跳到主要內容

臺灣博碩士論文加值系統

(44.200.171.74) 您好!臺灣時間:2022/08/12 08:15
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:張正鵬
研究生(外文):Cheng-Peng Chang
論文名稱:股價報酬率風險、低振幅比率與技術指標之有效性分析
論文名稱(外文):Stock Return Risk, Censoring and the Effectiveness of Technical Indicators
指導教授:吳博欽吳博欽引用關係菅瑞昌菅瑞昌引用關係
指導教授(外文):Po-Chin WuAndy Chien
學位類別:碩士
校院名稱:國立高雄第一科技大學
系所名稱:金融營運所
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:86
中文關鍵詞:股價報酬率風險低振幅技術指標一般化自我迴歸異質條件變異數模型
外文關鍵詞:GARCH modelStock Return RiskCensoringTechnical Indicators
相關次數:
  • 被引用被引用:9
  • 點閱點閱:469
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:3
摘要
本文主要是透過風險與低振幅天數比率的分類來探討台灣股票市場中的適用技術指標,並透過KD與MACD(月、週、日)技術指標對抽取樣本進行模擬操作,以期找出適用之技術指標。並分單一指標與混合指標進行比較。
本研究的重要結論如下:
1.台灣的股票大多數具有GARCH效果。
2.股價的振幅比率高低程度與其風險高低成反向的關係。即低振幅比率天數比率低則其風險程度高;反之亦然。
3.市值越小,則低振幅比率越小且交易量越大;市值越大則低振幅比率比率越高,且交易量也相對較小。
4.市值與風險大小成反向關係,即市值越大,其風險則越小,且低振幅天數所佔的比率也越高。
5.高度風險族群的上市公司,較適合由中長期的技術指標來判斷買賣點,且MACD的使用會比KD更佳;中度風險族群的上市公司則適用於週MACD作為買賣點的判斷依據;至於低度風險上市公司類群,則以日MACD指標進行操作比利用KD指標來研判更佳。
6.低振幅比率天數比率低的族群,較適合由中長期的技術指標來判斷買賣點;低振幅天數比率中等的族群則以週KD來作買賣點的判斷會較為適合。至於低振幅比率天數比率高的類群,則以日MACD指標來判斷。
7.透過長中短期混合技術指標來判斷股票買賣時點的策略的確比單純使用日技術指標判斷更為有效。
ABSTRACT 英文摘要
This thesis primary discusses the performance of technical indicator by way of simulation stock transaction, and tries to find out which technical indicators to gain the maximum profit.This study that based on Bollerslev (1986) developed a new time series model called Gerneral Autoregressive Conditional Heteroscedasticity (GARCH), and in order to estimate the risk of the stock return , we use GARCH(1,1) model. By price return risk and censoring degree , they are divided into three attributes: high , medium and low.

The research consequence are concluded as following :
1.ARCH and GARCH effect of stock price volatility is significant in Taiwan stock market.
2.The degree of the censoring of the stocks feature is on different proportion to its risk.
3.The lower the market value of our sample is , the lower censoring and greater trading volume are.
4.The higher the market value is , the lower the stock return risk is , and the lower the stock return risk is, the higher the rate of the censoring is.
5.The group of the high risk stocks is more suitable for medium or long run technical indicators to judge the point of transaction , and MACD is more useful than KD ; and the weekly MACD is applied to the group of the medium risk ones ; the daily MACD is applied to the group of the medium risk ones.
6.The group of the low rate censoring is better judged transaction point by medium or long run technical indicators ; it is better to be applied to weekly KD for the group of the medium ones ; as to the group of the high ones , it is applied to daily MACD.
7.It is more effective to judge the point of the transaction by mix technical indicators (long , medium and short run) than by daily technical indicator.
目  錄

