臺灣博碩士論文加值系統

本研究探討各項技術指標包含隨機指標（KD）、相對強弱指標（RSI）、威廉指標（WMS%R）交易策略之獲利性，接著將各項技術指標之買賣訊號結合成為聯合訊號交易策略並測試獲利性並且將交易頻率區分為5分鐘、15分鐘、60分鐘之個別測試獲利性，最後使用證據理論融合各項技術指標之買賣訊號交易策略並測試獲利性與聯合訊號交易策略進行比較。本文使用台灣加權指數期貨為樣本，取樣期間為2001年1月2日至2012年12月28日。
研究結果顯示聯合技術指標交易策略無論在日資料或日內資料都無法有效提高獲利能力，但確實能夠降低單一技術指標之間的矛盾訊號也能夠降低交易次數。證據理論融合各項技術指標交易策略能夠提高聯合技術指標交易策略的獲利能力與勝率並降低交易次數，其中結合隨機指標、相對強弱指標與威廉指標之買賣訊號交易策略組合在日資料交易頻率與日內交易頻率之60分鐘提升聯合訊號交易策略的報酬最佳。



關鍵字：隨機指標、相對強弱指標、威廉指標、聯合訊號交易策略、證據理論

The aim of this study is to examine the profitability of trading strategies by using technical indicators consisted of KD, RSI and William %R. Each of three technical indicators is tested for trading performance respectively, and then integrated with Combined Signal Approach (CSA). Both the single and CSA strategies are evaluated with various performance metrics. In addition, evidential reasoning approach is also applied to combine the outcomes of the single indicator and CSA for comparison. The experimental data is sampled at different frequencies including 5-minute, 15-minute, 60-minute and end-of-day data over the period of 02/01/2001 through 28/12/2012 from TAIEX Futures.

Our empirical results show that CSA fail to increase the short-term profits for both end-of-day and intraday data. However, CSA is capable of reducing conflicting and contradictory nature of single indicator and reduce the number of trades. The evidential reasoning approach which fuses different indicators can improve the winning ratio and decrease the trading frequency. Among all trading strategies, the integration of KD, RSI and William %R by evidential reasoning approach and filtered with 60-minute and end-of-day data outperform the other trading strategies and achieve the best profitability.


Keywords:Stochastic,Relative Strength Index,Williams Overbought,Combined Signal Approach,Dempster-shafer Evidence

摘要 I
ABSTRACT II
致謝 III
目錄 IV
表目錄 V
圖目錄 VI
第一章、緒論 1
第一節、研究動機 1
第二節、研究目的 2
第三節、研究流程與架構 3
第二章、文獻回顧 5
第一節、技術分析簡介 5
第二節、技術分析相關文獻 6
第三節、證據理論相關文獻 10
第三章、研究方法 13
第一節、技術指標定義與應用 13
第二節、證據理論的介紹與應用 19
第三節、交易策略之績效衡量 24
第四章、實證結果 26
第一節、單一與聯合交易策略實證結果分析 27
第二節、依交易頻率分類之實證結果分析 31
第三節、證據理論整合之實證結果分析 38
第五章、結論與建議 44
參考文獻 46
表目錄
表3-1：KD買賣規則 15
表4-1單一技術指標交易策略之獲利性比較 28
表4-2聯合技術指標交易策略之獲利性比較 31
表4-3 5分鐘之單一技術指標 32
表4-4 15分鐘之單一技術指標 33
表4-5 60分鐘之單一技術指標 34
表4-6 5分鐘之聯合技術指標 36
表4-7 15分鐘之聯合技術指標 37
表4-8 60分鐘之聯合技術指標 37
表4-9 證據理論和聯合交易策略之獲利性分析 39
表4-10 在5分鐘頻率下分析證據理論和聯合交易策略之獲利性 41
表4-11 在15分鐘頻率下分析證據理論和聯合交易策略之獲利性 42
表4-12 在60分鐘頻率下分析證據理論和聯合交易策略之獲利性 43
圖目錄
圖1-1 研究架構流程圖 4

1.吳百正（2004）。台股期貨市場弱式效率性之研究。未出版碩士論文，國立台灣科技大學財務金融研究所，台北市。
2.周宗南、張輝鑫與黃祥穎（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。
3.林樹禮（2008）。結合證據理論的層級分析法於多準則決策之研究。未出版碩士論文，屏東科技大學資訊管理所，屏東縣。
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.韋恩（2012）。以證據理論結合聯合訊號應用在台灣股市之技術分析。未出版碩士論文，朝陽科技大學財務金融學系，台中市。
6.徐正錦（2003）。技術分析應用於台灣股市之實證研究。未出版碩士論文，國立中正大學國際經濟研究所，嘉義縣。
7.高梓森（1994）。台灣股市技術分析之實證研究。未出版碩士論文，國立台灣大學財務金融學系，台北市。
8.陳建全（1998）。台灣股市技術分析之實證研究。未出版碩士論文，國立台灣大學商學研究所，台北市。
9.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。
10.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。未出版碩士論文，銘傳大學金融研究所碩士在職專班，台北市。
11.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.
12.Bessembinder, H. and Chan, K., 1995, “The Profitability of Technical Trading Rules in the Asian Stock Markets,” Pacific-Basin Finance Journal, 3, 257-284.
13.Brock, W.,Lakonishok, J. and Lebaron, B., 1992, “Simple Technical Trading Rules and the Stochastic Properties of Stock Returns,” Journal of Finance, 47, 5, 1731-1764.
14.Dempster, A. P., 1967, "Upper and Lower Probabilities Induce by A multiplicand Mapping," Annals of Mathematical Statistics, 38, 325-339.
15.Dempster, A. P., 1968, "A generalization of Bayesian inference," Journal of the Royal Statistical Society, 30, 205-247.
16.Fama, E. F.,1970, “Efficient Capital Markets: A Review of Theory and Empirical Works,” Journal of Finance, 25, 383-417.
17.Jocobs, B., and Levy, K. N., 1989, “The Complexity of the Stock Market,” The Journal of Portfolio Management, 16.
18.Lento, C. and Gradojevic, N., 2007, “The profitability of technical trading rules: A combined signal approach,” Journal of Applied Business Research, 23, 13-27.
19.Lento, C., 2008, “A combined signal approach to technical analysis on the S&P 500,” Journal of Business and Economics Research, 6, 41-51.
20.Lento, C., 2009, “Combined signal approach: Evidence from the Asian-Pacific equity markets,” Applied Economics Letters, 16, 749-753.
21.Marshall, B. R., Cahan, R. H., and Cahan, J. M., 2006, “Is the CRISMA Technical Trading System Profitable?” Global Finance Journal, 17, 271-281.
22.Marshall, B. R., Cahan, R. H., and Cahan, J. M., 2008a, “Does Intraday Technical Analysis in the US Equity Market Have Value?” Journal of Empirical Finance, 15, 199-210.
23.Marshall, B. R., Cahan, R. H., and Cahan, J. M., 2008b, “Can Commodity Futures Be Profitably Traded with Quantitative Market Timing Strategies?” Journal of Banking and Finance, 32, 1810-1819.
24.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.
25.Parsons, S., 1994, “Qualitative approaches to applying the Dempster-Shafer theory,” Information and Decision Technologies, 19, 321–337.
26.Pring, M. J., 2002, “Technical Analysis Explained,” New York: McGraw-Hill.
27.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.
28.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.
29.Shafer, G., 1976, “A Mathematical Theory of Evidence,” Princeton: Princeton University Press.
30.White, H., 2000, “A reality check for data snooping,” Econometrica, 68, 1097-1126.