中 華 大 學

中 華 大 學 碩 士 論 文

選股模型與擇時模型的整合

Integration of stock selection model and market timing model

系 所 別：資訊管理學系碩士班 學號姓名：M09710039 黃凱鴻 指導教授：葉怡成 博士

中華民國 一百 年 2 月

i

選股模型與擇時模型的整合

摘要

本文旨在研究三個問題 (1)探討選股與擇時之間是否有交互作用。(2)探討

「選股擇時複合模型」在台灣股市的實證績效。(3)探討結合選股、擇時、選股 擇時複合模型與作多、作空、多空交易策略在台灣股市的實證績效。研究的股票 樣本為台灣所有上市、上櫃股票，含已下市個股。回測期間為 1997 年 1 月初到 2009 年 9 月底，共 12.75 年間的股市資料。結果顯示 (1) 空頭時期、多頭時期 的超額報酬率十分不同。股東權益報酬率(ROE)在空頭時期的作多投組與作空投 組的年超額報酬率差異很大；但在多頭時期差異較小。而股價淨值比(PB)剛好相 反。顯示在空頭時期，公司的盈虧對股票的報酬率影響很大；而在多頭時期，股 價的貴廉對股票的報酬率影響很大。(2)九種選股擇時複合模型中，正選股正擇 時複合模型的累積資金最高；反選股反擇時複合模型的最低。三種擇時模型的投 資績效滿足下列規則：正擇時 > 不擇時 > 反擇時；三種選股模型的投資績效滿 足下列規則：正選股 > 不選股 > 反選股。結合選股模型的日報酬率與擇時模型 的持有期，可以估計複合模型的年報酬率。(3)作空操作普遍比作多操作差，這 可能是因為長期而言，股市的報酬為正的緣故。選股模型累積資金會隨大盤波 動，作多操作時同向波動；作空操作時反向波動。擇時模型會避過大盤下跌趨勢，

因此在空頭時累積資金不隨大盤波動。結合作多策略與作空策略的年報酬率(標 準差)，可以估計多空策略的年報酬率(標準差)。

關鍵詞：選股模型、擇時模型、整合。

ii

Integration of stock selection model and market timing model

Abstract

This paper aims to study three questions (1) whether there is interaction between stock selection and timing, (2) to explore the performance of "timing and stock selection composite model" in Taiwan stock market, and (3) to explore the performance of the combination of three investing models (stock selection model, market timing model, and composite model) and three trading strategies (long only, short only, long-short trading strategy) in Taiwan stock market. The test samples consist of all the listed stocks in Taiwan stock market. The backtest period is from January 1997 to September 2009, a total of 12.75 years. The results showed that (1) the excess returns in bear market are very different from those in bull market. The gaps between the excess return of long portfolio and short portfolio formed by return on equity (ROE) are very large in bear market, but small in bull market. On the contrary, those formed by price to book value ratio (PBR) are small in bear market, but large in bull market. These showed that in the bear market the companies’ profit or loss has a strong impact on their stock returns; however, in bull market, the value of stocks has a strong impact on their stock returns. (2) In the nine composite models, the long timing – long stock selection composite model has the highest return; the short timing – short stock selection composite model has the lowest return. The performance of the three timing model follows the following rules: long timing > no timing> short timing; the performance of the three stock selection model follows the following rules: long stock selection > no stock selection > short stock selection. The returns of composite model can be superimposed with stock selection model and market timing model. (3) The short trading strategy is generally worse than the long trading strategy, which may be because through a rather long term, the stock market's return is positive. Accumulated capital of stock selection model is fluctuated with the market. On long trading strategy, it is fluctuated in the same direction; on short trading strategy, fluctuated in the reverse direction. The market timing model can avoid the downward trend period, so its accumulated capital is not fluctuated with the market in bear market. The returns of long-short trading strategy can be superimposed with long trading strategy and short trading strategy.

Key Words：stock selection model, market timing model, integration

iii

誌謝辭

在此萬分感謝我的恩師 葉怡成老師對學生我一直以來的指導及諄諄教誨，

並在這段求學的期間對學生教導了許多的事物，不論是學習上的教導還有生活上 對待事物的看法及與給予我的各種意見，還有針對學問和研究上正確的觀念和方 法。特別感謝恩師在研究以及論文寫作這個漫長的時間過程中，對學生不斷並不 厭其煩的指導並詳細的解說給予幫忙與修正，讓學生在這個複雜的過程中所碰到 各種不同的問題與狀況，得以快速的尋找出正確的方向與解答，並不斷的向前邁 進。

亦也感謝兩位口試委員邱登裕老師與陳安斌老師針對本論文所給予的各種 方面的建議與指正與建議，讓論文整體能夠更佳的充實與完整。在此僅表誠摯的 感謝。

並在最後，感謝一直在我身旁支持與陪伴我的家人、同學與朋友們。特別是 我的家人們我的父母，感謝他們一直以來不時給予我的支持以及鼓勵。

回想過去的這些日子，在眾人的各式各樣的幫忙與協助還有各種的支持下順 利的度過了。在此萬分的感謝所有曾經幫助與協助過我的人。並在此謹將我的成 果與深深的喜悅獻給所有關心並支持我的家人、老師、同學與朋友們。

