臺灣博碩士論文加值系統

財富管理或理財規劃為目前金融產業的重點發展項目，而目前台灣財富管理市場之所以會比美國等其它財富管理較健全的國家不興盛，其中部分的原因就是市場上普遍反應出理財規劃從業人員素質不一的問題，無法長期且穩定的為投資人設計一套屬於個人的財富規劃。本研究將利用人工智慧領域中的遺傳演算法與模糊理論，以台灣國內共同基金為主要的研究對象，設計與建立一套適合個別投資人屬性與理財需求的財富管理模型。
模型中利用遺傳演算法的機制，短時間內整合出報酬績效較穩定的基金組合；而後透過模糊理論依個別投資人不同的特質，判斷出最符合投資人需求的商品組合，最後透過模型所設計之調整機制，為投資人達到更高標準的理財目標，以期拓展人工智慧方法之應用，為廣大的金融從業人員建立足以讓客戶信服的決策依據。
本模型設計所模擬出10組投資人的投資結果得出，在透過系統調整建議後之投資平均年報酬率介於13.66%~34.53%，其平均報酬率24.22%也較當年度大盤的年報酬率高出3倍。

The wealth management service is one of the most profitable and potential assets for the banking industry and financial world. However, the market of wealth management service of Taiwan is not as blossomy as that of the America. One of the important reasons is that the customer’s banking and investments can not be consolidated through the diversity of service quality offered by the financial planners and investment advisors. The aim of this study is to construct a dedicated decision making model of mutual fund for customized asset arrangement and portfolio management. Techniques including Genetic Algorithm and Fuzzy Theory are integrated into the model to match the financial investor''s requirements. Through the regulative setting, which designed by this model, to help investors to achieve the top target of wealth management. This model offers a high degree of integration with the artificial intelligence techniques; therefore, helping users modify their clients’ portfolios dynamically to achieve the expectable goals. According the wealth management decision support model to simulate ten investors, this model can obtain the annual rate of return between 13.66% and 34.53%. And the average of annual rate of returns 24.22% is three times as TAIEX.

表目錄VI
圖目錄VIII
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機與目的 1
第三節 研究流程與方法 2
第四節 論文架構 4
第二章 文獻探討 5
第一節 財富管理的定義 5
第二節 投資人屬性問卷之比較與整合6
第三節 投資組合理論 7
第四節 遺傳演算法於財務上的應用 8
第五節 模糊理論於財務上的應用 10
第三章 研究方法 13
第一節 遺傳演算法 13
第二節 模糊邏輯理論 22
第四章 研究模型設計與實驗 29
第一節 研究架構 29
第二節 原始投資組合模型設計 30
第三節 投資組合動態調整策略 44
第四節 模擬分析 46
第五節 綜合分析 75
第五章 結論與建議 77
第一節 結論 78
第二節 未來研究方向與建議 78
參考文獻 80
中文部分 80
英文部分 82
附錄 84

