臺灣博碩士論文加值系統

本論文實證目的是將Vince(2009, 2011)的LSM模型與移動平均法的估計方法及投資交易分析，應用在各國的指數期貨上。我們使用五個國家與地區以1984/12-2016/12期間的指數 期貨作為研究標的進行實證分析，國家的選擇主要分為新興國家、發展中國家與已開發國家。我們採用Vince (2009, 2011)單資產的管理模型估計最適投資比例，以形成買單與賣單的投資策略。為便於比較，我們再利用技術指標中最常使用的移動平均法做績效分析，藉由移動平均值的突破策略，形成買單與賣單的投資組合。此外，本文提出把研究國家分成多頭與空頭時期的投資狀況，分析使用移動平均法與LSM模型在多頭與空頭時期的投資績效。
我們在績 效分析時主要取用交易比率 、年化報酬率、年化標準差與年化夏普指標這幾個績效項目。實證 分析結果 可以發現 ，移動平 均法與 LSMLSMLSM模型各有優 點，當移動平 均法用在香港與印度等 國家幾 乎獲利 ；而 LSMLSMLSM模型在 空頭時期在 空頭時期英國與美 國都有 較高的報 酬率。然而 LSMLSMLSM模型有較低的標準差 模型有較低的標準差 ，指數的變動比 較穩定。

The empirical purpose of this paper is to apply the LSM model and the moving average method estimation method and investment transaction analysis of Vince (2009 and 2011) to the index futures of each country. We use five countries and regions to use the index futures during the period of 1984/12-2016/12 as the research subject for empirical analysis. The countries are categorized by emerging, developing, and developed countries. We use Vince's (2007, 2009) single-asset cash management model to estimate the optimal investment ratio to form investment strategies for buy and sell orders. For the sake of comparison, we use the most commonly used moving average method in the technical indicators for performance analysis, and use the moving average breakthrough strategy to form a portfolio of buy and sell orders. In addition, this paper proposes to divide the investment situation of countries into bull and bear periods, and analyze the investment performance of the moving average method and LSM model in the bull and bear period.
In the performance analysis, we mainly use the trade ratios, annualized return rate, standard deviation and sharpe ratios. The empirical analysis shows that the moving average method and the LSM model have their own advantages. When the moving average method is used in Hong Kong and India, the LSM model has a high rate of return in the UK and the US during the bear period. However, the LSM model has a lower standard deviation and the index changes are more stable.

謝詞 II
中文摘要 III
英文摘要 IV
目錄 5
第一章 緒論 6
第一節 研究背景與動機 6
第二節 研究目的 7
第三節 論文架構 7
第二章 文獻探討 10
第一節 多頭與空頭市場 10
第二節 移動平均法的技術指標 12
第三節 Ralph Vince之研究 14
第三章 研究方法與資料 17
第一節 移動平均法 17
第二節 Vince (2009)之LSM模型 19
第三節 資料 32
第四節 估計 36
第四章 實證分析與結果 47
第一節 基本績效分析 47
第二節 移動平均法 49
第三節 LSM模型 57
第四節 移動平均法與LSM模型的績效比較 68
第五節 總結 71
第五章 結論與建議 75
第一節 結論 75
第二節 建議 76
參考文獻 77
中文文獻 77
英文文獻 79

