臺灣博碩士論文加值系統

　　真正的股價是難以預測的，若可以找出各公司的財務數值與股價的關聯，將有助於提昇股價波動預測的準確性。因此，本研究提出以演化式計算為基礎的多階段投資決策模型，以解決這一困惑學界多年的議題。首先，本研究運用「遺傳演算法」(GA)作為第一階段模型之設計，並結合「迴歸分析」來設計適應函數，有效的將台灣經濟新報(TEJ)所提供之605項個股財務指標中，成功篩選出86項關鍵指標，其與股價變動具有顯著關聯。再依據「價值投資法」的精神，以86項關鍵指標及產業加權給分排名方式，作為第二階段模型之設計，可有效評估個股在基本面表現的相對強弱勢，進而提昇選股準確度及投資績效。
　　最後，透過「遺傳程式規劃」(GP)作為第三階段模型之設計，並結合投資組合報酬率、風險(Risk)、風險值(VaR)，以及夏普指標(Sharpe Ratio)等，來設計不同的適應函數，可有效合切合不同的投資目的及風險屬性。此外，透過GAOT工具箱演算法的修正，以及加入修剪機制的GPLAB工具箱改良，有助於提昇演化效率。
　　經多階段實驗結果，檢驗了移動窗口長度為3個月的實驗模型，其績效大幅超越1個月及6個月的實驗組，同時，投資風險僅些微增加而已，顯示以三個月的個股關鍵指標變動率，具有最佳的選股參考性及準確性。
　　此外，實驗亦檢驗台股市場於民國90年至94年間，具有「弱效率市場」特性，因此非常適合使用「價值投資法」、「相對強勢投資理論」及「動能投資策略」來進行投資，並具有明顯的「價格動能持續效果」，和「淨值市價比效應」，且適用於「三因子模型」，然而「本益比效應」及「規模效應」並不顯著。
　　本研究透過前測操作，可有效最適化實驗控制參數，並獲致更佳的實驗成果。依據相關投資組合理論，並透過關鍵指標篩選、產業權重計算、給分排名計算、選股策略演化等多階段演算機制的結合，其所創造的投資績效，大幅超越以往研究者僅以單一指標或少數指標所產生的投資組合，且本研究所使用的投資標的，涵蓋上市上櫃所有股票，其廣泛性及實用性更大。最後，所有實驗模型經由ANOVA分析及Benchmark實驗的檢驗後，顯示本研究提出的多階段投資決策模型具有顯著的信度及效度。

　　The real stock price is difficult to predict, so if can find out the relation of the financial value of every company and stock price, it will contributes to promoting accuracy predicted that the stock price fluctuates. The research designs the first stage model with ' Genetic Algorithms ' (GA), and designs the fitness function with ' Regression Analysis '. It succeeds in filtering 86 key indicators base on 605 items of stock financial indicator that Taiwan Economic Journal (TEJ) offer. There are obvious relations between it and stock price change.
　　And then accord with the spirit of ' Value Investing ', scoring and ranking with 86 key indicators and industry's weighting, as the design of the second stage model, can assess the relatively strong weak tendency that the stock displays on the basic side effectively, and then promote the accuracy of choosing stocks and investment performance.
　　Finally, the research designs the third stage model with ' Genetic Programming ' (GP), combine the rate of returns of Portfolio, Risk, Value at Risk (VaR), and Sharpe Ratio, etc., to design different fitness function, can suit different investment purposes and risk attribute effectively. In addition, perform the revision of the algorithm of GAOT toolbox, and improves GPLAB toolbox with joins the mechanism of pruning, contribute to promoting the efficiency of evolution.
　　Proved by the experiment, it is a experimental model for 3 months of the length of the slide window, its performance exceed other experiment models with one month and 6 months of the length by a wide margin, meanwhile, the investment risk only increases slightly, show with change rate of three months of the stock key indicators, have best choosing stocks consulting and accuracy.