中文摘要………………………………………………………………….….Ⅰ
英文摘要………………………………………………………………..……Ⅱ
誌謝…………………………………………………………………………..Ⅲ
目錄……………………………………………………………….…..….…Ⅳ
表目錄…………………………………………………………………………Ⅵ
圖目錄………………………………………………………………………..Ⅶ

第一章 緒論............................................….….…1
第一節 研究背景與動機………………………………..………..…..1
第二節 研究目的…………………………………………………………3
第三節 論文結構與研究流程……………………………………………4
第二章 文獻回顧………………………………………………………………6
第一節 股價分析…………………………………….………………….6
一、基本分析…….……………………………………….……...6
二、技術分析……………………………………………………….8
第二節 GARCH模型之文獻回顧……………….……………………….11
一、國外文獻方面……………………………………….……..…11
二、國內文獻方面……………………………………….……..…14
第三節 隨機指標與指數平滑異同移動平均線之文獻回顧.…………15
第三章 實證方法與資料來源……….………………………..….……..18
第一節 單根檢定與GARCH模型的配置……………………….……….18
第二節 隨機指標之理論模型………………………………………….24
第三節 指數平滑異同移動平均線…………………………………….26
第四節 投資的基本設定與技術指標應用原則……………….………28
(一)單一技術指標 ……………………………………….……….28
(二)混合技術指標………………………………………………….29
第五節 研究範圍與資料選取………………………………………….34
第四章 實證結果與分析……….…………………………………………..37
第一節 風險與技術指標有效性.……………………………………..37
第二節 混合指標之運用.……………………………………………..44
第三節 低振幅比率分配、風險與技術指標之適用性….…..………49
第五章 結論與建議...…………...………………………………….……53
第一節 結論.…………………………………………………………..53
第二節 建議.……………………………………………..………..…55
參考文獻………………………………………………………….………….56
附 錄…………………………………………………………….…………..61
參考文獻一、中文部分1.王甡,1995,“報酬衝擊對條件波動所造成之不對稱效果--臺灣股票市場之實 證分析”,證券市場發展季刊,第七卷第一期p.125-161。2.王卲佑,2000,隨機指標(KD值)投資績效之實證研究,台北大學企業管理學系碩士論文 。3.石博仁,1992,台灣地區市場因素與股價波動之實證研究,中央大學財務管理研究所碩士論文 。4.林楚雄,劉維琪,吳欽杉,1999,“不對稱GARCH模型的研究”,管理學報第十六卷第三期 p.479-515。5.林美蓮,2001,高頻率股市報酬波動性之ANN-GARCH Model,交通大學經營管理所碩士論文。6.林良炤,1996,KD技術指標應用在台灣股市之實證研究, 台灣大學商學研究所碩士論文。7.洪志豪,1998,技術指標KD、MACD、RSI與WMS%R之操作績效實證,台灣大學國際企業學研究所碩士論文。8.吳奇哲,2000,指數平滑異同平均線( MACD )技術指標在台灣股市之實證研究,淡江大學財務金融所碩士論文。 9.周志隆,1991,股票風險波動之研究─異質條件變異數分析法,台灣大學商學研究所碩士論文。10.陳宜玫,2000,風險值估測模型之研究:以台灣股票市場為例,義守大學管理研究所碩士論文。11.陳宜里,2000,外資與產業結構轉變對股市報酬率之影響-基本面與技術面之綜合分析,中原大學國際貿易研究所碩士論文。12.陳信強,1990,技術指標決策之效益評估─台灣股票市場之實証研究,中興大學企業管理研究所碩士論文。13.高梓森,1993,台灣股市技術分析之實證研究,台灣大學財務金融研究所碩士論文。14.蔡宜龍,1990,台灣股票市場技術分析指標有效性之衡量,成功大學工業管理研究所碩士論文。15.蔡玠施,1995,亞洲股市間動態波及效果之實證研究--GARCH模型之應用,台灣大學碩士論文。16.賴勝章,1990,台灣股票市場弱式效率性實證研究:以技術分析檢驗,台灣大學商學研究所碩士論文。17.鄭瑞彬,1997,台灣與亞洲股市股票報酬之分析--GARCH模型之應用,逢甲大學碩士論文。 18.劉其昌,1990,投資學,增訂版,著者發行,台北。19.盧世耀,1996,台灣上市股票報酬波動與公司規模之關聯性研究,中原大學碩士論文。20.鍾淑玲,1990,台灣股票市場風險性溢價與持續性波動之實證研究--序列相關及異質條件變異數分析法,台灣大學碩士論文。21.鍾德明,1993,台灣地區上市股票報酬變異數之衡量,中山大學碩士論文。 二、英文部份1. Akaike, H. (1974), Markovian Representation of Stochastic Processes and Its Application to the Analysis of Autoregressive Moving Average Process. Annuals of the Institute of Statistical Mathematics, 26, p.363-3872. Akgiray,V.(1989),”Conditional Heteroskedasticity in Time Series of Stock Return﹕Evidence and Forecasts ”, Journal of Business, 62, p.55-80. 