中 華 大 學

中 華 大 學 碩 士 論 文

結合基本面與技術面之複合選股模型

Stock Selection Model Based on Combination of Fundamental Analysis and Technical Analysis

系 所 別：資訊管理學系碩士班 學號姓名：M09810029 高慶恩 指導教授：葉怡成 博士

中華民國 100 年 6 月

結合基本面與技術面之複合選股模型 結合基本面與技術面之複合選股模型 結合基本面與技術面之複合選股模型 結合基本面與技術面之複合選股模型

摘要 摘要 摘要 摘要

雖然已有大量的文獻探討基本面選股模型，但文獻上還很少探討整合基本面因子 與技術面因子為一個選股模型。因此，本研究探討了基本面技術面複合選股模型。此 外，除了選股，擇時是另一個可能提高投資績效的方法，但兩者的本質有明顯差異。

為結合選股模型與擇時模型兩者的優點，即避過下跌期，同時使持有期的績效能比大 盤高，以進一步提高投資績效，降低投資風險，本研究探討了「選股擇時混合模型」

的績效。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) 在結合基 本面與技術面之複合選股模型中，只有少數基本面因子在全部股樣本中可以提升投資 組合年化報酬率。投資組合年化報酬率標準差大多小幅增加，但系統風險 beta 可獲 得顯著的降低。(2) 不論是全部股或者是大型股，交易週期為月的投資績效都比交易 週期為日、週、季來的好。(3) 固定比例選股和固定股數選股的投資績效差距不大。

(4) 除了股東權益報酬率(ROE)外，「先基本面後技術面」的年化報酬率平均值高於

「先技術面後基本面」。(5) 無論是全部股樣本或大型股樣本，無論那個因子，正向 策略績效都遠高於反向策略績效。在全部股樣本中，股東權益報酬率(ROE)的反向策 略績效特別低，顯示它是一個良好的作空方法。(6) 整合選股模型與大盤擇時策略可 顯著提高年化報酬率。(7)大多數的情況下，個股股數擇時策略的股數門檻值為 50%

時，年化報酬率最大。(8) 配合大盤擇時的報酬率提升幅度高於配合個股股數擇時。

關鍵詞：基本面、技術面、選股模型、擇時模型、整合。

Stock Selection Model Based on Combination of Fundamental Analysis and Technical Analysis

Abstract

Although there have been abundant literatures for stock selection models based on fundamental analysis, there have been few literatures for stock selection models based on the combination of fundamental analysis and technical analysis. Therefore, this study explored the hybrid stock selection models. In addition to stock selection, market timing is another possible approach to improve investment performance, but there are significant differences in the nature between them. To combine advantages of stock selection models and market timing models, that is, to avoid the decline period and make the performance during holding period higher than the market, to further improve investment performance and reduce investment risk, this study examined a hybrid stock selection-timing model.

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) in the hybrid stock selection model, only few fundamental factors can increase annual return. The standard deviation of return was slightly increased on most portfolios, but the systematic risk can be significantly reduced. (2) Whether in the total or large-cap stocks, the investment performance based on monthly trading strategy was higher than that based on daily, weekly, quarterly trading strategy. (3) The difference of investment performance between fixed percentage and fixed number stock selection strategies was not significant. (4) Except to return on equity, the average annual rate of return of the

"technical-fundamental” approach was higher than that of the "fundamental-technical"

approach. (5) Whether in the total or large-cap stock samples, and regardless of stock selection factors, the performance of positive strategies were much higher than that of

contrarian strategies. In the total stock sample, the performance of contrarian strategy based on return on equity was particularly low, indicating that it was a good factor for short position. (6) Combining selection model with the index market timing strategy could significantly improve the annual rate of return. (7) In most cases, when the threshold value of the number-of-stocks market timing strategy was about 50%, the annual rate of return could reach the highest. (8) The improvement of return for the stock selection model associated with the index market timing strategy was higher than that associated with the number-of-stocks market timing strategy.

Keywords: fundamental analysis, technical analysis, stock selection model, market timing model, integration.

誌 誌

誌 誌謝辭 謝辭 謝辭 謝辭

時光飛逝、歲月如梭，轉眼間兩年的研究所生涯即將邁入尾聲，在中華資管所的 學習過程，隨著論文的付梓，即將劃上句點，這段美好的回憶與過程，將深刻地烙印 於我心中。

本論文得以順利完成，首先感謝恩師葉怡成 教授，由於學生撰寫論文期間的不 厭其煩指點、提悉，每次建議都像是一盞明燈，使得學生能夠順利完成此論文；還有 口試委員邱登裕 教授及陳建文 經理，對於您們在口試時所給予的寶貴意見及指教，

感激萬分，這使得我的論文能夠更加的嚴謹完善，致上由衷感謝。

碩士班的求學過程是一條艱辛漫長的道路，需要感謝的人太多，感謝求學過 程中給予我指導與鼓勵的眾多學長們。也感謝那群帶給我歡笑的學弟妹們，在此 由衷地謝謝你們。

最後，感謝父母及家人及朋友們多年來的支持與鼓勵，使本人得以專心求學而無 後顧之憂，僅以此論文獻給敬愛的家人及朋友，以及所有曾經協助、鼓勵及關心我的 人。

謹向所有我所敬愛的人致上最誠摯的謝意。

高慶恩 謹致 中華大學 資訊管理學系 中華民國一百年六月(辛卯年暮夏)

