臺灣博碩士論文加值系統

在股市中，多年來投資人不斷找尋判斷市場趨勢和股價未來走勢的方法，作為擇時和擇股的參考指標。由於使用技術指標不需投入龐大的資源去取得資料，且使用的方法較基本分析容易。而本研究應用常見技術指標包含：移動平均線、濾嘴法則和區間突破法則，運用在股票市場上，測試其獲利性。為了提升操作績效和獲利的穩定性，本文使用聯合訊號交易策略，並且加入人工智慧領域中的證據理論來提升交易策略的獲利能力。
實證顯示，在區間突破法則下個股的最大獲利表現最佳，但在虧損部分，個股的最大損失明顯高於其他策略，表示單一技術指標不僅穩定度不足且彼此之間的買賣訊號也產生了矛盾。而在使用聯合訊號交易策略後，研究發現，聯合訊號交易策略不僅顯著提升單一技術指標的獲利性，並且擊敗買進持有策略。而在使用證據理論融合聯合訊號交易策略後，發現其能有效提升交易策略的獲利能力，且在不同產業下，提升的幅度也不同。

Investors constantly searched for some methods to determine market trends, stock price as a reference indicator of the timing and stock selection in the stock market over the past years. By using technical analysis, we do not need huge resources to get the information and it is easier than using fundamental analysis. This study employed common technical indicators, which test profitability in the stock market, include Moving Average, Filter Rule and Trading Range Breakout. We use Combined Signal Approach, plus Dempster-Shafer Theory in the Artificial Intelligence field in order to increase the investing performance and earnings stability.
Form our result, we find that the individual share has the best profitability in the Trading Range Breakout. However, the greatest loss of individual share is obviously higher than other strategies. It shows that individual technical indicators do not have enough stability and there is also happening a lot of contradiction among them. The empirical result shows that using Combined Signal Approach not only improves the earnings of individual technical indicators but also wins the strategy of Buy and Hold strategy. In addition, after integrating Dempster-Shafer Theory and Combined Signal Approach, we find that Dempster-Shafer Theory increases the earnings of trading strategy and it also improves different ranges in different industries.

摘要 I
Abstract II
致 謝 III
目 錄 IV
表目錄 VI
圖目錄 VIIII
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、研究流程與架構 4
第二章、文獻回顧 6
第一節、股市技術分析簡介 6
第二節、技術分析相關文獻 10
第三節、證據理論相關文獻 16
第三章、研究方法 19
第一節、技術指標定義與應用 19
第二節、證據理論的介紹與應用 27
第三節、報酬率計算與夏普指數 32
第四章、實證結果 35
第一節、單一與聯合交易策略實證結果分析 37
第二節、依產業別分類之實證結果分析 48
第三節、證據理論整合之實證結果分析 59
第五章、結論與建議 65
參考文獻 69
表目錄
表4-1單一技術指標與買進持有策略之獲利性比較 39
表4-2聯合訊號(CSA)交易策略與買進持有策略之獲利性比較 39
表4-3單一技術指標是否顯著獲得超額報酬 43
表4-4聯合訊號(CSA)交易策略是否顯著獲得超額報酬 44
表4-5使用夏普指數探討單一技術指標之獲利能力 47
表4-6使用夏普指數探討聯合訊號交易策略之獲利能力 47
表4-7單一技術指標分類為傳統產業 50
表4-8單一技術指標分類為電子產業 50
表4-9聯合訊號(CSA)交易策略分類為傳統產業 51
表4-10聯合訊號(CSA)交易策略分類為電子產業 51
表4-11單一技術指標依產業別分類之顯著性分析 54
表4-12聯合訊號(CSA)交易策略依產業別分類之顯著性分析 55
表4-13使用夏普指數探討單一技術指標之依產業別分類後之獲利能力 58
表4-14使用夏普指數探討聯合訊號交易策略依產業別分類後之獲利能力 58
表4-15證據理論和聯合交易策略之獲利性分析 60
表4-16 在傳統產業下分析證據理論和聯合交易策略之獲利能力 63
表4-17 在電子產業下分析證據理論和聯合交易策略之獲利能力 64
圖目錄
圖1- 1 研究架構流程圖 5

