臺灣博碩士論文加值系統

大多投資人進行交易時，皆使用單一策略來進行交易買賣，不管使用順勢交易或者逆勢交易，當價格走勢與策略相反時，往往會經歷過一段虧損的期間；而投資人往往在判斷市場走向是否形成，大多以不同資料頻率或圖形等方式判斷，本文藉由趨勢震盪切換模型的輔助，加以研判目前市場行情，並整合順勢策略及逆勢策略，加上趨勢震盪切換模型輔助，以檢驗透過趨勢震盪切換模型是否能有效改善其單一策略績效，第一階段商品為台股指數期貨，其資料期間採用2009年1月至2017年3月小時頻率的近月份期貨，為了避免近月份及次月份的價格落差，造成虛盈虛虧的現象產生，我們計算出落差的部份做連續化的處理，接著進行樣本內的測試，實證結果顯示，在T統計檢定上結合趨勢震盪切換模型確實有改善績效上顯著的意義。
第二階段商品則在多增加金融及電子指數期貨，資料期間採用2009年1月至2016年12月小時頻率的近月份期貨，與第一階段不同的是採用移動窗格測試，將資料切成樣本內外測試，期間採用三年樣本內，對上一年樣本外，由於此做法所得出的樣本不足，因此採用無母數Wilcoxon rank-sum test及Wilcoxon signed rank test檢定樣本結果，實證結果顯示，結合趨勢震盪切換模型的切換策略相較於逆勢策略，在顯著水準a為1%之下，對於績效有改善的意涵存在，結合趨勢震盪切換模型的切換策略與順勢策略的比較則個別採用單尾檢定來比較中位數是否大於0，在顯著水準a為5%之下，切換策略優於順勢策略。

Most investors adopt single strategy during trading. However, a period of loss would take place when the trend is opposite to the strategy no matter trend trading or oscillator trading was adopted. The movements in the market are considered to be formed by investors’ judgements which mostly depend on frequency of data or charts. In comparison with the performances among trend trading strategy, oscillator trading strategy and Trend-Oscillator Switching trading strategy, this study tries to examine whether the Trend-Oscillator Switching trading strategy could outperform the other two strategies. The study is split up into two phases. At the first phase, the hourly data of near month Taiwan Index futures from January 2009 to March 2017 are used.In order to avoid the price gap, which could cause false loss and false surplus when a position is switched, the prices are modified to solve out the condition. The empirical results show that the Trend-Oscillator Switching trading strategy has the best performance among the three strategies.
At the second phase, the financial index futures and the electronic index futures are added to the study. The data spans from January 2009 to December 2016. Differently from the first phase, the Walk Forward Analysis is adopted, which splits data into in-sample data and out-of-sample data and examines the performances of the out-of-sample data by rolling over the entire period. After implementing the Wilcoxon rank-sum test and Wilcoxon signed rank test, it indicates that the Trend-Oscillator Switching trading strategy outperforms the oscillator trading strategy at the 1% significant level, while the Trend-Oscillator Switching trading strategy performs better than the trend trading strategy at the 5% significant level.

中文摘要 ………………………………………………………………………………………… i
英文摘要 ………………………………………………………………………………………… iii
誌謝 ………………………………………………………………………………………… iv
目錄 ………………………………………………………………………………………… vi
表目錄 ………………………………………………………………………………………… viii
圖目錄 ………………………………………………………………………………………… ix
第一章 緒論……………………………………………………………………………… 1
1.1 研究背景與動機……………………………………………………… 1
1.2 研究目的…………………………………………………………………… 1
1.3 研究範圍…………………………………………………………………… 2
1.4 研究架構…………………………………………………………………… 3
1.5 研究架構流程圖…………………………………………………… 4
第二章 文獻探討…………………………………………………………………… 5
2.1 期貨市場簡介………………………………………………………… 5
2.2 台指期貨是否為效率市場………………………………… 5
2.3 順勢及逆勢交易…………………………………………………… 6
2.4 成交量及漲跌幅…………………………………………………… 7
第三章 研究設計與方法…………………………………………………… 8
3.1 資料來源與研究期間………………………………………… 8
3.2 交易策略設計………………………………………………………… 9
3.2.1 順勢策略……………………………………………… 9
3.2.2 逆勢策略……………………………………………… 10
3.2.3 切換策略……………………………………………… 11
3.3 交易成本…………………………………………………………………… 14
3.4 最佳參數…………………………………………………………………… 14
3.5 研究期間基本假設……………………………………………… 15
第四章 實驗結果與分析…………………………………………………… 16
4.1 T模型統計檢定……………………………………………………… 16
4.2 實證結果…………………………………………………………………… 16
4.2.1第一階段基本敘述統計分析……………………… 16
4.2.2第一階段T檢定評估……………………………………… 18
4.2.3第二階段Wilcoxon rank-sum test檢定評估…………… 21
4.2.4第三階段Wilcoxon signed rank test檢定評估………… 25
第五章 結論與建議…………………………………………………………… 28
5.1 結論………………………………………………………………………… 28
5.2 後續研究建議……………………………………………………… 29
參考文獻 …………………………………………………………………………………… 30
Extended Abstract…………………………………………………………… 32
簡歷 …………………………………………………………………………………… 36

[1]余重毅，2014，移動平均線在台灣股票指數期貨的應用，逢甲大學財務金融學系研究所碩士論文。
[2]吳金百正，2004，台股期貨市場弱式效率性之研究，國立台灣科技大學財務融研究所碩士論文。
[3]周聖鈞，2013，趨勢策略應用於台灣股票市場之研究，國立臺北科技大學工商管理研究所博士論文。
[4]施景章，2011，臺股期貨均線突破策略高頻交易之實證研究，國立高雄應用科技大學金融資訊研究所碩士論文。
[5]簡威竹，2013，台灣加權股價指數期貨、成交量與未平倉量之關聯性研究，國立中正大學國際經濟研究所碩士論文。
[6]江俊良，2011，移動移動平均法和相對強弱指標在台灣股市之投資績效，明志科技大學工業工程與管理研究所碩士論文。
[7]Chen, C. N. (2013). The predictability of opening returns for the returns of the trading day: Evidence from Taiwan futures market. International Review of Economics & Finance, 25, 272-281.
[8]Cover, T., & Hart, P. (1967). Nearest neighbor pattern classification. IEEE transactions on information theory, 13(1), 21-27.
[9]Kwon, Y. K., & Moon, B. R. (2007). A hybrid neurogenetic approach for stock forecasting. IEEE Transactions on Neural Networks, 18(3), 851-864.
[10]Malkiel, B. G., & Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The journal of Finance, 25(2), 383-417.
[11]Teixeira, L. A., & De Oliveira, A. L. I. (2010). A method for automatic stock trading combining technical analysis and nearest neighbor classification. Expert systems with applications, 37(10), 6885-6890.
[12]Szakmary, A. C., Shen, Q., & Sharma, S. C. (2010). Trend-following trading strategies in commodity futures: A re-examination. Journal of Banking & Finance, 34(2), 409-426.