目錄 目錄 目錄 目錄

第一章 導論 ... 1

1-1 研究動機...1

1-2 研究目的...4

1-3 研究內容...5

第二章 文獻回顧 ... 7

2-1 前言...7

2-2 基本面分析之研究...7

2-3 技術面分析之研究...11

2-4 選股與擇時整合之研究...13

第三章 基本面技術面複合選股模型... 19

3-1 前言...19

3-2 基本面技術面複合選股模型...21

3-3 交易週期的影響...32

3-4 選股數量的影響...34

3-5 選股順序的影響...………36

3-6 反向策略的影響...38

3-7 結論...39

第四章 複合選股模型與擇時模型... 41

4-1 前言...41

4-2 研究方法...41

4-3 研究結果...47

4-4 結論...64

第五章 結論與建議 ... 65

5-1 結論...65

5-1-1 基本面技術面複合選股模型...65

5-1-2 基本面技術面複合選股模型...66

5-2 建議...67

參考文獻...68

圖目錄 圖目錄 圖目錄 圖目錄

圖 1-1 效率市場層級與證券分析資訊層級之關係 ... 1

圖 1-2 整合基本面因子與技術面因子為一個「基本面技術面複合選股模型」 .... 2

圖 1-3 選股(stock selection)提高投資績效 ... 3

圖 1-4 擇時(market timing)提高投資績效 ... 4

圖 1-5 整合選股模型與擇時模型為一個「選股擇時混合模型」 ... 4

圖 1-6 研究內容 ... 6

圖 2-1 移動平均線在台灣股市 2008/1/1-2010/8/13 之實證 ... 10

圖 3-1 基本面技術面複合選股模型：先技術面後基本面... 20

圖 3-2 複合選股模型之評估：年化報酬率 (全部股樣本)：價格移動平均法 ... 22

圖 3-3 複合選股模型之評估：年化報酬率 (全部股樣本)：成交量移動平均法 . 23 圖 3-4 複合選股模型之評估：年化報酬率 (全部股樣本)：價格與成交量移動平均法 ... 23

圖 3-5 複合選股模型之評估：年化報酬率標準差(全部股)：價格移動平均法 ... 24

圖 3-6 複合選股模型之評估：年化報酬率標準差(全部股)：成交量移動平均法25 圖 3-7 複合選股模型之評估：年化報酬率標準差(全部股)：價格與成交量移動平均法 ... 25

圖 3-8 複合選股模型之評估：Beta 值(全部股樣本)：價格移動平均法... 26

圖 3-9 複合選股模型之評估：Beta 值(全部股樣本)：成交量移動平均法... 27

圖 3-10 複合選股模型之評估：Beta 值(全部股樣本)：價格與成交量移動平均法27 圖 3-11 複合選股模型之評估：相對大盤平均勝率(全部股)：價格移動平均法 . 29 圖 3-12 複合選股模型之評估：相對大盤平均勝率(全部股)：成交量移動平均法29 圖 3-13 複合選股模型之評估：相對大盤平均勝率(全部股)：價格與成交量移動平均法 ... 29

圖 3-14 複合選股模型之評估：平均勝率(全部股樣本)：價格移動平均法 ... 31

圖 3-15 複合選股模型之評估：平均勝率(全部股樣本)：成交量移動平均法 ... 31

圖 3-16 複合選股模型之評估：平均勝率(全部股樣本)：價格與成交量移動平均法 ... 31

圖 3-17 交易週期的影響：全部股 ... 32

圖 3-18 交易週期的影響：大型股 ... 33

圖 3-19 交易週期的影響：投資組合年化報酬率 ... 33

圖 3-20 交易週期的影響：年交易成本 ... 34

圖 3-21 交易週期的影響：不計交易成本之年化報酬率... 34

圖 3-22 固定比例選股 vs 固定股數選股：投資組合年化報酬率... 35

圖 3-23 固定比例選股 vs 固定股數選股：年化報酬率標準差 ... 36

圖 3-24 固定比例選股 vs 固定股數選股：Beta 值 ... 36

圖 3-25 基本面技術面複合選股模型：先基本面後技術面... 37

圖 3-26 先技術面後基本面 vs 先基本面後技術面：全部股 ... 37

圖 3-27 先技術面後基本面 vs 先基本面後技術面：大型股 ... 38

圖 3-28 反向策略的影響：全部股 ... 39

圖 3-29 反向策略的影響：大型股 ... 39

圖 4-1 台灣股市加權指數與 50 日移動平均線 ... 43

圖 4-2 以本益比為基本面因子，技術分析採價格移動平均法之作多持股檔數(全部股) ... 44

圖 4-3 以 PBR 為基本面因子，技術分析採價格移動平均法之作多持股檔數(全部股) ... 45

圖 4-4 以 ROE 為基本面因子，技術分析採價格移動平均法之作多持股檔數(全部股) ... 45

圖 4-5 以 GVI 為基本面因子，技術分析採價格移動平均法之作多持股檔數(全部股) ... 45

圖 4-6 以本益比為基本面因子，技術分析採價格移動平均法之作多持股檔數(大型股)