　　In addition, the experiment also proves, the stock market of Taiwan has characteristic of ' Weak Form Efficient Market ' during the period from 1990 to 1994. So it is very suitable for using ' Value Investing ', ' Relative Strength Strategy ' and ' Momentum Strategy ' to make the investment, and then have obvious ' Price Momentum Effect ' and ' Book-to-Market Ratio Effect ', and is also suitable for ' Three-factor Model ', but ' P/E Ratio Effect ' and ' Size Effect ' is not apparent.
　　By pretest, can effective optimize to take experiment control parameters, and can obtain better experimental results. According to the portfolio theory, filtering key indicators, industry’s weighting, scoring and ranking, and the evolution of choosing stocks tactics with combination of the mechanism of multi-stages, the performance of investment created by it, exceed the portfolio combination which a researcher produced only with single indicator or a few indicators in the past by a wide margin. The items of investment used in this research contain all stock of TES and OTC, and it has better extensive and practicability. Finally, all experimental models are by the inspection of Benchmark experiment, and the analysis of ANOVA, shows the investment decision model of multi-stages of this research has apparent reliability and validity.

表次 ix
圖次 xi
第壹章 緒論 1
　第一節 研究背景與動機 1
　第二節 研究目的 2
　第三節 論文架構 3
第貳章 文獻探討 5
　第一節 投資理論 5
　　一、前言 5
　　二、當代投資理論 6
　　三、國內投資理論相關研究文獻 19
　　四、財務指標於投資組合之應用 20
　　五、本節結語 21
　第二節 風險管理 22
　　一、風險管理起源 22
　　二、風險值計算方法 23
　　三、國內外風險管理相關研究文獻 28
　　四、本節結語 30
　第三節 投資組合績效評估 31
　　一、夏普指數(Sharpe Ratio) 31
　　二、資訊比率(Information Ratio) 31
　　三、崔納指標(Treynor Index) 32
　　四、詹森指標(Jensen Index) 32
　　五、國內投資績效評估相關研究文獻 32
　第四節 演化式計算(Evolutionary Computation, EC) 33
　　一、遺傳演算法(Genetic Algorithms, GA) 33
　　二、遺傳程式規劃(Genetic Programming, GP) 37
　第五節 本章結語 42
第參章 研究方法 43
　第一節 研究架構 43
　第二節 研究資料及使用工具 44
　第三節 實驗設計 46
　　一、第一階段：權重計算階段 46
　　二、第二階段：給分計算階段 47
　　三、第三階段：投資組合階段 49
　第四節 演化式計算之實驗設計及參數設定 51
　　一、遺傳演算法 51
　　二、給分計算方法 53
　　三、遺傳程式規劃 53
　第五節 本章結語 57
第肆章 實驗結果與分析 59
　第一節 前測操作說明 59
　　一、第一階段：遺傳演算法(GA)參數設定之前測 59
　　二、第二階段：給分計算參數設定之前測 61
　　三、第三階段：遺傳程式規劃(GP)參數設定之前測 62
　第二節 GAOT演算法的修正 68
　第三節 GPLAB工具箱的改良 71
　　一、修剪機制的原則 71
　　二、在GPLAB中的程式編碼 72
　　三、在GPLAB中新增及修改的函式 72
　第四節 實驗結果說明 74
