利用遺傳演算法發掘投資組合保險之調整策略

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：31

、訪客IP：18.221.183.34

姓名

顏佳維(Chia-Wei Yen) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

利用遺傳演算法發掘投資組合保險之調整策略

相關論文

★ 以關係基因演算法為基礎之一般性架構解決包含限制處理之集合切割問題	★ 類神經網路於股價波段預測及選股之應用
★ 以類神經網路提高股票單日交易策略之獲利	★ 智慧型多準則決策支援研究：以交談式遺傳演算法為基礎的模型
★ 應用遺傳演算法於財務指標選股策略之探討	★ 遺傳演算法於股市資金分配策略應用上之研究
★ 組合編碼遺傳演算法於投資組合及資金分配之應用	★ 遺傳程式規劃於股市擇時交易策略之應用
★ 遺傳演算法於股市選股與擇時策略之研究	★ 多目標遺傳演算法於基本面選股策略之應用
★ 證券交易策略發掘	★ 遺傳演算法於SAP R/3 系統效能最佳化之應用
★ 動態多期資金管理策略發掘	★ 擴充固定比例(CPPI)與時間不變性投資組合保險策略(TIPP)於投資組合之應用
★ 演化式賽局於投資策略之研究	★ 利用遺傳演算法對股價反轉點的預測

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限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)

投資組合保險為將資產區分為風險性資產與非風險性資產兩種，其中風險性資產投入風險性較高的市場中，而非風險性資產則投入市場風險相對較低的市場中。當價格上升時，減少非風險性資產持有比率，將資金轉投入風險性資產中獲取較高的價格上升利益。反之，則減少風險性資產的持有比率，避免市場價格下降的風險。在保險期間內，需藉由連續不斷的調整來反應市場現況，進而達到參與獲利與保本的目的。一個好的調整法則將有效提升投資策略的績效。過去採用的調整法則過於簡化調整問題，使用單一的調整法則與固定調整比率無法發掘較佳的調整時機與調整比率。
本研究提出GA 調整策略，適用於投資組合保險之調整，利用多個調整法則決定調整時機，每個調整點採動態的方式決定調整比率，並利用遺傳演算法之最佳化搜尋的能力，找出某特定投資組合保險之最適調整法則，將此應用在台灣證券市場之投資。經實驗之實證，採用GA 調整策略架構確實能夠有效提升投資組合保險之獲利力，或者降低投資風險。

關鍵字(中)

★ 投資組合保險
★ 遺傳演算法
★ 調整法則

關鍵字(英)

★ Portfolio Insurance
★ GA
★ Rebalance Disciplines

論文目次

第1章緒論…………………………………………………………….………….…1
1.1 研究問題與背景…………..…………….…………….…………….…1
1.2 研究目的………………………..………….…………………………..2
1.3 研究貢獻………………...……………………………………………..3
1.4 論文架構……………...………………………………………………..3
第2章文獻探討……………………………………………………………………..5
2.1 投資組合保險的概念……………………...…………………………..5
2.1.1 投資組合保險之交易策略……………...…………………….5
2.1.2 投資組合保險策略及其特性…………………...…………….7
2.1.3 固定比例投資組合保險策略……………………...………….8
2.1.4 時間不變性投資組合保險策略………………..……………10
2.2 調整法則………………….……………………………………..……11
2.2.1 傳統調整法則……………………………………..…………12
2.2.2 技術分析與其它調整法則…………………………..………14
2.3 遺傳演算法……………………………………………………..…….16
2.3.1 遺傳演算法的運算程序……………………………..………18
2.3.2 參數設定說明…………………………………………..……21
2.4 投資組合保險相關的研究…………………………………..……….22
第3章研究方法……………………………………………………………………24
3.1 系統架構………………………………………………….…………..24
3.2 GA調整策略…………………………………….……….…….…….27
3.3 遺傳演算法編碼……………………………………………..……….30
3.4 遺傳演算法適應函數……………………………………….….…….31
第4章實驗設計與結果………………………………...………………………….33
4.1 實驗設計…………………………………………………………..….33
4.2 實驗假設………………………………………. ……………..……...34
4.3 資料來源與前處理…………………………………………..……….34
4.4 實驗環境…………………………………………………..………….35
4.4.1 軟硬體設備………………………………………..…………35
4.4.2 遺傳演算法之函式庫………………………..………………35
4.5 實驗參數設定………………………………………………..……….35
4.6 實驗ㄧ：CPPI之調整策略發掘………………………….….………36
4.6.1 實驗說明………………………………………………..……36
4.6.2 實驗結果與分析………………………………..……………37
4.7 實驗二：TIPP之調整策略發掘………………………………..……40
4.7.1 實驗說明…………………………………………..…………40
4.7.2 實驗結果與分析……………………………………..………40
4.8 實驗結論…………………………………………………………..….43
第5章結論…..……………………………………………………………………..44
5.1 研究結論……………………………………………………..……….44
5.2 研究貢獻……………………………………………………..…...…..44
5.3 後續研究建議………………………………………………..……….45
參考文獻……………………………………………………………………………..46