... 46

圖 4-7 以 PBR 為基本面因子，技術分析採價格移動平均法之作多持股檔數(大型股) ... 46

圖 4-8 以 ROE 為基本面因子，技術分析採價格移動平均法之作多持股檔數(大型股) ... 46

圖 4-9 以 GVI 為基本面因子，技術分析採價格移動平均法之作多持股檔數(大型股) ... 47

圖 4-10 不含擇時、大盤擇時、個股股數擇時的選股模型之比較 ... 48

圖 4-11 整合擇時選股之累積資金圖：PE (全部股) ... 49

圖 4-12 整合擇時選股之累積資金圖：PB (全部股)... 49

圖 4-13 整合擇時選股之累積資金圖：ROE (全部股)... 49

圖 4-14 整合擇時選股之累積資金圖：GVI (全部股)... 49

圖 4-15 整合擇時選股之累積資金圖：PE (大型股) ... 50

圖 4-16 整合擇時選股之累積資金圖：PB (大型股)... 50

圖 4-17 整合擇時選股之累積資金圖：ROE (大型股)... 50

圖 4-18 整合擇時選股之累積資金圖：GVI (大型股)... 50

圖 4-19 股數門檻值與年化報酬率：本益比(全部股)... 52

圖 4-20 股數門檻值 50%時的累積資金：本益比(全部股)... 52

圖 4-21 股數門檻值與年化報酬率：PBR(全部股) ... 52

圖 4-22 股數門檻值 50%時的累積資金：PBR(全部股) ... 52

圖 4-23 股數門檻值與年化報酬率：ROE(全部股)... 53

圖 4-24 股數門檻值 50%時的累積資金：ROE(全部股)... 53

圖 4-25 股數門檻值與年化報酬率：GVI(全部股) ... 53

圖 4-26 股數門檻值 50%時的累積資金：GVI(全部股) ... 53

圖 4-27 股數門檻值與年化報酬率：本益比(大型股)... 54

圖 4-28 股數門檻值 50%時的累積資金：本益比(大型股)... 54

圖 4-29 股數門檻值與年化報酬率：PBR(大型股) ... 54

圖 4-30 股數門檻值 50%時的累積資金：PBR(大型股) ... 54

圖 4-31 股數門檻值與年化報酬率：ROE(大型股)... 55

圖 4-32 股數門檻值 50%時的累積資金：ROE(大型股)... 55

圖 4-33 股數門檻值與年化報酬率：GVI(大型股) ... 55

圖 4-34 股數門檻值 50%時的累積資金：GVI(大型股) ... 55

圖 4-35 股數門檻值 0%時的累積資金：PE(全部股)... 56

圖 4-36 股數門檻值 30%時的累積資金：PE(全部股)... 56

圖 4-37 股數門檻值 50%時的累積資金：PE(全部股)... 56

圖 4-38 股數門檻值 70%時的累積資金：PE(全部股)... 56

圖 4-39 股數門檻值 0%時的累積資金：PB(全部股) ... 57

圖 4-40 股數門檻值 30%時的累積資金：PB(全部股)... 57

圖 4-41 股數門檻值 50%時的累積資金：PB(全部股)... 57

圖 4-42 股數門檻值 70%時的累積資金：PB(全部股)... 57

圖 4-43 股數門檻值 0%時的累積資金：ROE(全部股) ... 58

圖 4-44 股數門檻值 30%時的累積資金：ROE(全部股)... 58

圖 4-45 股數門檻值 50%時的累積資金：ROE(全部股)... 58

圖 4-46 股數門檻值 70%時的累積資金：ROE(全部股)... 58

圖 4-47 股數門檻值 0%時的累積資金：GVI(全部股) ... 59

圖 4-48 股數門檻值 30%時的累積資金：GVI(全部股) ... 59

圖 4-49 股數門檻值 50%時的累積資金：GVI(全部股) ... 59

圖 4-50 股數門檻值 70%時的累積資金：GVI(全部股) ... 59

表目錄 表目錄 表目錄 表目錄

表 2-5 技術分析文獻比較表... 14

表 2-5 技術分析文獻比較表(續) ... 15

表 2-5 技術分析文獻比較表(續) ... 16

表 3-1 基本面技術面複合選股模型之評估：投資組合年化報酬率 ... 22

表 3-2 基本面技術面複合選股模型之評估：投資組合年化報酬率標準差... 24

表 3-3 基本面技術面複合選股模型之評估：Beta 值 ... 26

表 3-4 基本面技術面複合選股模型之評估：相對大盤平均勝率(%) ... 28

表 3-5 基本面技術面複合選股模型之評估：平均勝率(%)... 30

表 3-6 交易週期的影響 ... 32

表 3-7 交易週期的影響 ... 33

表 3-8 固定比例選股 vs 固定股數選股 ... 35

表 3-9 先技術面後基本面 vs 先基本面後技術面... 37

表 3-10 反向策略的影響... 38

表 4-1 不含擇時、大盤擇時、個股股數擇時的選股模型之比較 ... 43

第一章 第一章 第一章

第一章 導論 導論 導論 導論

1-1 研究動機 研究動機 研究動機 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。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。

圖 1-1 效率市場層級與證券分析資訊層級之關係

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

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。

由於基本面因子與技術面因子分別代表股票的本質與市場的觀點，整合基本面因 子與技術面因子為一個「基本面技術面複合選股模型」，可能可以改善單獨以基本面 因子或技術面因子選股的盲點，進一步提高投資績效，降低投資風險 (參考圖 1-2)。

圖1-2 整合基本面因子與技術面因子為一個「基本面技術面複合選股模型」

雖然已有大量的文獻探討基本面選股模型，但文獻上還很少探討整合基本面因 子與技術面因子為一個「基本面技術面複合選股模型」。因此，本研究將探討基本 面技術面複合選股模型。

技術 技術 技術

技術面因子面因子面因子面因子 基本面因子

基本面因子基本面因子 基本面因子

基本面基本面基本面

基本面技術技術技術面技術面面面 複合選股模型 複合選股模型複合選股模型 複合選股模型

此外，除了選股(stock selection)，擇時(market timing)是另一個可能提高投資績效 的方法，但兩者的本質有明顯差異(參考圖 1-3~圖 1-4)：

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。

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 1-3 選股(stock selection)提高投資績效

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 1-4 擇時(market timing)提高投資績效

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 1-5)。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。因此本研究將探討「選股擇時混合模型」的績效 (參考圖 1-4)。

圖 1-5 整合選股模型與擇時模型為一個「選股擇時混合模型」

1-2 研究目的 研究目的 研究目的 研究目的

本研究分成兩部份：

(1) 基本面技術面複合選股模型 (2) 選股擇時混合模型

基本面技術面複合選股模型的研究將回答以下問題：

問題 A1：基本面技術面複合選股模型比單純的基本面選股模型有更高的報酬率嗎？

問題 A2：交易週期是否影響基本面技術面複合選股模型的績效？

問題 A3：選股數量是否影響基本面技術面複合選股模型的績效？

問題 A4：選股順序是否影響基本面技術面複合選股模型的績效？

問題 A5：基本面技術面複合選股模型的反向策略績效如何？

選股擇時混合模型的研究將回答以下問題：

問題 B1：選股擇時混合模型比選股模型有更高的報酬率嗎？

問題 B2：那一種選股擇時混合模型有較高的報酬率？

擇時模型 擇時模型 擇時模型 擇時模型 選股模型

選股模型 選股模型 選股模型

混合模型

1-3 研究內容 研究內容 研究內容 研究內容

本文其它各章如下(圖 1-6)：

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「基本面技術面複合選股模型」。其基本原理如下：

(1) 選股順序：先篩選出滿足技術分析的股票，再從中以基本面因子對股票排序，選 出最佳股票成為投資組合。

(2) 交易週期：每月一次，即在每月的第一個交易日進行換股操作。

(3) 選股數量：選出最佳的 10%股票。

上述方法中，交易週期採每月、選股數量採 10%、選股順序為先技術分析再基本 面分析。為了探討這些設定的影響，本章也對交易週期、選股數量、選股順序等設定 進行敏感性分析。最後，本章也對反向策略進行評估。

第四章介紹「選股擇時混合模型」。以前章的複合選股模型結合兩種擇時模型，

組成擇時選股混合策略，包括：

(1) 大盤擇時策略：以大盤的技術面做為多空判斷的依據。在多頭時每月定期選股，

持有股票；在空頭時出清股票。

(2) 個股股數擇時策略：以滿足技術面多頭的個股數目做為多空判斷的依據，當股數 超過預設門檻時，視為多頭，否則為空頭。在多頭時每月定期選股，持有股票；

在空頭時出清股票。

第五章為研究結論。

圖 1-6 研究內容 基本面與技術面的

整合

基本面技術面複合 選股模型

複合選股模型與擇 時模型之整合

問題 B1:

