臺灣博碩士論文加值系統

本研究使用 Brock et al.（1992, BLL）的兩大類技術分析交易法則：變動移動平均法則、固定移動平均法則、交易級距突破法則等，去驗證亞洲十個國家（台灣、香港、南韓、日本、泰國、新加坡、馬來西亞、印尼、上海、印度）的股票市場之日報酬資料，其BLL法則在這些國家的股票市場裡是否有預測性與超額報酬。由於近年來人工智慧在財務研究方面的使用上，有相當傑出的表現，因此本研究利用了基因演算法的搜尋能力，挑選最佳的十個技術分析法則，以測試基因演算法所搜尋到的法則是否有預測能力，並且運用在這些國家上面是否能夠擁有超額的報酬。最後，我們對BLL的法則與基因演算法所搜尋的法則作一比較，探討基因演算法所搜尋到法則之績效是否能夠優於BLL法則的績效。從實證結果看來，利用基因演算法所搜尋到的技術法則的確能夠優於BLL的法則，相對的市場報酬也比BLL的法則要來的好。但是在加入交易成本分析時，許多交易法則之報酬扣掉交易成本後，其績效對於市場報酬來看並無顯著，或許真的就如我們所想像的，交易次數過多吞噬掉法則之的報酬。

This study employs moving average and trading range break rules of Brock et al. (1992, BLL) in ten Asian stock markets to ascertain the predictability and profitability of technical analysis. A trend which is growing in visibility related to the use of genetic algorithms in financial literature. This article uses genetic algorithms as the search engine to optimize the parameters embedded in BLL trading rules. The empirical results drawn from this study indicate: (1) BLL trading rules in general have significant predicting powers in ten Asian markets. (2) The ten best rules ascribed by genetic algorithms beat the BLL trading rules in the sample of this study. (3) However, with the consideration of trading costs, the frequent transaction almost wears away the profits founded in BLL rules and also in the ten best rules of genetic algorithms.

目錄

中文摘要．．．．．．．．．．．．．．．．．．．．．．．．．．．．ｉ
英文摘要．．．．．．．．．．．．．．．．．．．．．．．．．．．ｉｉ
誌謝．．．．．．．．．．．．．．．．．．．．．．．．．．．．ｉｉｉ
目錄．．．．．．．．．．．．．．．．．．．．．．．．．．．．．ｉｖ
表目錄．．．．．．．．．．．．．．．．．．．．．．．．．．．．．ｖ
圖目錄．．．．．．．．．．．．．．．．．．．．．．．．．．．ｖｉｉ

第一章 緒論 ．．．．．．．．．．．．．．．．．．．．．．．．．．１
第一節 研究動機．．．．．．．．．．．．．．．．．．．．．．１
第二節 研究目的．．．．．．．．．．．．．．．．．．．．．．３
第三節 研究流程及進行步驟．．．．．．．．．．．．．．．．．４
第二章 文獻探討．．．．．．．．．．．．．．．．．．．．．．．．．　６
第一節 效率市場理論．．．．．．．．．．．．．．．．．．．．６
第二節 技術分析之相關研究．．．．．．．．．．．．．．．．．９
第三節 技術交易法則之介紹．．．．．．．．．．．．．．．．２１
第四節 基因演算法．．．．．．．．．．．．．．．．．．．．２３
第三章 研究方法．．．．．．．．．．．．．．．．．．．．．．．．3２
第一節 資料來源與處理．．．．．．．．．．．．．．．．．．３２
第二節 技術交易法則．．．．．．．．．．．．．．．．．．．３６
第三節 基因演算法參數設計與最佳法則搜尋流程．．．．．．．３８
第四節 技術交易法則績效的評估．．．．．．．．．．．．．．４２
第四章 實證結果與分析．．．．．．．．．．．．．．．．．．．．．4５
第一節 樣本的基本統計分析．．．．．．．．．．．．．．．．４５
第二節 技術分析交易法則之績效檢定結果．．．．．．．．．．４８
第三節 報酬扣掉交易成本之獲利結果分析．．．．．．．．．．８６
第五章 結論與建議 ．．．．．．．．．．．．．．．．．．．．．１０６
第一節 實證結論．．．．．．．．．．．．．．．．．．．．１０６
第二節 未來的研究方向與建議．．．．．．．．．．．．．．１０７

