臺灣博碩士論文加值系統

基本分析自1930年代開始應用於市場投資，不斷有學者專家對上市櫃公司財務報表與股價之間的關係進行研究。而國外知名的投資專家或財金學者研究所提出的基本面選股策略，皆依據國外投資市場數據所獲得之結果。若運用在台灣股票市場，是否能夠也有顯著的報酬率績效。其次將其選股法則做遺傳演算法最佳化，並且比較最佳化不同選股法則下之績效。
本研究將使用詹姆士歐沙那希選股法則與綜合指標選股法則運用在台灣股市上。探討財報與股價之關係應用於股市投資上，分別對詹姆士歐沙那希選股法與綜合指標選股法使用遺傳演算法來執行門檻值（財務比率）的最佳化，並且試圖比較不同的基本面選股法則：原始詹姆士歐沙那希選股法則、最佳化詹姆士歐沙那希選股法則、最佳化綜合指標選股法則之投資報酬率。
經由台灣股票市場九年回測期間實證結果顯示原始詹姆士歐沙那希選股法則之報酬率績效大致上不比最佳化詹姆士歐沙那希的績效差。因此，依據詹姆士歐沙那希為例，其財務比率門檻值供投資人運用在台灣股票市場上是無法否定其適用性。最後，使用遺傳演算法最佳化綜合指標選股法則之報酬率績效平均而言，相對於前兩種選股法的投資績效驗證結果是最佳的，投資人可藉此選股法則在市場上贏得更多的獲利。

This paper will apply James O’shaughnessy and comprehensive index selection methods to the stock market in Taiwan. The purpose of this paper is to explore the relationship between financial statements and stock prices used in the stock market investment. James O'shaughnessy stock selection method and comprehensive index stock selection method utilize genetic algorithms to perform the optimization of the threshold value, and this study also compares return of investment with three distinct fundamental stock selection rules which are “original James O'shaughnessy”, “optimization James O'shaughnessy” and “optimization comprehensive index” selection methods.
During the nine years through backtesting, the empirical results of Taiwan stock market indicate that the investment performance of the original James O'shaughnessy stock selection method is substantially not worse than the optimization James O'shaughnessy stock selection method. As a result, for example based on James O'Shaughnessy, its financial ratios threshold for investors to use in Taiwan stock market is unable to deny the applicability. Finally, the average returns performance of using the genetic algorithm optimization index selection method is the best relative to the empirical investment performance of previous two other selection methods, and investors may earn more profits with applying this method.

摘要 i
Abstract ii
誌謝 iii
目錄 iv
圖目錄 v
表目錄 vi
第一章　緒論 1
一、 研究背景與動機 1
二、 研究目的 2
三、 論文流程與架構 4
第二章　文獻探討 6
一、 股票績效報酬與基本面分析之關係 6
二、 投資組合理論 9
三、 遺傳演算法 9
第三章　研究方法 14
一、 研究步驟說明 15
二、 選股法則之運用 15
（一） 大師選股－詹姆士歐沙那希選股法則 15
（二） 遺傳演算最佳化詹姆士歐沙那希選股法則 16
（三） 遺傳演算最佳化綜合指標選股法則 16
三、 財務比率門檻值 17
四、 投資組合系統回測 22
第四章　實證設計與結果分析 24
一、 實證設計與資料說明 24
二、 實證結果分析 25
（一） 原始詹姆士歐沙那希選股法則 25
（二） 遺傳演算最佳化詹姆士歐沙那希選股法則 28
（三） 遺傳演算最佳化綜合指標選股法則 30
三、 實證三種選股法則績效彙整分析之比較 32
第五章　結論與建議 34
一、 研究結論 34
二、 研究貢獻 35
三、 後續研究建議 35
參考文獻 36
附錄 39