大盤擇時策略

問題 B2:

個股股數擇時策略 問題 A1:

複合選股模型績效

問題 A2:

交易週期的影響

問題 A3:

選股數量的影響

問題 A4:

選股順序的影響 問題 A5:

反向策略的影響

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：

1. 基本面分析

基本分析是一種證券或股票估價的方法，利用財務分析和經濟學上的研究來評估 企業價值或預測證券(如股票或債券等)價值的走勢。這些被分析的基本資料可以包含 一家公司的財務報表和非財務上的資訊，如商品需求成長性的預測、企業比較、新制 度的影響分析或人口的改變。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. 技術面分析

技術分析是指研究過去金融市場的資訊（主要是經由使用圖表）來預測價格的趨 勢與決定投資的策略。技術分析只考慮市場或金融工具真實的價格行為，並不使用到 市場本身以外的因素來做預測。技術分析的基本信仰建立在「歷史會不斷重演」，並 試圖藉由大量的統計資料來預測行情走勢。此一方法被交易者和金融專家們廣為使 用，且有些研究表示，在外匯市場裡，技術分析的使用要比「基本」分析要來得廣泛。

基本面分析藉由挑選適合投資的股票，來增加獲利。它不理會大盤的漲跌，以「選 股」投資為主。技術面分析藉由挑選適合投資的時機，來增加獲利。它不理會個股的 特質，以「擇時」投資為主。

以上這兩種方法各有其優缺點，若能整合運用，有可能可以提高投資報酬。基本 面分析或技術面分析的研究文獻非常多，但同時結合兩者的文獻還十分少見。因此本 章將回顧以下四個主題的文獻：

(1) 基本面分析之研究 (2) 技術面分析之研究 (3) 選股與擇時整合之研究

2-2 基本面分析之研究

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; 葉怡成等 2010; 葉怡成等 2009; 葉怡成 2010 Yeh and Hsu 2011)，必須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平均股票報 酬的變化。實證結果發現，當控制規模之下，市場 beta 與平均報酬的關係變得平坦，

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，全球有價證券的平均報酬，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。

許多異常陸續被提出。Richardson and Tuna (2009) 調查會計異常基本面分析的領 域的最新研究進展。本文用投資者預測活動做為調查的三個主要部分的組織框架。調 查的第一部分強調研究的進展。第二部分介紹了從發給投資專業人士及學者的基本分 析和異常研究的主題之問卷調查的發現。最後部分概述了一些新的評估會計異常的實 證技術，並建議今後的研究方向。

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。

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)。

Moreno and Olmeda (2000) 指出最近許多文獻分析了股票市場可預測性的程 度。在此文中，他們首先研究是否可預測性真的可利用，其次，新興股市比起發達國 家可預測性的經濟顯著性更高或更低。本文使用各種線性和非線性人工神經網絡模式 並實施計算實驗，以評估回報的可預測性。由於本文比較感興趣的是經濟性的可預測 性，本文也提出了一個為了交易模擬的目的之修改的損失函數。此外，本文同時考慮 在新興市場和發達的股票市場顯性和隱性交易成本。結果表明，不同於以前的一些研 究，如果考慮新興與發達市場的總交易成本，股票收益顯然是不可預測。最後，本文 發現人工神經網絡無法提供優於線性模型的優越性能。

Mohanram (2005) 提出結合傳統的基本面，例如盈餘和現金流量，和衡量公司成 長的指標，如盈餘穩定性、成長穩定性、研發強度、資本支出和廣告，建立的 G-Score 指標。一個基於 G-Score 的多空策略有顯著的超額報酬，但大部分的報酬來自作空。

結果是強健的，無論是以規模、分析師覆蓋、流動性來區分，並且是持續的在控制動 能、淨值市價比、應計費用、和規模下。高 G-Score 的企業對未來盈餘宣告具有較大 的市場反應、分析師預測驚喜。此外，結果不符合風險基礎的解釋，因為在大多數年 份回報是正向的，低風險公司賺取更高的報酬。最後，本文發現，在傳統的分析配合 高「淨值市價比」的股票，和成長為基礎的分析配合低「淨值市價比」的股票之下，

基本分析的效果最好。

Noma (2010)的研究探討是否有簡單的會計為基礎的基本分析可以超越市場。在

這項研究中，使用一個基本面信號（F_SCORE）來區分最終的勝利者和失敗者。

F_SCORE 是一個基於傳統基本面的組合，如總資產報酬率、營運現金流量和營運利 潤。證明了透過作多高 F_SCORE 公司和作空低 F_SCORE 公司套利策略，平均報酬 率至少增加 7.8％。特別是作多高淨值價值比（BM）的高 F_SCORE 公司和作空低淨 值價值比（BM）低 F_SCORE 公司套利策略賺到 17.6%的年報酬率。換句話說，結 果對橫跨多種包括規模、價格和交易量的區分之變化是穩健的。這項研究表明，

F_SCORE 可以預測未來的盈餘。此外，實證結果並不支持以風險為基礎的投資策略 的解釋。總體而言，目前的研究結果表明，由 Lee 和 Swaminathan [2000] 主張的生命 週期假說是真實的。

2-3 技術面分析之研究

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。

其中技術面的觀點，即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)。

技術分析方法大致可歸為兩大類：

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 動平均法是其代表。

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 KD、RSI 或威廉指標等為其代表。

順勢系統中最經典的方法應屬移動平均線，要點如下：

方法：當價格的短期移動平均由下向上突破長期移動平均時，表示上漲趨勢，是 買入點。當價格的短期移動平均由上向下突破長期移動平均時，表示下跌趨勢，

是賣出點。

缺點：必須選擇適當的短期移動平均與長期移動平均的期間長度。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。

圖 2-1 移動平均線在台灣股市 2008/1/1-2010/8/13 之實證 (紅線是 50 天移動平均，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)

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 以移動平均線、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 (Neely 1997; 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、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。未來的研究必須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。

2-4 選股與擇時整合之研究

選股(stock selection)與擇時(market timing)都可能提高投資績效，但兩者的機制有 明顯差異：

 選股模型：透過選股使投組無論在多頭或空頭，其績效都比大盤績效高，逐漸拉 開與大盤的差距。但有會隨大盤波動的缺點，因此在空頭時期即使績效高於大盤，但 績效可能仍為虧損的情形。

