臺灣博碩士論文加值系統

本研究主要探討臺灣加權股價指數期貨(台指期貨)，波段交易中資金管理適用性與交易策略風險控制效果。目標為發展具動態決策與資金管理之交易策略模型。本研究採用基因表達規劃法（Gene Expression Programming, GEP）優異搜尋與規劃能力的演化式計算於程式交易(program trading)之應用。透過多基因染色體編碼與隨機數值常數（Random Numerical Constants, RNCs），創新設計以動態天期技術指標期間波動程度，衡量指標相對強弱力道，避免指標鈍化，提供更具市場敏銳度之交易買賣訊號。依據市場及交易績效資料驅動的基因演化，探勘適切之資金管理GEP決策樹（GEP decision trees,GEP-DT）。經由動態評價函數(Dynamic evaluation function)概念，提供更適切風險資金比例，結合GEP-DT改善過度依賴單一資金管理方法之波段適用性問題。最後，輔以加減碼策略、停損停利機制的資金配置，期望建構更具風險溢酬與適配性的期貨交易投資策略。
實驗結果說明，波段盤勢中，固定分數法，整體獲利與風險的控制能力最高。多頭綜合表現最佳，適合各風險偏好投資者，其他盤勢則建議風險中立者(Risk neutral)。凱利公式，盤整期間的獲利與適應力最強，最大策略績效回落則普遍偏高，較適合風險偏好者(Risk taker)。最佳化F值，可適應各波段盤勢，嚴守風險，獲利能力表現中等，適合風險趨避者(Risk avoider)；鞅與反鞅策略，最大策略績效極高，獲利能力易有大幅振盪，空頭表現較佳，適合風險偏好者。考慮籌碼指標，適時加碼與減碼，相較無加減碼策略，可提升獲利績效，規避損失。有停損停利，穏紮穏打，維繫風險報酬；無停損停利，獲利奔馳，風險極致。

This study explores the applicability of money management and risk control of trading strategy of the Taiwan Stock Exchange Capitalization Weighted Stock Index futures (TAIEX Futures) in the Swing Trading. The goal is to develop a trading strategy model with dynamic decision and money management. This study uses the Gene Expression Programming (GEP) to optimize the search and planning capabilities of the application of program trading. Through the multi-gene chromosome coding and random numerical constants (RNCs), this study innovatively adopting GEP to get the volatility degree of dynamic days of technical indicators in different periods by which we measure the relative strength of indicators and avoid the target passivation to provide more market-sensitive of the transaction signals. GEP decision trees (GEP-DT) are planned for the genes management based on market and transaction performance data. With the dynamic evaluation function (Dynamic evaluation function) concept, various money management methods are applied to improve the applicability problem generated by the over-reliance on a single money management method in Swing Trading. Finally, supplemented by the addition and subtraction strategy and the stop-loss mechanism of the capital allocation, we expect to develop futures trading investment strategies which bring better risk premium and adaptability.
　　Experimental results show that the Fixed Fraction method has the best overall profit and risk-control capability in Swing Trading. The Fixed Fraction method has the best overall performance and it is suggested for all investors. However, in other markets, it is suitable for the risk-neutral investors. Kelly formula, with the best profit and adaptability in market correction period, is suitable for risk takers due to high MDD. Optimal F is suitable for risk avoiders due to its medium profit performance, adaptability to all kinds of swing trading markets and capability of risk control; Martingale and Anti-Martingale strategy with the highest MDD and the easy-to-oscillate profitability, is suitable for risk takers. Comparing with no overweight-underweight strategy, considering the chip indicator and overweight or underweight timely helps to increase the profit performance and avoid losses. With stop-loss mechanism, the risk premium is maintained steadily; without it, it is difficult to be kept.

