標題 109D4-臺灣進出口值之預測─傳統方法與深度學習法之比較
姓名 彭品蓉
指導教授 李政峯 老師
畢業日期 2023/06
附件檔案 檔案下載Adobe PDF
摘要 鑒於台灣高度依賴進出口貿易的情境，準確預測進出口值對於政府政策和
企業決策制定具有重要意義。然而，由於進出口貿易值與景氣循環變數之間存
在著複雜的非線性關係，進出口值的預測變得困難。因此，本研究旨在利用經
濟結構模型、時間序列模型、長短期記憶神經網絡（LSTM）模型以及卷積神
經網絡（CNN）+ LSTM 模型，尋找最精確的預測模型。
實證結果顯示，相較於其他模型，CNN+LSTM 模型在預測進出口值方面表
現最佳。該模型相對於經濟結構模型可降低38%至70%的平均絕對百分比誤差
（MAPE），相對於時間序列模型可降低22%至27%的MAPE，以及相對於
LSTM 模型可降低35%至49%的MAPE。這一結果證實了在處理大量變數時，
將CNN 的圖像辨識能力應用於經濟解釋是可行的。通過將CNN 用於降維處理
並將其輸入LSTM 模型，我們能夠獲得最佳的預測結果。
關鍵詞：深度學習、進出口值、預測、景氣循環