(3.235.245.219) 您好!臺灣時間:2021/05/07 22:27
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:蔡馥覬
研究生(外文):TSAI, FU-JI
論文名稱:應用技術指標與風險值建立期貨商品之買賣策略
論文名稱(外文):Applying Technical Indicators And Var to Construct Trading Strategies For Commodity Futures
指導教授:余泰毅余泰毅引用關係
指導教授(外文):YU,TAI-YI
口試委員:李志偉王錦瑩
口試委員(外文):LEE,CHIH-WEIWANG,JIN-YING
口試日期:2017-06-01
學位類別:碩士
校院名稱:銘傳大學
系所名稱:風險管理與保險學系碩士班
學門:商業及管理學門
學類:風險管理學類
論文種類:學術論文
論文出版年:2017
畢業學年度:105
語文別:中文
論文頁數:85
中文關鍵詞:買賣策略風險值技術指標期貨商品
外文關鍵詞:trading strategiesvalue at risktechnical indicatorscommodity futures
相關次數:
  • 被引用被引用:4
  • 點閱點閱:311
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:69
  • 收藏至我的研究室書目清單書目收藏:1
農產品期貨是歷史最悠久的期貨商品,早期主要的目的是為了讓農產品能有更廣大的流通市場。後來許多投機商人開始從事農產品期貨商品的套利,但傳統的交易策略,多只考慮如何獲利、鮮少考慮到風險。本研究結合風險值與技術指標(MA、MACD、RSI指標),探討買賣策略之有效性;各指標對期貨商品之適合度及參數靈敏度分析。本研究以芝加哥期貨交易所之黃豆、小麥、玉米的近月期貨每日收盤價為研究標的;研究期間為2001/10/01~2016/09/30。
本研究使用Crystal Ball軟體分析機率密度函數,透過A-D檢定發現黃豆、小麥及玉米三種期貨日報酬率之最佳配適皆符合Lognormal分配。從報酬率分配觀察得到高峰、厚尾特性,符合一般財務資料特性。本研究運用R統計軟體進行參數靈敏度分析及買賣策略,靈敏度分析結果顯示,三種標的無法套用同一個參數來做交易策略,因為每種標的都有它們自己獨特之特性。期初投資金額之靈敏度結果顯示,期初金額越大,交易次數及報酬率越大。
最後,指標買賣策略回溯測試發現,在3個農作物期貨上,單一指標之策略並不合適,報酬率皆為負值;單一指標+風險值之策略可以產生良好的濾嘴效果,其中MACD+風險值交易效果最好。而RSI+風險值交易效果最差,但把期初金額提高,可改善RSI策略之交易結果。兩個指標以上+風險值之策略交易效果比單一指標+風險值之策略結果差,因為指標太多太嚴謹,導致交易次數與報酬率不佳。

Agricultural futures is the oldest commodity futures. During early stage of agricultural futures evolution, people had made agricultural products widely spread in the commodity market. And in late stage, most speculators began to focus on arbitrage of agricultural futures trading. But in the traditional trading strategies, most investors only consider how to make profit, instead of the risk which they need to pay attention. The purpose of this study is to explore the effectiveness of trading strategies which combine the value at risk (VaR) and technical indicators. Furthermore, the study approaches the suitability of the commodity futures and parameter sensitivity of indicators. This study uses daily closing price of futures (soybean、wheat、corn on CBOT and coffee on ICE), and the period of the date is from October 1, 2001 to September 30, 2016. The method of this study is using Historical Simulation Method to estimate VaR, and adding indicators MA、MACD and RSI to construct suitability trading strategies.
This study uses the Crystal Ball software analysis of probability density function, which found that the best fit distribution function of return including soy、 wheat and corn are the Lognormal function through Anderson-Darling Test. It is easy to observe that High Kurtosis and Fat Tail distribution function in Distribution of returns, which in line with general financial information character. This study uses R statistical software to analyze the suitability of the commodity futures and parameter sensitivity of indicators. The result of sensitivity analysis shows that the three targets can not apply the same parameter to make trading strategy. This is because each subject has its own unique features. According to the sensitivity of Initial amount of investment, the greater Initial investment amount is, the greater transactions and return rate are.
Finally, back testing of the trading strategies with indicators found that the strategy of single index is not suitable and the return rates are all negative in the three crops futures. However, the strategies of combining Value at risk and a single index indicator can produce good filter rule. According to these strategies, effect of MACD adding to VAR is the best, while RSI adding to VAR have the worst transaction effect. Nonetheless, increasing the initial amount can improve the trading results of strategy which is using RSI. In addition, the return of strategies which use more than two index indicators adding to VAR can not outcome the strategies which use only one index indicator combining with VAR. That is, it is too much stringent indicators that result in poor transaction number and return rate.

目 錄 V
圖目錄 VI
表目錄 VII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的與問題 2
第三節 研究流程 3
第二章 文獻回顧 4
第一節 風險值 4
第二節 技術指標 8
第三節 買賣策略 15
第三章 研究方法 20
第一節 資料來源 20
第二節 風險值 22
第三節 技術指標 27
第四節 買賣策略 34
第五節 RStudio財務模組 38
第四章 實證分析 40
第一節 機率密度函數 40
第二節 靈敏度分析 44
第三節 單一指標買賣策略 62
第四節 技術指標與風險值組合買賣策略 64
第五章 結論與建議 71
第一節 結論 71
第二節 建議 72
參考文獻 73

英文文獻
(專題研討會及未出版之論文)
1.Appel, G., and Hitschler, F. (1980). Stock market trading systems, Dow Jones-Irwin.
2.Chong, Ng and Liew(2014). Revisiting the Performance of MACD and RSI Oscillators, MPRA Paper.
3.Cootner, P. H. (1962). Stock Prices: Random Vs, Systematic Changes, Industrial Management Review.
4.Group of Thirty (1993).Derivatives: Practices and Principles, Global Derivatives Study Group.
5.Gunasekarage, A., and Power, D. M. (2001). The profitability of moving average trading rules in South Asian stock markets. Emerging Markets Review 2, pp17-33.
6.Hendricks, D. (1996). Evaluation of value-at-risk models using historical data. Federal Reserve Bank of New York, 2, pp. 39-69.
7.Hurst, J. M. (1970). The profit magic of stock transaction timing, Prentice-Hall.
8.J. Welles Wilder(1978), New Concepts in Technical Trading Systems, Trend Research Greensboro.
9.J.P. Morgan (1994). Risk Matrices-Technical Document.
10.Jorion, P.(1997). Value at Risk: The New Benchmark for Controlling Market Risk,Irwin Professional Publishing
11.Jorion, P.(2007). Value at risk : The new benchmark for managing financial risk, McGraw-Hill, 3nd Edition.
12.Markowitz, H. M.(1959). Portfolio selection: Efficient Diversification of Investments, New York: John Wiley & Sons.
(期刊)
1.Aldin, M. M., Dehnavi, H. D., & Entezari, S. (2012). Evaluating the Employment of Technical Indicators in Predicting Stock Price Index Variations Using Artificial Neural Networks (Case Study: Tehran Stock Exchange). Internation Journal of Business and Management,7(15), pp.25-34.
2.Beder, Tanya Styblo(1995).VAR Seductive but Dangerous,Financial AnalystsJournal vol.51 Sep/Oct , pp12-24.
3.Brock, W., Lakonishok, J., and LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. Journal of Finance, pp1731-1764.
4.Chen, C. P., & Metghalchi, M. (2012). Weak-Form Market Efficiency: Evidence from the Brazilian Stock Market. International Journal of Economics and Finance, 4(7), pp.22-32.
5.DeBondt, W. F. M., and R. Thaler, (1985), “Does the stock market overreact?” Journal of Finance, Vol.40, pp.793-808.
6.Duffie, D., and J. Pan, 1997, “An Overview of Value at Risk”, Journal of Derivatives, pp.7-49.
7.James Jr, F. E. (1968).Monthly Moving Averages--An Effective Investment Tool, The Journal of Financial and Quantitative Analysis 3(3): pp.315-326.
8.John J. Murphy(1999),”Technical Analysis of Financial Markets”, New York Institute of Finance. 1-5, pp.24-31.
9.Jorion, P.(1996). Risk2: Measuring the Risk in Value at Risk, Financial Analysts Journal, Nov, pp. 47-56.
10.Koskosidis, Y. A., and A. M. Duarte, (1997), Secnario Based Approach to active Asset Allocation, Journal of Portfolio Management, Vol. 23, pp.74-85。
11.Levy, R. A. (1967).Random Walks:Reality of Myth,Financial Analysts Journal:23, pp.69-77.
12.Markowitz, H. M. (1952). Portfolio Selection, Journal of Finance, Vol. 7, No. 4.
13.Pritsker, M. (2006). The hidden dangers of historical simulation. Journal of Banking and Finance, 30(2), pp.561-582.
14.Van den Goorbergh, Rob WJ, Vlaar, Peter JG, & Bank, Nederlandsche. (1999). Value-at-Risk Analysis of Stock Returns Historical Simulation, Variance Techniques or Tail Index Estimation? (Vol. 40): De Nederlandsche Bank NV.
15.Van Horne, J. C. and G. G. C. Parker (1967).The Random Walk Theory: An Empirical Test, Financial Analysts Journal 23: 87.
(網頁)
1.RStudio(2016)。RStudio IDE features,2016年12月11日,取自RStudio: https://www.rstudio.com/
2.quantmod(2008)。Quantitative Financial Modelling & Trading Framework for R ,2016年11月30日,取自quantmod: http://www.quantmod.com/