中文文獻
安芷誼(2005)，技術分析對台灣股票市場投資績效之探討-移動平均法，銘傳大學國際企業學系碩士在職專班碩士論文。

屈穎(2016)，多元化順勢操作期貨交易策略建構 ——以國外期貨市場日線交易為例，東吳大學EMBA高階經營碩士在職專班碩士論文

姚博文(2012)，資產配置與績效分析：凱利投資方法的應用，東吳大學經濟學系碩士論文。

姚蕙芸(2009)，美國次級房貸風暴期間房地產價格、利率與股價之因果關係研究，國立臺北大學企業管理學系博士論文。

李婉茹(2015) ，台股指數與期貨套利交易：Bollinger Bands與Vince模型之分析，東吳大學經濟學系碩士論文。

吳碩鼎(2017)，使用台指期貨高頻資料之投資績效分析-開盤價突破策略，東吳大學經濟學系碩士論文。

曾要維(2016)，多重時間架構交易策略對台指期貨之實證，國立高雄應用科技大學金融系金融資訊碩士論文。

郭炳伸(2012)，台股期現貨價差交易策略之獲利分析，國立政治大學國際經營與貿易研究所碩士論文。

黃文璋(2007) 《科學發展》2007年3月，411期，66 ~ 71頁

黃惠姿(2010)，凱利投資方法-應用在台灣股票市場，東吳大學經濟學系碩士論文。

彭亮銓(2005)，移動平均價與量雙指標盈虧之研究，國立高雄應用科技大學工業工程與管理碩士班碩士論文。

楊佳哲(2015)，美元匯率套利交易：Bollinger Bands與LSM模型之分析，東吳大學經濟學系碩士論文。

蔡靜鴻(2011)，全球金融風暴事件對台股指數期貨及摩根台股指數期貨交易活動關聯性之探討-以多空頭期間之檢驗，國立中正大學財務金融研究所碩士論文。

劉漢隆(2003)，技術分析買賣交易訊號之研究－以包寧傑帶狀做實證分析，國立高雄第一科技大學財務管理所碩士論文。
蘇明南(2000)，移動平均線法則應用於台灣股市之實證研究，淡江大學財務金融學研究所碩士論文。

謝依霖(2016)，台灣電子與金融指數期貨套利—動量策略與Vince方法之研究，東吳大學經濟學系碩士論文。

英文文獻
Bhardwaj, R.K., and Brooks, L. D., 1993, “Dual Betas from Bull and Bear Markets: Reversal of the Size Effects,” Journal of Financial Research, 16, pp. 269-283.

Fabozzi, F .J. and Francis, JC., (1977), “Stability Tests for Alpha and Betas over Bull and Bear Market Conditions,” Journal of Finance, 32, pp. 1093-1099.

Fabozzi, F. J. and J. C. Francis(1979), “Mutual Fund Systenmatic Risk for Bull and Bear Markets: An Empirical Examination,” Journal of Finance, Vol. 34, pp. 1243-1250.

Granville, J. E.(1976), A Strategy of Daily Stock Market Timing for Maximum Profit. Chicago: Prentice-Hall.

Gunasekarage, A. and Power, D. M.(2001), “The Profitability of Moving Average Trading Rules in South Asian Stock Markets,” Chicago: Emerging Markets Review, Vol.2, No.1, pp.17-33.

Kim, M. K. and B. E. Ismail (1998), “An Accounting Analysis of the Risk-Return Relationship in Bull and Bear Markets,” Review of Financial Economics, Vol.7, pp. 173-182.

Kim, Moon K. and J. Kenton Zumwalt, 1979, “An Analysis of Risk in Bull and
Bear Markets,” Journal of Financial and Quantitative Analysis, 14, pp. 1015-1025

Kelly, Jr., J. L. (1956), “A New Interpretation of Information Rate,” Bell System Technical Journal.

Levy, R.A. (1974), “Beta Coefficients as Predictors of Returns,” Financial Analysts Journal, January-February, pp. 61-69.

Markowitz, Harry M. (1976), “Investment for the Long Run: New Evidence for an Old Rule,” The Journal of Finance, 31(5), pp. 1273–1286.

Merton, Robert C., and Paul A. Samuelson (1974), “Fallacy of the Lognormal Approximation to Optimal Portfolio Decision-Making over Many Periods,” Journal of Financial Economics, 1(1), pp. 67–94.

Samuelson, Paul A. (1979), “Why We Should not Make Mean Log of Wealth Big Though Years to Act are Long,” Journal of Banking & Finance, 3(4), pp. 305–307.

Thorp, E. O. (1969), “Optimal Gambling Systems for Favorable Games,” Review of the International Statistical Institute, 37(3), pp. 273–293.

Veit E. T. and Cheney J. M. (1982), “Are Mutual Funds Market Timers?” Journal of Portfolio Management, pp. 38 – 44.

Vince, Ralph (2009), The Leverage Space Trading Model : Reconciling Portfolio Management Strategies and Economic Theory. Hoboken, NJ : Wiley.

Vince, Ralph (2011), “Optimal ƒ and the Kelly Criterion.” IFTA Journal Vol. 11, pp. 21-28.

Wikipedia The Free Encyclopedia. http://en.wikipedia.org/