132
第十章 結論與建議
133
問題
3：模擬參數與選股模型
由第五章的結果可得下面結論：
下市個股之影響：「不包含下市個股」大多比「包含下市個股」者年化報酬率高 出約1~3%。
個股權重之影響：「個股相同權重」大多比「市值比重權重」者年化報酬率高出 約3~6%，這證明這些因子選股偏重小型股。
交易價格之影響：「當日收盤價」比「隔日開盤價」年化報酬率高出約 3%。
交易週期之影響：無論全部股或大型股，交易週期採每月報酬率最高。
選股比率之影響：選股比率在不低於 5%之前，選股比率越低，年化報酬率越高。
選股比率與交易週期之交互影響：選股比率、交易週期、市值規模這三種因子之 間並無明顯的交互作用。
操作策略之影響：在作多時，全部股年化報酬率遠高於大型股，但在作空時，大 型股年化報酬率卻略高於全部股。
問題
4：規模、產業與選股模型
由第六章的結果可得下面結論：一、不同規模股票樣本
在不同選股因子的最佳 1/10 個股構成投組中，GVI(0.25)在五種規模均具有最高 年報酬率。
在不同選股因子的最佳、最差 1/10 個股構成投組之年報酬率差額中，GVI(0.25) 在五種規模均具有最大差額，特別是在全部股與小型股。
二、不同產業股票樣本
電子股：GVI(0.25)具有最高年報酬率。
傳產股：GVI(0.125)具有最高年報酬率。
電子股與傳產股之比較：偏價值面的選股方式較適合電子股。
問題
5：不同期間下的選股模型
由第七章的結果可得下面結論： 只考慮價值面的 PB、或成長面的 ROE，顯著性大多未達 0.1，且不穩定。
同時考慮價值面與成長面的 GVI(0.125)全期都具有明顯的顯著性，且穩定性佳，
顯著性在0.001~0.1 之間。
134
問題
6：不同月份下的選股模型
由第八章的結果可得下面結論： 不同選股因子十等分之最佳投組在各月份的絕對報酬率是否不同？
PBR 較不具有穩定性，ROE 具有穩定性，而 ROE+PBR(50%-50%)、GVI(0.06)、
GVI(0.25)與 PE 四種選股因子具有較高的報酬率與穩定性。
不同選股因子十等分之最佳投組在各月份的相對報酬率是否不同？
PBR 較不具有穩定性，ROE 具有穩定性但報酬率較低，而 ROE+PBR(50%-50%)、
GVI(0.06)、GVI(0.25)與 PE 四種選股因子具有較高的報酬率且也具有穩定性。
不同選股因子十等分之最佳與最差投組在各月份的報酬率差額是否不同？
代表股票的成長性的 ROE 表現很好的月份，代表股票的價值性的 PBR 表現不 好；反之亦然。而ROE+PBR(50%-50%)、GVI(0.06)、GVI(0.25)與 PE 四種選股因子 因為都兼具代表股票的成長性與價值性，因此區別股票報酬率高低的能力很穩定。
不同選股因子在不同參數下十等分之最佳投組在各月份的絕對報酬率是否不 同？
在1 及 12 月這二個月是價值股控制。在 7~8 及 11 月這三個月是成長股控制。在 9~10 月這二個月是成長價值股控制。
在不同月份採用不同選股因子的投組績效是否較高？
採用5-9,11 月以 ROE 選股，其餘月份以 PBR 選股的策略報酬率遠高於單純使用 ROE 選股或 PBR 選股，故在不同月份採用不同選股因子，可以大幅提高投組績效。
問題
7：多頭空頭下的選股模型
由第九章的結果可得下面結論： 價值股與成長股在多頭與空頭時期之績效是否不同？
在多頭時期，價值股(低 PB)比成長股(高 ROE)好很多；反之，在空頭時期，成長 股(高 ROE)比價值股(低 PB)好很多。
在多頭、空頭時期採用不同選股因子是否可以提高投組績效？
在多頭時期採用價值股(低 PB)策略，在空頭時期採用成長股(高 ROE)策略，可以 大幅提高投組績效。
那一種區分空頭、多頭時期的方式較佳？
以移動平均線區分多空比以近三月大盤報酬率者可以獲得更明顯的效果。
135
10-2 建議
後續研究的建議如下：
一、其它選股因子的研究
本研究只侷限在稅後股東權益報酬率(%)、本益比、股價淨值比等變數，因此是 否有其他財務因子，例如資產報酬率(%)，可以產生更好的投資組合，值得進一步研 究。
二、其它模擬參數的研究
本研究雖然考慮了多個模擬參數，但還有幾個參數可研究，例如檢查個股停損停 利策略、檢查個股最長持有天數限制策略。這些策略對選股模型績效的影響，值得進 一步研究。
