後以不同資料建立模型並比較進場時機與平均報酬率 後以不同資料建立模型並比較進場時機與平均報酬率 後以不同資料建立模型並比較進場時機與平均報酬率，提 供投資人投資參考依據。 。. 17.
(29) 第三章 研究方法 根據文獻，設計出本研究之 設計出本研究之流程圖如圖 3-1. 圖 3-1. 本研究流程圖 本研究流程圖. 第一節 資料說明 本次研究因為中央銀行 中央銀行外匯存底資料只能追朔到 2003 年 7 月，因此收集自 月 2003 年 7 月至 2014 年 10 月，共 136 筆資料。並以預測波動方式來做模型建立 並以預測波動方式來做模型建立， 因此在輸入變數的部分為 當月資料減去上月資料. Xi – X(i-1). 而輸出結果的部分要預測本月對下個月的波動 而輸出結果的部分要預測本月對下個月的波動，因此使用 下月台幣兌美元匯率減本月匯率 18. X(i+1) – Xi.
(30) 舉例來說，2005 年 1 月的資料輸入變數為 2005 年 1 月的數據減去 2004 年 12 月 的數據，而輸出結果(也就是台幣與美元之間的匯率)是 2005 年 2 月的資料減去 2005 年 1 月。. 3.1.1 變數的說明與 變數的說明與來源 說明與來源： 來源： 根據文獻，本研究一共蒐集 27 項變數，其中主要貿易國匯率共包含九國、 國際油價共包含世界三大產油區、貿易額包含主要貿易國三國，各變數的資料來 源與簡單說明如下表 3-1. 表 3-1 影響匯率之因素整理 變數名稱. 資料來源. 說明. 物價指數. 中華民國行政院主計. 1982~1989 年間 GDP 是影響匯率的主要總. 處資料庫. 體經濟因素。而 1989 至 1997 年中貨幣供給 與消費者物價指數為影響匯率之主要總體 經濟因素。1997 年至 2000 年則是貨幣供給 影響最為主要。. 貿易額. 中華民國國際貿易局. 長期而言，當政府宣告貨幣政策實施，匯率 將保持中立，但租稅政策實施時，物價水準 會上漲，而匯率的變動方向將不確定。短期 動態走勢中，當政府宣告貨幣政策實施時， 商品價格與匯率均呈現單調上升走勢；而當 政府宣告租稅政策實施時，商品價格與匯率 之走勢變化多樣。. 通貨膨脹. 中華民國行政院主計. 1982~1989 年間 GDP 是影響匯率的主要總. 率. 處資料庫. 體經濟因素。而 1989 至 1997 年中貨幣供給 19.
(31) 與消費者物價指數為影響匯率之主要總體 經濟因素。1997 年至 2000 年則是貨幣供給 影響最為主要。 GDP. 中華民國行政院主計. GDP(Gross Domestic Product，國內生產總. 處資料庫. 值)，指一時期內社會運用生產要素所生產 的全部產品市場價值，對於國貿進出口有相 當大的影響，間接地對於匯率有一定的影 響。. 外匯儲備. 中央銀行外匯存底資. 外匯存底是一個國家或經濟體國際清償力. 料庫. 的重要指標，同時對於平衡國際收支、穩定 匯率有重要影響。. 存款利率. 中央銀行利率統計資. 存款利率是指客戶按照約定條件存入銀行. 料庫公布之每月存款. 帳戶的貨幣，一定時間內利息額即本金的利. 利率. 率。. 公債利. 中央銀行公債統計資. 公債/票券是指的是政府/銀行等為籌措財政. 率、票券. 料庫、中央銀行票券. 資金，憑其信譽按照一定程序向投資者出具. 利率. 統計資料庫。. 的，承諾在一定時期支付利息和到期償還本 金的一種格式化的債權債務憑證。. 準備貨幣. 中央銀行發行貨幣統. 貨幣供給指某國銀行系統向經濟體中投. 計資料庫. 入、創造、擴張或收縮貨幣的金融過程，長 期而言，貨幣供給量的變動有名目效果，也 就是物價膨脹和匯率貶值。. 國外資產. 主要貿易. 中央銀行國際收支統. 統計中華民國所有國外資產，包含外匯存. 計資料庫. 底、黃金、不動產等所有有價值的物品。. 中央銀行我國與主要. 以各國貨幣兌換一美元為基礎，可觀察各國 20.