目　錄
頁次
表　次 VII
圖　次 XI
第壹章　緒論 1
第一節　研究背景與動機 1
第二節　研究目的 5
第三節　研究流程 6
第貳章 文獻探討 7
第一節　台灣加權股票指數期貨 7
第二節　指標型分析 12
第三節　資金管理 14
第四節　基因表達規劃法 23
第五節　文獻匯總 29
第參章 研究方法 31
第一節　研究架構 31
第二節　變數定義與選擇 33
第三節　GEP交易策略探勘設計 36
第四節　GEP資金管理設計 44
第五節　投資策略流程 48
第六節　實驗設計 50
第七節　模型績效評估 57
第肆章 實驗結果與分析 60
第一節　波段盤勢的資金管理適用性測試 (實驗一) 60
第二節　GEP動態資金管理效果測試(實驗二) 108
第三節　加減碼資金配置效果測試(實驗三) 154
第四節　停損停利策略效果測試(實驗四) 167
第五節　綜合分析 179
第六節　研究模型分析 187
第伍章 結論與建議 191
第一節　結論 191
第二節　研究貢獻 193
第三節　研究限制 195
第四節　未來研究與建議 196
參考文獻 197

一、中文部分
1.John Bollinger，包寧傑帶狀操作法，台北：寰宇財務顧問股份有限公司，2002。
2.李金英，買權賣權平價理論之套利研究-台指期貨與台指選擇權套利實證，國立中山大學財務管理學系碩士論文，2007。
3.李建楷，臺股指數期貨交易策略之研究-考量技術指標與外資期貨籌碼，朝陽科技大學財務金融系碩士論文， 2013。
4.林文修，陳仕哲，遺傳演算法在捕捉股票波動訊號之運用，輔仁管理評論，第22卷，第3期，2015，頁1–33。
5.林育如，加入外資買賣超、市場交易資訊、波動率指標對期貨避險績效之影響，國立中正大學財務金融研究所碩士論文，2012。
6.林官賢，價格發現過程-以台指期貨和小型台指期貨為例，國立中央大學財務金融研究所碩士論文，2008。
7.林俊騰，應用決策樹與類神經預測台指期貨隔日漲跌之研究，國立彰化師範 大學資訊管理學系所碩士論文，2011。
8.林重光，台股指數期貨市場弱勢效率性之研究-以 MACD、KD、RSI 三種指標驗證，國立臺北大學國際財務金融碩士在職專班碩士論文，2007。
9.林蒼祥、蔡蒔銓、孫效孔、邱文昌，期貨與選擇權 : 財務工程基礎理論與實務，前程文化，2010，頁20-21。
10.邱毅翔，動態資產配置策略與績效之分析，逢甲大學金融研究所碩士在職專班碩士論文，2013。
11.柯博昌、林萍珍、田育任，非線性演化式股票評價與資金管理模型，管理與系統，第17卷，第4期，2010，頁637–658。
12.柯麗美，股價指數期貨當沖交易策略發展之研究，輔仁大學資訊管理學系碩士論文，2014。
13.陳志龍，運用類神經網路與技術指標預測股票型基金漲跌及交易時機之研究-以臺灣 50 指數股票型基金為例，朝陽科技大學資訊管理研究所碩士論文，2006。
14.陳姿穎，模糊基因表達規劃法在台股指數期貨之資金管理策略研究，輔仁大學資訊管理學系碩士論文，2016。
15.陳帝豪，基因表達規劃法為基的集成擇時交易策略之探勘，輔仁大學資訊管理學系碩士論文，2012。
16.黃怡祥，台指期貨買賣訊號預測模型之研究，世新大學資訊管理學研究所碩士論文，2013。
17.黃義儒，Kelly Criterion 在台灣股市之投資策略實證，東吳大學經濟研究所碩士論文，2009。
18.楊迪敦，臺灣指數期貨商品的當沖交易與波段交易策略績效之研究，輔仁大學資訊管理學系碩士論文，2015。
19.廖仁杰，三大法人未平倉量與成交量對臺股期貨報酬之研究 ，淡江大學財務金融學系碩士論文，2010。
20.劉怡君，應用遺傳程式規劃於臺指買權評價之研究，輔仁大學資訊管理學系碩士論文，2004。
21.劉家銘，跟隨大戶是有利的嗎？台指期貨市場之實證結果，中興大學高階經理人碩士在職專班碩士論文，2007。
22.蔡啟榮，不同技術指標操作策略的有效性分析-以台指期貨為例，國立高雄應用科技大學金融資訊研究所碩士論文，2009。
23.蔣定安，基因表達規劃決策樹於企業財務危機預警模型之設計，輔仁大學資訊管理學系碩士論文，2015。
24.戴棨泯，模糊基因表達規劃法在台指期貨投資策略探勘之研究，輔仁大學資訊管理學系碩士論文，2014。
25.蘇誼閔，調適性平行基因表達規劃法於臺指買權評價之研究，輔仁大學資訊管理學系碩士論文，2013。
二、英文部分
1.Allen, F., & Karjalainen, R., Using genetic algorithms to find technical trading rules, Journal of financial Economics, 51(2), 1999, pp.245-271.
