4-1 前言
技術分析的理論大致可歸為兩大類：
1. 順勢系統
此類技術分析企圖補抓長期波段行情，故通常交易筆數不會太高。其理論基礎是漲者恆 漲、跌者恆跌，即當漲或跌形成趨勢時，會持續一個波段，故系統在波段趨勢明顯時的表現 往往較佳。這類系統勝率雖不高，但大賺小賠，其報酬率還頗可觀。移動帄均法是其代表。
2. 擺盪系統
此類技術分析企圖補抓短期振盪的高低點之價差，故通常交易筆數較高。其理論基礎是 漲多必跌、跌多必漲，故系統在區間盤整時的表現往往較佳。這類系統勝率雖較高，但小賺 小賠，且交易頻率過高，致使交易成本侵蝕獲利，其報酬率有限。振盪指標如布林帶、KD、
RSI 或威廉指標等為其代表。
順勢系統在漲或跌形成趨勢時表現往往較佳，但在區間盤整時的表現往往較差，如圖 4-1 所示。擺盪系統在漲或跌形成趨勢時表現往往較差，但在區間盤整時的表現往往較佳，如圖 4-2 所示。
過去的研究顯示(Yeh, et al. 2009)，長期而言，順勢系統贏過擺盪系統。本研究因為研究 重點在於結合選股與擇時模型成為一個選股擇時複合模型，因此在擇時模型方面只研究順勢 系統。
38
順勢系統
圖 6-6(a) 移動帄均線在台灣股市 2008/1/1-2010/8/13 之實證 (紅線是 50 天移動帄均，綠 線是加減 1.5 倍標準差，紅色箭頭是買入點，綠色箭頭是賣出點)
圖 4-1 移動帄均線在台灣股市 2008/1/1-2010/8/13 之實證 (紅線是 50 天移動帄均，綠線是加減 1.5 倍標準差，紅色箭頭是買入點，綠色箭頭是賣出點)
54
39
擺盪系統
圖 6-5 布林帶在台灣股市 2008/1/1-2010/8/13 之實證(紅線是 50 天移動帄均加減 2 倍標準 差，紅色箭頭是買入點，綠色箭頭是賣出點)
圖 4-2 布林帶在台灣股市 2008/1/1-2010/8/13 之實證(紅線是 50 天移動帄均加減 2 倍標準差，
紅色箭頭是買入點，綠色箭頭是賣出點)
4-2 研究方法
本研究考量三種順勢系統：
(1) 價格因子順勢系統 (2) 成交量因子順勢系統
(3) 價格與成交量因子整合順勢系統 其原理如下各節。
4-2-1 順勢擇時模型 1：價格因子
移動帄均線(MA)是利用統計學上移動帄均的原理，將每天的收盤價以需要的天數累加後 除以其天數，得出一帄均值，可根據股價與帄均值的排列順序以研判進出時點。移動帄均線 背後的意義代表期間內投資人的帄均持股成本，所以從 MA 線和股價之間的關係，可以看出 股價即將產生的變動方向。
方法
當價格的短期移動帄均由下向上突破長期移動帄均時，表示上漲趨勢，是買入點。當價 格的短期移動帄均由上向下突破長期移動帄均時，表示下跌趨勢，是賣出點。參考圖 4-3。
缺點
必須選擇適當的短期移動帄均與長期移動帄均的期間長度。當所選的時間長度不當時，會 出現交易次數過多，即過早買入、賣出；反之，會出現交易次數過少，即過晚買入、賣出。
改進
為了避免交易次數過多，可設一個門檻值，即突破的程超過門檻值才視為有效突破。
55
圖 4-3 移動帄均線(台股 2008/5-2010/5)
常用的買賣規則為
買入規則：收盤價MA(S)MA(L)(1A%) 賣出規則：收盤價MA(S)MA(L)(1A%) 其中
S=短天期 MA 線的移動帄均長度，一般可用 1 天或 5 天；
L=長天期 MA 線的移動帄均長度，一般可用 20 天(月線)、50 天(季線)、120 天(半年線)；
A%=門檻(百分比)，一般 A%=0~2%。
4-2-2 順勢擇時模型 2：成交量因子
一般而言，股市的成交量放大通常伴隨著價格上揚傾向；反之，成交量縮小通常伴隨著 價格下挫傾向。因此，可利用統計學上移動帄均的原理，將每天的成交量以特定的天數累加 後除以其天數，得出一帄均值，再將長期與短期移動帄均線比較，以研判價格趨勢，及決定 買進、賣出時點。常用的買賣規則為
買入規則：成交量MA(S)MA(L)(1B%) 賣出規則：成交量MA(S)MA(L)(1B%) 其中
S=短天期 MA 線的移動帄均長度，一般可用 1 天或 5 天；
L=長天期 MA 線的移動帄均長度，一般可用 20 天(月線)、50 天(季線)、120 天(半年線)；
B%=門檻(百分比)，一般 B%=0~40%。
56
4-2-3 順勢擇時模型 3：價格與成交量因子整合
由於價、量各自反應部份資訊，因此結合兩者有可能產生更好的買賣規則，即 買入規則：收盤價MA(S)MA(L)(1 A%)且 成交量MA(S)MA(L)(1B%) 賣出規則：收盤價MA(S)MA(L)(1A%)且 成交量MA(S)MA(L)(1B%)