(32) 國匯率. 貿易對手通貨對美元. 貨幣價值的走勢，納入變數的貿易國家匯率. 之匯率資料庫. 包含人民幣、日幣、港幣、新幣、韓元、馬 幣、澳幣、菲幣、歐元共九項。. 黃金價. KITCO 所提供之公. 黃金金價以每月平均當作輸入變數，而國際. 格、國際. 開資訊(國際金價)、. 原油價格包含世界三大產油區：西德州、杜. 油價. UPBA 運輸公司所之. 拜、北海布蘭特。. 公開資訊(國際油價) 台幣兌美. 中央銀行我國與主要. 輸出變數為匯率波動，以下月的台幣兌美元. 元匯率. 貿易對手通貨對美元. 匯率減去本月匯率，因此若台幣升值，結果. 之匯率. 是負值，台幣貶值，計算後會是正值，。 資料來源:本研究整理. 3.1.2 變數數 變數數值分布圖： 值分布圖： 台灣物價指數. 200307 200312 200405 200410 200503 200508 200601 200606 200611 200704 200709 200802 200807 200812 200905 200910 201003 201008 201101 201106 201111 201204 201209 201302 201307 201312 201405 201410. 110 100 90 80. 圖 3-2 物價指數趨勢圖 資料來源：本研究整理. 台灣通膨率 10.00. 0.00 -5.00. 2003… 2003… 2004… 2004… 2005… 2005… 2006… 2006… 2006… 2007… 2007… 2008… 2008… 2008… 2009… 2009… 2010… 2010… 2011… 2011… 2011… 2012… 2012… 2013… 2013… 2013… 2014… 2014…. 5.00. 圖 3-3 台灣通膨率趨勢圖 資料來源：本研究整理. 21.
(33) 200307 200401 200407 200501 200507 200601 200607 200701 200707 200801 200807 200901 200907 201001 201007 201101 201107 201201 201207 201301 201307 201401 201407. 22. 圖 3-6 台灣與主要貿易國之貿易總額趨勢圖 資料來源：本研究整理. 台灣全球貿易額. 台灣對大陸貿易總額. 台灣對美國貿易總額. 台灣對日本貿易總額 201407. 201307 201401. 201207 201301. 201101 201107 201201. 201001 201007. 200901 200907. 200707 200801 200807. 200607 200701. 200507 200601. 200401 200407 200501. 200307. 200307 200312 200405 200410 200503 200508 200601 200606 200611 200704 200709 200802 200807 200812 200905 200910 201003 201008 201101 201106 201111 201204 201209 201302 201307 201312 201405 201410. 台灣GDP(百萬 百萬) 台灣 百萬. 6,000,000. 4,000,000. 2,000,000. 0. 圖 3-4 台灣 GDP 趨勢圖 資料來源：本研究整理 外匯存底(US$ Million) 外匯存底. 600,000.00. 400,000.00. 200,000.00. 0.00. 圖 3-5 台灣外匯存底趨勢圖 資料來源：本研究整理. 台灣與他國貿易額. 60,000,000,000. 50,000,000,000. 40,000,000,000. 30,000,000,000. 20,000,000,000. 10,000,000,000. 0.
(34) 200307 200312 200405 200410 200503 200508 200601 200606 200611 200704 200709 200802 200807 200812 200905 200910 201003 201008 201101 201106 201111 201204 201209 201302 201307 201312 201405 201410. 200307 200312 200405 200410 200503 200508 200601 200606 200611 200704 200709 200802 200807 200812 200905 200910 201003 201008 201101 201106 201111 201204 201209 201302 201307 201312 201405 201410. 200307 200312 200405 200410 200503 200508 200601 200606 200611 200704 200709 200802 200807 200812 200905 200910 201003 201008 201101 201106 201111 201204 201209 201302 201307 201312 201405 201410. 3.50. 3.00. 2.50. 2.00. 1.50. 1.00. 0.50. 0.00. 台灣一個月存款利率(年息%). 十年期中央政府公債次級市場利率(%). 短期票券市場商業本票31-90天期次級市場利率. 圖 3-7 台灣存款利率、 台灣存款利率、公債利率、 公債利率、票券利率趨勢圖 資料來源：本研究整理. 準備貨幣( 準備貨幣(億元) 億元). 40,000.00. 30,000.00. 20,000.00. 10,000.00. 0.00. 圖 3-8 台灣準備貨幣趨勢圖 資料來源：本研究整理. 台灣國外資產總額( 台灣國外資產總額(億元) 億元). 200,000.00 150,000.00 100,000.00 50,000.00 0.00. 圖 3-9 台灣國外總資產趨勢圖 資料來源：本研究整理. 23.
(35) 金價 2,000.0000 1,000.0000 200307 200401 200407 200501 200507 200601 200607 200701 200707 200801 200807 200901 200907 201001 201007 201101 201107 201201 201207 201301 201307 201401 201407. 0.0000. 圖 3-10 國際金價趨勢圖 資料來源：本研究整理. 國際油價 150 100 50 200307 200312 200405 200410 200503 200508 200601 200606 200611 200704 200709 200802 200807 200812 200905 200910 201003 201008 201101 201106 201111 201204 201209 201302 201307 201312 201405 201410. 0. 原油價格(西德州). 原油價格(杜拜). 原油價格(北海布蘭特). 圖 3-11 國際三大油區油價趨勢圖 資料來源：本研究整理. 根據上列的圖示可以觀察到在 2008 年度有一個劇烈的起伏，因為當時正值 世界金融危機，又稱金融海嘯、華爾街海嘯等，起源是由 2007 年 8 月美國次級 房貸危機開始，投資者開始對抵押證券的價值失去信心，因發流動性危機。使多 國央行多次向金融市場注入巨額資金，但也無法阻止，到 2008 年 9 月雷曼兄弟 公司破產，金融危機開始失控，導致多間相當大型的金融機構倒閉或政府接管， 引發經濟衰退，多國股匯市均呈現重挫，直到 2009 年初，才逐漸回穩。. 24.
(36) 3.1.3. 資料正規化 因上述所說在 2008 年因金融海嘯造成劇烈波動，可能會造成有偏差過大的. 數據(outlier)影響正規化結果，因此採用標準正規化方式，利用資料的平均值與 標準差來計算 z-score，再根據所計算的 z-score 結果查詢標準分配表(附表 1)算出 百分比，計算公式如下：. Z=. X−μ σ. μ = E(X)的平均值 σଶ = Var(X) X 的機率分布均方差. 25.
(37) 第二節 倒傳遞類神經網路之模式建立. 倒傳遞類神經網路模型 倒傳遞類神經網路模型變數之訂定 模型變數之訂定. 3.2.1. 3.2.1.1 活化函數選定 目前在類神經網路實作，主要使用的活化函數為以下列幾種： S 型曲線函數(sigmoid function)，輸出值介於 0~1 之間：. i.. f(net) =. 1 1 + expି୬ୣ୲. 雙曲線正切函數(hyperbolic tangent function)，對稱於原點，輸出介於-1~1. ii.. 間之函數 f(net) = iii.. 1 − expି୬ୣ୲ 1 + expି୬ୣ୲. Pure Linear 線性轉換函數 f(net) = net. 本實驗選擇目前最常使用的S型曲線函數 型曲線函數來做為此次的活化函數。 型曲線函數. 3.2.1.2 隱藏層與隱藏層神經元數目選定 在類神經網路模型的隱藏層與神經元數目選定，根據Beal與Jackson(1990)的 說法，類神經網路擁有一層隱藏層可以模擬任何的連續函數。而依據我們想要逼 近真實的模式的程度，可以使用十個、百個，甚至上千個隱藏層的節點數。然而 實際上，對於相同的問題，一般人並不會使用有只有一個隱藏層而內含千個以上 的處理單元之類神經網路，而是比較希望使用多些隱藏層及較少的神經元的方式 來做。. Refenes(1994)考量收斂性(convergence)與一般性(generalization)，一般較常使 用的法則是「輸入變數個數乘上輸出變數個數」 ，再取「根號值」 ；而次一層隱藏 層的神經元數目為「上一層神經元之數目取對數(ln)值」。 26.