參考文獻．．．．．．．．．．．．．．．．．．．．．．．．．．１０８

表目錄

表2-1 效率市場分類表．．．．．．．． ．．．．．．．．．．．．．．７
表2-2 國內相關文獻實證結果摘要．．．．．．．．．．．．．．．．２０
表3-1 亞洲十個股價指數名稱、研究期間及資料總數．．．．．．．．３３
表3-2 亞洲十國簡單資料檢驗 Ⅰ．．．．．．．．．．．．．．．．．３４
表3-3 香港恆生指數錯誤資料．．．．．．．．．．．．．．．．．．３５
表3-4 亞洲十國簡單資料檢驗 Ⅱ．．．．．．． ．．．．．．．．．３５
表4-1 亞洲十國股價指數日報酬敘述統計．．．．．．．．．．．．．４７
表4-2 亞洲八國之績效－VMA．．．．．．．．．．．．．．．．．．４９
表4-3上海與印度之績效－VMA．．．．．．．．．．．．．．．．． ５３
表4-4 GA所搜尋的亞洲八國交易法則－VMA．．．．．．．．．．． ５５
表4-5 GA所搜尋的亞洲八國績效－VMA．．．．．．．．．．．．． ５６
表4-6 GA所搜尋的上海與印度市場之交易法則－VMA．．．．．．． ６０
表 4 -7 GA所搜尋的上海與印度市場之績效－VMA ．．．．．．．．．．．６１
表4-8 亞洲八國之績效－FMA．．．．．．．．．．．．．．．．．．６４
表4-9 上海與印度之績效－FMA．．．．．．．．．．．．．．．．．６６
表4-10 GA所搜尋的亞洲八國交易法則－FMA ．．．．．．．．．．．６７
表4-11 GA所搜尋的亞洲八國績效－FMA ．．．．．．．．．．．．．６８
表4-12 GA所搜尋的上海與印度市場之交易法則－FMA ．．．．．．．．．．．７２
表4-13 GA所搜尋的上海與印度市場之績效－FMA ．．．．．．．．．．．７３
表4-14 亞洲八國之績效－TRB ．．．．．．．．．．．．．．．．．７５
表4-15 上海與印度之績效－TRB ．．．．．．．．．．．．．．．．７７
表4-16 GA所搜尋的亞洲八國交易法則－TRB ．．．．．．．．．． ８０
表4-17 GA所搜尋的亞洲八國績效－TRB ．．．．．．．．．．．． ８１
表4-18 GA所搜尋的上海與印度市場之交易法則－TRB ． ．．．．．．．．．．８４
表4-19 GA所搜尋的上海與印度市場之績效－TRB ．．．．．．．．．８５
表4-20 BLL法則之亞洲八國－VMA報酬扣掉交易成本（正常下單） ．８９
表4-21 BLL法則之亞洲八國－VMA報酬扣掉交易成本（電子下單） ．９０
表4-22 BLL法則之上海與印度－VMA報酬扣掉交易成本分析 ．．．．９１
表4-23 BLL法則之亞洲八國－FMA報酬扣掉交易成本（正常下單） ．９２
表4-24 BLL法則之亞洲八國－FMA報酬扣掉交易成本（電子下單） ．９３
表4-25 BLL法則之上海與印度－FMA報酬扣掉交易成本分析 ．．．．９４
表4-26 BLL法則之亞洲八國－TRB報酬扣掉交易成本（正常下單）．．９５
表4-27 BLL法則之亞洲八國－TRB報酬扣掉交易成本（電子下單）．．９６
表4-28 BLL法則之上海與印度－TRB報酬扣掉交易成本分析．．．．．９７
表4-29 GA所搜尋法則之亞洲八國－VMA報酬扣掉交易成本分析．．１００
表4-30 GA所搜尋法則之亞洲八國－FMA報酬扣掉交易成本分析．．１０１
表4-31 GA所搜尋法則之亞洲八國－TRB報酬扣掉交易成本分析 ．．１０２
表4-32 GA所搜尋法則之上海與印度－報酬扣掉交易成本分析．．．１０３
表４-33 BLL在亞洲八國的最佳績效總整 ．．．．．．．．．．．．１０４
表4-34 BLL在上海與印度市場的最佳績效總整．．．．．．．．．．１０４
表4-35 GA在亞洲八國的最佳績效總整．．．．．．．．．．．．．１０５
表4-36 GA在上海與印度市場的最佳績效總整．．．．．．．．．．１０６