黃凱鴻 謹誌 中華大學 資訊管理學系 中華民國 一百年一月

iv

目錄

第一章 導論

1-1 研究動機 ...1

1-2 研究方法 ...5

1-3 研究內容 ...6

第二章 文獻回顧

2-1 前言 ...9

2-2 選股因子之研究 ...9

2-2-1 選股因子之研究 ...9

2-2-2 價值與成長因子之比較研究 ...12

2-2-3 價值與成長因子之異常報酬原因 ...12

2-3 擇時因子之研究 ...15

2-3-1 技術分析有效性負面結果的文獻 ...16

2-3-2 技術分析有效性正面結果的文獻 ...18

2-3-3 技術分析有效性混合結果的文獻 ...22

2-3-4 技術分析文獻的比較 ...25

2-4 選股擇時複合模型之研究 ...29

第三章 選股模型

3-1 前言 ...33

3-1-1 選股因子的分類 ...33

3-1-2 成長因子與價值因子的比較 ...33

3-1-3 成長因子與價值因子的整合方法...36

3-1-4 成長因子與價值因子的整合 1：交集篩選法 ...38

3-1-5 成長因子與價值因子的整合 2：加權評分法 ...39

3-1-6 成長因子與價值因子的整合 3：理論推導法 ...40

3-2 研究方法 ...42

3-2-1 實證分析時可能會遇到的偏差與解決方法 ...42

v

3-2-2 實證分析方法 ...43

3-3 研究結果 ...44

3-4 結論 ...51

第四章 擇時模型

4-1 前言 ...53

4-2 研究方法 ...54

4-2-1 順勢擇時模型 1：價格因子 ...54

4-2-2 順勢擇時模型 2：成交量因子 ...55

4-2-3 順勢擇時模型 3：價格與成交量因子整合 ...56

4-2-4 實證分析時可能會遇到的偏差與解決方法 ...56

4-2-5 實證分析方法 ...56

4-3 研究結果 ...57

4-3-1 順勢擇時模型 1：價格因子 ...57

4-3-2 順勢擇時模型 2：成交量因子 ...60

4-3-3 順勢擇時模型 3：價格與成交量因子整合 ...64

4-4 結論 ...70

第五章 選股擇時複合模型

5-1 前言 ...72

5-2 方法一：直接模擬法 ...73

5-2-1 理論推導 ...73

5-2-2 實證方法 ...78

5-2-3 實證結果 ...80

5-3 方法二：間接整合法 ...84

5-3-1 以整合選股模型與擇時模型結果估計複合模型結果 ...84

5-3-2 以整合選股模型與擇時模型結果估計超額報酬率...86

5-4 結論 ...91

第六章 不同操作策略的複合模型

6-1 前言 ...92

vi

6-2 方法一：直接模擬法 ...93

6-2-1 理論推導 ...93

6-2-2 實證方法 ...98

6-2-3 實證結果 ... 101

6-3 方法二：間接整合法 ... 106

6-4 討論 ... 109

6-5 結論 ... 113

第七章 結論與建議

7-1 結論 ... 114

7-2 建議 ... 116

參考文獻 ... 118

附錄 A 用 CMoney 回測選股模型... 125

附錄 B 用 CMoney 回測擇時模型 ... 138

附錄 C 用 CMoney 回測選股擇時複合模型 ... 146

附錄 D 用 CMoney 回測不同操作策略 ... 154

附錄 E 選股擇時複合模型大型股實證結果... 162

vii

圖目錄

圖 1-1 效率市場層級與證券分析資訊層級之關係 ...2

圖 1-2 選股(stock selection)提高投資績效 ...3

圖 1-3 擇時(market timing)提高投資績效 ...3

圖 1-4 典型的選股模型績效 ...4

圖 1-5 典型的擇時模型績效 ...4

圖 1-6 整合選股模型與擇時模型為一個「選股擇時複合模型」...5

圖 1-7 研究內容 ...7

圖 2-1 股價過度反應現象 ... 13

圖 2-2 股價過度反應下的報酬率驟變現象 ... 14

圖 2-3 股價不足反應現象 ... 14

圖 2-4 股價不足反應下的報酬率漸變現象 ... 15

圖 2-5 選股模型概念圖與一個在台股的典型案例 ... 29

圖 2- 6 擇時模型概念圖與一個在台股的典型案例 ... 30

圖 3-1 簡化的三段式財務報表解析 ... 34

圖 3-2 台灣股市 1996~2008 年的上市公司淨值股價比(BPR)與 ROE 的散佈圖 .. 35

圖 3-3 台灣股市 1996~2008 年上市公司淨值股價比與 ROE 分季排序值的散佈圖 ... 35

圖 3-4 第 t 季的 BPR 與 ROE 的排序值五等分下的 t+2 季報酬率的排序值帄均值 ... 36

圖 3-5 BPR 與 ROE 的排序值五等分下的個股數目 ... 36

圖 3-6 台股 P/B 與 ROE 之關係圖 ... 37

圖 3-7 P/B、ROE 與報酬率關係圖 ... 37

圖 3-8 單純用 P/B 或 ROE 選股示意圖 ... 38

圖 3-9 交集篩選法的55=25 個投組的報酬率 ... 38

圖 3-10 交集篩選法的55=25 個投組的股數 ... 39

圖 3-11 加權評分法的十等分法 ... 40

圖 3-12 價值成長指標(GVI) ... 41

圖 3-13θ =0 則 GVI 由 ROE 控制；θ =∞則 GVI 由 B/P 控制 ... 41

圖 3-14 當 θ 在適當值下，可以找到報酬率最高的股票 ... 42

viii

圖 3-15 GVI 選股因子的十等分投組歷程圖 ... 44

圖 3-16 東權益報酬率(ROE)的十等分投組的年複利報酬率... 45

圖 3-17 東權益報酬率(ROE)的十等分投組的報酬率標準差... 45

圖 3-18 股東權益報酬率(ROE)的十等分投組的年複利報酬率與報酬率標準差 .. 45

圖 3-19 股價淨值比(PBR)的十等分投組的年複利報酬率 ... 46

圖 3-20 股價淨值比(PBR)的十等分投組的報酬率標準差 ... 46

圖 3-21 股價淨值比(PBR)的十等分投組的年複利報酬率與報酬率標準差 ... 46

圖 3-22 本益比(P/E)的十等分投組的年複利報酬率 ... 47

圖 3-23 本益比(P/E)的十等分投組的報酬率標準差 ... 47

圖 3-24 本益比(P/E)的十等分投組的年複利報酬率與報酬率標準差 ... 47

圖 3-25 成長價值指標(GVI(0.25))的十等分投組的年複利報酬率 ... 48

圖 3-26 成長價值指標(GVI(0.25))的十等分投組的報酬率標準差 ... 48

圖 3-27 成長價值指標(GVI(0.25))的十等分投組的年複利報酬率與報酬率標準差 ... 48

圖 3-28 成長價值指標(GVI(0.06))的十等分投組的年複利報酬率 ... 49

圖 3-29 成長價值指標(GVI(0.06))的十等分投組的報酬率標準差 ... 49

圖 3-30 成長價值指標(GVI(0.06))的十等分投組的年複利報酬率與報酬率標準差 ... 49

圖 3-31 成長價值指標(GVI(0.25))的十等分投組的年複利報酬率 ... 50

圖 3-32 成長價值指標(GVI(0.25))的十等分投組的報酬率標準差 ... 50

圖 3-33 成長價值指標(GVI(0.25))的十等分投組的年複利報酬率與報酬率標準差 ... 50

圖 4-1 移動帄均線在台灣股市 2008/1/1-2010/8/13 之實證 ... 53

圖 4-2 布林帶在台灣股市 2008/1/1-2010/8/13 之實證 ... 54

圖 4-3 移動帄均線(台股 2008/5-2010/5) ... 55

圖 4-4 MA(1,20), MA(1,50), MA(1,120)之報酬比較圖 ... 58

圖 4-5 移動帄均長度(20, 40, 50, 60, 120, 250)之報酬比較圖... 60

圖 4-6 MV(1,20), MV(1,50), MV(1,120)之報酬比較圖 ... 61

圖 4-7 移動帄均長度(20, 40, 50, 60, 120, 250)之報酬比較圖... 63

圖 4-8 MA(1,50) + MV(1,50)擇時策略之累積報酬率歷程圖 ... 65

ix

圖 4-9 MA(1,20) + MV(1,20)擇時策略之累積報酬率歷程圖 ... 69

圖 4-10 MA(1,120) + MV(1,120)擇時策略之累積報酬率歷程圖 ... 70

圖 5-1 九種選股擇時複合模型的架構 ... 72

圖 5-2 複合模型之實證結果 ... 81

圖 5-3 複合模型之累積資金歷程：以 GVI (0.25)選股因子為例 ... 82

圖 5-4 不擇時複合模型之

R

R

R

圖 5-5 間接整合法(離線合併選股模型與擇時模型)與直接模擬法實證結果之比較 ... 85

圖 5-6 擇時模型與不擇時模型之報酬率比較 ... 86

圖 5-7 以整合選股模型與擇時模型結果估計年超額報酬率 ... 88

圖 5-8 以整合選股模型與擇時模型結果估計年超額報酬率：多頭作多與空頭作空 ... 88

圖 5-9 以整合選股模型與擇時模型結果估計年超額報酬率：多頭作空與空頭作多 ... 89

圖 5-10 各選股因子的十等分投組的年超額報酬率 ... 90

圖 5-10 各選股因子的十等分投組的年超額報酬率(續) ... 91

圖 6-1 交易策略與操作方式可組合成九種交易操作策略 ... 93

圖 6-2 複合模型之實證結果 ... 102

圖 6-3 複合模型之實證結果 GVI(0.25) ... 103

圖 6-4 超額報酬率比較 ... 106

圖 6-5 直接模擬法與間接整合法年報酬率比較 ... 109

圖 6-6 直接模擬法與間接整合法年報酬率標準差比較 ... 109

圖 6-7 年化報酬率... 111

圖 6-8 年報酬率標準差 ... 111

圖 6-9 Sharpe 指標 ... 111

圖 6-10 操作方式與交易策略可組合成九種交易操作策略實證：作多、作空策略 的實證 ... 112

圖 6-11 作方式與交易策略可組合成九種交易操作策略之年報酬率與標準差 .. 110

圖 E-1 不擇時複合模型之

R

R

R

x

圖 E-2 各選股因子的十等分投組的年超額報酬率 ... 163 圖 E-2 各選股因子的十等分投組的年超額報酬率 (續)... 164

xi