(38) 第一層隱藏層神經元數目= ඥinput ∗ output 次一層隱藏層神經元數目 = ln(前一層神經元數目) 此次研究輸入變數共27個，輸出結果1個，根據文獻，因此共設計三層隱藏 設計三層隱藏 層，分別有五個、 分別有五個、三個、 三個、兩個神經元，最後輸出結果到輸出層。 兩個神經元. 3.2.1.3 倒傳遞類神經網路學習常數選定 根據盧坤勇教授在“類神經網路在智慧型管理決策之應用”中提到，依照過去 經驗擁有最好收斂性的學習常數介於 0.1~1.0 之間，最常使用的學習常數為 0.5， 因此比研究採取學習常數 學習常數 0.5 進行不同的模型測試。. 3.2.2. 倒傳遞類神經網路模型建立步驟 因此本研究參照 Refenes(1994)所使用之較穩定類神經架構來定義隱藏層之. 數目，並用以下的流程進行學習階段的訓練 步驟一：設定輸入變數共 27 項變數 步驟二：以隨機方式設定加權值向量與閥值向量初始值 步驟三：將資料分成訓練組及測試組，依據不同條件需求建構多種模型 步驟四：輸入一個訓練組的輸入向量 X，與目標輸出向量 T 步驟五：根據 X 計算推論出輸出向量 Y iv.. 計算隱藏層輸出向量 H net ୩ = W୧୩ X୧ − θ୩ H୩ = f(net ୩ ) net ୩ ：隱藏層第 k 個神經元的加權乘積和 W୧୩ ：輸入層/隱藏層第 i 個神經元與隱藏層第 k 個神經元間的加權值 X୧ ：輸入層第 i 個神經元的輸出值 θ୩ ：隱藏層第 k 個神經元的閥值 27.
(39) f(net ୩ )：S 型曲線函數 H୩ ：隱藏層第 k 個神經元的輸出結果 v.. 計算輸出向量 Y net = W୩୨ H୩ − θ Y = f(net) net：輸出層的加權乘積和 W୩୨ ：隱藏層第 k 個神經元與輸出層間的加權值函數 H୩ ：隱藏層第 k 個神經元的輸出值 θ：輸出層的偏權向量值 f(net)：S 型曲線函數 Y：輸出層結果. 步驟六：計算差距量δ i.. 計算輸出層的差距量δ δ = (T − Y) × Y × (1 − Y) δ：輸出層神經元的差距 T：輸出層神經元目標輸出值 Y：輸出層神經元實際輸出值. ii.. 計算隱藏層的差距量δ୩ δ୩ = δ୨ W୩୨ × H୩ × (1 − H୩ ) δ୩ ：隱藏層第 k 個神經元的差距 δ୨ ：輸出層第 j 個神經元的差距 W୩୨ ：隱藏層第 k 個神經元與輸出層神經元間的加權函數 H୩ ：隱藏層第 k 個神經元的輸出結果. 步驟七：更新加權值矩陣及閥值向量，採用最大梯度陡降法修正加權值與閥值 28.