圖目錄

圖1-1 研究流程與進行步驟．．．．．．．．．．．． ．．．．．．．．５
圖2-1 效率市場假說關係圖．．．．．．．．．．．． ．．．．．．．．９
圖3-1 基因演算法流程圖．．．．．．．．．．．．．．．．．．．．４１

一、中文部分

1.方國榮（民80），「證券投資最適決策指標之研究－技術面分析」，台灣大學商學研究所未出版碩士論文。
2.朱佩亭（民85），「運用遞迴式類神經網路為基礎之股票交易決策支援系統」，台灣大學資訊管理學系碩士論文。
3.杜金龍（民87），「技術指標：在台灣股市應用的訣竅」，金錢文化出版。
4.林良炤（民86），「KD技術指標應用於台灣股市之實證研究」，台灣大學商學研究所未出版碩士論文。
5.林宗永（民78），「證券投資技術分析指標獲利性之實證研究」，政治大學企業管理研究所碩士論文。
6.林維倫（民91），「技術分析、基因演算法、資料窺視－亞洲股市之實證研究」，雲林科技大學企業管理研究所未出版碩士論文。
7.洪美慧（民86），「技術分析應用於台灣股市之研究－移動平均線、乖離率指標與相對強弱指標之評估」，東海大學管理研究所未出版碩士論文。
8.洪志豪（民88），「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未出版碩士論文。
9.施惠萍（民88），「結構性變化的偵測與其在技術分析中的應用」，台灣大學經濟學研究所未出版碩士論文。
10.高梓森（民83），「台灣股市技術分析之實證研究」，台灣大學財務金融研究所未出版碩士論文。
11.高秀斌（民87），「技術分析下股票買賣獲利能力之實證研究」，中央大學企業管理研究所未出版碩士論文。
12.陳昇（民74），「濾嘴法則與股票市場效率性檢定」，交通大學管理科學系碩士論文。
13.陳建全（民87），「台灣股市技術分析之實證研究」，台灣大學商學研究所未出版碩士論文。
14.陳建光（民90），「技術分析、基因演算法與資料窺視：台灣股市之實證研究」，雲林科技大學企業管理研究所所未出版碩士論文。
15.陳明杰（民87），「基因演算擇時策略在台灣股市的實證研究」，雲林科技大學企業管理研究所碩士論文。
16.許博炫（民90），「技術分析之有效性檢定與資料探查誤差研究：道瓊工業指數之實證」，交通大學科技管理研究所未出版碩士論文。
17.許智和（民91），「運用基因演算法搜尋最佳化技術指標之台灣股市實證研究」，雲林科技大學資訊管理研究所碩士論文。
18.黃彥聖（民84），「移動平均法投資績效」，管理評論，14卷第1期，47-68。
19.黃金生（民87），「基因演算法交易法則在台灣股市時機操作的實證研究」，雲林科技大學財金系，工作論文。
20.黃國哲（民88），「考慮趨勢之短天期買賣指標」，台灣大學國際企業學研究所未出版碩士論文。
21.黃文宏（民93），「技術分析在台灣股票市場之實證研究」，雲林科技大學財務金融所碩士論文。
22.辜麗娟（民85），「台灣股市技術分析之實證研究」，淡江大學財務金融研究所未出版碩士論文。
23.趙永昱（民91），「技術分析交易法則在股市擇時之實證研究」，中山大學財務管理研究所未出版碩士論文。
24.廖清達（民86），「綜合性技術指標的有效性檢驗－兼論台灣股市的弱勢效率性假說」，東華大學國際經濟學系碩士論文。
25.蔡宜龍（民79），「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未出版碩士論文。
26.蔡尚儒（民89），「台灣店頭市場技術分析的實證研究」，中正大學財務金融研究所未出版碩士論文。
27.蕭永一（民85），「股票交易策略鑑別系統－使用改良式遺傳演算法則」，台灣大學資訊工程研究所碩士論文。
28.魯秉鈞（民90），「技術分析於台灣股票市場的運用－移動平均線與均量指標」，東海大學管理研究所未出版碩士論文。
29.鄧紹勳（民88），「遺傳演算法於股市擇時策略之研究」，中央大學資訊管理學系碩士論文。
30.賴宏褀（民86），「技術分析有效性之研究」，中興大學企業管理研究所未出版碩士論文。
31.賴宏維（民94），「技術分析之資料窺視效應－台灣股市之實證研究」，雲林科技大學財務金融所未出版碩士論文。
32.鍾仁甫（民90），「技術分析簡單法則於台灣電子個股之應用」，東海大學企業管理學系碩士論文。
33.蘇子龍（民81），「證券市場技術分析指標有效性之探討：以乖離率、威廉指標為例」，中山大學企業管理研究所未出版碩士論文。
34.蘇明南（民89），「移動平均線法則應用於台灣股市之實證研究」，淡江大學財務金融研究所未出版碩士論文。

