臺灣博碩士論文加值系統

股票市場是個非常複雜且難以預測的系統, 可是人們總是想用過去的資料對未來做預測。本文利用一些常用的技術分析-動能(momentum), 趨勢(trend line), 相對強度指標(relative strength index), 移動平均(moving average), 以及衍生性金融商品所產生的一些情緒指標(sentiment indicator)-波動率指數(volatility index, VIX), 台指選擇權賣權與買權未平倉
量比例(put call ratio of open interest, PCOI), 台指選擇權賣權與買權成交量比例(put call ratio of volume, PCVOL) 當作迴歸的模型的變數。且利用White (2000) 真實性檢驗(reality check, RC), Hansen (2005) 預測力優劣檢定法(test for superior predictive ability, SPA) 與逐步迴歸等三種方法選取比較有用的變數。希望在眾多的變數中能找到比較可以對未來做預測, 進一步提供較正確的資訊。根據本文數據的結果, 發現情緒指標對於預測能力比較有效。

The return is very complicated and hard to predict in the financial market. This
article uses common technical analysis-momentum, trend line, relative strength index,
moving average and some sentiment indicators -volatility index, put call ratio of open interest, put call ratio of volume to be variables of regression model. Moreover,
we apply reality check (White, 2000), test for superior predictive ability (Hansen, 2005) and stepwise regression to select useful variables. We hope to find useful
variables and provide more correct infromation in the financial markets. Sentiment indicators are useful in this article.

第一章緒論. . . . . . . . . . . . . . . . . . . . . . . . 1
第一節研究動機與目的. . . . . . . . . . . . . . . . . . . 1
第二節資料窺探的介紹. . . . . . . . . . . . . . . . . . . 3
第三節真實性檢驗與預測力優劣檢定法簡介. . . . . . . . . . 4
第四節文獻回顧. . . . . . . . . . . . . . . . . . . . . . 5
第二章變數的編制. . . . . . . . . . . . . . . . . . . . . 6
第一節動能. . . . . . . . . . . . . . . . . . . . . . . . 6
第二節趨勢. . . . . . . . . . . . . . . . . . . . . . . . 7
第三節相對強度. . . . . . . . . . . . . . . . . . . . . . 7
第四節移動平均. . . . . . . . . . . . . . . . . . . . . . 8
第五節台指選擇權賣權與買權成交量比例(PCVOL) . . . . . . . 8
第六節台指選擇權賣權與買權未平倉量比例(PCOI). . . . . . . 9
第七節波動率指數(VIX). . . . . . . . . . . . . . . . . . 11
第三章研究方法與過程 . . . . . . . . . . . . . . . . . . 14
第一節資料說明 . . . . . . . . . . . . . . . . . . . . . 14
第二節逐步迴歸 . . . . . . . . . . . . . . . . . . . . . 16
第三節真實性檢驗 . . . . . . . . . . . . . . . . . . . . 19
第四節預測力優劣檢定法 . . . . . . . . . . . . . . . . . 22
第四章研究結果 . . . . . . . . . . . . . . . . . . . . . 23
第一節模擬 . . . . . . . . . . . . . . . . . . . . . . . 23
第二節台指資料的實証 . . . . . . . . . . . . . . . . . . 30
第五章研究結論 . . . . . . . . . . . . . . . . . . . . . 35
參考文獻 . . . . . . . . . . . . . . . . . . . . . . . . 36

表目次
表1 變數設定 . . . . . . . . . . . . . . . . . . . . . . 14
表2 模型設定 . . . . . . . . . . . . . . . . . . . . . . 15
表3 模擬的模型 . . . . . . . . . . . . . . . . . . . . . 23
表4 逐步迴歸模擬-沒有真實變數 . . . . . . . . . . . . . 24
表5 逐步迴歸模擬-真實變數 . . . . . . . . . . . . . . . 25
表6 RC 模擬-沒有真實變數n = 10 . . . . . . . . . . . . . 26
表7 RC 模擬-沒有真實變數n = 100 . . . . . . . . . . . . 26
表8 RC 模擬-有真實變數n = 10 . . . . . . . . . . . . . . 27
表9 RC 模擬-有真實變數n = 100. . . . . . . . . . . . . . 27
表10 SPA 模擬-沒有真實變數n = 10 . . . . . . . . . . . . 28
表11 SPA 模擬-沒有真實變數n = 100. . . . . . . . . . . . 28
表12 SPA 模擬-真實變數n = 10 . . . . . . . . . . . . . . 29
表13 SPA 模擬-有真實變數n = 100. . . . . . . . . . . . . 29
表14 逐步迴歸-台指資料 . . . . . . . . . . . . . . . . . 30
表15 RC-台股指數n = 10 . . . . . . . . . . . . . . . . . 31
表16 RC-台股指數n = 100. . . . . . . . . . . . . . . . . 31
表17 SPA-台股指數n = 10. . . . . . . . . . . . . . . . . 32
表18 SPA-台股指數n = 100 . . . . . . . . . . . . . . . . 32
表19 選取的變數. . . . . . . . . . . . . . . . . . . . . 33

