English  |  正體中文  |  简体中文  |  Items with full text/Total items : 21921/27947 (78%)
Visitors : 4243063      Online Users : 729
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version


    Please use this identifier to cite or link to this item: http://140.128.103.80:8080/handle/310901/6148


    Title: 股票報酬率相關係數預測模型之研究-台灣股市實證分析
    Other Titles: Analyzing stock return correlation coefficiency forcasting model in Taiwan stock market
    Authors: 塗勝傑
    Twu, Sheng-Jye
    Contributors: 蕭欽篤
    Hsiao, Chin-Tu
    東海大學管理研究所
    Keywords: 股票市場;相關係數預測
    stock market;correlation coefficiency
    Date: 1997
    Issue Date: 2011-05-25T08:57:53Z (UTC)
    Abstract: 在馬克維茲(Markowitz)的平均數─變異數模型中,投資者必須能夠 正確的預測股票的預期報酬率,預期報酬率的變異數以及其相關係數。這 三個預測值的良窳攸關選擇投資組合績效的好壞,在本文針對股票報酬率 相關係數之預測模型作深入的探討。 本研究利用第一階段民國八十 一、八十二年樣本中的原始資料,計算各模型的股票報酬率相關係數來比 較與第二階段民國八十三、八十四年實際相關係數的誤差,以評估各股票 報酬率相關係數預測模型之績效。採用的股票報酬率相關係數預測模型包 括 1.全部歷史模型 2.整體平均模型 3.產業平均模型 4.集團企業平均模 型 5.單一指數模型 6.產業類別多重指數模型 7.集團企業多重指數模型 8.單一指數模型─產業類別平均 9.單一指數模型─集團企業平均 10.產 業類別多重指數模型─產業類別平均 11.集團企業多重指數模型─集團企 業平均。 在評估各個股票報酬率相關係數預測模型的預測績效的標 準上,採用了 1.MAE法則 2.MSE法則及其誤差來源的分解項 3.泰氏不等 係數(TIC)來評估比較各個股票報酬率相關係數預測模型績效。實證結果 發現 一、整體平均模型有最佳的預測績效。這種利用簡單的平均方法來 消除隨機誤差的預測模型在台灣股市有突出表現的原因可能是台灣股市變 化很大、規則性低,非經濟因素的影響很大。 二、單一指數類別的模型 預測績效優於多重指數類別預測模型。在單一指數模型加入其他的解釋變 數而形成的多重指數模型不一定能增加其預測準確度,反而降低其預測績 效。 三、平均類別預測模型,不論是利用產業類別或是集團企業作平均 處理,皆能得到比指數模型更好的預測準碓度。即平均模型預測績效優於 指數模型。 四、利用平均模型的觀念來處理指數模型的預測值能改善原 始指數模型的預測績效,降低其預測誤差。
    Appears in Collections:[企業管理學系所] 碩士論文

    Files in This Item:

    File SizeFormat
    index.html0KbHTML516View/Open


    All items in THUIR are protected by copyright, with all rights reserved.


    本網站之東海大學機構典藏數位內容,無償提供學術研究與公眾教育等公益性使用,惟仍請適度,合理使用本網站之內容,以尊重著作權人之權益。商業上之利用,則請先取得著作權人之授權。

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback