Responsive image
博碩士論文 etd-0522117-212752 詳細資訊
Title page for etd-0522117-212752
論文名稱
Title
技術分析型態辨識與機器學習之Smart Beta交易策略應用
Smart Beta Strategy with Technical Pattern Recognition and Machine Learning
系所名稱
Department
畢業學年期
Year, semester
語文別
Language
學位類別
Degree
頁數
Number of pages
85
研究生
Author
指導教授
Advisor
召集委員
Convenor
口試委員
Advisory Committee
口試日期
Date of Exam
2017-06-15
繳交日期
Date of Submission
2017-06-24
關鍵字
Keywords
型態辨識、趨勢交易策略、隨機森林、機器學習、Smart Beta
Random Forest, Machine Learning, Smart Beta, Pattern Recognition, Trend Trading Strategies
統計
Statistics
本論文已被瀏覽 5914 次,被下載 0
The thesis/dissertation has been browsed 5914 times, has been downloaded 0 times.
中文摘要
本研究利用技術分析中的型態學,發展出一套新型的「關鍵價位突破」趨勢交易策略,並加入十六種特定型態作為解釋趨勢交易策略報酬率的特徵變數之後,使用台灣市場所有上市公司股票進行初步回測,實證結果顯示加入特徵變數後的「關鍵價位突破」趨勢交易策略在台灣市場具有初步的可行性。

接著使用Smart Beta因子模型中的獲利性因子選出未來有較高機率出現上漲趨勢的個股,利用趨勢交易策略構成投資組合,並使用「過去平均報酬」法、「隨機森林演算法」作為篩選特定型態、挑選重要增強進場條件的方法。實證結果顯示,上述兩種方法在交易策獲利因子、風險報酬比、夏普比率等績效衡量指標的提升是顯著的。

然而由趨勢交易策略構成的獲利性因子投資組合始終存在閒置資金比例較高的問題,使得其在年化報酬率的表現上始終無法與單純買進持有相比。因此本研究進一步考慮加碼的方法,提高資金運用效率。實證結果顯示,在不限制權重總合為一的加碼方法下,趨勢交易策略投資組合能夠勝過單純的買進持有策略。

最後,再次將股票池從獲利性因子投資組合擴大至所有上市公司股票,同樣使用「過去平均報酬」法、「隨機森林演算法」作為特定型態篩選的方法,實證結果顯示,上述兩種方法構成的趨勢交易策略投資組合皆能優於單純的買進持有獲利性因子投資組合與加權指數,其中又以隨機森林演算法挑選出來的特定型態績效表現最佳,驗證機器學習在金融交易領域的可行性。
Abstract
In this paper, a new kind of trend trading strategies was developed using the “Pattern Recognition” in technical analysis, and sixteen specific patterns were added to explain the return of the trend trading strategies. After that, we use all the listed companies in the Taiwan stock market to conduct a back test, and the empirical results show that the new kind of trend trading strategy in the Taiwan stock market is usable.

Then this paper use profitability factor in the Smart Beta factor model to select stocks that have higher probability of rising trend in the future, constructing a portfolio by using the trend trading strategy. After that, this paper applies the "average return" method and the "random forest algorithm” to enhance the performance of the trend trading strategy portfolio. The empirical results show that the two methods above are significant in enhancing the performance measures such as profit factor, risk reward ratio and Sharpe ratio.

However, the profitability factor portfolio constructed by the trend trading strategy always has a high proportion of useless funds. The empirical results show that the trend trading strategy portfolio can outperform the simple buy-and-hold strategy by using overweight method.

