信評式債券型基金之評價-通用迴歸神經網路模式應用

ASIA unversity > 管理學院 > 經營管理學系 > 博碩士論文 > Item 310904400/449

Please use this identifier to cite or link to this item: http://asiair.asia.edu.tw/ir/handle/310904400/449

Title:	信評式債券型基金之評價-通用迴歸神經網路模式應用 The Evaluation of Bond Foundation for Credit Appraisal-The Application Mode of General Regresion Neural Network GRNN
Authors:	朱國珍
Contributors:	經營管理學系碩士在職專班
Date:	2004
Issue Date:	2009-10-09 08:53:55 (UTC+0)
Publisher:	亞洲大學
Abstract:	在資訊科技不斷進步的環境下，各種投資的金融商品亦不斷推陳出新，而債券型基金更已普遍成為保守投資者重要的理財工具之一。雖然債券型基金為一較保守的投資工具，但是仍然存在著一定的風險程度，對於極保守的投資人產生了一份不安感，為了滿足這類投資者的需求，信評式債券基金孕育而生。信評式債券基金由於限制較多，相對風險低報酬亦有限，然而要如何在低風險低報酬的商品中挑選及預測出表現較好的基金，透過通用迴歸類神經網路（General Regression Neural Network ,GRNN）的運用，建構一預測績效的模式。 GRNN是從機率類神經網路（Probability Neural Network，PNN）所演變而來，主要應用在預測及控制上，可用來建立連續變數之函數關係，無論迴歸問題為線性或非線性均可用GRNN來解決。本論文採用通用迴歸類神經網路（GRNN）的模式，針對國內已通過信用評等的債券型基金共15檔，進行實證研究，利用各檔基金民國91年1月至民國92年12月共24個月的投資組合比率為研究資料，找出最佳的平滑參數，並利用此學習模型對各檔基金績效進行預測之應用。為驗證GRNN在此類研究標的預測成效，研究中並採用多元線性迴歸分析同時進行預測，結果顯示GRNN的均方誤差低於多元線性迴歸，故依本研究結果而言GRNN在樣本數及變數不多的情況下，對於債券型基金的績效預測亦能有不錯的表現。
Appears in Collections:	[經營管理學系 ] 博碩士論文

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	355	View/Open

Loading...