测量实习-淡江大学教职员Internet服务系统.ppt

路線圖 * 詳細內容參見 葉怡成 (2017) 以配方設計法建構選股決策模式 ─ 美國股市之實證，貨幣觀測與信用評等，第124期，第107-130頁。 葉怡成、鄒宗穎、許瑞麟 (2017) 以配方設計法建構加權評分法選股模式─ 台灣股市之實證，貨幣觀測與信用評等，第127期，第125-143頁。 Liu, Y. C., Yeh, I. C. Using mixture design and neural networks to build stock selection decision support systems.?Neural Computing and Applications, March 2017,?Volume 28,?Issue?3,?pp 521–535. (SCI) * 企業評價的新方法：成長價值模型  * 必要報酬率 淨值(股東權益) 股東權益報酬率 持續性係數 (均值回歸) * * * * * Step 1. 實驗設計與實施 Step 2. 模型建構與分析：利用「權重組合─投資績效」資料庫與二階迴歸分析建立「權重組合─投資績效」預測模型y=f(x)，並分析權重組合與投資績效之間的關係是否合理。 * * Step 2. 模型建構與分析 Step 3. 權重優化與驗證：最後的針對投資人的不同投資績效偏好，設定不同的最佳化模式，並以最佳化方法求解最佳的選股因子權重組合(x*)，並透過股市歷史資料庫的回測得到這些權重組合下的投資績效(y*)，來驗證它們是否真的能夠滿足投資人的不同投資偏好。 * * Step 3. 權重優化與驗證 三、實驗設計與實施 3-1 選股因子 3-2 績效指標的定義 3-3 績效指標的期間 3-4 實驗設計 3-5 實驗實施 * 3-1 選股因子 價值因子：便宜的股票的股票報酬率常高於昂貴的股票。 成長因子：賺錢公司的股票的股票報酬率常高於不賺錢公司的股票。 慣性因子：近期股票報酬率高的股票的股票報酬率常高於近期股票報酬率低的股票。 風險因子：古典理論認為系統風險(beta值)高的股票的股票報酬率常高於低的股票。 規模因子：小型公司的股票的股票報酬率常高於大型公司的股票。 * 五個選股概念： 小股價淨值比、 大股東權益報酬率、 大前月股票報酬率、 小系統風險、 大總市值。 * 最大化報酬 限制風險 限制流動性 物美 市場認同 價廉 睡得著 吃得到 3-2 績效指標的定義 報酬：超額報酬率α 風險：系統風險β 流動性：投組中股票的總市值的中位數 * 3-3 績效指標的期間 建模期：1997-2008年，共12年為建模期，選股概念權重組合在這段期間回測得到的績效組成樣本內數據。 測試期：2009-2015年，共7年為測試期，選股概念權重組合在這段期間回測得到的績效組成樣本外數據。 * 建模期 測試期 1997 2008 2009 2015 3-4 實驗設計 * 慣性權重 ROE權重 P/B權重 X1 X2 X3 (1,0,0) (1/3,1/3,1/3) (1/2,1/2,0) (1/2,0,1/2) (0,0,1) (0,1,0) (0,1/2,1/2) 25-1=31組全種組合 * 1因子 2因子 3因子 4因子 5因子 3-5 實驗實施 本研究針對實驗設計中的31個選股概念權重組合，以下列程序產生績效指標： Step 1. 建立股票的月資料庫：收集1997-2015台灣股市上市上櫃公司的每月的股價淨值比、股東權益報酬率、月股票報酬率、總市值、250日beta值。 Step 2. 形成投組並計算下個月的投組報酬率：投資組合的持有周期為一月，因此在每一個月的月底，依實驗設計的31個選股概念權重組合，選出加權評分最高的10%股票形成投資組合，並計算投組中股票的總市值的中位數、下個月的投組報酬率。 Step 3. 計算績效：利用投組的月報酬率，配合大盤的月報酬率，以(3)式計算其月超額報酬率α、月系統風險β。利用每個月的投組中股票的總市值的中位數計算平均值。 * * 1因子 2因子 * 3因子 4因子 5因子 四、模型建構與分析 4-1 迴歸模型的係數 4-2 迴歸模型的樣本外預測能力 4-3 迴歸模型的分析 * 4-1 迴歸模型的係數 * 4-2 迴歸模型的樣本外預測能力月超額報酬率ɑ * 月系統風險β  * 投組中股票的總市值的中位數 * 4-3 迴歸模型的分析 月超額報酬率ɑ * 五因子，每次取3因子繪等高線圖，有10種組合。 月系統風險β * 投組中股票的總市值的中位數 * 五