三、其它國家市場的研究
本研究只侷限在台灣股市，因此本研究的「結論」是否適用於其他市場，值得進 一步研究。
136
參考文獻 一、中文部分
王嘉隆、詹淑慧 (2005)「分類迴歸樹於 S&P500 指數預測之研究」，第一屆管理與決 策2005 年學術研討會特刊，第 141-150 頁。
方文秀 (2003)「分量迴歸在三因子模型的應用-以台灣股票市場為例」，樹德科技大 學，金融保險研究所，碩士論文。
古永嘉、李鑑剛 (1998)「台灣股票市場報酬率之橫斷面與縱斷面混合分析」，輔仁管 理評論，5 卷 1 期，第 77-96 頁。
朱海鵬，程丹(2008)「價值股超額收益原因初探」，韶關學院學報(社會科學)，第 29 卷，第8 期，第 77-81 頁。
朱凱安 (2009)「特色投資策略」，國立中央大學，財務金融研究所，博士論文。
林金賢、李家豪 (2003)「利用類神經模糊建構投資組合」，管理學報，第 20 卷，第 2 期，第229-264 頁。
侯宏孺，2008，以分類與關聯分析建立選股模型─台灣股市之實證研究，中華大學，
資訊管理學系，碩士論文。
邵曉陽、蘇敬勤、於聖春 (2004)「中國 A 股市場帳面一市價比效應實證研究」，中國 管理科學，第12 卷，第 6 期，第 7-11 頁。
張廷政、林冠宇 (2005)「智慧型多層次股市篩選模型與投資策略之應用」，計量管理 期刊，第3 卷，第 1 期，第 19-36 頁。
張萬鈞，2007，以分類、迴歸、聚類、關聯四種資料探勘方法建立選股模型─台灣股 市之實證研究，中華大學，資訊管理學系，碩士論文。
彭光正，2009，「以迴歸樹與逐步迴歸建構台灣股市多因子選股模型」，中華大學，資 訊管理學系，碩士論文。
葉怡成 (2010)「基於基本面因子的指數股票型基金之理論與實證」，第二屆白文正ETF 金文獎得獎論文集。
陳文銓，2007，以排序正規化與分類資料探勘建立選股模型─台灣股市之實證研究，
中華大學，資訊管理學系，碩士論文。
陳榮昌 (2002)「台灣股票報酬之結構分析」，國立中山大學財務管理學系，碩士論文。
137
詹淑慧、王嘉隆 (2007) 「分類迴歸樹於亞洲股票市場獲利能力之研究」，輔仁管理 評論，第14 卷，第 1 期，第 41-50 頁。
曾秀珠，2007，以排序正規化與迴歸資料探勘建立選股模型─台灣股市之實證研究，
中華大學，資訊管理學系，碩士論文。
蔡宜眞，2008，以自助整合法建立選股模型─S&P500 成份股之實證研究，中華大學，
資訊管理學系，碩士論文。
顧廣平 (2005)「單因子、三因子、或四因子模式? 」，證券市場發展季刊，第 17 卷，
第101-146 頁。
二、西文部分
Andriyashin, A. (2007). “Stock picking via nonsymmetrically pruned binary decision trees,” 20th Australasian Finance & Banking Conference 2007 Paper, Available at SSRN: http://ssrn.com/abstract=1004460
Andriyashin, A., Härdle, W., and Timofeev, R., (2008). “Recursive portfolio selection with decision trees,” SFB 649 Discussion Paper, SFB649DP2008-009.
Asness, C. S., Friedman, J. A., Liew, J. M., Krail, R. J. (2000), “Style timing: value versus growth,” Journal of Portfolio Management, Vol. 26, No. 3, pp. 50-60.
Athanassakos, G. (2010). “Seasonality in value vs. growth stock returns and the value premium,” Journal of Financial and Economic Practice, Vol. 10, No. 2, pp. 71-94.