Finally, we expand the stock pool from the profit factor portfolio to all listed company stocks again, using the same two methods to enhance the performance of the trend trading strategy portfolio. The empirical results show that the "random forest algorithm” is the best method to enhance the performance of trend trading strategy portfolio.
目次 Table of Contents
論文審定書 i
誌謝辭 ii
摘 要 iii
Abstract iv
目 錄 v
圖 次 vii
表 次 viii
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 研究流程 5
第二章 文獻探討 6
第一節 技術分析 6
第二節 因子模型與機器學習 7
第三章 研究方法 10
第一節 樣本蒐集及建立 10
第二節 型態辨識法 11
第三節 「關鍵價位突破」趨勢交易策略 15
第四節 隨機森林演算法 18
第五節 Smart Beta因子模型與技術分析投資組合的建立 19
第六節 績效指標 21
第四章 實證結果 23
第一節 「關鍵價位突破」趨勢交易策略-台灣上市股票 23
第二節 「關鍵價位突破」趨勢交易策略- Smart Beta投資組合 32
第三節 「關鍵價位突破」趨勢交易策略-台灣上市股票(續) 51
第五章 結 論 71
第一節 結論 71
第二節 後續研究建議 73
參考文獻 74
第一節 中文文獻 74
第二節 英文文獻 75
參考文獻 References
第一節 中文文獻
沈恩玄(2016),「彈性網應用於K線型態組合-台灣及中國股市之實證分析」,碩士論文,高雄第一科技大學財務管理學系。
林鈺綾(2010),「三大法人選擇權與期貨未平倉量之研究」,碩士論文,交通大學資訊管理學系。
洪梓語(2016),「趨勢交易策略在台灣股票市場之應用」,碩士論文,中山大學財務管理學系。
張晨新(2016),「遺傳演算法結合機器學習於台灣加權股價指數趨勢預測」,碩士論文,高雄第一科技大學財務管理學系。
張雅婷(2015),「股價型態辨識法在凱利法則之運用」,碩士論文,中山大學財務管理學系。
陳博彥(2013),「台指期十五分鐘K線之當沖研究:以KD、MA及MV為組合指標建構之操盤策略」,碩士論文,成功大學高階管理碩士在職專班。
陳佳榮(2011),「型態辨識應用於技術分析指標之研究」,碩士論文,中山大學財務管理學系。
黃彥聖(1995),「移動平均法的投資績效」,管理評論,第14 卷第1期,47-68。
盧泰源(2016),「最適化Smart Beta策略組合型基金之應用-以台灣股票市場之交易策略研究」,碩士論文,中山大學財務管理學系。


第二節 英文文獻
Asness, C. S., Frazzini, A., & Pedersen, L. H. (2014). Quality minus junk. Available at SSRN 2312432.
Baker, M., & Wurgler, J. (2006). Investor sentiment and the cross­section of stock returns. The Journal of Finance, 61(4), 1645-1680.
Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics 116(1): 1-22.
Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of financial economics 33(1): 3-56.
Glaria, B. A. (1996). Stock market indices in Santiago de Chile: forecasting using neural networks. IEEE International Conference on Neural Networks, 4, 2172 -2175.
Masteika, S., & Rutkauskas, A. V. (2012). Research on futures trend trading strategy based on short term chart pattern. Journal of Business Economics and
Management, 13(5), 915-930.
Ratner, M., & Leal, R. P. (1999). Tests of technical trading strategies in the emerging equity markets of Latin America and Asia. Journal of Banking & Finance, 23(12), 1887-1905.
電子全文 Fulltext
本電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。
論文使用權限 Thesis access permission:自定論文開放時間 user define
開放時間 Available:
校內 Campus:永不公開 not available
校外 Off-campus:永不公開 not available

您的 IP(校外) 位址是 44.211.26.178
論文開放下載的時間是 校外不公開

Your IP address is 44.211.26.178
This thesis will be available to you on Indicate off-campus access is not available.

紙本論文 Printed copies
紙本論文的公開資訊在102學年度以後相對較為完整。如果需要查詢101學年度以前的紙本論文公開資訊,請聯繫圖資處紙本論文服務櫃台。如有不便之處敬請見諒。
開放時間 available 永不公開 not available

QR Code