　　一、第一階段：權重計算 74
　　二、第二階段：給分計算 85
　　三、第三階段：投資組合 85
　第五節 實驗模型穩定度測試 97
第伍章 分析與討論 103
　第一節 具修剪機制的GP對本研究模型的效益分析 103
　第二節 GP對本研究模型的效益分析 105
　第三節 GA對本研究模型的效益分析 106
　第四節 給分計算對本研究模型的效益分析 107
　第五節 本研究模型對於建立投資策略的整體效益分析 114
　第六節 投資金額對投資策略的影響分析 116
第陸章 結論與建議 121
　第一節 研究結論 121
　第二節 研究貢獻 125
　第三節 研究限制 126
　第四節 後續研究建議 126
參考文獻 129

1.江吉雄，遺傳演算法於股市選股與擇時策略之研究，中央大學資訊管理研究所碩士論文，2002。
2.李雅君，資料擷取在財務報表上的運用：台灣地區電子上市公司報酬之預測，朝陽科技大學財務金融系碩士論文，2001。
3.何鴻聖，自我組織神經網路在選股策略的應用，國立東華大學國際經濟研究所碩士論文，2004。
4.林廷樂，臺灣股市價與量關係之實證研究－以電子股為例，國立中興大學企業管理研究所碩士論文，1998。
5.林萍珍，遺傳演算法在使用者導向的投資組合選擇之應用，國立中央大學資訊管理研究所碩士論文，1998。
6.林耀堂，遺傳程式規劃於股市擇時交易策略之應用，國立中央大學資訊管理研究所碩士論文，2001。
7.周鵬程著，Matlab程式語言入門（智慧型計算概論），台北：全華科技圖書公司，2004。
8.侯佳利，組合編碼遺傳演算法於投資組合及資金分配之應用，國立中央大學資訊管理研究所碩士論文，2001。
9.陳宗益，利用總經變數掌握台股趨勢，台大會計學研究所未出版碩士論文，2001。
10.陳柏年，應用遺傳演算法於財務指標選股策略之探討，中央大學資訊管理研究所碩士論文，2000。
11.陳信宏，投資組合決策最佳化與績效指標之研究，國立中山大學企業管理學系博士論文，2004。
12.許和鈞、劉永欽，台灣地區股票市場價量之線性與非線性Granger因果關係之研究，證券市場發展季刊，1996，頁23-49。
13.張雅惠，應用風險值評估共同基金之績效，國立政治大學金融研究所碩士論文，2000。
14.黃元裕，價值投資法於台灣股市之運用，交通大學管理科學研究所碩士論文，2003。
15.黃嘉斌譯，Benjamin Graham著，證券分析，寰宇出版社，台北，2002年。
16.黃慶光，台灣股價指數反向操作策略及價量關係分析，國立中正大學企業管理研究所碩士論文，2001。
17.楊千霈，遺傳演算法在整合式價值投資策略之應用，輔仁大學資訊管理研究所碩士論文，2003。
18.楊宗庭，共同基金風險值的評估與應用，國立臺灣大學財務金融研究所碩士論文，2001。
19.銘傳大學財務金融研究中心編著，投資分析+ Matlab應用，台北：全華科技圖書公司，2004。
20.蒲建亨，整合VaR 法之衡量與驗證-以台灣金融市場投資組合為例，政治大學國際貿易研究所碩士論文，2000。
21.蔡劼麟，台灣股票市場價格動量與周轉率之週期循環研究，銘傳大學金融研究所碩士論文，1999。
22.蔡俊生，投資組合之風險值衡量，世新大學財務金融研究所碩士論文，2004。
23.蔡德淵，台灣股市「漲時重勢、跌時重質」之實證研究，國立成功大學企業管理研究所碩士論文，2002。
24.顏志杰，遺傳演算法在股票投資組合風險值模型建構之應用－以臺灣50指數成份股票為例，輔仁大學資訊管理研究所碩士論文，2005。
25.Alexander, C.O. and Leigh, C.T., On the Covariance Matrices Used in Value at Risk Model, The Journal of Derivatives, Spring 1997, pp. 50-62.
26.Banz, R. W., The Relationship between Return and Market Value of Common Stocks, Journal of Financial Economics, Vol. 9, Issue 1, March 1981, pp. 3-18.
27.Basle Committee on Banking Supervision, Amendment to the capital accord to incorporate market risks, Basle: Bank for International Settlement, 1996.
28.Bollerslev, T., A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return, The Review of Economics and Statistics, Vol. 69, No. 3, Aug., 1987, pp. 542-547.
29.Bondt, D., Werner, F. M., and Thaler, R. H., Does the stock market overreact, Journal o f Finance, Vol. 40, 1985, pp. 557-581.