表目錄

表 2-1 價值股與成長股的二維觀點 ... 12

表 2-2 技術分析有效性負面結果的文獻 ... 16

表 2-3 技術分析有效性正面結果的文獻 ... 18

表 2-4 技術分析有效性混合結果的文獻 ... 23

表 2-5 技術分析文獻比較表 ... 26

表 2-5 技術分析文獻比較表(續) ... 27

表 2-5 技術分析文獻比較表(續) ... 28

表 3-1 實證結果 (採十等分法, 以下為最佳等分的結果) ... 45

表 4-1 MA(1,20)、MA(1,50)、MA(1,120) 之投資組合年化報酬率 ... 57

表 4-2 MA(1,20)、MA(1,50)、MA(1,120) 之年週轉次數 ... 57

表 4-3(20, 40, 50, 60, 120, 250)之投資組合年化報酬率 ... 59

表 4-4(20, 40, 50, 60, 120, 250)之年週轉次數 ... 59

表 4-5 MV(1,20)、MV(1,50)、MV(1,120) 之投資組合年化報酬率 ... 62

表 4-6 MV(1,20)、MV(1,50)、MV(1,120) 之年週轉次數 ... 62

表 4-7(20, 40, 50, 60, 120, 250)之投資組合年化報酬率 ... 62

表 4-8(20, 40, 50, 60, 120, 250)之年週轉次數 ... 62

表 4-9 MA(1,50) + MV(1,50)之投資組合年化報酬率 ... 64

表 4-10 MA(1,50) + MV(1,50)之年週轉次數 ... 66

表 4-11 MA(1,20) + MV(1,20)之投資組合年化報酬率 ... 66

表 4-12 MA(1,20) + MV(1,20)之年週轉次數 ... 67

表 4-13 MA(1,120) + MV(1,120)之投資組合年化報酬率 ... 67

表 4-14 MA(1,120) + MV(1,120)之年週轉次數 ... 67

表 5-1 九種選股擇時複合模型的買入規則 ... 72

表 5-2 選股擇時複合模型的報酬率公式 ... 77

表 5-3 交易規則 ... 79

表 5-4 複合模型之實證結果 ... 80

表 5-5 複合模型之實證結果：超額報酬率估計 ... 83

表 5-6 不擇時複合模型之

R

R

R

xii

表 5-7 間接整合法(離線合併選股模型與擇時模型)與直接模擬法實證結果之比較

... 85

表 5-8 以整合選股模型與擇時模型結果估計年超額報酬率 ... 87

表 6-1 交易策略與操作方式可組合持九種交易操作策略的交易規則 ... 92

表 6-2(a) 操作方式與交易策略可組合成九種交易操作策略的報酬 ... 100

表 6-2(b) 操作方式與交易策略可組合成九種交易操作策略的報酬率標準差概估 公式 ... 100

表 6-3 交易規則 ... 99

表 6-4 複合模型之實證結果：年化報酬 ... 101

表 6-5 複合模型之實證結果：年化報酬率標準差 ... 101

表 6-6 複合模型之實證結果 ... 104

表 6-7 超額報酬率比較 ... 105

表 6-8 間接整合法結果：年報酬率 ... 107

表 6-9 間接整合法結果：年報酬率標準差 ... 107

表 6-10 擇時模型結果 ... 107

表 6-11 直接模擬法與間接整合法年報酬率比較... 108

表 6-12 直接模擬法與間接整合法年報酬率標準差比較 ... 108

表 6-13 年化報酬率 ... 111

表 6-14 年報酬率標準差 ... 111

表 6-15 Sharpe 指標... 111

表 6-16 四種實用的交易策略組合... 110

表 A-1 選股因子... 125

表 A-2 十等分的設定法 (以本益比為例) ... 131

表 A-3 ROE+PB 的欄位名稱 ... 132

表 A-4 五等分的設定法 (以本益比為例) ... 137

表 E-1 複合模型之實證結果 (大型股) ... 162

表 E-2 不擇時複合模型之

R

R

R

表 E-3 複合模型之實證結果：超額報酬率估計 (大型股) ... 163

1

第一章 導論

1-1 研究動機

效率市場假說指出，市場中所有可能影響股票漲跌的因素都能即時且完全反應在股 票漲跌上面。依據 Fama 對效率市場理論存在的三個基本假設：

 市場將立即反應新的資訊，調整至新的價位。因此價格變化是取決於新資訊的發 生，股價呈隨機走勢。

 新資訊的出現是呈隨機性，即好、壞資訊是相伴而來的。

 市場上許多投資者是理性且追求最大利潤，而且每人對於股票分析是獨立的，不受 相互影響。

Fama 還將效率市場分成三個層級：

一、弱式效率市場（Weak Form Efficiency）(技術分析無效)

目前股票價格已充分反應過去股票價格所提供各項情報，所以投資人無法運用各種 方法對過去股票價格進行分析來預測未來股票價格，意即投資者無法再利用過去價量資 訊來獲得高額報酬。

二、半強式效率市場（Semi-Strong Form Efficiency）(基本分析無效)

目前股票價格已充分反應於所有公開資訊(財務報表、經濟情況及政治情勢) ，所 以投資人無法運用各種方法對公開資訊進行分析來預測未來股票價格，意即投資者無法 再利用基本面資訊來獲得高額報酬。

三、強式效率市場（Strong Form Efficiency）(內線消息無效)

目前股票價格充分反應了所有已公開和未公開之所有情報。雖然部份情報未公開，

但投資者能利用各種管道來獲得資訊，所以所謂未公開的消息，實際上是已公開的資 訊，且已反應於股票價格上。此種情形下，投資者也無法因擁有某些股票內幕消息而獲 取高額報酬。

2

圖 1-1 效率市場層級與證券分析資訊層級之關係

但近年的實證研究發現許多市場在不同期間並未達到半強式效率市場(Holthausen

& Larker, 1992; Hong, et al., 2000; Piotroski, 2000)，許多選股因子可以增加投資報酬率。

例如，Banz (1981)的規模效應，指出小型股的報酬率高於大型股；Fama & French (1992, 1993, 1995, 1998)以及 Rosenberg, Reid, & Lanstein (1985)的價值效應，指出價值股的報酬 率高於成長股；De Bondt & Thaler (1985)的反轉效應，指出贏家股的報酬率在較長期間 後會低於輸家股；Jegadeesh & Titman (1993) 的動能效應，指出強者恆強，弱者恆弱的 持續現象。

此 外 也 有 許 多 實 證 研 究 發 現 許 多 市 場 在 不 同 期 間 並 未 達 到 弱 式 效 率 市 場 (Holthausen & Larker, 1992; Hong, et al., 2000; Piotroski, 2000)，許多基於技術分析的擇時 方法可以增加投資報酬率。例如，Park and Irwin (2004, 2007)探討技術分析的獲利能力 的證據。實證文獻根據測試程序的特點，被分為兩組，即「早期」和「當代」的研究。

早期研究指出，技術交易策略在外匯市場和期貨市場是有利可圖的，但在股票市場則 否。當代研究指出，技術交易策略在各種投機市場持續地創造經濟利潤，至少一直到 20 世紀 90 年代初期。在 95 個當代研究中，有 56 項研究發現技術交易策略的正面結果，

有 20 項研究得到負面結果，19 研究顯示混合的結果。

選股(stock selection)與擇時(market timing)都可能提高投資績效，但兩者的本質有明 顯差異(參考圖 1-2 ~ 圖 1-5)：

 選股模型：優點是無論多頭或空頭，績效比大盤績效高，缺點是會隨大盤波動。

 擇時模型：優點是可避過下跌期，但缺點是持有期績效與大盤相同。

半強勢效率

弱勢效率

強勢效率

基本分析

技術分析 內線消息

3

6

增加獲利的途徑一：

選股 (alpha策略)

0 0.5 1 1.5 2 2.5 3 3.5

0 5 10 15 20 25

時間

累積資金

大盤 選股

圖 1-2 選股(stock selection)提高投資績效

7

增加獲利的途徑二：

擇時 (beta策略)

0 0.5 1 1.5 2 2.5 3 3.5 4

0 5 10 15 20 25

時間

累積資金

大盤 擇時

圖 1-3 擇時(market timing)提高投資績效

4

圖 1-4 典型的選股模型績效

圖 1-5 典型的擇時模型績效

-100 0 100 200 300 400 500 600 700 800

1993/01/05 1993/08/12 1994/03/30 1994/11/07 1995/06/23 1996/01/31 1996/09/11 1997/04/29 1997/12/08 1998/08/04 1999/04/03 1999/11/25 2000/07/28 2001/04/02 2001/12/18 2002/09/09 2003/05/28 2004/02/13 2004/10/26 2005/07/13 2006/04/03 2006/12/13 2007/09/03 2008/05/26 2009/02/11

投資組合累計報酬率(%) 大盤累計報酬率(%) -200

0 200 400 600 800 1000 1200

1993/01/05 1993/05/13 1993/09/10 1994/01/20 1994/05/30 1994/10/04 1995/02/17 1995/06/22 1995/10/24 1996/03/06 1996/07/10 1996/11/15 1997/03/25 1997/07/28 1997/12/05 1998/04/23 1998/09/02 1999/01/18 1999/06/05 1999/10/20 2000/03/13 2000/07/25 2000/12/02 2001/05/04 2001/10/02 2002/03/06 2002/07/29 2002/12/19 2003/05/22 2003/10/15 2004/03/15 2004/08/04 2004/12/29 2005/06/01 2005/10/26 2006/03/27 2006/08/18 2007/01/11 2007/06/14 2007/11/08 2008/04/10 2008/09/02 2009/02/03 2009/06/26

投資組合累計報酬率(%) 大盤累計報酬率(%)

