臺灣博碩士論文加值系統

市場上股票標的眾多，礙於時間、成本…等諸多因素，無法將全部股票都一一建構，再者大多數學者對金融商品績效的評估，往往只考慮了風險與報酬，卻忽略了投資人對此金融商品的投資滿意度(Investment Satisfied Degree, ISD)。因此，本文引用品質管理的製程能力指標發展一套新的績效評估方法，建構一個具望大型品質特性的投資滿意能力指標(Investment Satisfied Capability Index, ISCI)，推導出投資績效指標之最佳估計式，以有效地評估投資標的績效與投資滿意度間之關係，建構出真實投資績效指標之信賴下限，用以判斷股票之投資績效是否達到要求水準。投資者不僅透過 指標值可迅速得知個別股票的績效，同時檢視績效是否能達到投資者心中的報酬滿意程度。進而藉由遺傳演算法(GA)演化求得最佳資金權重分配(或稱投資權重) ，將投資資金做有效的配置。
本文利用台灣上市公司股票於2006年至2007年之週資料進行實證分析，以移動視窗法進行資料的訓練和測試。研究結果顯示，本文以投資滿意能力指標與遺傳演算法(GA)所架構之投資組合報酬績效表現遠較台灣加權股價指數(TAIEX)佳，期望本研究所建構投資組合模型可供投資大眾參考，並藉以獲取超額報酬、擬定投資策略。

There are many factors have to be concerned for constructing a portfolio such as timing cost, risk, retrun . . . etc. However, the majority of scholars often only consider the risk and the reward when they appraise the performance of financial commodity. They neglect the investment satisfied degree of investors for the finance commodity. This research adduced Process Capability Indices (PCI) of quality management to develop a new performance appreciation method. It construct the capability of a larger-the-better process with Investment Satisfied Capability Indices and deduce the uniformly minimum variance unbiased estimators (UMVUEs) of investment performance indices. Not only do investment performance indices and investment satisfied degree evaluate efficiently that construct lower limit of confidence by investment performance indices, but it also judged whether the stocks achieve the requested standard. Furthermore, investors can utilize to realize individual stocks performance rapidly which can achieve their investment satisfaction. Then utilizing Genetic Algorithms to obtain the optimal weights (or called investment weights) that allocate the investment capital effectively.
This research used moving interval windows on Taiwan listed stocks weekly data from January, 2006 to December, 2007.According to the result, the performance constructed by ISCI and GA are better than The Weighted Price Index of the Taiwan Stock Exchange (TAIEX). It is display that this portfolio model can be used to get extra benefit and make the investment decision.

摘要 i
Abstract ii
誌 謝 iii
表 目 錄 v
圖 目 錄 vi
第一章 緒論 1
第一節 研究背景及動機 1
第二節 研究目的 4
第三節 研究流程 6
第二章 文獻探討 7
第一節 投資組合理論 7
第二節 績效評估概述 12
第三節 製程能力指標 16
第四節 遺傳運算法在投資組合之研究 20
第三章 研究方法 27
第一節 投資滿意能力指標(Investment Satisfied Capability Index) 27
第二節 遺傳演算法 34
第四章 實驗設計與結果分析 46
第一節 實驗設計 46
第二節 實驗結果分析 58
第五章 結論與建議 71
第一節 研究結論 71
第二節 研究限制 72
第三節 研究建議 73
參考文獻 76
附 錄 81