3. Akaike,H.(1973), “Maximum Likelihood Identification of Gaussian Autoregressive Moving Average Models”, Biometrika, 60, p.255-266.4. Bollerslev, T., Chou R., and K. Kroner ( 1992 ), "ARCH Modeling in Finance: A Review of the Theory and Empirical Evidence," Journal of Econometrics, 52,p.5-59.5. Dickey,D.A.and W.A. Fuller.,(1981), “ Likelihood Ratio Statistics for Autoregressive Time Series with A Unit Root”, Econometrica, 49, p1057-10726. Bollerslev,T., and Ghysels,E.,(1996), "Periodic Autoregressive Conditional Heteroscedasticity" , Journal of Business and Economic Statistics,14,No.2, p.139-1517. Brock,W.,William, J.Lakonishok,and B.Lebaron(1991) ,“Simple Technical Trading Rules and the Stochastic Properties of Stock Return ”, Journal of Finance , No5 , December 1992 , p.1731-1764.8. Brooks. R., Faff R., and T. Fry ( 2001 ), “GARCH modeling of individual stock data : the impact of censoring , firm size and trading volume ”, Journal of International Financial Markets , Institutions & Money 11(2001),p.215-2229. Dijk,D.V., Franses,P.H., and Lucas,A.,(1999), “Testing for ARCH in the presence of additive outliers”, Journal of Applied Econometrics, 14, p.539-56210. Edwards, R.D. and J.Magee, (1966)., “Technical Analysis of Stock Trends“, ( Boston :John Magee, Inc., 1966),p.86.11. Engle,R.F.(1982),“Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation ”, Econometrica, 50, p. 987-1007. 12. Engle, Robert F. and Bollerslev, T., (1986), ”Modelling the persistence of conditional variances ”, Econometric Reviews 5, 1-50, 81-87.13. Reilly , Frank. K.(1985), ”Investment Analysis and Protfolio Management ” , New York : Dryden Press .14. Stephen Lange(1999), “Modeling asset market volatility in a small market : Accounting for non-synchronous trading effects ”, Journal of International Financial Markets , Institutions & Money (1999),p.1-1815. Jin-Chuan Duan(1997), “Augmented GARCH(p,q) process and its difffusion limit” , Journal of Econometrics, p.97-12716. Jones ,Charles P.(1988), “Investments : Analysis and Management“, 2 nd (New York: Wiley,1988).17. Granger,C.W.J. and P.Newbold(1974) ,“ Superious Regressions in Econometrics. ” , Journal of Econometrics ,2,p.111-12018. Glosten, L.R., Jagannathan, R. and Runkle, D.E.(1993),“On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks”, Journal of Finance ,48, p.1779-180119. Nelson, D.B. (1991), “Conditional Heteroskedasticity in Asset Returns: A New Approach”,Econometrica ,59,p.347-37020. White, H.(1980), “ A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity”, Econometrica ,48, p.817-838.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top