二、英文部分

1.Alexander, Sindey. S.（1961）,“ Price Movements in Speculative Markets：Trends or Random Walks, ”in P. Cootner, ed.：The Random Character of Stock Market Prices（MIT Press, Cambridge, Mass.）, 199-218.
2.Alexander, Sindey. S.（1961）,“ Price Movements in Speculative Markets：Trends or Random Walks, No.2 ” in P. Cootner, ed.：The Random Character of Stock Market Prices（MIT Press, Cambridge, Mass.）, 338-372.
3.Allen, Franklin and Risto Karjalainen（1999）,“ Using genetic algorithms to find technical trading rules,”Journal of Financial Economics 51, 245-271
4.Bailey, W. and R. M. Stulz（1990）,“ Benefits of International Diversification：The Case of Pacific Basin Stock Markets,” Journal of Portfolio Management, Sum.Vol.16, 57-61.
5.Bauer, R. J. and Liepins G. E.（1992）,“ Genetic Algorithms and Computerized Trading Strategies.”In Expert Systems in Finance, ed. By D. E. O’Leary and P. R. Watkins, Amsterdam：Elsevier Science Publishers.
6.Bauer, R. J.（1994）,“ Genetic Algorithms and Investment Strategies, NY：John Wiley ＆ Sons”.
7.Bessembinder, H., and K. Chan （1995）,“ The Profitability of Technical Trading Rules in the Asian Stock Markets,”Pacific-Basin Finance Journal,3, 257-284.
8.Bessembinder, H., and K. Chan （1998）, “ Market Efficiency and the Returns to Technical Analysis,”Financial Managementl, 27, 5-17.
9.Blume, L.,D.Easly and M. O’Hara（1994）,“ Market Statistics and Technical Analysis：The Role of Volume,”Journal of Finance 49, 153-181.
10.Brock, W., J. Lakonishok, and B. LeBaron（1992）,“ Simple Technical Trading Rules and the Stochastic Properties of Stock Return,”Journal of Finance, 47, 1731-1764.
11.Brown, D. P. and R. H. Jennings（1989）,“ On Technical Analysis.”The Review of Financial Study, Vol.2, 527-551.
12.Corrado, C, J., and S. H. Lee（1992）,“ Filter Rule Tests of the Economic Significance of Serial Dependencies in Daily Stock Returns”, Journal of Financial Research 15, 369-387.
13.Davis, L. ed. Handbook of Genetic Algorithms, NY：Van Nostrand Reinhold ,1991.
14.Fama, E. F., and M. Blume（1966）,“ Filter Rules and Stock-Market Trading Profits,”Journal of Business, 226-241.
15.Fama, E. F.,（1970）“ Efficient Capital Markets：A Review of Theory and Empirical Works.” Journal of Finance, May, 383-417.
16.Glickstein, D. A. and R. E. Wubbels （1983）“ Dow Theory Is Alive and Well !” Journal of Portfolio Management, Spring , Vol.9, 28-32.
17.Goldberg, D. E. （1989）“ Genetic Algorithms in Search, Optimization and Machine Learning, Reading, MA：Addison-Wesley”.
18.Gunasekarage, A. and D. M. Power（2001）,“ The Profitability of Moving Average Trading Rules in South Asian Stock Market,”Emerging Markets Review,2, 17-33.
