第四章、 實證結果分析
第三節、 情境分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節、情境分析
本文接下來將討論五種情境分析方法，分別為機率值門檻、股票投資權重、
預測期間天數、神經網路特徵變數和出場規則，以比較各組之間的差異情況。
一、機率值門檻情境
本文使用機率值門檻0.7 與原策略進行比較，如圖 17、18、19 和附錄(表 7) 所示。可以發現除了2011 和 2017 年，其餘年度的表現皆明顯劣於主策略，且從 閒置資金比率和交易次數來看，其資金運用的空窗期較多，可能與門檻0.7 以上 的股數較少有關，雖然預測勝率稍高，但亦有可能因為股數較少使得準確率較不 穩定，且在股數選完後有更大機會選到較差的股票。
圖 17、主策略門檻之基金走勢比較
0 500,000 1,000,000 1,500,000 2,000,000 2,500,000 3,000,000 3,500,000 4,000,000 4,500,000 5,000,000
2011/1/4 2012/1/4 2013/1/4 2014/1/4 2015/1/4 2016/1/4 2017/1/4
基金走勢
主策略 門檻0.7
‧
2011 2012 2013 2014 2015 2016 2017 all
年化報酬率
2011 2012 2013 2014 2015 2016 2017 all
夏普比率
主策略 門檻0.7
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、股票投資權重情境
本文使用股票投資權重0.1 和 0.05 與原策略進行比較，如圖 20、21、22 和 附錄(表 8、9)所示。可以發現三者的表現差異不大，且趨勢幾乎一致，除了 2011 和2017 年呈現負的年化報酬率，其餘年度皆為正值，而三者中以主策略表現稍 優；從年化標準差和最大回撤率來看，主策略的基金波動較多，可能與其每次持 有股數較少有關，使得基金走勢高度依賴於特定股票，導致平均獲利金額較不穩 定，時常有大起大落的情況。
圖 20、主策略權重之基金走勢比較
0 500,000 1,000,000 1,500,000 2,000,000 2,500,000 3,000,000 3,500,000 4,000,000 4,500,000 5,000,000
2011/1/4 2012/1/4 2013/1/4 2014/1/4 2015/1/4 2016/1/4 2017/1/4
基金走勢
主策略 權重0.1 權重0.05
‧
2011 2012 2013 2014 2015 2016 2017 all
年化報酬率
2011 2012 2013 2014 2015 2016 2017 all
夏普比率
主策略 權重0.1 權重0.05
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
三、預測天數情境
本文使用預測期間10 天和 5 天與原策略進行比較，如圖 23、24、25 和附錄 (表 10、11 和圖 32、33)所示。可以發現 10 天和 5 天的基金走勢大致相同，且表 現皆明顯劣於20 天，而三者各年度的年化報酬率方向大致相同，以 20 天的變化 程度較大；從最大回撤率、勝率和交易次數來看，持有期間只有10 天和 5 天的 交易次數較為頻繁，使得投資報酬容易被交易成本抵銷，導致勝率較低，且換股 次數頻繁，使得基金走勢更容易受到特定股票的波動影響，究其原因可以發現10 天和5 天在門檻 0.6 以上的預測勝率並未像主策略有明顯的上升趨勢，可能推論 該神經網路使用的技術指標比較適合用於20 天的預測期間。
圖 23、主策略天數之基金走勢比較
0 500,000 1,000,000 1,500,000 2,000,000 2,500,000 3,000,000 3,500,000 4,000,000 4,500,000 5,000,000
2011/1/4 2012/1/4 2013/1/4 2014/1/4 2015/1/4 2016/1/4 2017/1/4
基金走勢
主策略 預測5天 預測10天
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 24、主策略天數之年化報酬率比較
圖 25、主策略天數之夏普比率比較
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
120%
140%
2011 2012 2013 2014 2015 2016 2017 all
年化報酬率
主策略 預測10天 預測5天
-2.5-2.0 -1.5 -1.0-0.50.00.51.01.52.02.53.03.54.04.5
2011 2012 2013 2014 2015 2016 2017 all
夏普比率
主策略 預測10天 預測5天
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
四、特徵變數情境
本文使用過去二十日股價日報酬變數與原策略進行比較，如圖 26、27、28 和附錄(表 12、圖 34)所示。可以發現兩者基金走勢差異不大，且各年度年化報酬 率的方向大致相同；從最大回撤率和交易次數來看，基金走勢波動和股票交易次 數大致相同，且神經網路在門檻0.6 以上的預測勝率同樣呈現上升趨勢，惟其勝 率和獲利因子較主策略稍差，且閒置基金比率稍高，使得每次交易獲得的投資報 酬相對較少，究其原因可能推論受限於投資股數的影響，在股票預期能獲得正報 酬卻無足夠的閒置資金能進行投資，或是在買進股票當日較少有高報酬的股票。
然而整體來說神經網路對於同樣二十日的預測期間，不論是使用技術指標或股價 作為特徵變數都有不錯的效果。
圖 26、主策略變數之基金走勢比較
0 500,000 1,000,000 1,500,000 2,000,000 2,500,000 3,000,000 3,500,000 4,000,000 4,500,000 5,000,000
2011/1/4 2012/1/4 2013/1/4 2014/1/4 2015/1/4 2016/1/4 2017/1/4
基金走勢
主策略 股價
‧
2011 2012 2013 2014 2015 2016 2017 all
年化報酬率
2011 2012 2013 2014 2015 2016 2017 all
夏普比率
主策略 股價
‧
2011/1/4 2012/1/4 2013/1/4 2014/1/4 2015/1/4 2016/1/4 2017/1/4
基金走勢
主策略 技術分析出場
‧
2011 2012 2013 2014 2015 2016 2017 all
年化報酬率
2011 2012 2013 2014 2015 2016 2017 all
夏普比率
主策略 技術分析出場