本研究透過類神經網路中之倒傳遞類神經網路模型，以台灣加權股價指數與台灣50 ETF為研究標的。研究期間為2010年1月至2017年3月共七年又三個月。探討總體經濟指標對台灣加權股價指數與台灣50 ETF之影響，並以類神經網路預測模型對其兩者的預測能力。而經濟指標分別為景氣面的台灣消費者物價指數、原物料指數、台灣經濟成長率、台灣重貼現利率、台灣消費者支出及台灣失業率、基本資金面的台灣貨幣供給額 M1B、外匯面的新台幣匯率及心理面的台灣恐慌指數共9項指標。研究結果顯示，台灣加權股價指數之類神經網路模型中，預測最佳的誤差百分比為1.51%；以台灣50 ETF之類神經網路模型中預測最佳的誤差百分比為0.37%。因此得知，透過類神經網路之模型設定以及選取適合的總體基本指標，可以提供投資者一個良好的走勢預測。

This research, employing the back propagation neural network (BPN) aims to study the Taiwan Stock Exchange Weighted Index (TWSE) and Taiwan 50 ETF from January 2010 to March 2017, that is, seven years and three months in total, based on which we will have an in-depth discussion of the impacts of macro-economic indicators on TWSE Index and Taiwan 50 ETF and of the ability and accuracy in predicting the future performance of both TWSE Index and Taiwan 50 ETF. And of all the macro-economic indicators, we target the following nine, including Taiwan CPI, CRB, GDP, Rediscount Rate, Consumer Spending, Unemployment Rate, M1B, NTD Currency Index and Taiwan Volatility Index (TWVIX). This study shows the best errors of TWSE index is 1.51% while that of Taiwan 50 ETF is 0.37%. The results have strongly suggested that model setting of BPN and an adequate macro-economic indicators serve as a handy tool in predicting stock market performance.

誌 謝 i
摘要 ii
Abstract iii
目錄 iv
圖目錄 vi
表目錄 vii
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究問題及目的 2
1.3 研究流程 3
第二章 文獻探討 4
2.1 總體經濟指標相關文獻 4
2.2 股價預測工具相關文獻 8
2.3 總體經濟指標預測相關文獻 9
第三章 研究方法-類神經網路 11
3.1 類神經網路概論 11
3.1 類神經網路架構 12
3.2 類神經網路學習方式 12
3.4 類神經網路之優點 13
3.5 類神經網路之缺點 13
第四章 類神經網路模型設定 14
4.1 研究對象、資料來源和研究期間 14
4.2 類神經網路研究模型 16
第五章 類神經網路模型實證分析結果 23
5.1 以台灣 50 ETF建構倒傳遞類神經網路模型分析結果 24
5.2 以台灣加權股價指數建構倒傳遞類神經網路模型分析結果 32
第六章 結論與建議 41
6.1 研究結論 41
6.2 研究建議、限制與未來發展 42
參考文獻 43
附錄A 輸入變數與輸出變數 46
附錄B 台灣50指數與台灣加權股價指數於隱藏層神經元為1至10重複訓練10次之訓練收盤指數與實際收盤指數 52
附錄C 台灣50指數與台灣加權股價指數於隱藏層神經元數為1至10重複訓練10次之MSE與誤差百分比 112

1. 朱清貴(2008)，「物價、利率、股價、匯率關聯性探討」，南華大學企業管理學系碩士論文。
2. 李曉隆(2002)，「出租公寓之租金價格預測－複迴歸分析與類神經網路的比較」，國立台灣科技大學企業管理研究所碩士論文。
3. 吳東曄(2009)，「應用類神經網路於預測台股指數之研究」，國立屏東教育大學應用數學系碩士論文。
4. 周澤伯(2014)，「混合型人工類神經網路應用於台灣50隔日收盤價預測之研究」，中國文化大學商學院資訊管理學系碩士論文。
5. 林振造(2004)，「貨幣政策調整之宣告對台灣類股報酬率之影響」，中正大學財務金融所碩士論文。
6. 林彥廷(2013)，「股票市場與經濟成長領先落後關係之研究：分量迴歸模型的應用」，國立東華大學經濟學系碩士論文。
7. 林奇芬(2013)，窮人追漲跌，富人看趨勢，台北：高寶出版。
8. 柳頌聲(2006)，「總體經濟指標與台灣加權股價指數關係之研究」，淡江大學國際貿易學系碩士論文。
9. 侯玉雪(2013)， 「消費者信心指數、VIX指數與台灣股價指數的動態聯結– VAR實證分析」，世新大學經濟學系碩士論文。
10. 郭英哲(2004)，「應用倒傳遞類神經網路技術於臺灣指數期貨預測之研究」，南台科技大學資訊管理系碩士論文。
11. 唐雅華（2009），「市場情緒指標對股價影響之探討」，台南科技大學商學與管理研究所碩士論文。
12. 徐慧明(1998)，「存款準備率與重貼現率變動對金融類股報酬率之影響– 介入模型之應用」。中興大學企業管理學系碩士論文。
13. 徐清俊和顏雯津(2008)，「情緒指標與股價報酬關係之研究」，明新學報，第34卷，第1期，89-106頁。
14. 許淑貞(2010)，「原物料價格與台灣股票市場類股指數的關聯性探討」，雲林科技大學財務金融系碩士論文。
15. 詹錦宏和袁澤峻(1999)，「景氣循環與股價指數之預測– 類神經網路之應用」，證交資料，第449期。
16. 鄒杰夫(2008)，「台灣上市類股股價預測模型之研究-倒傳遞類神經網路模型之應用」，玄奘大學財務金融學系碩士論文。
17. 葉怡成(2003)，類神經網路模式應用與實作，儒林圖書。
18. 劉名寰(2008)，「台灣動態因素向量自迴歸模型之建立與總體經濟變遷之影響」，世新大學財務金融系碩士論文。
19. 劉宜學(2010)，「台灣貨幣政策、消費者物價指數與股市之關聯性分析」，高雄第一科技大學金融所碩士論文。
20. 鄧俊明(2012)，「台灣地區股價指數、利率、匯率與消費者物價指數相關性之研究」，世新大學經濟學研究所碩士論文。
21. 賴玉敏(2004)，「貨幣供給額與股價因果關係之研究」，銘傳大學風險管理與統計資訊研究所碩士論文。
22. 謝依容(2013)，「探討物價指數與股價報酬之非線性關係 - TAR與M - TAR之實證研究」，台北大學企業管理學系碩士論文。

英文部分：
1. Brown, G. W. and Cliff, M. T., (2004), Investor Sentiment and the Near-term Stock Market, Journal of Empirical Finance, 11:1, 1-27.
2. Garson, G. D., (1991), Interpreting Neural-network Connection Weights, AI Expert, 6:4, 46-51.
3. Goh, A. T. C., (1995), Back-propagation Neural Networks for Modeling Complex Systems, Artificial Intelligence in Engineering, 9:3, 143-151.
4. Markham, I. S. and Rakes, T. R., (1998), The Effect of Sample Size and Variability of Data on the Comparative Performance of Artificial Neural Networks and Regression, Computers and Operations Research, 25:4, 251-263.
5. Sarwar, G., (2012), Is VIX an Investor Fear Gauge in BROC Equity Markets? Journal of Multinational Financial Management, 16:3, 55-65.

網路文獻：
1. 美國商品研究局（1986）：http://wiki.mbalib.com/zh-tw/%E8%B7%AF%E9%80%8FCRB%E5%95%86%E5%93%81%E6%8C%87%E6%95%B0