 擇時模型：透過擇時使投組能避過空頭時期，參與多頭時期，逐漸拉開與大盤的 差距。但有持有期(多頭時期)績效與大盤相同的缺點。

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」。

表 2-5 技術分析文獻比較表

作者 發表

時間

技術指標 股市 測試

期間

測試方 法

成 本

TA 有 效 林昆良 1999 移動平均線、指

數平滑…等八 種

1986~

2005

反 對 Kwon and

Kish

2002 移動平均線 道瓊工業平均 指數

1988~

1992

有 反 對 鄭宜典 2007 移動平均線、威

廉指標…等六 種

台股大盤、

MSCI、台股指 數、台灣 50

反 對 陳賢達 2008 MACD、DMI、

KD 等十種常用 技術指標

台灣 50ETF 2003~

2008

無 反 對 Brock,

Lakonishok, and LeBaron

1992 移動平均線、交 易範圍突破法

道瓊工業平均 指數

1897~

1986

bootstrap 無 支 持 Christopher,

et al.

1997 1981~

1995

bootstrap 支 持 孫碧波、方健

雯

2004 上海股票市場 支

持 Hsu and

Kuan

2005 美國 DJIA、

S&P500、

NASDAQ Composite、

Russell2000

1989~

2002

有 支 持

江淵舟 2005 台灣期貨交易

所上市之台灣 證券交易所股 價指數期貨

2000~

2003

無 支 持

林金賢、李淑 惠

2006 移動平均線、類 神經模糊技 術、CRISMA

美國市場 1991~

2001

無 支 持 Gerov 2006 移動平均線 加拿大股市 1977~

2003

無 支 持 賴聖傑 2008 移動平均線、乖

離率指標 (葛 蘭碧法則)

台指期貨 2001~

2007

無 支 持

表 2-5 技術分析文獻比較表(續) 作者 發表

時間

技術指標 股市 測試

期間

測試方法 成

本 TA 有 效 郭彥廷 2008 避險基金與市

面常見之技術 分析共 26 種交 易策略

台灣加權股價 指數

1971~

2007

無 支 持

林育吉 2008 移動平均線線 指數股票型基 金(台灣 EWT, 香港 EWH,日 本 EWJ, 美國 SPY)

2000~

2008

無 支 持

魏嘉君 2008 移動平均線 全球已開發國 家(28 國)與開 發中國家(28 國)股市

1998~

2007

Hansen (2005) 之卓越預測能 力(SPA)對加 碼策略結果

無 支 持

郭桓愉 2008 KD、MACD、

MA、RSI、動 能以及通道突 破等六種技術 指標

中國股市 52 家 公司

無 支 持

鄧杰、唐 國興

2009 移動平均線 (VMA、FMA) 和阻力線─支 撐線(TRB)

上海證券交易 所綜合股價指 數

1990~

2008

無 支 持

曲恬頤 2009 17 項財務比 率以及 16 項 技術指標

台灣加權成交 指數以及所有 上市公司

無 支 持 俞海慶 2009 DJIA,

NASDAQ, S&P 500, NIKKEI 225, TAIEX

1989~

2008

無 支 持

Hameed and Ashraf

2009 巴基斯坦股市 弱式

(Weak-form) 效率測試

無 支 持 Sullivan,

Timmer mann and White

1999 移動平均線、

區間突破、濾 嘴法則、管道 交易法則

道瓊工業股價 指數日資料、

S&P500 指數期 貨

1987~

1996

bootstrap p-value test

無 混 合

表 2-5 技術分析文獻比較表(續)

作者 發表

時間

技術指標 股市 測試

期間

測試方法 成

本 TA 有 效 Ratner and

Leal

1999 移動平均線 拉丁美洲新興 市場、亞洲新 興市場

1982

~199 5

bootstrap p-value test

有 混 合 趙永昱 2002 移動平均

線、加權移 動平均線

美、英、法、

亞洲新興市場

1990

~200 2

傳統檢定、

bootstrap、

p-value test、

Cumby-Modes t

無 混 合

Chang, Lima, and Tabak

2004 移動平均技 術（VMA）

和交易範圍 突破（TRB）

新興股票市場 1991

~200 4

多元方差比率 以異質強健自 助程序

(heteroscedasti c robust bootstrap procedure)

有 混 合

Qi, and Wu 2006 過濾器、移 動平均、渠 道突破

美國市場 1973

~ 1998

真實性檢定 無 混 合 蔡宗達 2008 簡單移動平

均法、指數 平滑移動平 均等十六個 技術指標

台指期貨市場 1997

~200 7

無 混 合

朱玉菁 2008 移動平均 線、KD 指標

台指期貨 無 混

合

Lagoarde- Segot and Lucey

2008 多項式有序 邏輯迴歸

七個新興的中 東北非區股票 市場

1998

~200 4

無 混 合

Schulmeister 2009 標準普爾 500

指數現貨、期 貨市場

1960

~200 0

無 混 合

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。江吉雄(2002) 曾提出運用遺傳演算法於股市選股與擇時策略之研究。文中進行三組實驗，包括：只 進行選股策略、只進行擇時策略、同時進行選股與擇時策略。並採用兩組買入持有策 略(大盤指數買入持有、電子類股指數買入持有)做為相互比較的基準。研究發現在學 習期間，遺傳演算法在選股與擇時同時的問題上，確實有不錯的效果。在應用期表現 雖然沒有學習期好，但是報酬率能夠打敗大盤指數買入持有策略、選股策略，與電子 類股指數買入持有策略，只低於選股策略。

程奎皓(2009)探討台灣股票型基金在面對多頭與空頭時期選股之改變。研究發現 (1)股票型基金在多頭時期偏好大型、高本益比、低現金股利率與高股價淨值比之股 票，空頭時期則相反。研究期間的模擬投資組合具有超額報酬。(2)在多頭時期，高 本益比與低現金股利率的股票確實表現較好，空頭時期低本益比與高現金股利率的股 票表現較好。

黃凱鴻(2011)探討選股模型與擇時模型的整合，該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)。

Lee and Shih (2010)探討了利用基本和技術資訊改進技術動量策略的效果。他們 研究基本面會計資訊配合技術資訊，例如過去的報酬率、交易量數據，如何能被投資 者用來區分贏家與輸家。先前的研究表明，基於過去的贏家和輸家的累積報酬率的技 術動量策略，在隨後產生顯著的正報酬率。本文提出了一種統一的框架來整合基本指 標 FSCORE（Piotroski（2000））和 GSCORE（Mohanram（2005））與技術動量策略。

