Rmkt2, 為在第 t 日之市場風險因子平方項，若其係數
顯著為正，則表示該策略具有擇時能力。其次，依 Henriksson and Merton (1981) 之方法建立另一擇時能 力迴歸式，如式(11)：
本表為考慮技術指標擇時策略下對於市場擇時能力之迴歸結果，迴歸式(10)為使用 Treynor and Mazuy (1966) 方式 將市場因子取平方項加入迴歸以探討擇時能力，βmkt2為其係數；迴歸式(11)則為 Henriksson and Merton (1981) 方 式建立一指標函數，若市場報酬大於零，則為 1，反之為 0，γmkt 為其係數。α 係數與指標函數皆轉換成以基點 表示，括號中的數值為t 值，*表示為 10%顯著水準、**表示為 5%顯著水準、***表示為 1%顯著水準。
Treynor-Mazuy 模型 Henriksson-Merton 模型
排序 α βmkt βmkt2 Adj. R2 α βmkt γmkt Adj. R2
（接續上頁）
Treynor-Mazuy 模型 Henriksson-Merton 模型
排序 α βmkt βmkt2 Adj. R2 α βmkt γmkt Adj. R2
Panel A：波動度投資組合
6 4.973 *** -0.602 *** 0.959 *** 44.80 1.631 -0.628 *** 11.900 *** 44.74 (3.52) (-79.66) (4.44) (0.73) (-58.67) (3.28) 7 4.104 *** -0.622 *** 1.145 *** 46.94 0.022 -0.654 *** 14.300 *** 46.86
(2.93) (-83.09) (5.35) (0.01) (-61.61) (4.00) 8 4.579 *** -0.621 *** 1.129 *** 45.01 2.657 -0.644 *** 10.000 *** 44.88
(3.15) (-79.93) (5.09) (1.15) (-58.43) (2.70) 9 7.981 *** -0.605 *** 0.589 ** 38.78 6.413 ** -0.619 *** 6.345 38.75 (4.97) (-70.51) (2.40) (2.51) (-50.93) (1.55)
10 9.605 *** -0.572 *** 0.783 *** 34.30 9.974 *** -0.580 *** 3.638 34.23 (5.74) (-63.94) (3.07) (3.75) (-45.81) (0.85)
10-1 8.373 *** -0.153 *** -0.468 * 2.94 19.200 *** -0.102 *** -23.800 *** 3.22 (4.54) (-15.48) (-1.66) (6.57) (-7.32) (-5.05)
TLS 13.400 *** -0.264 *** 1.818 *** 6.37 16.200 *** -0.276 *** 4.619 6.03 (6.07) (-22.34) (5.39) (4.62) (-16.48) (0.82) Panel B：公司規模投資組合
1 1.326 -0.435 *** 1.310 *** 39.87 -8.090 *** -0.490 *** 25.685 *** 40.02 (1.17) (-71.55) (7.55) (-4.49) (-57.09) (8.86) 2 6.476 *** -0.470 *** 0.498 *** 41.04 -3.141 * -0.516 *** 21.560 *** 42.36
(5.44) (-73.89) (2.74) (-1.67) (-57.42) (7.11) 3 3.706 *** -0.487 *** 0.979 *** 42.84 -5.270 *** -0.537 *** 22.983 *** 43.04
(3.11) (-76.43) (5.37) (-2.79) (-59.57) (7.56) 4 4.555 *** -0.478 *** 0.775 *** 41.61 -0.441 -0.509 *** 14.078 *** 41.64
(3.80) (-74.64) (4.24) (-0.23) (-56.09) (4.60) 5 4.103 *** -0.526 *** 0.809 *** 46.22 -5.849 *** -0.577 *** 23.948 *** 46.50
(3.42) (-81.98) (4.42) (-3.08) (-63.71) (7.83) 6 4.832 *** -0.520 *** 0.827 *** 44.59 -2.952 -0.563 *** 19.808 *** 44.73
(3.94) (-79.32) (4.41) (-1.52) (-60.69) (6.33) 7 5.423 *** -0.539 *** 0.910 *** 47.20 0.086 -0.573 *** 15.493 *** 47.20
(4.49) (-83.56) (4.94) (0.04) (-62.71) (5.02) 8 5.969 *** -0.530 *** 0.691 *** 47.53 -3.092 * -0.576 *** 21.546 *** 47.78
(5.07) (-84.24) (3.84) (-1.66) (-64.81) (7.18) 9 5.119 *** -0.571 *** 0.769 *** 50.65 -2.714 -0.613 *** 19.584 *** 50.79 (4.30) (-89.64) (4.23) (-1.44) (-68.07) (6.45)