Atsalakis, G. S. and Valavanis, K. P. (2009). “Surveying stock market forecasting techniques - Part II: Soft computing methods,” Expert Systems with Applications, Vol. 36, No. 3, pp. 5932-5941.
Banz, R.W. (1981). “The relationship between return and market value of common stocks,” Journal of Financial Economics, Vol. 9, pp. 3-18.
Barberis, N., A. Shleifer, and R. Vishny (1998), “A model of investor sentiment,”
Journal of Financial Economics, Vol. 49, No. 3, pp. 307-343.
Bird, R. and Casavecchia, L. (2007). “Sentiment and financial health indicators for value and growth stocks: the european experience,” European Journal of Finance, Vol. 13, No. 8, pp. 769-793.
Bourguignon, F. and de Jong, M. (2003), “Value versus growth,” Journal of Portfolio Management, Vol. 29, No. 4, pp. 71-79.
138
Brennan, M. J. and Wang, A.W., (2007). “The mispricing return premium,” UCLA Working Paper.
Brush, J. S. (2007), “Value and growth, theory and practice,” Journal of Portfolio Management, Vol. 33, No. 3, pp. 22-30.
Campbell, J. Y., Polk, C., and Vuolteenaho, T. (2010). “Growth or glamour? fundamentals and systematic risk in stock returns,” Review of Financial Studies, Vol. 23, No. 1, pp.
305-344.
Cao, Q., Leggio, K. B., and Schniederjans, M. J. (2005). “A comparison between Fama and French’s model and artificial neural networks in predicting the Chinese stock market,” Computers and Operations Research, Vol. 32, pp. 2499-2512.
Chahine, S. (2008). “Value versus growth stocks and earnings growth in style investing strategies in Euro-markets,” Journal of Asset Management, Vol. 9, No. 5, pp.
347–358.
Chen, L., Petkova, R., Zhang, L. (2008). “The expected value premium,” Journal of Financial Economics, Vol. 87, No. 2, pp. 269-280.
Cooper, M. J., Gulen, H., and Schill, M. J. (2006). “What best explains the cross-section of stock returns? Exploring the asset growth effect,”
http://www.fep.up.pt/investigacao/cempre/actividades/sem_fin/sem_fin_01_05/PAPERS _PDF/paper_sem_fin_21set06.pdf
De Bondt, W. and Thaler, R. H. (1985). “Does the stock market overreact?” Journal of Finance, Vol. 40, No. 3, pp. 793-805.
Eakins, S. G. and Stansell, S. R. (2003). “Can value-based stock selection criteria yield superior risk-adjusted returns: an application of neural networks,” International Review of Financial Analysis, Vol. 12, pp. 83-97.
Fama, E. and French, K. (1992). “The cross-section of expected stock returns,” Journal of Finance, Vol. 47, pp. 427-466.
Fama, E. and French, K. (1993). “Common risk factors in returns on stock and bonds,”
Journal of Finance Economics, Vol. 33, pp. 3-56.
Fama, E. and French, K. (1995). “Size and book-to-market factors in earnings and returns,”
Journal of Finance, Vol. 50, pp. 131-155.
Fama, E. and French, K. (1998). “Value versus growth: the international evidence,”
Journal of Finance, Vol. 53, No. 6, pp. 1975-2000.
139
Gencay, R. (1998a). “The predictability of security returns with simple technical trading rules,” Journal of Empirical Finance, Vol. 5, No. 4, pp. 347-359.
Gencay, R. (1998b). “Optimization of technical trading strategies and the profitability in security markets,” Economics Letters, Vol. 59, No. 2, pp. 249-254.
Gerov, M. (2006). “The predictive power and economic effectiveness of trading strategies,” Canadlan investment review, Winter 2006, pp. 8-16.
Gray, W. and Kern, A. (2008). "Fundamental value investors: characteristics and performance,” MPRA Paper 12620, University Library of Munich, Germany.