參考文獻

李文濤(2001)，投資組合保險策略調整與配置之研究，國立中山大學財務管理學系。
林丙輝(1995)，投資組合保險，證券管理，1-19。
林筠(1992)，投資組合保險與調整法則：權衡與選擇，台大管理論叢，3，1-31。
許溪南、賴彌煥(2000)，權變投資組合保險在台灣股市之應用，風險管理學報，2，89-118。
黃証國(2002)，運用基因演算法於動態投資組合保險中操作策略的最適化，國立交通大學資訊管理研究所。
蔡惠名(2003)，擴充固定比例與時間不變性投資組合保險策略於投資組合之應用，國立中央大學資訊管理學系。
Black, Fisher and Myron Scholes (1973), “The Pricing of Options and Corporate Liabilities,” Journal of Political Economy, 81, 637-659.
Black, Fisher and Robert Jones (1988), “Simplifying Portfolio Insurance,” Journal of Portfolio Management, 14, 48-51.
Brennan, Michael J. and Eduardo S. Schwartz (1998), “Time-Invariant Portfolio Insurance Strategies,” Journal of Finance, 43, 283-299.
Clarke, Roger G. and Robert D. Arnott (1987), “The Cost of Portfolio Insurance: Tradeoff and Choices,” Financial Analysts Journal, 43, 35-47.
De Jong, K. A. (1987), “On Using Genetic Algorithm to Search Program Space,” in Proceeding of the Second International Conference on Genetic Algorithm and Their Applications, 210-216.
Estep, Tony and Mark Kritzman (1998), “TIPP: Insurance Without Complexity,” Journal of Portfolio Management, 14, 38-42.
Etzioni, S. Ethan (1986), “Rebalance Disciplines for Portfolio Insurance,” Journal of Portfolio Management, 13, 59-62.
Garcia, C. B. and F. J. Gould (1987), “A Note on the Measurement of Risk in a Portfolio,” Financial Analysts Journal, 43, 61-69.
Goldberg, D.E. (1994), “Genetic and Evolutionary Algorithms Come of Age,” Communications of the ACM, 37, 2-3.
Holland, J. H. (1975), Adaptation in Natural and Artificial System, The University of Michigan press.
Hunter (1995a), “Sugal Programming Manual,” http://www.dur.ac.uk/andrew1.hunter/Sugal.
Hunter (1995b), “Sugal User Manual,” http://www.dur.ac.uk/andrew1.hunter/Sugal.
Perold, Andre F. and William F. Sharpe (1995), “Dynamic Strategies for Allocation,” Financial Analysts Journal, 51, 149-160
Rubinstein, M. (1985), “Alternative Paths to Portfolio Insurance,” Financial Analysts Journal, 41, 42-52.
Seidenverg, E. (1988), “A Case of Confused Identify,” Financial Analysts Journal, 44, 63-67.
Shoaf, Jacqueline and James A. Foster (1998), “The Efficient Set GA for Stock Portfolio,” in Evolutionary Computation Proceedings, 354-359.
Zhu, Yu and Robert C. Kavee (1998), “Performance of Portfolio Insurance Strategies,” Journal of Portfolio Management, 14, 48-54.

指導教授

陳稼興(Jiah-Shing Chen)

審核日期

2004-6-10

推文