摘要
本研究選取所有一般產業的上市櫃普通股（排除金融、保險、證券等業別），自1999年12月到2019年9月之間共20年的公司季資料、半年資料，找出可能影響股價的16項財務比率，例如：每股盈餘(元) 淨值報酬率─稅後 淨值報酬率─常續利益 …PSR CAPM_Beta」等等，再加上各自四期滯後項作為特徵值，透過機器學習分類器進行訓練，預測目標為四期以後股價的250日移動平均值(250MA)，會漲或跌？ 本研究使用六種分類器，集成算法就占了其中四種，實作結果，集成算法在測試集資料上，對於四期即一年以後的250MA漲跌均能達到71%以上的預測正確率，除了證明集成算法的表現良好以外，也證明了確實可以使用本研究所選取的特徵，建立股價趨勢的預測模型。| 獎項日期 | 2020 |
|---|---|
| 原文 | English |
| 監督員 | Lih-Chyun Shu (Supervisor) |