5

為結合選股模型與擇時模型兩者的優點，即避過下跌期，且持有期績效比大盤高，

以進一步提高投資績效，降低投資風險，可整合選股模型與擇時模型為一個「選股擇時 複合模型」(參考圖 1-6)。

圖 1-6 整合選股模型與擇時模型為一個「選股擇時複合模型」

選股或擇時的研究文獻非常多，但同時結合兩者的文獻還十分少見。因此本研究的 重點在於探討：

問題 1：選股模型在台灣股市的實證績效如何？

問題 2：擇時模型在台灣股市的實證績效如何？

問題 3：選股與擇時之間是否有交互作用？即選股因子在多頭、空頭的超額報酬率是否 不同？

問題 4：選股擇時複合模型在台灣股市的實證績效如何？相較於單純的選股模型、擇時 模型如何？

問題 5：選股擇時複合模型的績效可以用選股模型、擇時模型的績效去預測嗎？

問題 6：結合選股、擇時、選股擇時複合模型與作多、作空、多空交易策略在台灣股市 的實證績效如何？

問題 7：多空交易策略的績效可以用作多、作空交易策略的績效去預測嗎？

1-2 研究方法

驗證選股模型的原則如下：

1. 避免資料操弄偏差：模型要簡單才有普遍性。

2. 避免短期偏差：模型要歷經長期考驗才有普遍性。

3. 避免先視偏差：模型不可「偷看」歷史資料。

4. 避免存活偏差(survivorship bias)：模型不可「忽略」下市個股。

5. 避免微型股偏差：模型要考慮實際操作的可行性。

擇時模型 選股模型

複合模型

6

6. 考量成本原則：模型要考慮交易成本的侵蝕。

7. 合理風險原則：模型要考慮風險與報酬的取捨。

本研究在實證過程將遵守上述原則，使實證結果能避免上述偏差。

1-3 研究內容

選股或擇時的研究文獻非常多，但同時結合兩者的文獻還十分少見。因此本研究的 重點有三：

1. 探討選股與擇時之間是否有交互作用。

2. 探討選股擇時複合模型在台灣股市的實證績效。

3. 探討結合選股、擇時、選股擇時複合模型與作多、作空、多空交易策略在台灣股市 的實證績效。

本文其它各章如下(圖 1-7)：

第二章為文獻回顧，包括下列主題的文獻：(1) 選股因子之研究 (2) 擇時因子之研 究 (3) 選股擇時複合模型之研究。

第三章介紹選股模型，將實證許多選股因子在台灣股市的選股績效。

第四章介紹擇時模型，將實證許多擇時因子在台灣股市的擇時績效。

第五章介紹選股擇時複合模型，以三種選股模型：正選股模型、不選股模型、反選 股模型，結合三種擇時模型：正擇時模型、不擇時模型、反擇時模型。並將實證這些複 合模型在台灣股市的選股績效。

第六章介紹不同投資策略的複合模型，以三種投資模型：選股模型、擇時模型、選 股擇時複合模型，結合三種投資策略：作多策略、作空策略、作多作空雙向策略。並將 實證這些模型在台灣股市的選股績效。

第七章為研究結論。

其中第三、四、五、六章將分別解答前述的問題 1、問題 2、問題 3~5、問題 6~7。

7

圖 1-7 研究內容

選股模型與擇時 模型的整合

第三章 選股模型

第四章 擇時模型

第五章 選股擇時 複合模型

第六章 不同投資 策略的複 合模型

問題 3：

選股與擇 時之間是 否有交互 作用？

問題 4：

在台灣股 市的實證 績效如 何？

問題 5：

可以用選 股模型、擇 時模型的 績效去預 測嗎？

問題 6：

在台灣股 市的實證 績效如 何？

問題 7：

可以用作 多與作空 交易策略 的績效去 預測嗎？

問題 1：

選股模型 在台灣股 市的實證 績效如 何？

問題 2：

擇時模型 在台灣股 市的實證 績效如 何？

9

第二章 文獻回顧

2-1 前言

證券投資分析方法可分成兩大類(惠普財經網 2011)：

1. 由下而上的投資分析方法(Bottom-Up Approach)

藉由個股基本面的研究，挑選適合投資的股票，不考慮經濟情勢的變化，亦不理會 大盤的漲跌，以「選股」投資為主，認為投資不需擇時。此一方法以價值投資著稱的證 券分析之父班傑明〃葛拉漢(Benjamin Graham)及其傳人華倫〃巴菲特(Warren Buffet)為 代表。

2. 由上而下的投資分析方法(Top-Down Approach)

藉由總體經濟的研究，判斷經濟循環所處的週期位置，再研究判斷個產業循環所處 的週期位置，最後由所選的產業中挑選適合投資的個股，意即投資必需「擇時」。根據 美國芝加哥大學教授班傑明〃金(Benjamin King)的研究指出，「個股的漲跌 50%受大盤 指數影響，30%受類股指數影響，只有 20%與個股個別基本面有關。」

以上「選股」與「擇時」這兩種方法各有其優缺點，若能交互運用，當可提高投資 報酬。選股或擇時的研究文獻非常多，但同時結合兩者的文獻還十分少見。因此本章將 回顧以下三個主題的文獻：

(1) 選股因子之研究 (2) 擇時因子之研究

(3) 選股擇時複合模型之研究

2-2 選股因子之研究

2-2-1 選股因子之研究

資本資產定價模型(Capital Asset Pricing Model CAPM)為基於現代投資組合理論所 發展的定價模型，主張市場風險因子是解釋資本資產報酬率的唯一因子。但近年的實證 研究發現 CAPM 單因子模型並不能驗證歷史的投資報酬(Holthausen & Larker, 1992;

Hong, et al., 2000; Piotroski, 2000; 陳榮昌, 2002；顧廣帄, 2005；朱凱安, 2009；古永嘉、

李鑑剛, 1998；方文秀, 2003)，必頇再考慮許多具有效應的因子。例如，Banz (1981)的 規模效應，指出小型股的報酬率高於大型股；Fama & French (1992, 1993, 1995, 1998)以 及 Rosenberg, Reid, & Lanstein (1985)的價值效應，指出價值股的報酬率高於成長股；De Bondt & Thaler (1985)的反轉效應，指出贏家股的報酬率在較長期間後會低於輸家股；

Jegadeesh & Titman (1993) 的動能效應，指出強者恆強，弱者恆弱的持續現象。

Banz (1981)探討在 1926 年至 1975 年間列於 NYSE 中之上市公司股票的公司規模與

10

股票報酬率之間的關係。研究發現小規模公司在風險調整後的報酬率高於大公司。規模 效應已經存在了至少 40 年，實證 CAPM 是不夠完備的。規模效應並不是線性的，主要 的效果發生在非常小的公司，大型企業與一般規模企業之間的回報並無明顯的差異。但 不知道是規模大小本身的效果影響報酬，還是規模僅僅是一個或多個未知的真正因子的 代理變數(Proxy)。

Fama & French (1992)以規模及淨值市價比兩個易於衡量的變數，結合市場風險、公 司規模、槓桿程度、淨值市價比、益本比，以取得其在橫斷面上之帄均股票報酬的變化。

實證結果發現，當控制規模之下，市場 beta 與帄均報酬的關係變得帄坦，即使在 beta 是唯一解釋變數下。

Fama & French (1993)針對五個常見於股票及債券的風險因子加以定義，有三個股市 因子：整體市場因子、公司規模、淨值市值比，兩個債券市場因子：到期日風險、違約 風險。股票報酬的變異與股票市場的因子相關，也與債券市場的因子相關。除了低等級 公司之外，債券市場因子可解釋債券報酬。

Fama & French (1995)探討在考慮規模及淨值市價比下，是否股票價格的行為反應了 盈餘的行為。基於合理的股價，高淨值市價比信號持續地表示低盈餘，低淨值市價比信 號持續地表示高盈餘。此外，在將這些公司依規模及淨值市價比排序後，發現股價預測 了盈餘成長的回歸現象。最後，如同報酬，影響盈餘的因子有市場、規模和淨值市價比。

在盈虧上的市場和規模因子可幫助解釋它們在報酬上的影響，但作者沒有發現在盈餘和 報酬上的淨值市價比之間的關連。

Fama & French (1998)發現在全球市場上，價值股的報酬是高於成長股的。在 1978 至 1995 年間，全球有價證券的帄均報酬，在高淨值市價比與低淨值市價比的差異是一 年 7.68%，而在 13 個主要市場中有 12 個市場其價值股績效優於成長股。一個國際 CAPM 不能解釋價值股的超額報酬，但一個包含相對財務危機的風險因子的雙因子模型解釋了 國際的超額報酬。