並發展了三種假設來測試是否複合動量策略優於技術動量策略。從這三個假設的實證 結果，總結得複合動量策略在成長股和價值股都以顯著的較大報酬率優於技術動量策 略。

第三章 第三章 第三章

第三章 基本面技術面複合選股模型 基本面技術面複合選股模型 基本面技術面複合選股模型 基本面技術面複合選股模型

3-1 前言 前言 前言 前言

基本面因子與技術分析都可能提高投資績效，但兩者的機制有明顯的差異。常見 的基本面因子包括：

(1) 價值因子

便宜的股票報酬率高於昂貴的股票，常用的比率有股價淨值比(P/B)、本益比 (P/E)、近四季本益比(PE4)。

(2) 成長因子

賺錢公司的股票報酬率高於賠錢公司的股票，常用的比率有股東權益報酬率 (ROE)。

常見的技術分析方法大致可歸為兩大類：

(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 動平均法是其代表。

(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 KD、RSI 或威廉指標等為其代表。

為了結合基本面因子與技術分析兩者的優點，本文提出整合基本面因子與技術分 析的「基本面技術面複合選股模型」。其基本原理如下：

(1) 選股順序：先篩選出滿足技術分析的股票，再從中以基本面因子對股票排序，選 出最佳股票成為投資組合。

(2) 交易週期：每月一次，即在每月的第一個交易日進行換股操作。

(3) 選股數量：選出最佳的 10%股票。

其中「篩選出滿足技術分析的股票」部份，Gerov (2006)曾指出短期移動平均線 與長期移動平均線分別取 1 日與 50 日時有最好的績效，因此本章採用：

(1) 價格移動平均法：

股價 > 股價 50 天移動平均 * (1+A%) (2) 成交量移動平均法：

成交量 > 成交量 50 天移動平均 * (1+B%) (3) 價格與成交量移動平均法：

股價 > 股價 50 天移動平均 * (1+A%) 成交量 > 成交量 50 天移動平均 * (1+B%)

其中「以基本面因子對股票排序」部份，本章採用六種基本面因子：

(1) 本益比(PE)：其中股價採交易日的最近前一日收盤價，每股盈餘採在交易日前的 最新分析師預估盈餘。

(2) 股價淨值比(PB)：其中股價採交易日的最近前一日收盤價，每股淨值採在交易日 前的最新季報值。

(3) 股東權益報酬率(ROE)：採在交易日前的最新季報值。

(4) 近四季本益比(PE4)：其中股價採交易日的最近前一日收盤價，每股盈餘採在交易 日前的最新四季季報盈餘。

(5) 成長價值指標 GVI(0.25)：基於預估盈餘的價值成長指標，參數

θ

(6) 成長價值指標 GVI(0.06)：基於季報盈餘的價值成長指標，參數

θ

圖 3-1 基本面技術面複合選股模型：先技術面後基本面

所有 上市 上櫃 股票

滿足 技術 面股 票 技術面

過濾

基本面 排序

10%

排序後選

最佳 10%

本章採用 CMoney 法人投資決策支援系統進行回測，其方法為

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。

交易週期：每月一次，即在每月的第一個交易日進行換股操作。

股票樣本：台灣所有上市、上櫃股票，含已下市個股。為探討選股因子在大型股 是否也具有選股能力，本研究也測試了以每季市值最大前 20%為投資範圍的樣本 集合。

回測期間：1997 年 1 月初到 2009 年 9 月底，共 12.75 年間的股市資料。

交易規則：作多操作，先篩選出滿足技術分析的股票，再從中以基本面因子對股 票排序，選出最佳 10%股票成為投資組合。

上述方法中，交易週期採每月、選股數量採 10%、選股順序為先技術分析再基本 面分析。為了探討這些設定的影響，本章也對交易週期、選股數量、選股順序等設定 進行敏感性分析。最後，本章也對反向策略進行評估。

3-2 基本面技術面複合選股模型 基本面技術面複合選股模型 基本面技術面複合選股模型 基本面技術面複合選股模型

本節採用前述三種技術分析方法，搭配六種基本面因子，在交易週期採每月、選 股數量採 10%、選股順序為先技術分析再基本面分析下，以 CMoney 對全部股樣本、

大型股樣本(每季市值最大前 20%股票)進行回測。

1. 投資組合年化報酬率

結果如表 3-1 與圖 3-2~圖 3-4。由表可知

(1) 從單純基本面因子來看，全部股投資績效大於大型股。無論是在全部股或大型股 樣 本 中 ， 都 是 本 益 比 (PE) 、 GVI(0.25) 遠 優於 其 餘 因 子。 在 全 部股 樣 本中 ， GVI(0.25)、PE 報酬率分別為 38.7%, 34.57%。在大型股樣本中，GVI(0.25)、PE 報酬率分別為 17.6%, 24.7。

(2) 從單純技術面分析來看，報酬率以 MA 最高，MAMV 最低，但都是負值，MA、

MV、MAMV 報酬率分別為-1.57%, -2.64%, -7.12%。

(3) 在全部股樣本中，結合技術面指標下，本益比(PE)、近四季本益比(PE4)、GVI(0.25) 比未結合技術面指標有更高的報酬率，而股價淨值比(PB)、股東權益報酬率 (ROE)、GVI(0.06)反而比未結合技術面指標有更低的報酬率。

(4) 在大型股樣本中，結合技術面指標下，所有因子都比未結合技術面指標有更低的

報酬率。即在大型股樣本中，結合技術面指標並不能提升績效。

(5) PE 與 GVI(0.25)這兩個因子結合技術面指標，在全部股樣本中，報酬率都可提升，

分別提升 9%與 4%。但在大型股樣本中，報酬率都會降低。

綜合以上觀察可知，只有在全部股樣本中，少數基本面因子結合技術面指標可以 提升報酬率，例如 PE 與 GVI(0.25)，但大多數則否。

表 3-1 基本面技術面複合選股模型之評估：投資組合年化報酬率

MA MV MAMV

無

MA0 MA1 MA2 MV0 MV20 MV40 (0,40) (1,20) (2,0) 無 -0.43 -1.33 -1.75 -1.63 -2.04 -2.06 -3.83 -7.93 -7.1 -6.33 PE 34.57 43.6 44.7 44.3 39.2 40.6 47.1 38.29 42.18 39.5 PB 13.61 10.9 12.3 13.6 13.8 13.22 6.7 -5.19 6.28 5.57 ROE 9.95 4.61 4.55 2.81 4.83 -2.58 -3.56 -6.96 -11.21 -6.64