4-2-4 實證分析時可能會遇到的偏差與解決方法
在以實證分析評估技術分析的獲利能力時，會遇到幾種偏差 (White 2000)：
資料操弄偏差 (data-snooping bias)：在資料挖掘時，對一組資料以大量的假設模型建模常 能找到具有高度預測能力的模型，但這種模型會低估了可能的誤差。
短期偏差 (short-term bias)：在資料挖掘時，對一組具有時間性的資料建模，如果資料所 跨越的時間長度不足，常會產生具有高度預測能力的模型，但這種模型會低估在未來期 間的可能的誤差。
先視偏差 (forecasting bias)：在資料挖掘時，對一組具有時間性的資料建模，如果資料的 自變數中包含了一部份在因變數發生時才能得知的訊息，常會產生具有高度預測能力的 模型，但這種模型因為在自變數中包含了一部份在因變數發生時才能得知的訊息，故不 具實用性。
成本偏差 (cost bias)：在投資決策時，利用最新的資訊進行預測及決策，常會產生較高的 報酬，但因為大量的買入賣出造成可觀的成本，在考量成本後，反而可能有較低的報酬。
風險偏差 (risk bias)：在投資決策時，冒著較高的風險有可能獲得較高的報酬，但這種建 立在風險上的報酬從投資人風險偏好的觀點來看，未必是好的投資決策。
解決方法如下：
資料操弄偏差：盡量使用簡單的方法，並且不以最佳參數來評估一個方法，而是以一個 方法是否有時間穩定、幅度寬廣的參數來評估交易策略的優劣。
短期偏差：盡可能拉長測試期，本研究採用 1993-2009 共約 16.75 年資料。
先視偏差：以隔天的收盤價作為交易價格。
成本偏差：考慮交易成本。
風險偏差：評估每一交易策略的風險。
4-2-5 實證分析方法
本節探討下列三種類型的擇時模型在作多與作空中的績效：
1. 收盤價模型：價格移動帄均法。
2. 成交量模型：成交量移動帄均法。
3. 價量模型：價格與成交量移動帄均法。
採用 CMoney 法人投資決策支援系統進行回測，其方法為
57
1. 交易成本：依現行股票交易實務計算之，即手續費千分之 1.425 及交易稅千分之 3。
2. 交易週期：每日交易
3. 股票樣本：大盤加權指數(TWA00)。
4. 回測期間：1993 年 1 月初到 2009 年 9 月底，共 16.75 年間的股市資料。
4-3 研究結果
4-3-1 順勢擇時模型 1：價格因子
移動帄均線(MA)是利用統計學上移動帄均的原理，將每天的收盤價以需要的天數累加後 除以其天數，得出一帄均值，可根據股價與帄均值的排列順序以研判進出時點。移動帄均線 背後的意義代表期間內投資人的帄均持股成本，所以從 MA 線和股價之間的關係，可以看出 股價即將產生的變動方向。常用的買賣規則為
買入規則：收盤價 MA(S)>MA(L) A%
賣出規則：收盤價 MA(S)<MA(L) A%
其中 S=短天期 MA 線的移動帄均長度，一般可用 1 天或 5 天；L=長天期 MA 線的移動帄均長 度，一般可用 20 天(月線)、50 天(季線)、120 天(半年線)；A%=門檻(百分比)，一般 A%=0~2%。
本研究 S=1 天；L=20 天(月線)、50 天(季線)、120 天(半年線)三種；A%={0%, 0.25%, 0.5%, 1%, 2%}五種。
(1) 不同的移動帄均時間與門檻
以下將以 50, 20, 120 日等三種移動帄均法進行回測，並匯出報表。在此設 L=20 天(月 線)、50 天(季線)、120 天(半年線)三種；A%=0%, 0.25%, 0.5%, 1%, 2%五種。其投資組合年 化報酬率結果如表 4-1，和年週轉率如表 4-2，報酬率歷程如圖 4-4 所示。
表 4-1 MA(1,20)、MA(1,50)、MA(1,120) 之投資組 合年化報酬率
(投資組合年化報酬率) 收盤價 MA(S)>MA(L) (1,20) (1,50) (1,120) 收盤價
MA(S)>MA(L) 門檻(百分比)A%
0 7.58 11.93 7.67 0.25 8.03 12.48 8.58 0.5 8.5 13.08 8.27 1 6.15 12.71 8.92 2 8.78 11.18 7.1
0.25 0 1 0.5
2
(1,20) (1,50) (1,120) 0
2 4 6 8 10 12 14
年化報酬率
門檻(百分比)A%
移動帄均 天期組合
58
表 4-2 MA(1,20)、MA(1,50)、MA(1,120) 之年週轉 次數
(投資組合年週轉次數) 收盤價 MA(S)>MA(L) (1,20) (1,50) (1,120) 收盤價
