臺灣博碩士論文加值系統

指數型基金是一套廣被大眾所接受的投資組合策略。它主要是依據某一目標指數(如：S＆P500)的績效且儘可能的使本身的投資組合去貼近其目標指數。這種策略也廣被基金經理人具體之運用，當他們不確定其是否可以超過大盤獲取超額報酬會用此一策略去建構其投資組合提高或調整本身之績效。許多學者表示，近幾年來指數型基金的績效比其他主動式管理的共同基金都來的好。本研究指數型基金投資組合之建構，主要是依據Oh et al(2005)指數型基金之建構模式，在根據台灣市場環境及所追蹤指數之特性，就選股策略上做出修正。其主要目的是希望利用人工智慧中遺傳演算法(GA, Genetic algorithm)之最佳化技術，架構出最佳化指數型基金投資組合，而本文中擬以台灣加權股價指數為本研究之目標指數。在實驗結果發現，在本研究依據台灣市場作出選股策略上的調整過後，確實可以得到減低追蹤誤差的效果。所以，本研究可以得到一個追蹤誤差穩定度及平均偏離程度效果皆較佳的指數型基金投資組合。
關鍵詞：遺傳演算法、指數型基金、投資組合策略

Using genetic algorithm (GA),this study propose a index fund portfolio optimization strategy . This strategy is taken by fund managers to scheme when their portfolio can’t be sure about outperforming the market and they can adjust themselves to average performance. Recently, index fund is noticed that the performances of index funds are better than those of many other actively managed fund [Elton, E., Gruber, G., & Blake, C. (1996). Survivorship bias and mutual fund performance.] Index funds are popular investment tools being used in modern portfolio management. In this article,we use genetic algorithm to support our index fund portfolio. And according to Oh et al(2005) propose model, we give some adjust base on industry in Taiwan. The main objective of this article is to report that index fund could improve its performance greatly with the proposed genetic algorithm portfolio strategy , which will be demonstrated for index fund designed to track Taiwan Stock Price Index (TSPI)
KEYWORD：genetic algorithm、index fund、portfolio strategy

目 錄
第一章 緒論……………………………………………………………...1
第一節 研究動機………………………………………………………...1
第二節 研究方向與目的………………………………………………...2
第三節 研究架構..……………………………………………………..3
第二章 文獻回顧……………………………………………………....4
第一節 投資組合理論之演進…………………………………………..4
第二節 指數型基金建構…………………………………………………8
第三節 遺傳演算法在財務領域上的應用………………………………12
第三章 研究方法…………………………………………………………15
第一節 遺傳演算法………………………………………………………15
第二節 模擬對象與資料之描述…………………………………………22
第三節 指數型基金之建構………………………………………………26
第四章 實驗測試…………………………………………………………37
第一節 實驗設計…………………………………………………………37
第二節 實驗ㄧ 核心變數之權重差異實驗………………………………39
第三節 實驗二 投資組合之股票個數實驗………………………………42
第四節 實驗三 不同起始點(a0)的模擬績效實驗………………………48
第五章 結論與建議…………………………………………………………52
第一節 結論…………………………………………………………………52
第二節 未來研究建議……………….........…………………………54
參考文獻………………………………………………………………………55

參考文獻
國內參考文獻
江吉雄，2002，遺傳演算法於股市選股與擇時策略之分析，國立中央大學資訊管理研究所
李卿企，1977，以基因演算法探討國際投資組合策略之研究，國立政治大學國際貿易學系研究所
柳文龍，1988，台灣股票上市公司股權成本之估計---CAPM與APT模型之比較應用，國立中興大學經濟研究所
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研究所
陳麗玲，1994，台灣股票市場報酬率之橫斷面分析，成功大學工業管理研究所
陳安斌、王信文，1999，最佳化模糊多目標投資組合之建構，寶來金融創新雙月刊第五期
連晴陽，1991，台灣地區股票投資組合風險分散及資本資產訂價模型之實證研究，政治大學國貿研究所
張佑瑋，1999，運用遺傳演算法整合技術指標已支援證劵投資決策之研究，國立中山大學資訊管理研究所，民國88年
楊千霈，2003，遺傳演算法在整合式價值投資策略之應用，天主教輔仁大學資訊管理研究所
國外參考文獻
Andrews C., Ford D. and Mallison K., 1986, The Design of Index Fund and Alternative Meghods of Replication, The Investment Analysis, 82, 123~16.
Adeli, H., & Hung, S., 1995, Machine learning: neural networks, genetic algorithms, and fuzzy systems , New York: Wiley.
Chang, K. P., 2004, Evaluating mutual fund performance: an application of minimum convex input requirement set approach. Computers and Operations Research, 31, 929–940.
Collins, B. M.,1989, Index fund investment in frank J. Fabozzi, eds, Portfolio ＆Investment management , Probus Publishing Company, pp.183-200
Elton, E., Gruber, G., & Blake, C., 1996, Survivorship bias and mutual fund performance. Review of Financial Studies, 9, 1097–1120.
Holland, J. H., 1975, Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control and artificial intelligence. University of Michigan Press.
Hogan, P. H. 1994, Portfolio theory creates new investment opportunities. Journal of Financial Planning, 7(1), 35–37.
Jensen, M. 1968, The performance of mutual funds in the period 1945–1964. Journal of Finance, 23, 389–416.
Linter J., 1965, The valuation of risk assets and the selection of risk investments in stock portfolio and capital budgets, The review of economics and statistic, 13-37
Markowitz, H., 1952, Portfolio selection Journal of Finance, 7, 77–91.
Mossin, J., 1969, Optimal multiperiod portfolio policies. Journal of Business, 41, 215–229.
Meade, N., ＆ Salkin, G. R., 1989, Index Fund-Construction and Performance Measurement. Journal of Operational Research Society, Vol. 41, pp.871~879.
Orito, Y., Yamamoto, H., & Yamazaki, G., 2003, Index fund selections with genetic algorithms and heuristic classifications Computers and Industrial Engineering, 45, 97–109.
Oh, J. K., Kim, T. Y., ＆ Min, S., 2005, Using genetic algorithm to support portfolio optimization for index fund management, Expert Systems with Applications, 28, 371–379
Ross, S. A., 1976, The arbitrage theory of capital asset pricing, Journal of Economics Theory
Rudd, A., 1980, Optional Selection of Passive Portfolio, Financial Management, pp.57~56
Roll, R. , 1992, A mean/variance analysis of TE, Journal of Portfolio Management, 18, 13–22
Sharpe, W. F., 1964, Capital asset prices: A theory of market equilibrium under conditions of risk, Journal of Finance, 19,425-442
Wong, F., & Tan, C., 1994, Hybrid neural, genetic, and fuzzy systems. In G. J. Deboeck (Ed.), Trading on the edge (pp. 243–261). New York
Xia, Y., Liu, B., Wang, S., & Lai, K. K., 2000, A model for portfolio selection with order of expected returns. Computers and Operations Research, 27, 409–422