De Bondt & Thaler (1985)指出實驗心理學的研究發現，多數人對不可預期及引人注 目的消息事件有過度反應的現象。這個有關市場效率的研究調查了是否如此行為影響了 股價。基於 CRSP 每月的報酬資料，實證證據與過度反應假說是一致的。實質的弱勢效 率市場無效被發現。藉先前的贏家組合及輸家組合，這個結果也給元月報酬一道曙光。

輸家組合在形成投組之後的五年內有異常高的元月報酬。

Jegadeesh & Titman (1993) 指出買過去表現良好的股票，賣掉過去表現不好的股 票，且持有 3 到 12 個月的策略會產生顯著正的報酬。作者發現這些策略的獲利不是因 為系統風險，或對一般因子的延遲股價反應。然而，部份在第一年所產生的異常報酬，

在接下來的兩年會消失。

雖然最近的研究都聚焦在討論為何價值股表現優於成長股，Chahine (2008)則研究這

11

些策略對盈餘成長水準的敏感程度。實證測試是依據報酬策略及資產訂價分析來進行。

在 Fama and French (1993)的風險因子下，實證結果證明，在歐洲地區從 1988 年到 2003 年的資料中，具有高的盈餘成長率的價值股，即低估價值股，優於價值、成長策略。實 證發現建議，決定價值股及成長股投資組合績效中，盈餘成長具有很明顯的效應。經進 一步調查確認了每股盈餘慣性在低估價值股的正面作用；然而在高估成長股並沒有顯著 的效果。

Hart, et al. (2003)探討在 1985-1999 年期間，32 個新興市場，範圍廣泛的選股策略的 獲利能力。價值、慣性和盈餘預測修正策略是最成功的，並產生顯著超額報酬，相對於 基於規模、流動性和均數回歸的策略。這些策略的績效可以透過合併多個股票特性和國 家選擇來提高，雖然後者承擔增加風險的成本。本研究沒有找到金融市場自由化在這些 策略的績效的顯著效果。也沒有全球風險因素可以解釋選股策略的超額報酬之證據。最 後，本研究說明這些策略，在面對缺乏流動性和相當大的交易成本下，在實務上可以被 大型法人機構成功地執行。

Xing & Zhang (2004)探討價值性和成長性公司的經濟基本面的循環行為。其目標是 評估價值溢酬與近期合理理論的實證關連。發現價值性公司的基本面，比起成長性公 司，受到負面景氣循環震盪更加的不利的影響，且此不同的影響極為明顯。本文亦探討 循環動向的潛在來源。

在國內也有不少研究，探討可解釋資本資產報酬率的因子，例如，邵曉陽等人(2004) 以 1994 年到 2003 年期間在上海證券交易所上市的全部 A 股股票作為研究對象，對帳面 市價比效應進行了實證研究。在本文研究的期間內，針對中國大陸證券市場得出以下結 論：(1)存在帳面市價比效應；(2)上市公司的「帳面市價比」對股票收益有顯著的預測 作用；(3) 證券市場未達到半強式有效；(4) 價值投資也可以獲得良好的投資回報。

近年來許多文獻顯示，結合多種效應可以建構報酬率更高的選股模型 (Piotroski, 2000; Hart, et al., 2003; Roko and Gilli, 2008)。但以嘗試錯誤的方式尋找最佳的多因子模 型顯然無效率，因此有許多文獻探討如何用神經網路或迴歸樹等方法建構多因子選股模 型(Olson & Mossman, 2003; Eakins & Stansell, 2003; Cao, et al. 2005; Quah, 2008;

Atsalakisa & Valavanis, 2009; Sorensen, et al. 2000; Ren, et al. 2006; Roko and Gilli, 2008;

Gency, 1998a, 1998b; Andriyashin, 2007; Andriyashin, et al. 2008; 林金賢、李家豪 2003；

王嘉隆、詹淑慧 2005；張廷政、林冠宇 2005；詹淑慧、王嘉隆 2007)。

2-2-2 價值與成長因子之比較研究

Fama and French 在其三因子模型中以淨值股價比(每股淨值除以股價)大者為價 值股，小者為成長股，並以實證證明價值股的報酬率高於成長股。事實上價值股並無 一致的定義，常見者除了淨值股價比以外，益本比(每股盈餘除以股價)、營收股價比

12

(每股營收除以股價)也是常用的定義；即益本比、營收股價比大者為價值股，小者為 成長股。這些定義都將價值與成長視為對立的特徵，即高價值股必為低成長股；低價 值股必為高成長股。

但近年來許多學者認為價值與成長為二個不同的特徵 (Brush, 2007; Bourguignon and de Jong, 2003; Nanda and Ahmed, 2001; Asness et al., 2000; Yeh and Hsu, 2011; 葉怡 成等, 2009；葉怡成等, 2010)，即淨值市值比或益本比應為價值因子，而盈餘成長率或 股東權益報酬率應為成長因子，且由此二因子可將股票區分為四種類型 (表 2-1)。由 於成長因子應以表彰公司經營績效為主，故本研究以股東權益報酬率(ROE)，即淨值 報酬率做為成長股的定義，即 ROE 值大者視為成長股。由於本文所指的成長股是指 具有高 ROE 的股票，與許多文獻定義成長股是指具有低淨值股價比的股票，即價值 股的反面，有所不同，為了避免混淆，本文以下將傳統的具有低淨值股價比的股票稱 為「低價值股」。

許多文獻指出，高成長股(高 ROE)的報酬率高於低成長股(低 ROE)的報酬率，

此即所謂成長股效應 (Brush, 2007; Bourguignon and de Jong, 2003)。Nanda and Ahmed (2001)更進一步指出，同時具有高價值與高成長特性的股票獲利高於單純具有高價值 或高成長的股票。

表 2-1 價值股與成長股的二維觀點

價值因子小 價值因子大

成長因子大 高成長/低價值股 高成長/高價值股 成長因子小 低成長/低價值股 低成長/高價值股

2-2-3 價值與成長因子之異常報酬原因

對於價值股效應的成因有許多種不同的解釋，主要可分成風險補償理論與投資者 錯誤定價理論(朱海鵬、程丹 2008)。以 Fama 和 French 為代表的學者堅持有效市場假 說，主張股票的預期收益總是與其承受的風險相對等，認為不可分散的系統風險導致 了溢酬。然而行為理論學者則主張投資者的行為並非總是理性的，也並非總是厭惡風 險的，認為非理性投資者的趨勢行為導致了異常報酬。

風險補償理論來自現代金融理論的兩大基石：有效市場假說(EMH)和資本資產定 價模型(CAPM)。EMH 是由三個不斷弱化的假說組成：當投資者是理性時，投資者可 以理性評估資產價值，保證市場的有效性；即使有些投資者不是理性的，但由於交易 隨機產生，也不會形成系統的價格偏差，此外他們也將遇到理性的套利者，從而保證

13

資產價格回歸基本價值；最後，即使有非理性交易者在非基本價值的價格交易，他們 的財富也將逐漸減少，以致不能在市場上生存(Fama, 1970; 朱海鵬、程丹 2008)。

而投資者錯誤定價理論則奠基於金融心理學。例如 Lakonishok, et al. (1994)認為價 值投資策略是天真策略(Naive strategies)的反向操作(Contrarian)。天真的投資者們習慣 性地把股票的增長率向未來外推得太遠，或者假設股票價格趨勢會持續一段時間，又 或者對市場出現的好消息或壞消息過度反應(Over-reacting)。

Barberis, et al. (1998)指出，股票市場經常對一系列連續發生的非例行性的好消息 或壞消息反應過度。即股價因為好消息而上漲，但股價過度反應，高過該消息所隱含 的合理股價；反之，股價因為壞消息而下跌，但股價過度反應，低過該消息所隱含的 合理股價(圖 2-1)。接著而來的是對股價過度反應的反向修正，此一修正造成了過度上 漲股票報酬率最低，過度下跌股票報酬率最高(圖 2-2)。股票之所以成為價值股，經常 是因為它們通常歷經了因為壞消息而股價過度下跌的過程，導致市值降低，而有較高 的淨值市值比。因此接著而來的反向修正造成了較高的報酬率。

Skinner and Sloan (2004)則從「低價值股」的角度來解釋高價值股與低價值股的報 酬率之間有顯著差異的現象。他們提供的證據表明，低價值股對未來盈餘表現的錯誤 預期導致了較低的報酬率。儘管低價值股較不可能宣佈負面的盈餘意外，它們對負面 的盈餘意外有強烈的非對稱反應。在控制了這個非對稱價格的回應後，他們沒有發現 低價值股與高價值股的報酬率之間有差異的證據。因此認為低價值股的低報酬的原因 是對過度樂觀期望的偏誤，而隨後的負面盈餘意外對股價作出修正。

t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 t+4 t+5

時間軸 t

P(t)