30.De Raaji, G. and Raunig, B., Value at Risk - Evaluierung verschiedener Verfahren, OeNB-Berichte und Studien, Heft 4, 1998, pp. 84-98.
31.Dowd, K., Beyond Value at Risk: The new science of risk management, John Wiley & Sons Ltd, 1998.
32.Duffie, D. and Pan, J., An overview of value at risk, Journal of Derivatives, New York; Vol. 4, No. 3, Spring 1997, pp.7-55.
33.Engle, R. F., Autoregressive Conditional Heteroscedasticity with Estimates of Variance of United Kingdom Inflation, Econometrica, No. 50, 1982, pp. 987-1008.
34.Fama, E. F., Efficient capital markets：A review of theory and empirical work, Journal of Finance, Vol. 25, No. 2, May 1970, pp. 383-417.
35.Fama, E. F., and French, K. R., The cross-section of expected stock returns, Journal of Finance, Vol. 47, No. 2, June 1992, pp. 427-465.
36.Hendricks, D., Evaluation of Value at Risk Models Using Historical Data, Economics Policy Review, April 1996, Vol.2, No.1, pp. 39-69.
37.Holland, J. H., Adaptation in Natural and Artificial Systems, University of Michigan Press, 1975.
38.Jackson, P., Maude, D. J., and Perraudin, W., Bank Capital and Value at Risk, Journal of Derivatives, Spring 1997, pp. 73-90.
39.Jegadeesh, N., and Titman, S., Returns to buying winners and selling losers: Implications for stock market efficiency, Journal of Finance, Vol. 48, No. 1, March 1993, pp. 65-91.
40.Jensen, M. C., The Performance of Mutual Funds in the Period 1945-1964, Journal of Finance, Vol. 23, No. 2, May 1968, pp. 389-416.
41.Jorion, P., Value at Risk: The New Benchmark for Controlling Market Risk, Mc-Graw-Hill Companies, Irwin Professional Publishing, 1997.
42.Koza, J.R., Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, 1992.
43.Lee, C. M. C., and Swaminathan, B., Price momentum and trading volume, Journal of Finance, Vol. 55, No. 5, October 2000, pp. 2017-2069.
44.Levy, R., Relative strength as a criterion for investment selection, Journal of Finance, Vol. 22, No. 4, December 1967, pp. 595-610.
45.Linter, J., The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets: A Reply, The Review of Economics and Statistics, Vol. 47, No. 1, February 1965, pp. 13-37.
46.Markowitz, H. M., Portfolio selection, Journal of Finance, Vol. 7, No. 1, March 1952, pp. 71-91.
47.Morgan, J. P., Riskmetrics Technical Document, Fourth Edition, 1996.
48.Moskowitz, T. J. and Grinblatt, M., Do Industries explain momentum, Journal of Finance, Vol. 54, No. 4, August 1999, pp. 1249-1290.
49.Mossin, J., Equilibrium in A Capital Asset Market, Econometrica, Vol. 34, No. 4, October 1966, pp. 768-783.
50.Nicholson, F., Pricing-Earnings Ratios, Financial Analyst Journal, Aug 1960, pp.43-45.
51.Rosenberg, B., Reid, K. and Lanstein, R., Persuasive evidence of market inefficiency, Journal of Portfolio Management, Spring 1985, pp. 9-16.
52.Ross, S. A., The arbitrage theory of capital asset pricing, Journal of Economic Theory, Vol. 13, No. 3, 1976, pp. 341-360.
53.Sharpe, W. F., Capital Asset Prices: A Theory of Market Equilibrium under Condition of Risk, Journal of Finance, Vol.19, No. 3, September 1964, pp. 425-442.
54.Sharpe, W. F., Mutual Fund Performance, Journal of Business, Vol. 39, No. 1, January 1966, pp. 119-138.
55.Sharpe, W. F., The Sharpe Ratio, Journal of Portfolio Management, Vol. 20, No. 3, 1994, pp. 49-58.
56.Treynor, J. L., How to Rate Management of Investment Funds, Harvard Business Review, Vol. 43, 1965, pp. 63-75.