(40) i.. 更新輸出層加權值及閥值 ∆W୩ (n) = ηδH୩ + ΔW୩ (n-1) ∆θ(n) = −ηδ + Δθ(n-1) ∆W୩ (n)：隱藏層第 k 個神經元與輸出層間第 n 次的加權值修正結果 ∆θ(n)：輸出層第 n 次的閥值修正結果 ΔW୩ (n-1)：輸出層加權值修正 n-1 次之結果 ∆θ(n-1)：輸出層閥值修正 n-1 次之結果 η：學習率參數 δ：輸出層差距量 H୩ ：隱藏層第 k 個神經元輸出結果. ii.. 更新隱藏層加權值及閥值 ∆W୧୩ (n) = ηδ୩ H୧ + ΔW୧୩ (n-1) ∆θ୩ (n) = −ηδ୩ + Δθ୩ (n-1) δ୩ ：隱藏層第 k 個神經元的差距 η：學習率參數 ∆W୧୩ (n)：第 i 個神經元與第 k 個神經元間第 n 次的加權值修正結果 ∆θ୩ (n)：隱藏層第 k 個神經元第 n 次的閥值修正結果 ∆W୧୩ (n-1)：第 i 個神經元與第 k 個神經元間第 n-1 次的加權值修正結果 ∆θ୩ (n-1)：隱藏層第 k 個神經元第 n-1 次的閥值修正結果 H୧ ：隱藏層第 k 個神經元輸出結果. 步驟八：重複步驟四至步驟七，直到收斂. 29.
(41) 3.2.3. 倒傳遞類神經網路模型終止 倒傳遞類神經網路模型終止(穩定 終止 穩定)條件 穩定 條件 歸納過去文獻，倒傳遞類神經網路模型穩定條件有二：加權值及閥值變化趨. 於穩定；均方差(MSE)為一個極低的值。但穩定之定義與 MSE 極低值之定義隨 著不同模型有所變化。觀察本研究模型之結果，訂定出模型穩定條件為下列： . 連續三個 1000 次循環訓練之加權值與閥值變化量不超過 0.05 . MSE 之值必須低於 0.05. 根據上述之條件，設立本研究模型之終止條件，並觀察模型到達穩定狀態後之準 確率、精確率、召回率，進行模型間的比較。. 3.2.4. 測試模型結果是否為區域最佳解 Optimize) 測試模型結果是否為區域最佳解(Local 模型結果是否為區域最佳解 當模型加權值在某個數值附近來回震盪不在變動，但 MSE 高於預期時，此. 時模型可能落入區域最佳解而造成 MSE 無法繼續下降。或是模型符合本研究所 設定之限制條件，但因為預測結果不盡理想，無法確認模型是否落入區域最佳解。 在上述的兩種情況時，本研究會測試模型是否會陷入區域最佳解(Local Optimize) 而非最佳解(Global Optimize)，測試模型的方法有許多種，在本研究中，所有模 型會先以加入擾動的方式觀察是否為區域最佳解，若結果模型再次穩定之後，與 原本模型差異不大，且準確率預測結果符合預期，該模型非區域最佳解的機率大 幅降低。若加入擾動後之模型，MSE 仍不符合預期，或是預測結果不理想，則 再以多組不同的初始值進行模型訓練，觀察差異，以上述兩種方法降低模型為區 域最佳解的可能性。. (一) 加入擾動 當模型趨於穩定以後，加權值與閥值之變化幅度極小且來回震盪，但 MSE 的值高於預期且訓練很長時間皆不再變化，或是皆符合模型穩定條件，但預測結 果與預期落差甚大，此時模型有空能落入區域最佳解。因此，需加入擾動使模型 30.