圖 2-1 股價過度反應現象 因好消息而上漲

因壞消息而下跌

股價的反向修正

股價的反向修正

14

t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 t+4 t+5

時間軸 t

R(t)

圖 2-2 股價過度反應下的報酬率驟變現象

有許多研究指出，股東權益報酬率較高的股票具有較高的報酬率，而對於成長股 效應之成因的一個可能的解釋是不足反應(under-reaction)。Barberis, et al. (1998)指出，

股票市場經常對盈餘這類例行性的基本面消息反應不足，即股價雖因此類好消息而上 漲，但股價反應不足，仍低於該消息所隱含的合理股價；反之，股價因為此類壞消息 而下跌，但股價反應不足，仍高過該消息所隱含的合理股價(圖 2-3)。接著而來的是對 股價的持續修正，造成了上漲不足的股票報酬率最高，下跌不足的股票報酬率最低(圖 2-4)。

t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 t+4 t+5

時間軸 t

P(t)

圖 2-3 股價不足反應現象 報酬率最高

報酬率最低 報酬率最低

報酬率最高

因好消息而上漲

因壞消息而下跌 股價的持續下跌

股價的持續上漲

15

t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 t+4 t+5

時間軸 t

R(t)

圖 2-4 股價不足反應下的報酬率漸變現象

Hong, et al. (1999)提出一個整合反應不足、慣性交易、過度反應的統一理論，認 為市場有兩種有限理性的投資人：消息交易者與慣性交易。每一位消息交易者擁有一 些私人的價格信息，但沒有其他消息交易者的私人的價格信息。如果這些私人信息逐 漸擴散到全體投資人，在短期內會造成價格反應不足。該反應不足意味著慣性交易者 可以追逐趨勢而獲利。但是，如果他們只能實施簡單的投資策略，他們的套利在較長 期間後必然導致過度反應。雖然這一個理論對過度反應與不足反應這兩個現象之間的 關係提出一個整合性的模型，但並未對價值股與成長股的成因分開探討。

2-3 擇時因子之研究

擇時(market timing)是指股票買賣時間點的抉擇。傳統上，權益型證券(股票)的擇 時，有兩個方法：

基本面的觀點：從總體經濟面變動決定買賣時間點。

技術面的觀點：從股市本身的價量波動決定買賣時間點。

技術分析是指研究過去金融市場的價量資訊來預測價格的趨勢以決定股票買賣時 間點的方法。技術分析建立在「過去的行為會在未來重演」之基本假設上。即股市的價 量變化可能有規則。股票之均衡價格決定於股票之供需力道，而供需力道之改變將造成 均衡價格之改變。然而由於投資者獲取資訊之成本與速度不同，造成市場上資訊之不對 稱，因而產生了套利機會。如果能夠經由適當之工具將技術指標與股價漲跌幅間的關係 粹取出來，有可能使得有能力挖掘此關係者可發掘更多的套利機會，進而產生更多的超 額報酬(Taylor and Allen, 1992; Edwards and Magee, 1997)。

傳統財務理論中的效率市場假說認為，投資人無法藉由分析公開或未公開的資訊來 報酬率最高

報酬率最高

報酬率最低 報酬率最低

16

賺取超額報酬，其中弱式效率市場假說更如同宣告技術分析無用論。弱式效率市場假說 認為投資人無法藉由分析價量的歷史資料來賺取超額報酬，但國內投資人卻習慣以移動 帄均線、乖離率等技術分析模式進行投資決策。

近年來，已有許多研究指出金融資產的走勢具有非線性的特質，而且在某段期間內 呈現趨勢，且有愈來愈多的證據顯示，技術交易法則能夠察覺金融時間序列的非線性現 象，使財務研究領域重新引起對技術分析的興趣 (Chiarella, et al. 2006; Fifield, et al. 2005;

Gencay (1998a, 1998b); Lo, et al. 2000; Marshall and Cahan 2005; Nam, et al. 2005; Ready 2002 ; Yeh, et al. 2009；連立川等 2006；葉怡成、林文盟 2007；連立川、葉怡成 2008；

黃兆瑜等 2008；葉怡成等 2009)。

Park and Irwin (2004, 2007)探討技術分析的獲利能力的證據。實證文獻根據測試程 序的特點，被分為兩組，即「早期」和「當代」的研究。早期研究指出，技術交易策略 在外匯市場和期貨市場是有利可圖的，但在股票市場則否。當代研究指出，技術交易策 略在各種投機市場持續地創造經濟利潤，至少一直到 20 世紀 90 年代初期。在 95 個當 代研究中，有 56 項研究發現技術交易策略的正面結果，有 20 項研究得到負面結果，19 研究顯示混合的結果。儘管有技術交易策略獲利能力的正面證據，大多數實證研究的測 試程序仍受制於各種問題，例如數據操弄(data snooping)(White 2000)、事後選擇交易規 則(ex post selection of trading rules)或搜索技術，和在風險和交易成本估計的困難。未來 的研究必頇解決這些在測試程序的不足之處，以提供技術交易策略獲利能力的確鑿證 據。

2-3-1 技術分析有效性負面結果的文獻

許多文獻的模擬交易之結果顯示技術分析未能擊敗大盤，表2-2列出許多得到技術 分析有效性負面結果的文獻。

表 2-2 技術分析有效性負面結果的文獻

文獻 研究內容

林昆良(1999) 本研究從技術分析的觀點，利用程式交易進行回溯測試。研究期 間為1986年至2005年，對11種貨幣之匯率日資料，選用8種技術分析常 用的技術指標：移動帄均線(MA)、指數帄滑異同帄均數(MACD)、隨 機指標(KD)、相對強弱指標(RSI)、動量指標(MTM)、停損點反向操作 指標(SAR)、趨向指標(DMI)、通道突破指標(Channel)。實證研究分析 發現：(1) 順勢交易系統優於區間交易系統。(2) 利用技術分析無法獲 得超額報酬。因此，外匯弱式效率市場成立。

17

Kwon and Kish (2002)

本研究探討道瓊工業帄均指數的每日報酬的可預測性，比較了 Allen and Karjalainen (1999)發展的技術交易規則，與Brock, Lakonishok, and LeBaron (1992)研究的移動帄均規則。本研究認為這個比較支持了 一個假說，即Brock等人(1992)的移動帄均線規則的明顯成功（扣除交 易成本後）是一個虛假的數據操弄(data snooping)的結果。如果它是可 靠的，投資者將會用技術分析來改善其投資組合的報酬，公司會用它 來改善其證券發行的時機。本研究結果可做為一個提醒，即歷史數據 的模式，即使看起來非常一致，不必然在未來持續下去。

鄭宜典 (2007) 本文係根據投資股票時，常用之基本分析與技術分析進行模擬交 易，希望能找到最適合投資人之投資方法。研究結果證實 (1) 本研究 所採用之基本分析投資策略是有效的，六年下來的累積報酬率及帄均 報酬率，皆優於本研究所評比之指數，如大盤、MSCI 台股指數或台灣 50。也就是說利用基本分析對投資標的進行篩選後，長期予以持有所 創造出來之報酬的確能擊敗市場。(2) 而技術分析之六種方法中，以單 考慮移動帄均線之策略較佳，而移動帄均線搭配威廉指標則為績效最 差之策略，但整體而言，運用技術分析確實不能擊敗市場。(3) 另外，

以基本分析搭配技術分析之報酬率，雖然不如僅考慮基本分析之報 酬，但卻能減少損失的發生，若投資人對於市場未來走勢不明時，則 建議採用此種投資策略。

陳賢達(2008) 本研究利用10種常用的技術分析指標，輔以不同之指標參數，組 成37,348種交易策略測試台灣50ETF的日交易資料。探討技術分析是否 可以打敗買入持有策略獲取超額報酬以及台灣證券市場是否符合弱式 效率市場假說。研究期間分為兩個階段：第一階段從2003年6月30日至 2005年11月30日，此階段為樣本內期間，找出可以獲取超額報酬的贏 家策略；第二階段為樣本外期間，從2005年12月1日至2008年4月30日，

以第一階段的贏家策略在此期間模擬操作並判斷是否有持續性的結 果。依據實證結果，獲得以下幾點結論：(1) 技術分析操作策略可以獲 得絕對報酬。(2) 單一技術指標的技術分析操作策略並無法擊敗買入持 有的操作策略。台灣股票市場整體符合弱式效率市場之假說。(3) 股價 原始資料經過不同方式的除權、息還原處理會影響技術分析贏家策略 的選擇。

