各模型選擇分數較高的前 30 支股票之平均月均化報酬率比較

緊接著我們要分析的是三種投資策略，各別選擇分數較高的前 30 支股票之實驗結 果。其分析如同前述選擇分數較高的 10、20 支股票之方法。表 6 的 Panel A 中代表選 擇分數較高的前 30 支股票在各別 CV 下的訓練期所獲得的結果；Panel B 中則代表選擇 分數較高的前 30 支股票在測詴期所獲得的結果。在表 6 選擇分數較高的前 30 支股票之 實驗結果中，RB依舊是代表所有公司平均月均化報酬率；ROp、RPe以及 RFi也如同前述 分析之方法分別代表追隨樂觀投資策略、追隨悲觀投資策略以及股票排序指標自由演化 之投資策略所獲得之平均月均化報酬率。

以相同的方式，我們將表 6 的 Panel B 以簡單統計次數的方式，將本研究設計的三 種投資策略個別相互比較，其比較結果陳列如表 7。所以，我們在表 7 中可以容易看出 表 6 的實驗結果，在追隨前一期投資人情緒悲觀的股票與股票排序指標自由演化的投資 模型都能有較高的機率(81%)能贏過所有公司平均月均化報酬率，而兩種投資模型(追隨 前一期投資人情緒悲觀的股票與股票排序指標自由演化)相較於追隨前一期投資人情緒 樂觀的股票之策略，也能有不錯的績效。

40

表 7. 選擇分數較高的前 30 支股票之各策略比較表 ST

比較

R

R

R

ST > R

ST > R

ST > R

ST > R

4.3.4

在本研究中，我們分別將選擇分數較高的前 10、20、30 支股票，其追隨前一期投 資人情緒樂觀之股票、追隨前一期投資人情緒悲觀之股票與股票排序指標自由演化三種 投資模型所獲得之月累積報酬率，繪製成月累積報酬率圖。其繪圖之方式，是選擇一條 經由遺傳演算法與模糊理論之方法所建構出來的投資模型，而後將其投資模型帶入本研 究要觀測的所有時間範圍(2007 年 1 月至 2010 年 12 月)，透過公式(44)之計算後，我們 能獲得每個月的月累積報酬率。

,

1





i i

n

r

R

在公式(44)中，R_n代表第 n 月的月累積報酬率；r_i則代表第 i 月的平均月均化報酬率。

因此，我們可以透過公式(44)來畫出各種投資模型在選擇分數較高的前 10、20、30 支股票的月累積報酬率。其結果如圖 12、圖 13 及圖 14。其中，Benchmark return 代表 所有樣本公司的月累積報酬率；Optimistic return 代表買進前一期投資人情緒樂觀之股 票的投資策略所獲得之月累積報酬率；Pessimistic return 代表買進前一期投資人情緒悲 觀之股票的投資策略所獲得之月累積報酬率；GA-evolved indicator return 則代表採用股

42

圖 12. 選擇分數較高前 10 支股票之月累積報酬率圖

圖 13. 選擇分數較高前 20 支股票之月累積報酬率圖

圖 14. 選擇分數較高前 30 支股票之月累積報酬率圖

在圖 12 中，我們可以發現利用股票排序指標自由演化的投資策略於 48 個月的月累積報 酬率不但能有非常好的績效，其最後總累積報酬率也能勝過投資所有樣本公司的累積報 酬率以及另外兩種投資策略甚多。在圖 13 及圖 14 中，我們可以看出選擇分數較高的前 20 及 30 支股票的累積報酬率結果圖。這兩張圖都顯示出，我們設計的三種投資策略其 月累積報酬率都能有效贏過投資所有樣本公司的累積報酬率甚多，而買進前一期投資人 情緒悲觀的股票與利用股票排序指標自由演化的投資策略其最後的月累積報酬率結果 會非常相近並也能有效贏過買進前一期投資人情緒樂觀股票的投資策略。

44