(42) 脫離區域最佳解，因此加大學習常數從 0.5 至 5，進行重複訓練 1000 次，之後再 調整回原本的學習常數 0.5，繼續訓練使模型再次趨於穩定，觀察 MSE 是否符合 預期，若不符合預期，推測此條件下所產生之模型最佳解有可能 MSE 值較高， 或是加入擾動仍無法脫離區域最佳解，因此以方法二進行測試。. (二) 以不同初始加權值及閥值訓練 以多種不同的初始加權值及閥值，訓練出多種模型，在本研究中，會進行三 組不同的初始加權值及閥值訓練至穩定，並觀察三個模型之間準確率、精確率、 召回率及均方差值的差異，若三者之間結果差異不大，可說此模型不是區域最佳 化之解，而是模型之最佳解，若有結果較原本之模型好，可推測原本模型為落入 區域最佳解。. (三) 驗證區域最佳解之時機 本研究所有模型結果都先進行加入擾動之模型非區域最佳化之驗證，但若符 合下列兩種情形時，會進行第二種方法之驗證： . 加權值與閥值來回震盪超過 10 次 1000 個循環， 個循環，MSE 卻固定在某個數 字附近無法下降. . 加權值與閥值及 MSE 皆符合本研究所設定之模型穩定條件， 皆符合本研究所設定之模型穩定條件，但預測結 果準確率低於 70%. 在加入擾動測試之後，若仍然發生上述兩種情況時，會進行驗證方法二的不同初 始加權值與閥值進行測試，觀察是否為區域最佳解。. 3.2.5. 檢驗模型是否為區域最佳解方法 在每一個模型穩定之後，都會先進行加入擾動之測試，若通過測試，證明該. 模型符合預期，並非本研究所認定之區域最佳解。但若測試結果符合 3.2.4 中所 31.
(43) 列之兩條件，則會進行以不同起始加權值與閥值之再次驗證。. 3.2.3.1 加入擾動測試 在此舉訓練資料為 2003 年至 2013 年的模型做為範例，說明加入擾動測試之 步驟與結果 (一)尋找模型穩定次數：本模型在循環次數到達 55000 次開始連續三次 1000 次 循換次數之閥值變化低於 0.05，符合本研究界定之模型穩定條件，如下圖 3-11。 6 4 2 55000. 52000. 49000. 46000. 43000. 40000. 37000. 34000. 31000. 28000. 25000. 22000. 19000. 16000. 13000. 10000. -4. 7000. 4000. -2. 1000. 0 輸出層加權值1 輸出層加權值2 輸出層閥值. -6 -8 -10 -12. 圖 3-12 擾動測試前加權值與閥值變化 資料來源：本研究整理 MSE 值：本模型在訓練次數 13000 次以後 MSE 開始穩定低於 0.05，如下圖 3-12 0.1 0.08 0.06 0.04 MSE 0.02. 圖 3-13 擾動測試前 MSE 變化 資料來源：本研究整理. 32. 55000. 52000. 49000. 46000. 43000. 40000. 37000. 34000. 31000. 28000. 25000. 22000. 19000. 16000. 13000. 10000. 7000. 4000. 1000. 0.
(44) 結合上述兩者條件，歸納出模型穩定為訓練次數 56000 次之模型結果，以該 結果做為加入擾動前之穩定模型。. (二)加入擾動：在從循環次數 56000 開始到 57000 學習常數調整為 5，變化如下 圖 3-13、圖 3-14 6 4 2 55000. 52000. 49000. 46000. 43000. 40000. 37000. 34000. 31000. 28000. 25000. 22000. 19000. 16000. 13000. 10000. 7000. 4000. -2. 1000. 0. -4. 輸出層加權值1 輸出層加權值2 輸出層閥值. -6 -8 -10 -12. 圖 3-14 加入擾動測試之加權值與閥值變化 資料來源：本研究整理. 0.12 0.1 0.08 0.06 MSE 0.04 0.02. 1000 3000 5000 7000 9000 11000 13000 15000 17000 19000 21000 23000 25000 27000 29000 31000 33000 35000 37000 39000 41000 43000 45000 47000 49000 51000 53000 55000 57000. 0. 圖 3-15 加入擾動測試之 MSE 變化 資料來源：本研究整理. 33.