18

2-3-2 技術分析有效性正面結果的文獻

近年來，已有許多研究指出金融資產的走勢具有非線性的特質，而且在某段期間內 呈現趨勢，且有愈來愈多的證據顯示，技術交易法則能夠察覺金融時間序列的非線性現 象，使財務研究領域重新引起對技術分析的興趣。表 2-3 列出許多得到技術分析有效性 正面結果的文獻。

表 2-3 技術分析有效性正面結果的文獻

文獻 研究內容

Brock, Lakonishok, and LeBaron (1992)

本文測試兩個最簡單、最流行的交易規則：移動帄均法(moving average)、交易範圍突破法(trading range break)，利用1897年~1986年的 期間道瓊指數。標準的統計分析通過使用自助法(bootstrap)技術得到擴 充。總之，本文的結果提供強而有力的支持技術策略的證據。研究發 現 (1) 在這些策略中獲得的收益與流行的四個虛無模型並不一致：隨 機漫步、AR(1)、GARCH-M和指數GARCH模型。(2) 買入信號一直比 賣出信號產生更高的回報。(3) 買入信號隨後的回報的波動幅度，小於 賣出信號隨後的回報。(4) 賣出信號隨後的回報是負值，這不易以任何 現有的帄衡模式來解釋。

Neely, Weller, and Dittmar (1997)

本文用遺傳規劃技術來尋找技術交易規則，發現這些規則在六種 匯率於1981-1995年期間，經濟上顯著的樣本外超額回報的有力證據。

此外，當美元/德國馬克的規則被允許決定在其他市場的交易時，在除 德國馬克 /日元外的所有情況下，績效有顯著改善。根據不同的基準 投資組合回報所作的beta計算並未提供任何證據，證明這些規則的回報 是承受系統風險的補償。美元/德國馬克的測自助法(Bootstrapping)測 試結果顯示，交易規則偵測到數據中無法用標準的統計模型獲得的模 式。

孫碧波、方健雯 (2004)

本文從技術分析在上海股票市場上是否具有獲利能力這個新的視 角，直接討論了中國證券市場的弱態有效性問題。對上證指數的統計 檢驗說明一些技術分析規則可以帶來長期、穩定的超額利潤，而有效 市場假定下的異步交易、交易成本和期望(回報)時變性都不能完全解 釋這種超額利潤的存在，因此可以得出中國證券股票市場還沒有達到 弱式有效性的結論。

Hsu and Kuan (2005)

本文重新審視了技術分析的獲利性，使用懷特(White)的真實性檢 查(reality check)和漢森(Hansen)的SPA檢驗，來修正數據窺探偏差(data snooping bias)。相較於以前的研究中，本文研究了一個較完整的的交

19

易技術的母體，不僅包括簡單的規則，也包含複雜的交易策略。本文 測試這些規則和策略在4個主要指標的盈利能力。結果表明：(1) 簡單 的規則和複雜的交易策略的盈利，顯著地存在於來自相對年輕市場 (NASDAQ Composite 與 Russell 2000)的數據，而不存在於來自相對成 熟市場(Dow Jones Industrial Average (DJIA) 與 S&P 500)的數據。(2) 在考慮之後交易成本，發現在NASDAQ Composite與Russell 2000表現 最好的規則，在大多數樣本內與樣本外時期優於買入並持有策略。(3) 複雜的交易策略能夠改善簡單規則的利潤。

江淵舟(2005) 本研究之目的旨在以計量化的角度結合投資組合的概念，建構完 整的期貨交易決策分析系統。其中期貨交易之買賣決策部分，將由程 式交易系統產生，另藉由系統之記錄及分析來推導出最終策略組合交 易模型。研究標的部分則以台灣期貨交易所上市之台灣證券交易所股 價指數期貨(TX) 2000年1月至2003年12月日內資料為主。研究期間共分 為樣本內資料期間及樣本外資料期間兩大部分，以驗證前後兩期投資 績效的一致性。經實證後顯示 (1) 本研究所建構之組合式技術分析指 標交易系統確實可從台股期貨交易中獲取利潤。(2) 透過組合式建構之 交易系統的穩定度也大幅提升，讓投資人更能渡過系統低潮期，以獲 致穩定之超額報酬。

林金賢、李淑惠 (2006)

過去的研究大部分針對技術指標本身之獲利性作探討，本研究則 針對CRISMA技術指標與股價漲跌幅間之關係，利用類神經模糊技術 作進一步之探索，以台灣摩根成份股作為驗證對象。實證結果顯示 (1) CRISMA 交易系統在台灣股市仍然可以獲取超額報酬，對股票市場上 資訊充分流通之假設提出一大質疑；(2) 利用類神經模糊粹取出之交易 規則較諸原來的交易規則可以產生更多的超額報酬，似乎意味著較複 雜之關係確可帶來更多的超額報酬。(3) 利用粹取出之交易規則所產生 之訊號來建構之投資組合，除了帄均報酬率與Sharpe ratio顯著的優於 指數法所建構之被動投資組合(passive portfolio)外，在六種不同之投資 組合建構方法中具有最高的Sharpe ratio，而且也較諸同期間九十九支 開放式股票型基金淨值報酬最優之前十名有較高之Sharpe ratio。(4) 本 研究之實證結果對「較複雜的交易系統將使得資訊不對稱之情況更加 明顯，而使得該交易系統可以產生較多超額報酬」之假說，提供一有 利之證據。

Gerov (2006) 本研究發現，移動帄均線策略在兩種完全不同的加拿大股市數據 樣本表現出驚人的效率和顯著的一致性。這並不是因為偶然，因為這

20

裡使用了各種比較標準，提供了某種程度的預測的可靠性有力的支 持。此外，這些策略的報酬非常相似於使用道瓊斯工業指數、FT30 和 SBC 的數據獲得的報酬，這意味著它們有更廣泛的成效。本文的研究 結果為今後的實踐者提供研究途徑。移動帄均線可以很容易地納入各 項資產定價模式，靠著匹配對不同股票的買進和賣出信號產生零成本 的投資組合，或以較低的具有更高利潤帄滑參數測試。

賴聖傑(2008) 本研究以葛蘭碧法則，搭配不同天期的移動帄均線與乖離率指 標，探討以技術分析模式操作台指期貨，是否能優於不做任何分析之 買進持有策略。實證結果發現 (1) 於2001年至2007年間，應用葛蘭碧 法則操作台指期貨與現貨均確實優於買進持有策略，其中投資績效以 20天期之移動帄均線為最佳，且該結果不受交易成本與市場為盤整或 震盪之影響。(2) 短天期或長天期的移動帄均線分別因對趨勢判斷的敏 感度過高或過低，使得其投資績效不如20天期或30天期之移動帄均線 良好。(3) 加入乖離率的技術分析模式，能顯著提升作空策略之投資績 效。

郭彥廷 (2008) 本文使用避險基金與市面常見之技術分析共26種交易策略，檢視 它們在台灣證券交易所自1971至2007.7.31所有上市上櫃股票之抗跌助 漲效能，及其是否優於台灣加權股價指數買入持有報酬。本研究交易 策略除採用過去文獻常用之技術分析外，另加入避險基金式技術分 析；研究方法按各交易策略的不同，採用固定參數與蒙地卡羅法(Monte Carlo Simulation)進行最適參數之模擬。研究發現 (1)填補缺口、移動 帄均(MA)、動量指標(MTM)與變速率(ROC)四種交易策略獲利能力最 佳。(2)與財務理論及實證研究相符的是交易策略具有漲多跌少的現 象，且報酬波動度越大越能為投資者帶來獲利。(3)在亞洲金融風暴發 生後，策略法則變的相對有用，這說明技術指標的確具有抗跌的效用。

林育卲(2008) 本研究以技術分析為研究基礎，運用多種技術分析來建立交易策 略(只做多)。本研究利用2000年6月至2008年4月指數股票型基金(台灣 EWT, 香港EWH,日本EWJ, 美國SPY)日資料為研究樣本，驗證交易策 略是否能夠有效擊敗買進持有策略，並且比較不同交易成本下所得之 報酬。實證結果顯示：(1)以指數股票型基金為研究標的，不論是否考 慮交易成本，交易策略之報酬優於單純買進持有策略。(2)移動帄均線 法是非常有效的技術指標。(3)多種技術分析組合策略的報酬優於單一 技術分析策略。