Gulen, H., Xing, Y., and Zhang L. (2008). “Value versus growth: time-varying expected stock returns,” http://www.ruf.rice.edu/~yxing/vgCycle08Sept.pdf
Hart, J., Slagter, E. and Dijk, D. (2003). “Stock selection strategies in emerging markets,”
Journal of Empirical Finance, Vol. 10, pp. 105-132
Hart, J., Zwart, G., J., and Dijk, D. (2005). “The success of stock selection strategies in emerging markets: Is it risk or behavioral bias?” Emerging Markets Review, Vol. 6, No. 3, pp. 238-262.
Holthausen, R. and Larker, D. (1992). “The prediction of stock returns using financial statement information,” Journal of Accounting and Economics, Vol. 15, pp. 373-411.
Hong, H., Lim, T., Stein, J.C. (1999), “A unified theory of underreaction, momentum trading and overreaction in asset markets,” Journal of Finance, Vol. 54, No. 6, pp.
2143-2184.
Hong, H., Lim, T., and Stein, J. C. (2000). “Bad news travels slowly: size, analyst coverage, and the profitability of momentum strategies,” The Journal of Finance, Vol. 55, No. 1, pp. 265-295.
Jegadeesh, N. and Titman, S. (1993). “Returns to buying winners and selling losers:
implications for stock market efficiency,” Journal of Finance, Vol. 48, No. 1, pp.
65-91.
Lakonishok, J., Shleifer, A., and Vishny, R. W. (1994), “Contrarian investment, extrapolation, and risk,” Journal of Finance, Vol. 49, No. 5, pp. 1541-1573.
Lewellen, J. (2001). “Temporary movements in stock prices,” Texas Finance Festival.
Available at SSRN: http://ssrn.com/abstract=307339 or doi:10.2139/ssrn.307339 Mohanram, S., (2005). “Separating winners from losers among low book-to-market stocks
using financial statement analysis,” Review of Accounting Studies, Vol. 10, No. 2-3, pp. 133-170.
140
Moreno, D. and Olmeda, I. (2007). “Is the predictability of emerging and developed stock markets really exploitable?” European Journal of Operational Research, Vol. 182, No.
1, pp. 436-454.
Nanda, S. and Ahmed, P. (2001), “Style investing: incorporating growth characteristics in value stocks,” Journal of Portfolio Management, Vol. 27, No. 1, pp. 47-59.
Neuhauser, E. H. (2008). “Do investors under-react to ROE?” Available at SSRN:
http://ssrn.com/abstract=1089122
Noma, M. (2010). “Value investing and financial statement analysis,” Hitotsubashi Journal of Commerce and Management, Vol. 44, No. 1, pp. 29-46.
Olson, D. and Mossman, C. (2003). “Neural network forecasts of Canadian stock returns using accounting ratios,” International Journal of Forecasting, Vol. 19, pp.
453-465.
Penman, S. and Reggiani, F. (2009). “Returns to buying earnings and book value:
accounting for growth,” Available at SSRN: http://ssrn.com/abstract=1536618
Piotroski, J. (2000). “Value investing: the use of historical financial statement information to separate winners from losers,” Journal of Accounting Research, Vol. 38, pp. 1-41.
Prombutr, W. and Diltz, J. D. (2010). “Investment irreversibility, cash flow risk, and value-growth stock return effects,” Financial Review, Vol. 45, No. 2, pp. 287-305.
Quah, Tong-Seng (2008). “DJIA stock selection assisted by neural network” Expert Systems with Applications, Vol. 35, pp. 50-58.
Ren, N., Zargham, M., and Rahimi, S (2006). “A decision tree-based classification approach to rule extraction for security analysis,” International Journal of Information Technology and Decision Making, Vol. 5, No. 1; pp. 227-240.
Richardson, S., Tuna, I., and Wysocki, P. (2010). “Accounting anomalies and fundamental analysis: a review of recent research advances,” Journal of Accounting and Economics, Vol. 50, No. 2-3, pp. 410-454.
Roko, I. and Gilli, M. (2008). “Using economic and financial information for stock selection,” Computational Management Science, Vol. 5, No. 4; pp. 317-335.
Rosenberg, B., Reid, K., and Lanstein, R. (1985). “Persuasive evidence of market inefficiency,” Journal of Portfolio Management, Vol. 11, No. 3, pp. 9-17.
Skinner, D. J. and Sloan R. G. (2004), “Earnings surprises, growth expectations, and stock returns or don't let an earnings torpedo sink your portfolio,” Review of Accounting Studies, Vol. 7, No. 2, pp. 289-312.