1.1 研究背景
在經濟趨緩的年代，一般人為獲得優渥的生活甚至達到財務自由的境界，通常會從事 副業、投資房地產、公司、股票等，但投資房產或公司一開始所需金額過高，所以對於多 數人而言會選擇投資股票以保住並增加資產，然而台灣股票市場中股價的變化可能相當劇 烈，如 1990 年 2 月起，八個月內台股從 12682 點跌到 2485 點才止住，跌幅高達 80.4%；
2000 年的網路泡沫化使台灣股價從 10393 點跌至 3411 點，跌期約 20 個月；2008 年金融 海嘯讓台股在 13 個月內從 9859 點跌了 59%，股價來到 3955 點之後在七個月內反漲到 7084 點，因而如何能夠在這種劇烈之股價變化中降低投資風險並獲取報酬，一直以來皆是財務 研究及實務的重點。傳統上為了避免風險通常會採用固定比例投資組合保險策略(constant proportional portfolio insurance, CPPI)，但因傳統型之 CPPI 為了能夠有效降低風險，大幅度 犧牲了獲利，所以如何能夠獲取超額報酬與降低風險便是許多人討論的重點。
基於上述所言本研究企圖建立一能夠有效獲利且能夠降低風險的投資策略，其成份包 含 ：技術指標 (technical indicators)、固定比例投資組合保險 策略(CPPI)以及績效指標 (performance indicators)。技術指標是指股票交易過程中所產生的相關數據資料如股價、交 易量、成交金額等在經過特定公式計算過後所產生的數值，並觀察與運用這些數值來判斷 何時買進與賣出。固定比例投資組合保險乃一資金配置策略，所謂資金配置策略乃指將預 計進行投資之全部資金，依照特定方式進行資金分配，並在某一段時間後進行重新調整，
如資金分配方式為 40%投入股票市場其餘部分則保留為現金，每一個月進行調整，則如果 全部投入金額為 1000 元，則投入股票市場有 400 元，600 元則以現金保留，若在一個月後 因投資股票有獲益而使總金額變為 2000 元則再次進行資金分配使得投入市場之資金變為 800 元，其餘則仍以現金保留。績效指標為用以評論一交易策略的成效，在本研究中有兩
種功能：其一為利用績效指標進行回測，藉以求出最佳投資組合策略；其二為用以評斷此 投資組合策略實際運用時其成效之優劣。
1.2 研究目的
在投資研究的領域一個著名的可同時降低投資風險並取得超額報酬的方法為固定比 例投資組合保險策略(constant proportional portfolio insurance) [7]。關於此方法過去研究大都 皆採用投資報酬率或夏普比率(Sharpe ratio)以檢驗相關方法的績效，在本研究中我們的目 標在於使用其他的績效指標以檢視於 CPPI 中如何能更進一步降低投資風險並提升報酬率，
以改良先前的 CPPI 的相關方法。我們將使用遺傳演算法結合不同績效指標所設計之適應 性函數(用以回測系統優劣之指標，後續章節會進行詳細說明)以建構最佳的 CPPI 模型，並 對這些模型進行統計驗證以測試其效能及計算相對應的投資報酬率與資產所遭遇之最大 風險，以幫助投資人能了解如何藉由 CPPI 以在更有效的風險控制下取得較佳報酬。
1.3 論文架構
本文章節安排如下:第 1 章前言，主要講解研究的背景，目的及貢獻；第 2 章為文獻探 討，回顧過去相關研究文獻並討論與本研究有何關連；第 3 章之資料與研究方法將詳述本 研究所使用方法，包含遺傳演算法，技術指標、部位配置、績效指標等；第 4 章呈現研究 結果，並分析與討論其相關意義；最後第 5 章為結論，總結本次研究成果，並提出未來可 深入研究之方向。
1.4 本研究貢獻
在本研究中我們探討的目標在於使用數種特定的績效指標以檢視於 CPPI 中如何能更進 一步降低投資風險並提升報酬率，以改良先前之 CPPI 的相關方法。主要方式為使用遺傳 演算法(Genetic Algorithm, GA)及適合的績效指標作為適應性函數，除利用複利報酬率進行 比較外，同時採用最大下跌幅度(maximum drawdown, MDD) [1]和左尾偏動差(lower partial
moment, LPM)作為策略之風險指標，藉由同時探討報酬率與風險以更全面地評估不同投資 策略之優劣。在過去 CPPI 策略之相關研究中，於財務之領域中傳統型之 CPPI 通常採取的 方式為固定時間進出場之策略，其用以之衡量策略之成效的績效指標大多為複利報酬率[8]；
在較為後期時有部分學者將 CPPI 導入至人工智慧領域並加以研究，而在人工智慧領域中 所討論的 CPPI，所採取衡量策略優劣之成效的績效指標大多為複利報酬率或夏普比率
(Sharpe ratio) [10]，本研究中另外採用克瑪比率(Calmar ratio)、 歐米茄比率(Omega ratio)、
資訊比率(information ratio)以及索丁諾比率(Sortino ratio)等數種績效指標進行比較，運用遺 傳演算法結合多種技術指標判斷進出場時機與上述數種績效指標所設計之適應性函數以 建構出最佳的 CPPI 模型，並對這些模型進行統計驗證以測試其效能及計算相對應的投資 報酬率與資產所遭遇之最大風險，以幫助投資人能了解如何藉由 CPPI 以在更有效的風險 控制下取得較佳報酬。我們的結果證實以 Calmar ratio 做為適應性函數所建構而成之投資 模型比起由其他績效指標所建立之投資模型亦或是傳統型之 CPPI 策略更具有降低投資風 險並提升報酬率之成效。