1.周宗南、張輝鑫、黃祥穎(2010)。應用證據理論融合不同擇股策略模型以建立最佳化投資組合。財金論文叢刊，13，59-73。
2.周建新、陳振宇、許正昇（2007）。技術分析運用於台灣公債投資績效之實證。經營管理論叢，第十三卷，第二期，23-45。
3.周建新、陳振遠（2002）。濾嘴法則操作績效與台灣期貨市場效率性之研究。中華管理評論國際學報，第五卷，第四期，104-119。
4.金鐵英（2003）。台股短期走勢可被準確的預測並且從中獲利：誰說市場是有效率的。現代財務論壇，朝陽學報，第八期，25-45。
5.姚蕙芸、梁志民（2005）。空頭與多頭走勢期間台股股價與相關因素因果關係探討一以2000 及2003 年為例。企業管理學報，第六十六期，1-39。
6.陳松男(1997)。現代投資學。台北：新陸圖書有限公司。
7.陳偉星(2005)。應用證據推理於供應商評選之研究。技術學刊，20(4)，339-355。
8.傅英芬、劉海清（2008）。台灣股市產業動能現象之研究與交易策略之應用。台南科大學報人文管理類，第二十七期，267-280。
9.傅英芬、劉海清（2009）。全球股市之擇時與擇股-動能策略之應用。中華管理學報，第十卷，第二期，23-40。
10.樓禎祺、何培基（2003）。股價移動平均線之理論與實證-以台灣股巿模擬投資操作為例。育達研究叢刊，第五、六期合刊，27-51。

1.Alexander, S. S., 1961, “Price movements in speculative markets: trends or random walks,” Industrial Management Review, 2, 7-26.
2.Brock, W. and Lakonishok, J. and Lebaron, B., 1992, “Simple Technical Trading Rules and the Stochastic Properties of Stock Returns,” Journal of Finance, 47, No.5, pp.1731-1764.
3.Coutts, J. A. and Cheung, K. C., 2000, “Trading rule and stock return: some preliminary short run evidence from the Hang Seng 1985-1997,” Applied Finance Economics, 10, 579-586.
4.Fama, E. F. and Blume, M. E., 1966, “Filter Rules and Stock Market Trading,” Journal of Business, 39, 226-241.
5.Fama, E.F.,1970, “Efficient Capital Markets: A Review of Theory and Empirical Works,” Journal of Finance, vol.25,2, 383-417.
6.Gunasekaragea, A. and Power, D., 2001, “The profitability of moving average trading rules is South Asian stock markets.” Emerging Markets Review, 2, 17-33.
7.Akdag, H. and Morhtari, M., 1996, “Approximative conjunctions processing by multi-valued logic,” In: IEEE Int''l Symp on Multiple-Valued Logic (ISMVL''96). Santiago de Compostela, Spain: IEEE Computer Society, 130-135.
8.Lento, C. and Gradojevic, N., 2007, “The profitability of technical trading rules: A combined signal approach,” Journal of Applied Business Research, 23, 13-27.
9.Lento, C., 2008, “A combined signal approach to technical analysis on the S&P 500,” Journal of Business and Economics Research, 6, 41-51.

10.Lento, C., 2009, “Combined signal approach: Evidence from the Asian-Pacific equity markets,” Applied Economics Letters, 16, 749-753.
11.Parsons, S., 1994, “Qualitative approaches to applying the Dempster-Shafer theory,” Information and Decision Technologies,19, 321–337.
12.Parsons, S. and Mamdani, E. H.,1993, “Qualitative Dempster-Shafer theory,” Proceedings of the IMACS III International Workshop on Qualitative Reasoning and Decision Technologies, 471–480, CIMNE Press, Barcelona.
13.Pruitt, S. W. and White, R. E., 1988, “The CRISMA trading system: Who says technical analysis can’t beat the market?” Journal of Portfolio Management, 14, 55-58.
14.Seridi, H. and Bannay-Dupin De ST CYR, F. and Akdag, H., 1998, “Qualitative operators for dealing with uncertainty,” In: The 5th Int''l Workshop Fuzzy-Neuro Systems''98. Munich: Infix, 202-209.
15.Shafer, G., 1976, “A Mathematical Theory of Evidence,” Princeton, NJ, University Press.
16.Sweeney, R.J., 1990, “Evidence on Short-Term Trading Strategies,” Journal of Portfolio Management, vol.17, pp.20-26.
17.Van Horne, J.C. and Parker, G.G.C., 1967, “The Random-Walk Theory: An Emperical Test,” Financial Analysts Journal, vol.23, pp.87-92.
18.White, H., 2000, “A reality check for data snooping,” Econometrica, vol.68, pp.1097-1126.