PE4 8.05 9.43 - - - -

GVI(0.25) 38.7 42.95 - - - -

全 部 股

GVI(0.06) 21.45 19.0 - - - -

PE 24.7 20.43 - - - -

PB 4.7 -2.96 - - - -

ROE 5.9 2.04 - - - -

PE4 6.4 5.30 - - - -

GVI(0.25) 17.6 10.96 - - - -

大 型 股

GVI(0.06) 6.1 2.00 - - - -

-10 0 10 20 30 40 50

無FA PE PB ROE

基本面因子

年化報酬率平均值(%) 無TA

MA0 MA1 MA2

圖 3-2 複合選股模型之評估：投資組合年化報酬率 (全部股樣本)：價格移動平均法

-10 0 10 20 30 40 50

無FA PE PB ROE

基本面因子

年化報酬率平均值(%) 無TA

MV0 MV20 MV40

圖 3-3 複合選股模型之評估：投資組合年化報酬率 (全部股樣本)：成交量移動平均法

-20 -10 0 10 20 30 40 50

無FA PE PB ROE

基本面因子

年化報酬率平均值(%)

無TA (0,40) (1,20) (2,0)

圖 3-4 複合選股模型之評估：投資組合年化報酬率 (全部股樣本)：

價格與成交量移動平均法

2. 投資組合年化報酬率標準差

結果如表 3-2 與圖 3-5~圖 3-7。由表可知

(1) 從單純技基本分析來看，全部股樣本的標準差大於大型股樣本。在全部股樣本 中，股價淨值比(PB)具有最高的報酬率標準差。顯示低股價淨值比雖然有較高的 報酬，但可能含有較高的風險。在大型股樣本中，各因子的報酬率標準差差異不 大。

(2) 從單純技術面分析來看，各技術面分析方法的報酬率標準差差異不大。

(3) 結合技術面指標下，報酬率標準差大多小幅增加。

表 3-2 基本面技術面複合選股模型之評估：投資組合年化報酬率標準差

MA MV MAMV

無

MA0 MA1 MA2 MV0 MV20 MV40 (0,40) (1,20) (2,0)

無 28.1 30.8 31.2 31.4 32.8 31.8 32.4 32.4 32.6 32.9

PE 35.9 35.9 36.8 37.7 37.8 38.4 38.8 40.6 41.0 40.8

PB 49.5 45.5 45.0 45.2 50.8 50.9 50.0 52.0 52.3 50.0

ROE 34.3 35.0 35.5 36.1 34.9 36.4 35.9 35.8 39.1 39.3

PE4 32.0 34.4 - - - -

GVI(0.25) 40.3 42.2 - - - -

全 部 股

GVI(0.06) 39.1 39.4 - - - -

PE 34.4 35.0 - - - -

PB 33.8 35.7 - - - -

ROE 36.4 39.0 - - - -

PE4 31.8 33.5 - - - -

GVI(0.25) 35.6 37.5 - - - -

大 型 股

GVI(0.06) 33.9 37.1 - - - -

0 10 20 30 40 50 60 70 80

無FA PE PB ROE

基本面因子

年化報酬率標準差(%) 無TA

MA0 MA1 MA2

圖 3-5 複合選股模型之評估：年化報酬率標準差(全部股樣本)：價格移動平均法

0 10 20 30 40 50 60 70 80

無FA PE PB ROE

基本面因子

年化報酬率標準差(%) 無TA

MV0 MV20 MV40

圖 3-6 複合選股模型之評估：年化報酬率標準差(全部股樣本)：成交量移動平均法

0 10 20 30 40 50 60 70 80

無FA PE PB ROE

基本面因子

年化報酬率標準差(%) 無TA

(0,40) (1,20) (2,0)

圖 3-7 複合選股模型之評估：年化報酬率標準差(全部股樣本)：

價格與成交量移動平均法 3. Beta 值

結果如表 3-3 與圖 3-8~圖 3-10。由表可知

(1) 從單純技基本分析來看，全部股樣本的 beta 與大型股樣本並無顯著差異。在全部 股樣本中，股價淨值比(PB)具有最高的 beta。顯示低股價淨值比雖然有較高的報 酬，但可能含有較高的系統風險。但在大型股樣本中，股東權益報酬率(ROE)具 有最高的 beta。無論是全部股樣本、大型股樣本，近四季本益比(PE4)都具有最低 的 beta。

(2) 從單純技術面分析來看，價格移動平均法具有最低的 beta 值。

(3) 結合技術面指標下，無論是在全部股或大型股樣本中，系統風險 beta 可獲得顯著 的降低。特別是股價淨值比(PB)結合技術面指標下，系統風險 beta 可獲得很顯著 的降低。

表 3-3 基本面技術面複合選股模型之評估：Beta 值

MA MV MAMV

無

MA0 MA1 MA2 MV0 MV20 MV40 (0,40) (1,20) (2,0) 無 1.00 0.95 0.96 0.97 1.03 0.98 1.00 0.97 0.98 0.99 PE 1.06 0.98 1.00 1.03 1.01 0.98 0.98 0.97 0.97 0.97 PB 1.21 1.07 1.07 1.04 1.16 1.12 1.10 1.10 1.08 1.06 ROE 1.08 0.98 1.01 1.02 1.09 1.08 1.04 0.93 1.04 1.08 PE4 0.94 0.82 - - - - GVI(0.25) 1.13 1.05 - - - - 全

部 股

GVI(0.06) 1.08 1.05 - - - - PE 1.09 1.03 - - - - PB 1.04 1.02 - - - - ROE 1.15 1.04 - - - - PE4 1.01 0.96 - - - - GVI(0.25) 1.11 1.08 - - - - 大

型 股

GVI(0.06) 1.07 1.05 - - - -

0.7 0.8 0.9 1 1.1 1.2 1.3

無FA PE PB ROE

基本面因子

beta值

無TA MA0 MA1 MA2

圖 3-8 複合選股模型之評估：Beta 值(全部股樣本)：價格移動平均法

0.7 0.8 0.9 1 1.1 1.2 1.3

無FA PE PB ROE

基本面因子

beta值

無TA MV0 MV20 MV40

圖 3-9 複合選股模型之評估：Beta 值(全部股樣本)：成交量移動平均法

0.7 0.8 0.9 1 1.1 1.2 1.3

無FA PE PB ROE

基本面因子

beta值

無TA (0,40) (1,20) (2,0)