MA(S)>MA(L) 門檻(百分比)A%
0 11.87 6.09 4 0.25 9.66 4.73 3.15 0.5 8.3 4.73 2.64 1 6.94 3.32 1.96 2 4.51 2.3 1.5
0.25 0 1 0.5
2
(1,20) (1,50) (1,120) 0
2 4 6 8 10 12
年週轉次數
門檻(百分比)A%
移動帄均 天期組合
MA(1,20) MA(1,50) MA(1,120)
0
0.25
0.5
1
2
圖 4-4 MA(1,20), MA(1,50), MA(1,120)之報酬比較圖
59
(2) 不同天期之影響： (20, 40, 50, 60, 120, 250)
為探討長期移動帄均長度 L 的影響，在此假設門檻(百分比)固定為 0.5，短期移動帄均長 度 S 固定為 1，長期移動帄均長度 L 則採 20, 40, 50, 60, 120, 250 六種，其投資組合年化報酬 率結果如表 4-3，和年週轉率如表 4-4，報酬率歷程如圖 4-5 所示。
表 4-3 (20, 40, 50, 60, 120, 250)之投資組合年化報酬率
長期移動帄均長度 20 40 50 60 120 250 投資組合年化報酬率 8.5 12.31 13.08 13.21 8.27 5.55 表 4-4 (20, 40, 50, 60, 120, 250)之年週轉次數
長期移動帄均長度 20 40 50 60 120 250 投資組合年週轉次數 8.3 4.73 4.73 3.43 2.64 2.13
移動帄均法是現在市場上絕大多數投資者熟知的分析工具，但其實際的效能仍有待驗 證。依上節的實證結果，結論如下：
1. 不同的移動帄均時間與門檻
(1) 年化報酬率 五種門檻參數 A%(0%, 0.25%, 0.5%, 1%, 2%)中，以 0.5%最佳，但是在 120 日時以 1%為最 佳，是唯一的特例。
三種長期移動帄均長度 L(20，50，120)中，以 50 日為最佳。
(2) 年週轉次數
門檻參數 A%越高，年週轉次數越少。
長期移動帄均長度 L 越長，年週轉次數越少。
(3) 報酬率歷程圖
報酬率歷程圖顯示，15 種策略的累積報酬率一直高於買入持有策略，且隨著時間拉長，逐 漸拉大差距。此外，累積報酬率均穩定成長，顯示它們可以幫助投資人避開下跌期，但能 掌握上漲期。
年化報酬率最高的 A%=0.5%；長期移動帄均長度 L=50 日組合遠優於買入持有策略，且由 累積報酬率歷程圖可知，其報酬率穩定遞增，因此具有很好的實用價值。
2. 不同天期之影響： (20, 40, 50, 60, 120, 250)
(1) 年化報酬率6 種不同的長期移動帄均長度 L 中(20, 40, 50, 60, 120, 250)以長度適中(40~60 日)的報酬率 最高，且差異不大；太短或太長的報酬率均明顯較低。
(2) 年週轉次數
60
長期移動帄均長度 L 越長，年週轉次數越少。長期移動帄均長度 L 在 40 到 60 日之間，
其年週轉次數約 3~5 次。
根據以上的實驗結果可知，在 S = 1；L = 50；A% = 0.5%時可以獲得最好的年化報酬率，
且明顯高於「買入持有策略」。其年週轉次數約 5 次，次數合理。其累積報酬率穩定增長，
能帶來遠比「買入持有策略」低很多的風險，因此這種策略具有實用的價值。
長期移動帄均長度 L=20 長期移動帄均長度 L=40 長期移動帄均長度 L=50
長期移動帄均長度 L=60 長期移動帄均長度 L=120 長期移動帄均長度 L=250 圖 4-5 移動帄均長度(20, 40, 50, 60, 120, 250)之報酬比較圖
4-3-2 順勢擇時模型 2：成交量因子
一般而言，股市的成交量放大通常伴隨著價格上揚傾向；反之，成交量縮小通常伴隨著 價格下挫傾向。因此，可利用統計學上移動帄均的原理，將每天的成交量以特定的天數累加 後除以其天數，得出一帄均值，再將長期與短期移動帄均線比較，以研判價格趨勢，及決定 買進、賣出時點。常用的買賣規則為
買入規則：成交量 MA(S)>MA(L) B%
賣出規則：成交量 MA(S)<MA(L) B%
其中 S=短天期 MA 線的移動帄均長度，一般可用 1 天或 5 天；L=長天期 MA 線的移動帄均長 度，一般可用 20 天(月線)、50 天(季線)、120 天(半年線)；B%=門檻(百分比)，一般 B%=0~40%。
本研究 S=1 天；L=20 天(月線)、50 天(季線)、120 天(半年線)三種；B%={0%, 10%, 20%, 30%, 40%}五種。