应用平滑支撑向量回归与类神经网络于共同基金绩效之预测
本研究以平滑支撑向量回归(Smooth Support VectorRegression)及倒传递类神经网络(Back Propagation Network)为基础理论,于共同基金绩效预测之研究。文中采用绩效报酬率和大盘报酬率作一比较,并透过风险值去探讨各模型之优缺点。本研究以台湾地区股票型基金为预测标的,研究时点为2004年月至12月。实证结果发现应用SSVR或BPN皆可增加投资报酬率,且于多头市场可得到更佳之报酬率。此外,应用SSVR预测模型于空头市场中亦可得到超额报酬,降低投资人之损失。最后,平滑支撑向量回归模型与倒传递类神经网络模型分别适用于不同风险偏好之投资人,投资人可依据个人之风险偏好选择适合自己之预测模型,使本研究之应用达到最佳效果。
共同基金 预测模型 类神经网络 倒传递类神经网络 平滑支撑向量回归
卢瑞山 余尚武 林宜贤
明科技大学信息管理系 明科技大学信息学院 台湾科技大学信息管理系
国内会议
北京
中文
511-513
2007-08-18（万方平台首次上网日期，不代表论文的发表时间）