19.Hudson, R., M. Dempsey and K. Keasey（1996）,“ A note on the weak form efficiency of capital markets：The application of simple technical trading rules to UK stock prices－1935 to 1994 ”, Journal of Banking ＆ Finance , Jul, Vol.20 , 1121-1132.
20.James, F. E.（1968）,“ Monthly Moving Average-An Effective Investment Toll？”, Journal of Financial and Quantitative Analysis September, 315-326.
21.Jensen, M. C., and G. Benington（1970）,“ Random Walks and Technical Theories：Some Additional Evidences”, Journal of Finance 25, 469-482.
22.Levy, R. A. （1967 -Ⅰ）,“ Relative Strength as a Criterion for Investment Selection”, Journal of Finance, 22, 595-610.
23.Levy, R. A.（1967 -Ⅱ）,“ Random Walks：Reality or Myth”, Financial Analysis Journal, 23, 69-77.
24.Lo, A., W., H., Mamaysky, and J. Wang（LMW, 2000）,“ Foundations of Technical Analysis：Computational Algorithms, Statistical Inference, and Empirical Implementation”, Journal of Finance, 55, 1750-1770.
25.Neerly, C., P. Weller, and R. Dittmar （1997）,“ Is Technical Analysis in Foreign ExChenge Market Profitable？A Genetic Programming Approach.”Journal of Financial and Quantitative Analysis, Dec, Vol.32, No.4, 405-426.
26.Pruitt, S. W. and R. E. White （1988）,“ The CRISMA Trading System：Who Says Technical Analysis Can’t Beat the Market？”Journal of Portfolio Management, Spring,Vol.14, 55-68.
27.Samuelson, P.（1965）,“ Proof that Properly Anticipated Prices Fluctuate Randomly ”, Industrial Management Review 6, 41-49.
28.Scholes, M. and J. Williams（1977）,“ Estimating Betas from Nonsynchronous Data”, Journal of Financial Economics, Vol.5, 309-327.
29.Shleifer, A., and L. Summers（1990）,“ The Noise Trade Approach to Finance”, Journal of Economic Perspectives, 19-33.
30.Shleifer, A.（2000）, “ Inefficient Market”, Oxford U. Press, Oxford.
31.Shiller, R. J.（1989）,“ Fashion, Fads, Bubbles in Financial Market”, Knights, Raiders and Targets：The Impact of the Hostile Takeover , J. Coffee, S. Ackerman, and L. Lowerstein, 1988, Reprinted in Market Volatility , by R. Shiller, MIT Press.
32.Sullivan, R, A. Timmermann, and H. White（1999）,“ Data-snooping, Technical Trading Rule Performance, and the Bootstrape”, Journal of Finance, Oct . Vol. LIV, 1647-1691.
33.Sweeney, R. J.（1988）,“ Some New Filter Rules Tests：Methods of Results”, Journal of Financial and Quantitative Analysis, Vol.23, 285-300.
34.Van Horne, J. C. and G. G. C. Parker（1967）,“ The Random-Walk Theory：An Empirical Test”, Financial Analysis Journal 6, 87-92.
35.White, H.（2000）,“ A Reality Check for Data Snooping”, Econometrica, forthcoming.