魏嘉君(2008) 本研究測試技術分析交易法則對於全球已開發國家(28國)與開發

21

中國家(28國)股市是否有顯著預測能力。研究方法立論於Brock, Lakonishok and LeBaron (1992)與Metghalchi, Chang, and Marcucci (2007)之移動帄均法技術交易法則，採用4種長天期移動帄均線(50, 100, 150, 200天)與1天期短期帄均線。實證結果顯示 (1)大多國家於買入日 較賣出日有較佳報酬，且皆能打敗買入持有策略，獲得超額報酬。在 買入日報酬方面，已開發國家於全部研究期間比開發中國家有更佳報 酬；但於1998~2002年開發中國家卻有更佳報酬。而賣出日報酬則是開 發中國家比已開發國家有較佳報酬，但僅2003年~2007年顯著。(2)若以 區域控制研究樣本，結果與前述相似：歐洲與美洲大多為已開發國家 比開發中國家顯著有較佳之買入日報酬，而亞洲卻是開發中國家有較 佳賣出日報酬但不顯著。買入日報酬為短天期預測較佳，而賣出日報 酬則是長天期預測較佳，但僅買入日較多顯著者，賣出日顯著者少。

若使用加碼交易策略(leverage/money)，結果開發中國家能顯著打敗買 入持有策略。(3) 最後本研究採用Hansen (2005)之卓越預測能力(SPA) 對加碼策略結果做強度測試後，發現移動帄均法技術交易法則於開發 中國家比已開發國家更有預測能力，投資人可利用較短天期移動帄均 法則預測買入日報酬並獲取超額報酬。

郭桓愉 (2008) 本研究以常見的技術指標如KD、MACD、MA、RSI、動能以及通 道突破等六種技術指標，並設定長短兩種不同天期參數，總計11項指 標，以中國股市52家公司為樣本進行實證研究，並分別以模擬交易的 操作績效與買進持有策略作比較，檢驗市場之效率性。實證結果顯示 (1) 技術分析指標MACD、MA、動能以及通道突破等四種指標其模擬 交易績效顯著優於買進持有策略，而KD與RSI兩種技術指標則不具有 異常報酬。(2) KD、MA、動能以及通道突破等四種指標，其使用短天 期參數的績效優於長天期參數指標，而RSI指標則以長天期參數指標績 效較佳。(3) 本研究同時以公司特性與技術指標搭配作為交易策略，實 證結果發現運用技術指標於公司產業別、規模大小、本益比高低等特 性上，並無明顯一致性之趨勢。而與公司股價淨值比特性作搭配，則 一致地顯示高股價淨值比公司績效優於低股價淨值比公司，故技術分 析交易法則應用於高股價淨值比公司能獲得較佳的報酬。

鄧杰、唐國興 (2009)

本文以 1990 年 12 月至 2008 年 3 月上海證券交易所綜合股價指數 為研究對象，利用布勞克、拉科尼肖克和萊巴龍(1992)的簡單技術分析 交易規則：移動帄均線(VMA、FMA)和阻力線─支撐線(TRB)。結果 發現 (1) 對所有規則而言，買入信號下與賣出信號下的報酬之差都大

22

於零。(2) 對 TRB 交易規則，買入信號下與賣出信號下的報酬之差在 1%顯著性水帄下顯著大於 0。(3) 對於 VMA、FMA 交易規則來說，買 入信號下與賣出信號下的報酬之差在 10%顯著性水帄下與 0 無顯著差 異。這表明技術分析阻力線─支撐線 TRB 交易規則有助於預測股價。

曲恬頤 (2009) 本研究之研究對象為台灣加權成交指數以及所有上市公司，試圖 找出一有效方法來降低風險，並在股票交易上做出較佳之投資決策。

本研究同時分析基本面與技術面所帶來的影響，選用 17 項財務比率以 及 16 項技術指標做為分析的變數。先使用決策樹找出財務比率對上市 公司股價的影響，做投資標的的篩選；再使用倒傳遞類神經網路，做 短期的投資預測。結合基本面與技術面的資訊，找出低風險之投資組 合。經過實證研究顯示，期間內加權成交指數下跌 38.35%，但本研究 之投資報酬率卻有 47.63%。可見本研究提出之方法確實能降低與趨勢 相反之投資損失並得到良好的投資報酬率。

俞海慶 (2009) 本研究使用White的真實性檢定和Stepwise Multiple Test消除資料 勘誤的問題。實證結果，獲得以下幾點結論 (1) 在1989到2008，DJIA, NASDAQ, S&P 500, NIKKEI 225, TAIEX這五個指數，有些技術分析確 實可以擊敗大盤。但是在較不成熟的市場或較過去的時間內，無法找 到任何強烈的在這些市場與超額報酬間關係。(2) 學習策略通常沒辦法 獲得比簡單策略更好的表現，代表使用過去最好的策略來預測未來並 不是個好主意。(3) 在熊市比穩定的牛市更有可能擊敗買進持有的策 略。

Hameed and Ashraf (2009)

本研究對巴基斯坦股市使用每日收盤價，探討弱式(Weak-form)效 率測試和波動效應。其結果表明 (1) 報酬數列展現了持續性和波動展 現了群集性。弱式效率測試和均變異假說都被拒絕了。(2) 證交會改革 的衝擊已經對報酬波動產生了抑制效應，對報酬產生了小幅增加。由 於報酬波動下降的幅度非常小，政策的影響似乎可判定為中性。(3) 9/11 事件使的報酬增加和報酬波動下降。

2-3-3 技術分析有效性混合結果的文獻

許多研究者發現，技術分析有效性的混合結果：

(1) 技術分析對成熟市場可能不具有市場擇時能力；但對新興市場可能具有市場擇時能 力 (Ratner and Leal 1999; 趙永昱 2002)。

(2) 技術分析對早期市場較具有市場擇時能力，但近年來市場已變得更有效率，使技術 分析失效 (Chang, et al. 2004; Qi and Wu 2006)。

23

(3) 技術分析對 30 分鐘價格已變得無效，股票價格趨勢可能從 30 分鐘價格轉移到更高 頻率的價格 (Schulmeister 2009)。

表 2-4 列出許多得到技術分析有效性混合結果的文獻。

表 2-4 技術分析有效性混合結果的文獻 Sullivan,

Timmermann and White (1999)

本文利用White(1992)的現實檢查(Reality Check)自助法(bootstrap methodology)，來評估簡單的技術交易規則，同時量化了數據窺探偏見 (data-snooping bias)且完全地調整其效果在交易規則運用的全體母體的 過程中。因此，本文是首次展現了一個橫跨所有考量的交易規則的全 面測試。我們考量了Brock, Lakonishok, and LeBaron (1992)研究，並擴 展他們的26項交易規則，並應用這些規則到100年來道瓊斯工業帄均指 數的每日數據，並確認數據窺探的影響。

Ratner and Leal (1999)

本研究探討了技術分析策略在10個拉丁美洲和亞洲新興股市的潛 在獲利，包括阿根廷、巴西、智利、墨西哥、印度、韓國、馬來西亞、

菲律賓、台灣和泰國。我們使用1982年1月至1995年4月期間的日常通 貨膨脹調整後的報酬。十個不同的變量移動帄均交易模型經由一種自 助法(bootstrapping)模擬來評估。每一個策略和國家的考慮交易成本後 的買賣報酬帄均值與買入持有策略作比較。台灣、墨西哥和泰國成為 技術交易策略可能是有利可圖的市場。我們沒有發現任何有力的獲利 證據在其他市場。

趙永昱 (2002) 本研究評估移動帄均線交易法則在十二個國家中的十四種股價指 數的市場擇時能力，其中包括美國、英國、法國、日本與香港等已開 發市場，另外包括新加坡、南韓、台灣、印尼、馬來西亞、菲律賓、

泰國等亞洲新興市場。本研究期間自1990年1月至2002年3月22日。使 用傳統檢定、bootstrap p-value test、Cumby-Modest的市場擇時能力檢 定及模擬股票交易來評估移動帄均線法則的預測能力。其結果顯示移 動帄均線法則對已開發市場無市場擇時能力，但對亞洲新興市場則具 有市場擇時能力。

Chang, Lima, and Tabak (2004)

本文測試是否為新興股市的回報是可以預測的。本文利用多元方 差比率以異質強健自助程序(heteroscedastic robust bootstrap procedure) 分析可預測性。實證結果顯示：(1) 新興股市指數並不像一個隨機漫 步，而對發達的國家指數（美國和日本）無法拒絕這樣的假設。(2) 通 過採用可變移動帄均技術（variable moving average, VMA）和交易範圍 突破（trading range break, TRB）等技術交易規則，表明有一些預測能