類神經網路於財務預測之應用 ( 生技醫療 )

1. 類神經網路於財務預測之應用(生技醫療) 指導老師：祁苗豐、鄭玄宜。 小組成員：潘佳君、陳孟德。

2. 大綱 • 前言 • 研究動機與背景 • 研究目的 • 研究方法 • 實驗結果 • 結論

3. 前言 • 2007年6月，立法院三讀通過《生技新藥產業發展條例》，為台灣的生技產業注入一劑強心針。同年7月，證交所與櫃檯買賣中心對上市櫃公司進行產業重分類，將生技醫療類（簡稱生醫股）從化學生技類中獨出來，正式替生醫類股驗明正身，對生醫產業的長線發展成為一大利多。

4. 研究動機與背景 • 如何有效的預測股票市場的波動度便是投資大眾與研究學者們所掛心的議題。 • 人口老化與糧食資源短缺的長期趨勢來看，生醫保健產業(生技醫療)將是未來熱門新興產業。

5. 研究動機與背景-神經網路(1) • 類神經網路最早起源於1957年，主要用於理論研究與樣本識別，為類神經網路的發展建立基礎。 • 所謂類神經網路，是模仿生物神經網路所衍生而成的，在現代智慧型控制的領域裡，類神經網路已成為主流，而類神經網路發展至今已具有許多不同形式及功能，其分類方式也有許多種。

6. 研究動機與背景-神經網路(2)

7. 研究動機與背景-神經網路(3)

8. 研究動機與背景-財務上的應用

9. 研究目的 • 找出簡單又有效的經濟指標，做為我們預測未來的生醫類股指數波動。 • 也正因為生技醫療為新興熱門的類股(2007年7月開始)，過去歷史資料不是相當充足，於是利用身為分母的化學生技當作我們的學習的資料。

10. 研究方法 • 運用類神經網路與複迴歸兩種模型來討論對台灣生技指數波動模型的預測之績效表現。

11. 研究方法 • 均方誤差準則(RMSE) • 平均誤差絕對值準則(MAE) • 平均誤差百分比準則(MAPE)

12. 研究方法-模型衡量(1)

13. 研究方法-模型衡量(2)

14. 研究方法-模型衡量(3)

15. 研究方法-使用工具Matlab • Matlab程式語言具有強大的矩陣運算、統計分析、圖形處理、視覺化介面以及各類工具箱可用來解決複雜的金融問題，因此深受金融專業人士推崇以及學術界的重視，應用於金融投資分析相關的議題是相當的普遍。

16. 研究方法-使用資料(1) • 台灣加權指數 • 採集期間：2000年1月到2011年3月 • 原因：台灣加權指數可說是整個股市的概略，可以看出整個市場的動向，在這用來作為我們的訓練資料。

17. 研究方法-使用資料(2) • 利率(台灣一銀三月期定存利率) • 採集期間：2000年1月到2011年3月 • 原因：利率的變化會影響到融資的成本，更加影響到市場上資金的有無、投資人投資股票的意願。

18. 研究方法-使用資料(3) • 匯率(台灣美元兌新台幣匯率) • 採集期間：2000年1月到2011年3月 • 原因：匯率的升貶影響到資金的流向、貿易的順逆差，想當然要考慮進去當作我們的訓練資料。

19. 研究方法-使用資料(4) • 台灣CPI-醫療保建指數 • 台灣CPI-醫療費用指數 • 台灣CPI-藥品保健食品指數 • 台灣CPI-醫療保健器材指數 • 採集期間：2000年1月到2011年3月 • 原因：台灣消費數指數，和我們要預測的生技醫療類股指數，更加的有關連性。

20. 研究方法-使用資料(5) • 化學生技類股指數 • 採集期間：2000年1月到2007年6月 • 原因：由於生技醫療類從07年的7月開始，在這之前我們採集了化學生技類來作為我們的訓練資料，總共90筆。

21. 研究方法-使用資料(6) • 生技醫療類股指數 • 採集期間：2007年7月到2011年3月 • 原因：這也就是我們要預測的重點，在這作為我們的測試資料。

22. 研究方法-步驟 (1) • 將收集到的月資料切割為兩段，前段化學生技的90筆資料做為學習訓練，後段生技醫療指數的45筆做為類神經模型測試之結果，並放進檔案tse135.txt。

23. 將其下圖所述資料整理成7行135列，放進檔案Variables135.txe。將其下圖所述資料整理成7行135列，放進檔案Variables135.txe。 研究方法-步驟 (2)

24. 研究方法-步驟 (3)

25. 複迴歸<->實際指數 類神經網路<->實際指數 MSE 898.84 707.26 SSE 40447.80 31826.58 MAE 29.16 24.28 實驗結果

26. 實驗結果

27. 實驗結果-第三次

28. 實驗結果-第六次

29. 實驗結果-第九次

30. 結論 • 本研究採用台灣經濟新報資料庫(TEJ) 西元2000年1月至2011年3月的生技指數最為研究標的，整合七項指標，建構一個類神經網路模式，來預測生技指數的漲跌波動度。

31. 結論 • 在複迴歸的預測下，無論是R-square值、F與P值都有達到顯著的水準，所以這七項經濟指標，是可以當作我們預測生技醫療類股的依據。 • 同時也確實了化學生技指數能夠作為預測生技醫療指數的歷史訓練資料。

32. 結論 • 最後研究發現，類神經網路模型下有高達60%的準確率，於MSE、 SSE 、 MAE的衡量模組運算下,都較多元迴歸模型更能準確的預測生技指數的波動度，此證明研究之類神經網路模式是一個有效的預測系統。