圖目次
圖1 台指與PCVOL 之走勢圖(左邊座標為台指指數,右邊座標為PCVOL). . . . . .9
圖2 台指與PCOI 之走勢圖(左邊座標為台指指數, 右邊座標為PCOI) . . . . . .10
圖3 台指與VIX 之走勢圖(左邊座標為台指指數, 右邊座標為VIX) . . . . . . 13
圖4 (a) 台指趨勢圖(b) 報酬走勢圖. . . . . . . . . . . . 15
圖5 殘差平方(n=10)(x 軸為變數個數,y 軸為MARD) . . . . . . 34
圖6 殘差平方(n=100)(x 軸為變數個數,y 軸為MARD) . . . . .34

[1] Black, F., and Scholes, M. (1973), The pricing of options and corporate
liabilities. Journal of Political Economy, 3, 637-659.
[2] Brock, W., J. Lakonishok, and B. LeBaron (1992), Simple Technical
Trading Rules and the Stochastic Properties of Stock Returns, Jouranl
of Finance, 47, 1731-1764.
[3] Chatfield, C. (1995), Model Uncertainty, Data Mining and Statistical
Inference, Journal of the Royal Statistical Society, Series A, 158,
419-466.
[4] Cowles, A. (1933), Can Stock Market Forecasters Forecast?, Econometrica,1, 309-324.
[5] Cox, D. R. (1982), Statistical Significance Test, British Journal of
Clinical Pharmacology, 14, 325-331.
[6] Dufour, J.-M., E. Ghysels, and A. Hall (1994),Generalized Predictive
Tests and Structural Change Analysis in Econometrics, International
Economic Review, 35, 199-229.
[7] Efron, B. F. (1979), Bootstrap Methods: Another Look at the
Jackknife, Annals of Statistics, 7, 1-26.
[8] Hansen, P. R. (2005), A Test for Superior Predictive Ability, Journal
of Business & Economic Statistics, 23, 365-380.
[9] Hoover, K. D., and S. J. Perez (1998), Data Mining Reconsidered:
Encompassing and the General-to Specific Appraoch to Specification
Search, UC Davis Department of Economics Discussion Paper.
[10] Kabaila, P. (1995), The Effect of Model Selection on Confidence
Regions and Prediction Regions, Econometric Theory, 11, 537-549.
[11] Kuensch, H. R. (1989), The Jackknife and Bootstrap fo General
Stationary Observations, Annals of Statistics, 17,1217-1241.
[12] Leamer, E. (1978), Specification Searaches: Ad Hoc Inference
with Nonexperimental Data, New York: Wiley.
[13] Leamer, E. (1983), Let’s Take the Con out of Econometrics, American
Economic Review, 73, 31-43.
[14] Liu, R. Y., and K. Singh (1992), Moving Blocks Jackknife and
Bootstrap Capture Weak Dependence ,New York: Wiley.
[15] Lo, A., and C. Mackinley (1990), Dtat Snooping Biases in Tests
of Financial Asset Pricing Models, Review of Financial Studies, 3,
431-468.
[16] Lovell, M. C. (1983), Data mining, Review of Economics and
Statistics, 45, 1-12.
[17] Mayer, T. (1980), Economics as a hard science: Realistic Goal or
Wishful Thinking, Economic Inquiry, 18, 165-178.
[18] Miller, Jr., R. G. (1981), Simultaneous Statistical Inference, New
York: Springer-Verlag.
[19] Politis, N. D., and J. P. Romano (1994), The Stationary Bootstrap,
Journal of American Statistical Association, 89, 1303-1313.
[20] Potscher, B. (1991), Effects of Model Selection on Inference, Econometric
Theory, 7, 163-185.
[21] Sullivan, Ryan, A. Timmermann and H. White (1999), Datasnooping,
technical trading rule performance, and the Bootstrap, Journal of Finance, 5, 1647-1692.
[22] White, H. (2000), A reality check for data snooping, Econometrica,
68, 1097-1126.
[23] 吳慧娟(2004), 情緒指標在期貨市場的應用, 碩士論文, 輔仁大學金融研
究所。
[24] 賴宏維(2004), 技術分析之資料窺視效應-台灣股市之實證研究, 碩士論
文, 雲林科技大學財務金融系碩士研究所。
[25] 石馥瑄(2006), 台指選擇權波動率與加權股價指數報酬率之關係, 碩士論
文, 中興大學應用數學系研究所。
[26] 寰宇財務公司(2005), 成交量與未平倉量分析, 寰宇財務公司。