中文文獻

(書籍)
1.謝劍平(2008)。當代金融市場(再版),台北:智勝文化事業有限公司。
2.謝劍平(2014),現代投資學(第六版),台北:智勝文化事業有限公司。

(專題研討會及未出版之論文)
1.王宜信(2012)。考量價量關系的股票市場技術指標,南華大學資訊管理學所未出版碩士論文。
2.王威能(2015)。依據技術指標投資臺灣50ETF及其成分股,臺北大學經濟學系未出版碩士論文。
3.牟勝遠(2013)。台灣股市技術分析實證-以KD指標、RSI指標、MACD指標、DMI指標為例,義守大學資訊管理研究所未出版碩士論文。
4.吳佳龍(2010)。臺灣股票市場技術分析獲利能力—以KD及MACD為例,朝陽科技大學財務金融系碩士班未出版碩士論文。
5.李建和(2007)。運用RSI技術指標於台灣指數期貨市場價差交易之實證研究,高雄應用科技大學金融資訊研究所未出版碩士論文。
6.李建楷(2013)。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班未出版碩士論文。
7.林天運(2007)。大盤未來走勢預測-KD指標的實證分析,成功大學國際企業研究所碩博士班未出版碩士論文。
8.林柏宏(2013)。運用隨機指標與風險值建構基金交易策略,銘傳大學風險管理與保險學系碩士班未出版碩士論文。
9.林琬蓁(2006)。運用移動平均價與量實證研究-台灣與美國股市比較,高雄應用科技大學工業工程與管理所未出版碩士論文。
10.邱科毓(2014)。均線分析投資績效探討:以臺灣50指數成份股為例,中山大學財務管理學系研究所未出版碩士論文。
11.徐正錦(2003)。技術分析應用於台灣股市之實證研究,中正大學國際經濟所未出版碩士論文。
12.張清良(2008)。股票市場買賣研判指標的應用,中正大學財務金融所未出版碩士論文。
13.張簡彰程(2006)。結合PowerEWMA與歷史模擬法之風險值估測模型,高雄第一科技大學管理研究所未出版碩士論文。
14.張瓊如(2010)。KD和MA技術指標在選擇權投資策略時機的應用-以台指選擇權為例,逢甲大學財務金融學所未出版碩士論文。
15.許勻馨(2015)。運用蒙地卡羅模擬法釐訂土壤與地下水污染強制責任險之費率,銘傳大學風險管理與保險學系碩士班未出版碩士論文。
16.郭桓愉(2008)。技術分析應用於中國股市之實證研究,嶺東科技大學財務金融研究所未出版碩士論文。
17.陳建全(1998)。台灣股市技術分析之實證研究,臺灣大學商學研究所未出版碩士論文。
18.陳逸寧(2016)。運用技術指標與風險值建構台灣50之買賣策略,銘傳大學風險管理與保險學系碩士班未出版碩士論文。
19.黃怡中(2002)。在不同技術指標交易策略下停損機制設置與否之績效分析,銘傳大學金融研究所未出版碩士論文。
20.黃彥棠(2015)。不同時間長度技術指標對台指期貨報酬之研究:以KD指標為例,臺北大學企業管理學所未出版碩士論文。
21.廖家宏(2006)。技術分析之移動平均價與量雙指標策略投資績效之實證研究-台灣與日本股票市場比較,高雄應用科技大學工業工程與管理所未出版碩士論文。
22.蔡宜龍(1990)。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。
23.蔡青萍(2012)。煤炭價格風險值評估,東華大學國際企業所未出版碩士論文。
24.蕭政倫(2013)。技術分析之實證研究-以台灣加權股價指數為例,高雄第一科技大學金融研究所未出版碩士論文。
25.謝金星(2004)。大宗穀物期貨投資組合風險值研究-結合GARCH與極端值理論模型之應用,屏東科技大學農企業管理所未出版碩士論文。
26.鐘仁甫(2001)。技術分析簡單法則於台灣電子個股之應用,東海大學企業管理所未出版碩士論文。

(期刊)
1.古永嘉、許世璋(2010)。應用狀態空間模型與基因類神經網路濾波技術於風險值預測之研究:以台股指數與台指期貨爲例,臺大管理論叢,第二十卷第2期,307-342頁。
2.周照偉、鄭榮祿、蔡賢亮、楊崇宏、牟聖遠(2015)。臺灣股市技術分析實證:以隨機指標、相對強弱指標、指數平滑異同平均線指標及趨向指標為例,高雄應用科技大學人文與社會科學學刊,第一卷第二期,119-133頁。
3.張巧宜、林鴻儒(2010)。多空市場之股價指數報酬風險值研究,商管科技季刊,第十一卷第一期,77-107頁。
4.陳建華、徐玥圓、段旭銘(2015)。槓桿型及反向型ETFs擇時能力之實證研究,明新學報,第四十一卷第二期,79-94頁。
5.彭開琼、楊適如、謝伊婷(2016)。黃金、白銀、白金國際市場VaRs研究:空頭與多頭時期比較,健行學報,第三十六卷第一期,17-31頁。

(網頁)
1.MoneyDJ理財網站(1999)。MoneyDJ理財網 技術分析學院,2016年11月18日,取自MoneyDJ理財網:http://www.moneydj.com/z/analyst/analyst_home.htm
2.MBA智庫百科(2014)。歷史模擬法,2016年11月18日,取自MBA智庫百科http://wiki.mbalib.com/wiki/%E5%8E%86%E5%8F%B2%E6%A8%A1%E6%8B%9F%E6%B3%95

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關點閱論文
 
系統版面圖檔 系統版面圖檔