中文部分
1.卞志祥(1996)，臺灣加權股價指數投資組合之基因演算法建構模型，國立交通大學資訊管理研究所未出版碩士論文。
2.岑英勤(1993)，智慧型決策系統運用於臺灣股票市場技術面分析之研究，交通大學資訊管理研究所未出版碩士論文。
3.李安邦(1997)，以遺傳演算法為基底的模糊專家系統於投資策略之應用，元智大學管研所未出版碩士論文。
4.李桐豪(1997)，以基因演算法模擬台灣發行量加權股價指數的可行性，政大金融系工作底稿。
5.林萍珍(1997)，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學系未出版碩士論文。
6.林耀暄(2000)，模糊理論和基因演算法於股市買賣點決策及資金比例配置之研究，中華大學資訊工程學系碩士班未出版碩士論文。
7.林兆欣(2003)，基因演算法於股價走勢上之應用 – 以台積電為例，國立高雄第一科技大學風險管理與保險所研究所未出版碩士論文。
8.林聖哲(2002)，不同人工智慧演算方法於認購權證評價績效之研究，實踐大學企業管理研究所未出版碩士論文。
9.侯佳利(2001)，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學系未出版碩士論文。
10.范揚明(2001)，模糊理論在股票投資決策上的應用，暨南國際大學資訊管理學系未出版碩士論文。
11.馬德信(2004)，應用模糊類神經技術對台股之模擬投資實證研究，朝陽科技大學財務金融系未出版碩士論文。
12.郭敬和(2002)，商業銀行授信評等之研究-類神經模糊理論之應用，靜宜大學會計研究所未出版碩士論文。
13.陳建欣(2002)，價量技術指標交易系統之績效研究－類神經模糊之應用，靜宜大學企業管理學系未出版碩士論文。
14.鄧邵勳(1999)，遺傳演算法於股市擇時策略之研究，中央大學資訊管理研究所未出版碩士論文。
15.溫坤禮、陳振欽、鄧國修(1994)，模糊控制原理與應用(第一版)，全華科技圖書股份有限公司。
16.鄭凱中(2004)，應用模糊基因演算法於營建企業之投資組合，國立成功大學土木工程研究所未出版碩士論文。
17.劉貴強(2004)，遺傳演算法於組合型基金商品設計之研究，輔仁大學資訊管理學系未出版碩士論文。

英文部分
1. Allen, F., and Karjalainen, R. (1999), Using genetic algorithms to find technical trading
rules, Journal of Financial Economics, vol. 51, pp. 245-271.
2. Allen, Hobbs and Nikolaos G. Bourbakis, (1995) A NeuroFuzzy Arbitrage Simulator for Stock Investing, Computational Intelligence for Financial Engineering
3. Boston, J. R. (1998), A measure of uncertainty for stock performance, Proceedings of the IEEE/IAFE/INFORMS 1998 Conference on Computational Intelligence for Financial Engineering (CIFEr).
4. Dong, W. M., and Wong, F. S. (1987), Fuzzy weighted averages and implementation of the extension principle, Fuzzy Sets and Systems, vol. 21, No. 2, pp. 183-199.
5. Goldberg, D. E. (1989), Genetic Algorithms in Search, Optimization and Machine Learning, Addision Wesley.
6. Maginn, J. L., and Tuttle, D. L. (1990), Managing Investment Portfolios: A Dynamics process, 2nd ed, Boston: Warren, Gorham & Lamont.
7. Markowitz, Harry M. (1952), Portfolio selection, Journal of finance, vol. 7, pp. 77-91.
8. Markowitz, Harry M. (1959), Portfolio selection: Efficient Diversitication of Investment, Wiley.
9. Neely, C., Weller, P., and Dittmar, R. (1997), Is Technical Analysis in the Foreign Exchange Market Profitable? A Genetic Programming Approach, Journal of Financial and Quantitive Analysis, pp. 405-426.
10. Neely, C. J., and Weller, P. (2002), Predicting Exchange Rate Volatility: Genetic Programming Versus GARCH and RiskMetrics, The Federal Reserve Bank of St. Louis, pp. 43-54.
11. Packard, N.H. (1987), A Genetic Learning Algorithm for the Analysis of Complex Data, Complex System, vol. 4, pp. 543-572.
12. Shoaf, J., and James, A. F. (1998), The Efficient Set GA for Stock Portfolio, Evolutionary Computation Proceedings, pp. 354-359.
13. Srinivas, M., and Lalit, M. P. (1994), Genetic Algorithms: A Survey, IEEE Computer, vol. 27, pp. 18-22.
14. Wang, J. H., and Chen, S. M. (1998), Evolutionary stock trading decision support system using sliding window, IEEE World Congress on Computational Intelligence, 1998, The 1998 IEEE International Conference on Evolutionary Computation Proceedings.
15.Xia, Y., Lin, B., and Wang, S., and Lai, K.K. (2000), A model for portfolio selection with order of expected returns, Computer & Operations Research, vol. 27, pp. 409-422.