10 4.651 *** -0.567 *** 1.398 *** 50.08 -0.864 -0.608 *** 18.558 *** 49.95 (3.87) (-88.26) (7.62) (-0.45) (-66.73) (6.03)
1-10 -3.325 ** 0.133 *** -0.089 4.12 -7.225 *** 0.118 *** 7.128 ** 4.17 (-2.47) (18.43) (-0.43) (-3.38) (11.56) (2.07)
TLS 3.101 * -0.405 *** 2.479 *** 1.22 -10.900 *** -0.131 *** 41.200 *** 1.21 (1.70) (-4.16) (8.90) (-3.77) (-9.46) (8.84)
力。在式(10) 方法之 α 係數顯著為正，在式(11) 方法 下 α 係數則為負。可發現兩擇時能力迴歸模型對於 TLS 策略之解釋能力有限。
歸納表 9 之結果，波動度投資組合部分的結果與 Han et al. (2013) 相同，移動平均策略具有市場擇時能 力，而公司規模部分亦具有市場擇時能力。TLS 策略 雖然具有市場擇時能力，但對於 TLS 策略獲利能力之 解釋能力卻有限。
結論
本文以台灣上市及上櫃公司股票為主要研究對 象，分別以波動度及公司規模排序形成投資組合，探 討在使用移動平均指標來形成投資策略之下，波動度 效果及公司規模效果是否依然存在，並具有優於買入 持有策略之投資績效。首先引用Han et al. (2013) 之方 式建立移動平均擇時交易策略，並以 CAPM 及 Fama and French 三因子 (1992) 模型來解釋移動平均策略獲 利能力之關係。實證結果顯示，在依波動度及公司規 模排序形成投資組合之下，若同時考慮移動平均指 標，不論為波動度或公司規模之移動平均策略之獲利 能力皆會優於買入持有策略。投資者能以投資高波動 度投資組合來賺取更高的超額報酬，但投資於小公司 規模投資組合則無法賺取更高的超額報酬。故在考慮 技術分析指標下，投資者投資於波動度投資組合之績 效會明顯優於買入持有策略之績效，然而在公司規模 投資組合對於獲利能力之提升效果較小。
本文進一步分別建構一零成本之波動度及公司規 模 TLS 策略，以買入波動度最高（公司規模最小）投 資組合，同時放空波動度最低（公司規模最大）投資 組合以形成 TLS 策略，並探討此投資策略對報酬的影 響。結果顯示，不管為依波動度或公司規模排序形成 投資組合之下，操作 TLS 策略之績效會優於移動平均 策略之績效。在不同天期之移動平均策略下，投資者 投資於波動度投資組合在大部分天期中仍具有優越的 投資績效，但投資績效會隨著移動平均策略之天期增 加而遞減。而在不同天期之 TLS 策略下，不論為依波 動度或公司規模排序形成投資組合，投資績效也會隨 著 TLS 策略之天期增加而遞減。以上移動平均擇時交 易策略以及 TLS 交易策略優異的獲利性均無法被動能 效果所解釋。另外，在考慮交易成本後，依波動度所 形成的移動平均擇時交易策略及 TLS 策略之投資績效
仍為正。將樣本期間均分為兩個子樣本期間時，兩個 子樣本期間之顯著為正的投資績效仍存在。而在同時 考慮總體經濟因素及市場狀態因素後，移動平均策略 及 TLS 策略之優異的投資績效仍存在。最後，發現移 動平均策略及 TLS 策略皆存在市場擇時能力，但對於 TLS 策略獲利能力之解釋能力卻很有限。本研究依據 移動平均指標建構交易策略所可獲取超額報酬的結 果，支持Zhang (2006) 與 Han et al. (2013) 的論點。
投資人對資訊不確定性較大股票的反應不足現象更嚴 重，當資訊不確定性較大的時候，運用技術分析之有 效性將大幅提升。
附錄
本 文 仿 照 Fama and French (1993) 與 Carhart (1997) 建構三因子與四因子模型，其中，Fama and French (1993) 三因子模型之規模因子和帳面市值比因 子建構方式如下。我們首先將 t 年 6 月個股月報酬依 公司規模（市場價值）分成前 50%和後 50%（定義為 S 及 B 投資組合），且根據帳面價值市值比將所有股 票分成前30%、中間 40%和後 30%（定義為 L、M 及 H 投資組合），使用前 30%和前 70%為分割點，分成 六組價值加權投資組合，並計算各投資組合在之後十 二個月（t 年 7 月至 t+1 年 6 月）的每月加權平均報酬 率 。 規 模 因 子 為 買 進 小 公 司 股 票 的 投 資 組 合 ((S/L+S/M+S/H)/3) 並 賣 出 大 公 司 股 票 的 投 資 組 合 ((B/L+B/M+B/H)/3) 之平均月報酬；帳面市值比因子 為買進帳面價值市值比最高的投資組合 ((S/H+B/H)/2) 並賣出帳面價值市值比最低的投資組合 ((S/L+B/L)/2) 之平均報酬；市場因子為市場報酬減去市場無風險利 率。
Carhart (1997) 四因子模型則為 Fama and French (1993) 三因子模型加上一價格動能因子，由於該因子 僅使用與市場資訊相關資料，故為每月建構之因子，
其建構方式如下。於每個月月初，我們計算個股過去 12 至 2 個月（亦即-12 至-2 月）期間之平均報酬，並 將所有股票分成前 30%、中間 40%和後 30%（定義為 L、M 及 W 投資組合），同時依照公司規模（市場價 值）分成前 50%和後 50%（定義為 S 及 B 投資組 合），分成六組價值加權投資組合，並計算各投資組 合在該月份的加權平均報酬率。價格動能因子為買進 平均報酬最高的投資組合 ((S/W+B/W)/2) 並賣出平均
報酬最低的投資組合 ((S/L+B/L)/2) 之平均報酬。