2.Babcock, B., The Dow Jones-Irwin Guide to Trading Systems, Homewood: Dow Jones-Irwin., 1989.
3.Barber, B. M. & Odean, T., Trading is hazardous to your wealth: The common stock investment performance of individual investors. , The journal of Finance, 2000.
4.Białkowski, J., Gottschalk, K., & Wisniewski, T. P., Stock market volatility around national elections, Journal of Banking & Finance, 2008.
5.Breiman, L., Optimal gambling systems for favorable games, The Kelly Capital Growth Investment Criterion: Theory and Practice., 2011, pp.47-60.
6.Ferreira, C., Gene Expression Programming: A New Adaptive Algorithm for Soving Problem, Complex System, Vol.13(2), 2001, pp. 87-129.
7.Jones, R., The Trading Game: Playing by the Numbers to Make Millions, 1st edition, Wiley, 1999.
8.Kelly, J., A New Interpretation of Information Rate., Bell System Technical Journal, 35(4), 1956, pp.917–926.
9.Keim, D. B., & Madhavan, A., Anatomy of the trading process empirical evidence on the behavior of institutional traders, Journal of Financial Economics, 1995.
10.Koza, J.R., Genetic Programming: On the Programming of Computers by Means of Natural Selection, Cambridge, MA: MIT Press, 1992.
11.Lopes, H. S. & Weinert, W. R., A gene expression programming system for time series modeling, Proceedings of XXV Iberian Latin American congress on computational methods in engineering, Vol. 11, 2004.
12.MacLean, L. C., Ziemba, W. T., & Blazenko, G., Growth Versus Security in Dynamic Investment Analysis., Management Science, 38(11), 1992, pp.1562– 1585.
13.Olatunji, S. O., Al-Ahmadi, M. S., Elshafei, M., & Fallatah, Y. A., Saudi Arabia stock prices forecasting using artificial neural networks,Applications of Digital Information and Web Technologies., 2011 Fourth International Conference, 2011, pp.81-86.
14.Poundstone, W., Fortune's Formula: The Untold Story of the Scientific Betting System That Beat the Casinos and Wall Street, 1st edition, Hill and Wang, 2005.
15.Vince, R., Portfolio Management Formulas, John Wiley & Sons, Inc., 1990.
16.Vince, R., The mathematics of money management: risk analysis techniques for traders, John Wiley & Sons Inc., 1992.
17.Vince, R., The Leverage Space Trading Model: Reconciling Portfolio, Management Strategies and Economic Theory, NJ: Wiley, 2009.
18.Vince, R., Optimal f and the Kelly Criterion, IFTA Journal, 11, 2011, pp.21–28.
19.Shapira, Z., & Venezia, I., Patterns of behavior of professionally managed and independent investors, Journal of Banking & Finance, 2001.
20.Shu, P. G., Yeh, Y. H., Chiu, S. B., & Chen, H. C., Are Taiwanese individual investors reluctant to realize their losses?, Pacific-Basin Finance Journal, 13(2), 2005, pp.201-223.
21.Thorp, E. O., The Kelly Criterion In Blackhack, Sprots Betting, and The Stock Market, The 10th International Conference on Gambling and Risk Taking Montreal., 1997.
22.Unger, A., Trattato di Money Management, Edoardo Varini Publish, 2013.
23.Weber, M., & Camerer, C. F., The disposition effect in securities trading: An experimental analysis, Journal of Economic Behavior & Organization, 1998.
24.Zuo, J., Tang, C., Li, C., Yuan, C. & Chen, A., Time Series Prediction Based on Gene Expression Programming, Lecture Notes in Computer Science, Vol. 3129, 2004, pp.55-64..
三、網路部分
1.台灣期貨交易所，台股期貨，2017，2017/07/12取自：http://www.taifex.com.tw/chinese/2/TX.asp。
2.台灣期貨交易所，台股加權股價指數產業分類，2017，2017/07/12取自：http://www.taifex.com.tw/chinese/2/9_7.asp。
3.台灣期貨交易所，各類交易人商品交易量統計，2017，2017/07/12取自：http://www.taifex.com.tw/chinese/7/7_10.asp。
4.理財寶，籌碼分析，2016，2016/11/25取自：
http://www.cmoney.tw/app/ItemContent.aspx?id=1267。
5.維基百科，技術分析，2016，2016/11/26取自：
http://zh.wikipedia.org/wiki/%E6%8A%80%E6%9C%AF%E5%88%86%E6%9E%90。