動態多期資金管理策略發掘（Discovering Dynamic Money Management Strategy） [复制链接]

本電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

過去於投資策略方面已有相當多的研究。然而不論是何種投資策略都有其風險性，於波動性高的市場中更是如此。以多期投資的角度來看，為避免因投資初期重大損失甚至破產，導致後期無資金可以投資，因此在每次投資時，皆應該決定一投入的資金比例，而非將資金全數投入，此為資金管理。在過去資金管理策略的研究中，主要是以「靜態」為主，換句話說，每期所投入的資金比例是固定不變的。
本研究因此提出動態多期資金管理策略的概念，能夠動態決定當期投資資金比例。並且使用投資策略績效指標最為建構動態多期資金管理策略的依據，使用遺傳演算法最最佳化，找出特定投資策略最適的動態多期資金管理策略，並且應用於臺灣指數期貨市場的投資。經過實驗證實，採用動態多期資金管理策略確實能夠降低投資風險，甚至提高報酬。

摘要(英)

There were many researches about investment strategy in the past. Any kind of investment strategy is risky, especially in a highly volatile market. To avoid bankrupting, we should use a fraction of our caption when investing instead of using all of our capital. This is money management. In the past research of money management, they used “static” fraction of capital, so investor use the same fraction in every investment.
In this paper, we have proposed a dynamic money management model. That means we can get different fractions in each investment by this model. We also use genetic algorithm to find the optimal dynamic money management strategy of a specific investment strategy. We use our model to conduct experiments on real dataset obtained from Taiwan Future Exchange. The experimental results show that we can reduce risk by dynamic money management strategy, even increase our return.

論文目次

1　緒論1
1. 1 研究背景與動機1
1. 2 研究目的2
1. 3 研究貢獻2
1. 4 章節說明2
2　文獻探討4
2. 1 多期資金管理策略相關研究4
2. 2 投資策略績效指標9
2. 3 期貨13
2. 4 人工智慧於動態投資策略建構相關研究14
2. 5 遺傳演算法17
3　研究方法21
3. 1 系統架構21
3. 2 動態多期資金管理策略21
3. 3 遺傳演算法編碼25
3. 4 遺傳演算法適應函數26
4　實驗設計與結果分析27
4. 1 實驗設計27
4. 2 實驗假設28
4. 3 資料來源與前處理28
4. 4 系統工具與實驗環境28
4. 5 實驗參數設定29
4. 6 實驗一: 週末效應交易策略之最適動態資金管理策略發掘29
4. 7 實驗二: 平滑移動平均擇時策略之最適動態多期資金管理策略發掘32
4. 8 實驗結論34
5 結論36
5. 1 研究結論36
5. 2 研究貢獻36
5. 3 後續研究建議37
參考文獻38

參考文獻

江吉雄 (2002), 遺傳演算法於股市選股與擇時策略之研究碩士論文，國立中央大學資訊管理學系。
陳稼興、陳伯仁 (2002), "證券交易策略發掘", 刊於 第十三屆國際資訊管理學術研討會論文集 (II), 373-380
陳柏年 (2001), 應用遺傳演算法於財務指標選股策略之探討碩士論文，國立中央大學資訊管理學系。
黃景明 (2001), 臺灣股價指數期貨最適避險策略之研究碩士論文，淡江大學財務金融碩士班。
黃雅蘭 (2001), 臺灣股價指數期貨套利之研究 - 類神經網路與灰色理論之應用碩士論文, 國立臺灣科技大學資訊管理學系。
臺灣期貨交易所 (2003), http://www.taifex.com.tw/。
歐塗金 (1994), 期貨資金管理策略之研究碩士論文，國立成功大學企業管理學系。
劉慧敏、陳稼興 (2002), "多目標遺傳演算法於基本面選股策略之應用", 刊於 第十三屆國際資訊管理學術研討會論文集(II), 365-372。
鄧邵勳 (1999), 遺傳演算法於股市擇時策略之研究碩士論文，國立中央大學資訊管理學系。
蕭郁凱 (2001), 遺傳演算法於股市資金分配策略應用上之研究碩士論文，國立中央大學資訊管理學系。
Badcock, Jr., Bruce (1989), The Dow Jones-Jrwin Guide to Trading
Systems, Homewood: Dow Jones-Irwin.
Chen, J. S., P. C. Wu, and P. Y. Liao (2000), Neural Network Fore-
casting of TAIMEX Index Futures", in Proceedings of the Second
Asia-Paci¯c Conference on Genetic Algorithms and Applications,
403-408, Hong Kong.
Hall, James W. (1994), Adaptive Selection of U.S Stocks with Neural
Nets", in Trading on the Edge, edited by Guido J. Deboeck, New
York: John Wiley & Sons, Inc., 45-65.
Holland, J. (1975), Adaptation in Natural and Arti¯cial Systems, Uni-
versity of Michigan Press.
Hunter (2003), SUGAL", Http://www.dur.ac.uk/andrew1.hunter/Sugal/.
Jensen, M. C. (1968), The performance of Mutual Funds in the Period
1945-64", Journal of Finance, 23, 389-416.
Kelly, Jr., J. L. (1956), A New Interpretation of Information Rate",
Bell System Technical Journal, 35, 917-926.
Reehl, C. B. (2002), Calculating optimum position size for option
trades", Futures, 31(15), 42-47.
Rines, Roger D. (2001), Performance Suite 2000", Futures, 30(6), 62.
Sharpe, W. F. (1963), A Simplied Model for Portfolio Analysis",
Management Science, 9, 277-293.
Thorp, Edward O. (1966), Beat the Dealer, New York: Vintage Books,
Random House.
Thorp, Edward O. (1980), The Kelly Money Management System",
Gambling Times, 91-92.
Treynor, J. L. (1965), How to Rate Management of Investment
Funds", Harvard Business Review, 13, 63-75.
Vince, Ralph (1995), The New Money Management, A Framework for
Asset Allocation, New York: John Wiley & Sons, Inc.
Wright, Charlie (1998), Trading as a Business.
Zamansky, Leo J. and David C. Stendahl (1998), Secure Fractional
Money Management", Technical Analysis of Stocks & Commodities
Magazine, 16(7), 28-33.