1. 預測股價方法
- 使用的自變數
- 時間序
- 前一日開盤價
- 前一日最高價
- 前一日最低價
- 前一日收盤價
- 使用的應變數
- 當日收盤價
- 三種模型組合後成為數據的數學模型方程式
- 建立期望值數學模型：從基本8種的基本數學模式中挑選出最小MSE的模型
- 建立MAD變異數異質性模型：從基本10種的基本數學模型中挑選出最小MSE的模型。此模型可產生應變數的上下波動
- 加入一階自我相關誤差迴歸模型
- 運算預測值的區間估計
- 運算在近N日為條件下，預測明日上漲的條件機率和下跌的條件機率
2. 數據
- 數據來源：台灣證券交易所
- 數據類型：日資料
- 數據期間：從當日數據往前推500筆(相當二年又一季的數據)
2. 預測結果
2.1. 台股指數於2022/04/14預測結果
2.1.1. 近120天
- 樣本比例=P(上升&下降)= 0.933884
- $0.884298 \leq p \leq 0.966942$
- 最大誤差 = E = 0.044275
2.1.2. 近20天
- 樣本比例 =P(上升&下降)= 0.857143
- $0.714286 \leq p \leq 0.952381$
2.1.3. 點估計預測值= 17332.77
2.1.4. 95%預測區間
The P.I. for Y(rise)
The P.I. for Y(rise)
\[17243.5006373551 \leq Y \leq 17647.0859471632\]The P.I. for Y(decline)
\[16978.2250734776 \leq Y \leq 17381.8103832857\]The P.I. for Y(rise and decline)
\[16978.2250734776 \leq Y \leq 17647.0859471632\]2.1.5. 條件機率預測
| 近N日為條件 | 條件機率漲跌 |
|---|---|
| 2 | 跌 |
| 1,4,5,6,7,8,9,10 | 漲 |
| 3 | 平 |
3.1.6. 經驗機率法
| 近N日為條件 | 條件機率漲跌 |
|---|---|
| 3 | 跌 |
| 1,2,4,5,6,7,8,9,10,11,12,13,14 | 漲 |
| 無 | 平 |
2.2. 台積電於2022/04/14預測結果
2.2.1. 近120天
- 樣本比例=P(上升&下降)= 0.925620
- $0.876033 \leq p \leq 0.958678$
- 最大誤差 = E = 0.046753
2.2.2. 近20天
- 樣本比例 =P(上升&下降)= 0.857143
- $0.7614286 \leq p \leq 0.952381$
2.2.3. 點估計預測值= 573.04
2.2.4. 95%預測區間
The P.I. for Y(rise)
The P.I. for Y(rise)
\[568.5596771956 \leq Y \leq 588.7950006683\]The P.I. for Y(decline)
\[557.9600837365 \leq Y \leq 578.1954072092\]The P.I. for Y(rise and decline)
\[557.9600837365 \leq Y \leq 588.7950006683\]2.2.5. 條件機率預測
| 近N日為條件 | 條件機率漲跌 |
|---|---|
| 4568910 | 跌 |
| 1,2,3 | 漲 |
| 7 | 平 |
3.3.6. 經驗機率法
| 近N日為條件 | 條件機率漲跌 |
|---|---|
| 3,4,6,7,8 | 跌 |
| 1,2,10 | 漲 |
| 5,9 | 平 |