(45) 由上圖，可明顯地觀察到，加權值與閥值及 MSE 在加入擾動之後有明顯的 波動，而且 MSE 高於模型穩定設定區間，因此進行下一步驟再次訓練模型至模 型穩定。. (三)使模型再次穩定：以加入擾動後之模型再訓練至 125000，達到模型穩定條件， 連續三次 1000 個循環次數加權值與閥值變化小於 0.05，且 MSE 變化量也小於 0.05，如下圖 3-15、圖 3-16 6 4 2. -2 -4. 1000 7000 13000 19000 25000 31000 37000 43000 49000 55000 61000 67000 73000 79000 85000 91000 97000 103000 109000 115000 121000. 0 輸出層加權值1 輸出層加權值2 輸出層閥值. -6 -8 -10 -12. 圖 3-16 擾動測試後模型穩定之加權值與閥值變化 資料來源：本研究整理. 0.12 0.1 0.08 0.06 MSE 0.04 0.02. 1000 6000 11000 16000 21000 26000 31000 36000 41000 46000 51000 56000 61000 66000 71000 76000 81000 86000 91000 96000 101000 106000 111000 116000 121000. 0. 圖 3-17 擾動測試後模型穩定之 MSE 變化 資料來源：本研究整理 34.
(46) MSE 自 57000 之後開始穩定下降，到 76000 次之後穩定低於 0.05，一直到 125000 時符合本研究穩定模型設定條件，因此以 125000 模型做為加入擾動後之 穩定模型，之後開始進行兩模型之比較。. (四)比較擾動測試前後之模型預測結果如下表 3-2. 表 3-2 擾動測試前後結果比較表 訓練次數. 56000. 125000. 準確度(Accuracy) 準確度. 80.00%. 80.00%. 精確度(Precision) 精確度. 75.00%. 75.00%. 100.00%. 85.71%. 召回率(Recall) 召回率. 資料來源：本研究整理 可看到兩次結果差異極小，因此該模型為區域最佳解的可能性大幅降低，若 兩模型差異極小，本研究選擇一開始未經過擾動測試的模型檢驗結果 未經過擾動測試的模型檢驗結果作為研究結 未經過擾動測試的模型檢驗結果作為研究結 果。. 3.2.3.2 測試多組不同起始加權值與閥值 在本研究有幾組模型是在經過第一個加入擾動測試之後，準確率仍不盡理想 的模型，因此，針對該類模型，進行不同起始加權值與閥值的測試，降低該模型 為區域最佳解之機率。在此舉本研究中所有模型準確率最低的 2003 年 8 月訓練 至 2012 年 12 月的資料，並過濾灰色地帶內的資料 26 筆，剩餘 87 筆；測試資料 自 2013 年 1 月到 2013 年 12 月共 12 筆，結果為訓練次數 25000 為模型穩定狀態， 觀察訓練資料及測試資料之準確度如下表 3-3：. 35.
(47) 表 3-3 擾動測試前之模型準確度表 訓練次數 25000 次. Training Data. Testing Data. 準確度(Accuracy) 準確度. 90.80%. 50.00%. 精確度(Precision) 精確度. 100.00%. 66.67%. 78.95%. 50.00%. 召回率(Recall) 召回率. 資料來源：本研究整理 在進行完加入擾動測試之後，預測結果如下表 3-4：. 表 3-4 擾動測試前後結果比較表 訓練次數. 25000. 69000. 準確度(Accuracy) 準確度. 50.00%. 41.67%. 精確度(Precision) 精確度. 66.67%. 66.67%. 召回率(Recall) 召回率. 50.00%. 37.50%. 資料來源：本研究整理 可以發現加入擾動穩定後之模型預測結果比加入擾動前更差，且兩者皆不符 合標準，為降低該模型為區域最佳解的機率，再進行第二種方法測試，以多組不 同起始加權值之測試，比較結果如下表 3-5：. 表 3-5 以不同初始加權值之結果比較表 訓練次數. 25000. 41000. 18000. 準確度(Accuracy) 準確度. 50.00%. 50.00%. 41.67%. 精確度(Precision) 精確度. 66.67%. 66.67%. 50.00%. 召回率(Recall) 召回率. 50.00%. 62.50%. 37.50%. 資料來源：本研究整理 36.
(48) 以不同起始加權值與閥值訓練三組之後發現，預測能力相似，準確率約為 50%左右，推測其可能原因為輸入之訓練資料關聯性不足，導致模型預測能力變 差。此模型為本研究中預測能力最差之模型，其餘模型之預測準確度都超過 60%， 有一定的參考水準。. 第三節 過濾灰色地帶(Grey Area)資料 資料 過濾灰色地帶 匯率的波動通常幅度不大，根據本研究所收集之資料觀察匯率波動如下圖 1.5 1 0.5 匯率波動. -0.5. 200308 200402 200408 200502 200508 200602 200608 200702 200708 200802 200808 200902 200908 201002 201008 201102 201108 201202 201208 201302 201308 201402 201408. 0. 上界 下界. -1 -1.5. 圖 3-18 匯率波動趨勢圖與灰色地帶上下界 資料來源：本研究整理. 可以觀察到每月波動幅度大部分界於正負 1 之間，且有部分資料接近中央分 界線 0，而這些資料可能會對訓練模型的產生擾動而造成模型預測能力下降。因 此，本研究設立灰色地帶過濾條件，將上漲下跌幅度在 上漲下跌幅度在 0.1 之內的資料排除，將 之內的資料排除 上圖 3-17 上下界之內的資料刪除，不納入訓練模型，觀察是否有較好之預測能 力。在總共 135 筆資料中共有 35 筆界於上下界之間，100 筆資料是較遠離中央 分界線，有較好的模型分辨能力。 本研究進行四種不同模型之比較，分別為只有輸出資料有進行過濾灰色地帶 37.
(49) 之模型、只有輸入資料有進行過濾灰色地帶之模型、輸入及輸出資料皆進行過濾 灰色地帶資料之模型，與沒有過濾灰色地帶資料之模型，觀察四者之準確度、精 確度及召回率差異。. 第四節 滾動建模比較最佳進場時間與獲利 滾動建模比較最佳進場時間與獲利 本研究設定以 7 年的資料當作是模型訓練所需之資料建立模型，並依據此模 型進行下一年度的投資依據。將 2003 年 8 月到 2014 年 7 月共 11 年的資料，以 滾動的方式進行模型建立，來觀察獲利結果。比較依據此模型在匯率市場不同進 場時間(一年、兩年及三年)的投資報酬率及獲利之最大最小值。. 第五節 第五節 評估方法 倒傳遞類神經網路模型正確性評估 倒傳遞類神經網路模型正確性評估. 3.5.1. 此次研究評估方法除了觀察準確率(Accuracy)以外，因為輸出結果為預測上 漲或下跌，為二元預測，因此還加上觀察精準率(Precision)、召回率(Recall)，來 觀察此模型的預測能力。. 過濾灰色地帶資料與無過濾模型之比較. 3.5.2. 與未過濾灰色地帶之模型評估方式相同，使用準確度(Accuracy)、精確度 (Precision)、召回率(Recall)來判斷模型之預測能力。. 進場時間與獲利之評估 進場時間與獲利之評估. 3.5.3. 以模擬買漲賣跌的投資方式進行不同投資組合的試算，尋找擁有最高獲利的 進場時間，以及推測獲利之平均值與最大最小值，提供投資人獲利與風險參考之 依據。 38.
相關文件
2.1.1 The pre-primary educator must have specialised knowledge about the characteristics of child development before they can be responsive to the needs of children, set
Reading Task 6: Genre Structure and Language Features. • Now let’s look at how language features (e.g. sentence patterns) are connected to the structure
Promote project learning, mathematical modeling, and problem-based learning to strengthen the ability to integrate and apply knowledge and skills, and make. calculated
Now, nearly all of the current flows through wire S since it has a much lower resistance than the light bulb. The light bulb does not glow because the current flowing through it
FIGURE 5. Item fit p-values based on equivalence classes when the 2LC model is fit to mixed-number data... Item fit plots when the 2LC model is fitted to the mixed-number
This kind of algorithm has also been a powerful tool for solving many other optimization problems, including symmetric cone complementarity problems [15, 16, 20–22], symmetric
We showed that the BCDM is a unifying model in that conceptual instances could be mapped into instances of five existing bitemporal representational data models: a first normal
• When the coherence bandwidth is low, but we need to use high data rate (high signal bandwidth). • Channel is unknown
