4. 實驗結果分析
6.1 研究結果與發現
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
6.1 研究結果與發現
1. 提出問題或探索導向之具有高運算、匯聚多樣資料及資料驅動特性之巨量資 料分析決策工具（良好框架）
由於股票選擇交易決策問題複雜， Negnevitsky（2005）指出需建立具有常 識判斷（accommodate common sense）、可從原始資料萃取知識（extract knowledge from raw data）、能模仿人類推理機制、可處理不確定性及不精確性、具學習力 等綜效（synergy）之混合式研究模型。而 Debashish et al.（2013）針對使用資料探 勘（Data Mining）與類神經網路（Neural Network）技術於股票市場預測文獻的 研究方法進行完整的評論（review），並指出有必要發展具自動彙整大量的資料 分析、解釋資料能力及萃取知識態樣之決策工具（a prevailing tool）。同時，Kwon et al.（2007）宜考慮實驗股票標的之家數與資料量增加，以提升決策正確性，並 有助於穩定獲利。
為同時考量高運算、處理大量資料能力、匯聚多方資料產生綜效，導入資 料分析方法，發展客觀全面之決策方法與工具，本研究提出以問題或探索導向 為核心，並具高運算及處理大量資料能力、匯聚綜理多樣結構化及非結構化資 料來源及資料趨動特性之系統架構。運用巨量資料分析之「資料即母體」的特 性，提供依資料客觀事實判斷之股票選擇交易決策，以減少人為干預，並找出 未發現的知識與態樣（pattern）。本研究實驗結果與過去研究文獻比較（表 5-6），投資報酬績效優於其他研究文獻，代表本研究之股票選擇交易決策品質相 對較佳。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2. 實證結果不支持移動平均線之黃金死亡交叉決策準則
投資人常用之簡單移動平均線及其黃金死亡交叉決策準則，是股市技術分 析學派中最常用之股票交易買賣點判斷決策準則，一般投資人通常以該規則分 別就短、中、長期天數之移動平均線交叉點來偵測買賣訊號，作為股票買賣決 策參考。由於本研究之移動平均線參數（天數）是由資料客觀認定，而實證結 果發現，僅有約 10%決策符合黃金死亡交叉決策準則，約 38%決策出現較無意 義的決策準則，約 60%決策違反黃金死亡交叉決策原則（表 4-3），因此，本 研究實驗結果不支持移動平均線之黃金死亡交叉決策準則。
由於 SMA 技術指標具有二種意義，一是代表股票投資人之總持有成本，
可作為交易成本參考指標；另一是因 SMA 公式特性，會隨著 SMA 天數愈大，
其經平均後所代表當下股票市場的資訊量將會愈少，較無法立即反應當前股票 市場的漲跌趨勢，對於進行短期股票交易決策的資訊解讀能力較為有限。經實 證結果顯示，本研究之買賣決策準則 SMA 天數型態偏向中、長期天數（表 4-4），因此，對於短期股票交易解讀能力有限，是不支持移動平均線之黃金死亡 交叉決策準則的主因。
3. 提出資料驅動模型衡量股票的內在價值與公允價值，並且實證結果支持價值 投資理論衡量觀點
股票價值衡量為股票選擇與投資獲利的重要關鍵，內在價值（intrinsic value）是衡量股票真正的價值，而公允價值（fair-value）則代表目前股票價格 是否值得買入或賣出的價值。本研究設計資料驅動點（data-driven），並以
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Buffett & Carol（2001）價值投資理論結合 EPSO-GHSOM 模型衡量內在價值，
以 EPSO 模型找出公允價值（fair-value）概念評估股票價格，逢低買入及逢高 賣出股票。價值認定是由資料客觀衡量，非人為經驗判斷，可以避免錯誤的評 價（mispricing；Piotroski and Eric, 2012）。而本研究實驗結果顯示股票投資報 酬績效良好，可以彰顯資料驅動模型是具有衡量價值的能力。
再者，價值投資理論的投資哲學，在於讓投資人審視公司（股票）真正的 內在價值，關注股票背後公司經營獲利能力，而非價格上的追逐（投機），並 且同時探討定量與定性方法，以求股票衡量資訊全面客觀。本研究實證結果顯 示投資報酬率與稅後淨利、EPS、ROE 有關（屬量分析－表 4-7；屬質分析－表 4-8），與價值投資理論之公司經營管理能力、財務健全能力為衡量內在價值重 要指標之理念不謀而合。
4. 股票市場偏向無效率運作機制
股票市場運作機制錯綜複雜，研究文獻對於股票市場運作機制存在不同見解
（Teixeira et al., 2010）。Fama（1970）提出效率市場理論（Effect Market Theory），
認為效率市場若存在，股票價格將隨機波動而無法進行預測，以長期持有策略表 示之（Teixeira et al., 2010）。而
Haugen（1999）及 Los（1998）認為股票市場運
作無效率且歷史將會不斷重演，投資人當遇到與過去經歷相似之投資時空背景時，會以所得能得之資訊評估，並採取相同投資決策來影響股市。因此，股票市場趨 勢存在且可以預測。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本研究以基本面及技術面資訊，經由 EPSO-GHSOM 及網路探勘暨情緒分析
（Web Mining with Sentiment Analysis）等巨量資料分析技術，分析評估並挖掘出 優質安全的股票及識別最佳買賣點，實證結果有 96.43%的股票優於長期持有策 略，顯示本研究結果較支持股票市場運作機制偏於無效率市場。
5. 技術分析可有效增進股票買賣決策能力
技術分析有效性與否，學者看法兩歧。Fama（1970）及
Malkiel（1999）認 為技術分析無法有效應用於股票市場預測，而 Osler（2000）及 Neely & Weller
（2001）則認為技術分析可有效預測趨勢與買賣決策。
本研究應用技術分析之變動天數簡單移動平均線（VLMA）與黃金死亡交 叉決策準則，設計資料驅動點（data-driven），以資料導向對於交易決策準則進 行探索，並識別最佳買賣交易點，產生出最佳的股票交易決策。本研究實驗結 果之投資報酬率超過 50%以上占全部測試股票之 64.29%，超過 100%以上占全 部測試股票之 36.90%，且優於其他文獻方法，結果顯示本研究以技術分析建立 模型具有識別最佳買賣交易點的能力。因此，技術分析在本研究存在有效的證 據。另外，由於本研究之技術分析建模，是以資料客觀探索而得，而非人為主 觀判斷，亦是技術分析有效的原因。