一、中文文獻
1.林萍珍，1998，「遺傳演算法在使用者導向的投資組合選擇之應用」，中央大學資訊管理研究所碩士論文。
2.林萍珍，2008，初版，「投資分析含Matlab 應用、類神經網路與遺傳演算法模型」，台北市，新陸書局。
3.胡豐贊，2004，「財務比率與股票報酬率之關連性—以三種產業為例」，高雄第一科技大學金融營運所碩士論文。
4.孫崇瑋，2013，「修正後彼得林區選股法與技術指標結合演化式資金配置」，高雄應用科技大學金融資訊研究所碩士論文。
5.陳柏年，2001，「應用遺傳演算法於財務指標選股策略之探討」，中央大學資訊管理學系碩士論文。
6.張瑋琍，2011，「價廉物美的投資策略」，國立台灣大學國際企業學研究所碩士論文。
7.黃銘豐，2007，「以現金股利指標檢測股票投資組合之績效」，逢甲大學經營管理碩士在職專班碩士論文。
8.黃筱婷，2011，「選股指標投資績效分析」，貨幣觀測與信用評等，第92期，4-10頁。
9.黃筱婷，2012，「台灣股市選股策略之投資績效分析－2000至2011年上市公司實證」，貨幣觀測與信用評等，第96期，5-23頁。
10.黃筱婷、鐘俊文，2012，「台灣股市選股策略之投資績效再分析－1991至2012年上市公司實證」，貨幣觀測與信用評等，第98期，23-34頁。
11.鄧安鎮，2007，「巴菲特價值型選股模式在台股應用之研究」，逢甲大學經營管理碩士在職專班論文。
12.蔡浩翔，2013，「應用遺傳演算法最佳化基本面選股法則-以T檢定選股法與彼得林區選股法為例」，高雄應用科技大學金融資訊研究所碩士論文。
13.劉慧敏，2002，「多目標遺傳演算法於基本面選股策略之應用」，中央大學資訊管理研究所碩士論文。
14.盧麗安，1996，「財務基本分析與臺灣股價表現」，國立中山大學財務管理學系研究所碩士論文。
15.謝宏鑫，2009，「考量投資標的基本面、技術面分析並運用遺傳基因演算法決定最佳投資組合」，國立臺北大學企業管理研究所碩士論文。

二、英文文獻
1.Chang, J., 2006. “Comparing personal portfolio strategies by genetic algorithm mixed with association rules”, Proc. of First International Conference on Innovative Computing, Information and Control (ICICIC'06.), Vol.2, pp.494-497.
2.Chen, J. S., Hou, J. L., Wu, S. M., and Chang-Chien, Y. W., 2009. “Constructing investment strategy portfolios by combination genetic algorithms”, Expert Systems with Applications, Vol.36, pp.3824-3828.
3.Fama, E.F., 1970. “Efficient capital market: a review of theory and empirical work”, Journal of Finance, Vol.125, pp.383-417.
4.Fama, E.F. and French, K.R., 1992. “The cross-section of expected stock returns”, Journal of Finance, Vol.47, pp.427-465.
5.Fu, T.C., Chung, C.P., and Chung, F.L., 2013. ” Adopting genetic algorithms for technical analysis and portfolio management”, Computers and Mathematics with Applications, Vol.66, pp.1743-1757.
6.Holland, J.H., 1975. “Adaptation in natural and artificial systems”, University of Michigan Press.
7.Lin,P.C. and Ko,P.C., 2009. “Portfolio value-at-risk forecasting with GA-based extreme value theory”, Expert Systems with Applications, Vol.36, pp.2503-2512.
8.Markowitz, H.M., 1952. “Portfolio selection”, Journal of Finance, Vol.7, pp.77- 91.
9.M. Srinivas, Lalit M. Patnaik, 1994. “Genetic algorithms: a survey”, IEEE Computer, Vol.27, pp.18-20.
10.Ou, J. A. and Penman, S.H., 1989. “Financial statement analysis and the prediction of stock returns”, Journal of Accounting and Economics, Vol.12, pp.296-329.
11.O’Shaughnessy, J.P., 2011. “What works on Wall Street: a guide to the best- performing investment strategies of all time (4th ed.)”, New York: McGraw-Hill.
12.Zhou, C., Yu, L., Huang, T., Wang, S. and Lai, K.K., 2006. ”Selecting valuable stock using genetic algorithm”, Lecture Notes in Computer Science, Vol. 4247, pp. 688-694.