圖 3-10 複合選股模型之評估：Beta 值(全部股樣本)：價格與成交量移動平均法 4. 相對大盤平均勝率(%)

結果如表 3-4 與圖 3-11~圖 3-13。由表可知

(1) 從單純基本面因子來看，全部股的相對勝率略高於大型股。無論是在全部股或大 型股樣本中，都是本益比(PE)遠優於其餘因子。

(2) 從單純技術面分析來看，MA 勝率最高，MAMV 最低，但都未明顯高於 50%。

(3) 在全部股樣本中，結合技術面指標下，除了股價淨值比(PB)可提高勝率之外，其 餘因子無明顯影響。

(4) 在大型股樣本中，結合技術面指標下，幾乎所有因子都降低了勝率。

綜合以上觀察可知，只有少數基本面因子結合技術面指標可以提升相對勝率，但 大多數些則否。

表 3-4 基本面技術面複合選股模型之評估：相對大盤平均勝率(%)

MA MV MAMV

無

MA0 MA1 MA2 MV0 MV20 MV40 (0,40) (1,20) (2,0)

無 50.0 50.7 50.7 50.0 50.0 52.7 47.3 45.3 46.7 46.7

PE 70.0 72.7 72.0 70.0 67.3 67.3 68.7 64.7 68.7 68.0

PB 48.7 50.0 51.3 54.7 54.0 53.3 54.7 48.0 52.7 54.7

ROE 57.3 58.7 60.7 58.0 53.3 53.3 52.0 53.3 52.7 58.7

PE4 55.3 55.3 - - - - GVI(0.25) 68.0 64.7 - - - - 全

部 股

GVI(0.06) 59.3 56.0 - - - - PE 68.0 64.0 - - - - PB 54.7 48.0 - - - - ROE 52.7 54.0 - - - - PE4 57.3 51.3 - - - - GVI(0.25) 59.3 54.7 - - - - 大

型 股

GVI(0.06) 55.3 48.7 - - - -

30 40 50 60 70 80

無FA PE PB ROE

基本面因子

相對大盤平均勝率(%) 無TA

MA0 MA1 MA2

圖 3-11 複合選股模型之評估：相對大盤平均勝率(全部股樣本)：價格移動平均法

30 40 50 60 70 80

無FA PE PB ROE

基本面因子

相對大盤平均勝率(%) 無TA

MV0 MV20 MV40

圖 3-12 複合選股模型之評估：相對大盤平均勝率(全部股樣本)：成交量移動平均法

30 40 50 60 70 80

無FA PE PB ROE

基本面因子

相對大盤平均勝率(%) 無TA

(0,40) (1,20) (2,0)

圖 3-13 複合選股模型之評估：相對大盤平均勝率(全部股樣本)：

價格與成交量移動平均法 5. 平均勝率(%)

結果如表 3-5 與圖 3-14~圖 3-16。由表可知

(1) 從單純基本面因子來看，全部股的勝率與大型股並無明顯差異。無論是在全部股 或大型股樣本中，都是本益比(PE)、股東權益報酬率(ROE)遠優於其餘因子。

(2) 從單純技術面分析來看，MA 勝率最高，但未明顯高於 50%。

(3) 在全部股樣本中，結合技術面指標下，本益比(PE)可提高勝率，但股東權益報酬 率(ROE)會降低勝率。

(4) 在大型股樣本中，結合技術面指標下，各因子都無明顯影響。

綜合以上觀察可知，只有少數基本面因子結合技術面指標可以提升勝率。

表 3-5 基本面技術面複合選股模型之評估：平均勝率(%)

MA MV MAMV

無

MA0 MA1 MA2 MV0 MV20 MV40 (0,40) (1,20) (2,0)

無 50.7 50.0 50.0 48.7 48.7 47.3 46.0 46.0 47.3 48.0

PE 56.0 61.3 58.7 60.7 61.3 58.7 60.0 60.7 60.0 64.0

PB 45.3 48.7 47.3 48.0 46.7 46.0 44.7 44.7 44.7 46.7

ROE 57.3 56.7 54.7 54.7 53.3 54.7 51.3 49.3 52.7 52.7

PE4 48.7 48.0 - - - - GVI(0.25) 54.7 58.7 - - - - 全

部 股

GVI(0.06) 51.3 51.3 - - - - PE 57.3 56.0 - - - - PB 48.7 47.3 - - - - ROE 53.3 54.7 - - - - PE4 52.7 52.7 - - - - GVI(0.25) 52.7 51.3 - - - - 大

型 股

GVI(0.06) 50.7 50.7 - - - -

30 40 50 60 70

無FA PE PB ROE

基本面因子

平均勝率(%)

無TA MA0 MA1 MA2

圖 3-14 複合選股模型之評估：平均勝率(全部股樣本)：價格移動平均法

30 40 50 60 70

無FA PE PB ROE

基本面因子

平均勝率(%)

無TA MV0 MV20 MV40

圖 3-15 複合選股模型之評估：平均勝率(全部股樣本)：成交量移動平均法

30 40 50 60 70

無FA PE PB ROE

基本面因子

平均勝率(%)

無TA (0,40) (1,20) (2,0)

圖 3-16 複合選股模型之評估：平均勝率(全部股樣本)：價格與成交量移動平均法

3-3 交易週期的影響 交易週期的影響 交易週期的影響 交易週期的影響

前述的「基本面技術面複合選股模型」都是每月交易一次。為了了解交易週期對

「基本面技術面複合選股模型」的影響，本節將交易週期從原先的每月一次，改成每 日一次、每週一次、每季一次。其結果如表 3-6 與圖 3-17~圖 3-18 所示。由表可知，

不論是基本面的全部股或者是大型股，交易週期為月的投資績效都比交易週期為日、

週、季來的好。

此外，也將交易週期從原先的每月一次，改成每 5 日、10 日、20 日、40 日、60 日一次。其結果如表 3-7 所示與圖 3-19~圖 3-21。由表可知，交易週期為 10 日、20 日、40 日的投資績效都比交易週期為 5 日、60 日來的好。可能的原因是，交易週期 短將付出可觀的交易成本，交易週期長將錯失買賣時機。綜合以上觀察可知，交易週