參考文獻
1.Bauer, R.J. and Liepins G.E., “Genetic Algorithms and Computerized Trading Strategies,” Working Paper, the Business School of Western Ontario University, 1988.
2.Boyles, R. A. “The Taguchi capability index,” Journal of Quality Technology, Vol. 23, No. 1, 1991, pp: 17-26.
3.Boyles, R. A. “Process capability with asymmetric tolerances,” Communications in Statistics: Computation & Simulation, Vol. 23, No. 3, 1994, pp: 615-643.
4.Chan, L. K., Cheng, S. W. and Spiring, F. A. “A new measure of process capability Cpm,” Journal of Quality Technology, Vol. 20, No. 3, 1988, pp: 162-175.
5.Chen, K.S. “Estimation of the process incapability index,” Commun. Statist.-Theory Meth., Vol. 27, No. 5, 1998, pp: 1263-1274.
6.Chen, K.S. “Incapability index with asymmetric tolerances,” Statistica Sinica, 8, 1998, pp: 253-262.
7.Chen, K. S., Huang, M. L. and Li, R. K. “Process capability analysis for an entire production,” International Journal of Production Research, Vol. 39, No. 17, 2001, pp: 4077-4087.
8.Choi, B. C. and Owen, D. B. “A study of a new capability index,” Communications in Statistics: Theory and Methods, 19, 1990, pp: 1231-1245.
9.Chou Y.M., Owen D.B. “On the distributions of the estimated process capability indices,” Communications in Statistics: Theory and Methods, Vol. 18, No. 2, 1989, pp: 4549-4560.
10.De Jong, K. A., “On Using Genetic Algorithms to Search Program 53Space,” in Proceedings of the Second International Conference on Genetic Algorithm and Their Application, 1987, pp: 210-216.
11.Eberhart, R. and Kennedy, J., “Particle swarm optimization,” IEEE International Conference on Neural Networks (ICNN’95), 1995, pp: 1942-1948.
12.Goldberg, D. E., “Genetic Algorithms in Search, Optimization and Machine Learning”, Addison-Wesley Publishing Company, Inc, 1989.
13.Goldberg, D. E., “Genetic Algorithm in Search, Optimization, and Machine Learning,” Addison-Wesley, 1997.
14.Holland, J. H., “Adaptation in Natural and Artificial Systems,” Ann Arbor: The University of Michigan Press, 1975.
15.Jensen, M. J., “The performance of mutual fund in the period 1945-1964,” Journal of Finance, 23, 1968, pp: 389-416.
16.J.P. Morgan, “RiskMetrics-Technical Document,” 4th ed., New York: J.P. Morgan bank, 1996, pp: 77-100.
17.Kane, V. E. “Process Capability Indices,” Journal of Quality Technology, Vol. 18, No. 1, 1986, pp: 41-52.
18.Markowitz, HM., “Portfolio Selection,” Journal of Finance, Vol. 7, 1952, pp: 77-91.
19.Markowitz, HM., “Portfolio Selection: Efficient Diversification of Investment,” John Wiley & Sons: New York, 1959.
20.Orito, Y. and Yamazaki, G., ”Index Fund Portfolio Selection by Using GA,” in Proceedings of the Fourth International Conference on Computational Intelligence and Multimedia Applications (ICCIMA), 2001, pp: 118-122.
21.Pearn, W. L., Kotz, S. and Johnson, N. L. “Distributional and Inferential Properties of Process Capability Indices,” Journal of Quality Technology, Vol. 24, No. 4, 1992, pp: 216-231.
22.Pearn, W. L., Yang, S. L., Chen, K. S. and Lin, P. C. “Testing Process Capability Using The Index Cpmk with an Application,” International Journal of Reliability Quality and Safety Engineering, Vol. 8, No.1, 2001, pp: 15-34.
23.Sharpe, W. F. “Mutual fund performance,” Journal of Business, 39, 1966, pp: 119-138.
24.Spiring F. “Comments on J. Mirabella’s letter,” Quality Progress, 24, 1991.
25.Syswerda, G., “Uniform Crossover in Genetic Algorithms,” In Proceedings of the Third International Conference on Genetic Algorithms, J. Schaffer(ed.), Morgan Kaufmann, 1989, pp: 2-9.
26.Treynor, J. L. “How to rate management investment funds,” Harvard Business Review, 43, 1965, pp: 69-75.
27.Xia, Y., Liu, B., Wang, S., and Lai, K. K., “A Model for Portfolio Selection withOrder of Expected Returns,” Computer & Operations Research 2000, pp.409-422.
28.王淑芬，“投資學”，台北：華泰書局，1995。
29.陳隆騏，當代財務管理，台北：華泰書局，1999，pp: 143-145。
30.陳水泉，「單邊規格產品族製程能力指標」，國立交通大學工業工程與管理學系博士，論文未出版，新竹市。
31.卞志祥，台灣加權股價指數投資組合之基因演算法建構模型，1996，國立交通大學資訊管理研究所碩士論文。
32.李卿企，以基因演算法探討國際投資組合策略之研究1997，國立政治大學國際貿易學系研究所，未出版，台北市。
33.林萍珍，遺傳演算法在使用者導向的投資組合選擇之應用，1998，中央大學資訊管理研究所碩士論文。
34.侯佳利，組合編碼遺傳演算法於投資組合及資金分配之應用，2001，國立中央大學資訊管理研究所碩士論文，未出版，中壢市。
35.蕭郁凱，遺傳演算法於股市資金分配策略應用上之研究，2001，中央大學資訊管理研究所碩士論文。
36.江吉雄，遺傳演算法於股市選股與擇時策略之研究，2002，中央大學資訊管理研究所碩士論文。
37.楊千霈，遺傳演算法在整合式價值投資策略之應用，2003，輔仁大學資訊管理研究所碩士論文。
38.陳鈞博，遺傳演算法在事前VaR 為基礎的投資組合模型建構之應用，輔仁大學資訊管理學系碩士班論文，2003。
39.張佑瑋，運用基因演算法整合技術指標以支援證券投資決策之研究，1999，中山大學資訊管理學系碩士論文。
40.劉貴強，遺傳演算法於組合型基金商品設計之研究，2003，輔仁大學資訊管理學系碩士論文，未出版，台北縣。
41.陳柏年，應用遺傳演算法於財務指標選股策略之探討，2001，國立中央大學資訊管理研究所碩士論文，未出版，中壢市。
42.賴居易，運用遺傳演算法建構指數型基金投資組合策略-以台灣加權股價指數為例，2005，高雄應用科技大學商業經營所碩士論文，未出版，高雄市。

43.曾馨儀，DEA投資組合效率指數與基因演算法應用於台灣組合型基金建構之研究，2006，高雄應用科技大學商業經營所碩士論文，未出版，高雄市。
44.蘇木春與張孝德，機器學習：類神經網路、模糊系統以及基因演算法則(二版) 1999，台北市：全華科技圖書股份有限公司。