本研究主要是運用人工智慧的方法改善過去純粹使用技術分析或經驗分析等過於主觀的缺點，並改善傳統開盤八法只考量價的缺點，取而代之的是三個取樣點之間的力道關係(變化率)，並搭配不同的技術指標，再利用倒傳遞類神經網路來建構預測台灣加權股價指數期貨當日收盤價、以及隔日開收盤價漲跌方向的模型。研究期間從2011年1月3日至2011年11月29日。
由實驗結果我們得到以下幾個結論：
1.使用倒傳遞類神經網路所建構之模型於預測台灣加權股價指數期貨當日
收盤漲跌方向是可行的。
2.相同輸入變數之下，隔夜效應會使預測隔日開收盤漲跌模型方向準確率降
低。
3.預測當日收盤漲跌模型使用改良乖離率作為輸入變數，會比使用MA、
RSI或是KD指標，有更佳的預測方向準確率。

This study are base on manipulating the method of Artificial Intelligence to improve the flaw when people maneuvered technical or experience analysis merely, as well as modifying the shortcomings of Eight Indicators, which considered only price and quantity. Therefore, the traditional analyses are superseded by measuring the variation among three sampling points, variety technical indicators and inverse neutral network to establish a model; with that people could forecast the closing price on the day and the opening price on the next day of Taiwan weighted stock index future. Data collection is from third of January, 2011 to 29th of November, 2011.

Some consequences from experiment are drawn as following,
1. Implement of inverse neutral network to project the tendency of Taiwan weighted stock index future is workable.
2. As inputting the same variable, the overnight effect would dilute the accurate rate.
3. Exercise modificatory BIAS as a input to predict the opening and closing market model would be more accurate than use MA, RSI and KD indicators.

中文部分
[1]王春笙，1996，以技術指標預測台灣股市股價漲跌之實證研究-以類神經網路與複回歸模式建構，交通大學資訊管理研究所，碩士論文。
[2]李建輝，2002，遺傳演化類神經網路在預測臺股指數期貨的應用，東吳大學經濟系，碩士論文。
[3]李育叡，2011，應用倒傳遞類神經網路於台灣50指數預測之最佳化模式分析，國立中興大學應用數學系所，碩士論文。
[4]林建成，2002，遺傳演化類神經網路於台灣股市預測與交易策略之研究，東吳大學經濟學系，碩士論文。
[5]林鈺綾，2010，三大法人選擇權與期貨未平倉量之研究，國立交通大學財務金融研究所，碩士論文。
[6]洪安裕，2005，以知識規則與類神經網路之整合對台灣加權股價指數收盤走
勢預測之行為研究，交通大學管理科學研究所，碩士論文。
[7]洪若信，2008，金融工程學行為實證之研究-以艾略特波浪理論隱含波浪行為知識的發現為例，交通大學管理學院碩士在職專班資訊管理組，碩士論文。
[8]查欣瑜，2010，法人籌碼對台股未來走勢影響之研究，國立交通大學財務金融研究所，碩士論文。
[9]許惠喬，2009，應用多重類神經網路於台灣期貨指數極短線走勢行為知識發現，國立交通大學資訊管理研究所，碩士論文。
[10]黃富瑞，2009，運用倒傳遞類神經網路於台股股價之研究，世新大學資訊管理研究所，碩士論文。
[11]蔡瑞昌，2009，應用多重類神經網路進行台灣指數期貨跨日走勢行為研究，國立交通大學資訊管理研究所，碩士論文。
[12]陳安斌，2005，「新金融實驗教學之-財務金融資訊系統與投資管理修訂版」，
新陸書局。
[13]葉怡成，2003，「類神經網路模式應用與實作」，儒林圖書有限公司。
[14]謝百庭，2008，大額交易人未平倉部位與期貨指數報酬、波動率關係探討，國立中正大學財務金融所，碩士論文。
[15]周慶華，2001，整合基因演算法及類神經網路於現貨開盤指數之預測-以新加坡交易所摩根台股指數期貨為例，輔仁大學金融研究所，碩士論文。
[16]阿民，2004，「主控戰略開盤法：掌握開盤奧妙決勝股市戰」， 寰宇出版社。

英文部分
[1] An-sing Chen and Hazem Daouk , Application of Neural Networks to an Emerging Financial Market: Forecasting and Trading the Taiwan Stock Index, Computers and Operations Research (2003), Vol. 30, Issue 6, p. 901-923.
[2] Bergerson, K.a.D.C.W., "A Commodity Trading Model based on a Neural Network-Expert System Hybrid", IEEE International Joint Conference on Neural Networks,Vol.1, pp. 289-293,1991.
[3] Davies, P. C., "Design Issues in Neural Network Development", NEUROVEST Journal, Vol.5, pp.21-25, 1994.
[4] J. Vesanto and E. Alhoniemi, “Clustering of The Self-Organizing Map”, IEEE
Transactions on Neural Networks, Vol. 11, No. 3, pp. 586-600, 2000.
[5] Kai Fu, Wenhua Xu, Training neural network with genetic algorithms of
forecasting the stock price index, IEEE IOnernational Conference Intelligent
Processing Systems, P401-403, 1997.
[6] M. Negnevitsky, “Artificial Intelligence：A Guide to Intelligent Systems”, 2/e,
Addison Wesley, 2004.
[7]Norio Baba and Motokazu Kozaki, 1992, “An Intelligent Forecasting System of
Stock Price Using Neural Networks”, IJCNN-1992, vol 1, pp.371-377.
[8] Qing Cao. Leggio, Karyl B. Schniederjans, Marc J , (2005), A comparison between Fama and French's model and artificial neural networks in predicting the Chinese stock market, Computers and Operations Research Volume: 32, Issue: 10, October,2005, pp. 2499-2512.
[9] Zhang, G., Patuwo, B. E., & Hu, M. Y., "Forecasting with Artificial Neural Networks :The State of the Art", International Journal of Forecasting, Vo.14, pp.35-62, 1998.