運用個案實證法模擬理財機器人投資策略的績效與風險研究

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：70

、訪客IP：3.129.67.26

姓名

王瑤玲(Yao-Ling, Wang) 查詢紙本館藏

畢業系所

資訊管理學系在職專班

論文名稱

運用個案實證法模擬理財機器人投資策略的績效與風險研究
(Using case-based empirical method to simulate financial robots Research on the Performance and Risk of Investment Strategy)

相關論文

★ 針對提昇資料倉儲資料庫執行效能之知識管理與相關系統設計	★ 以關聯規則探勘為基礎，探討詐騙車手提領型態互動之研究
★ 部落格之網路口碑評比機制平台管理與應用	★ 虛擬貨幣交易平台之實現
★ 適用於多種設備的可否認鑑別協定之設計	★ 交易程式最佳化的多維度分析平台之設計與建置
★ 多商品多策略程式交易績效曲線比較和分群機制之研究	★ 以工作流程與Portlet為基礎整合學習管理系統以支援課程編組
★ 使用服務導向技術建構具支援二線廠客製化能力的電子中樞系統之研究	★ 以流程為中心的Portlet重用性分析
★ 應用資料倉儲技術建構平衡計分卡資訊系統之研究-以某消費性電子製造公司人力資源計分卡為例	★ 自動化的產品平台管理與應用
★ 以代理人為基礎的資訊系統協助新產品開發流程的自動化	★ 以整合式的教練引導開發以框架為基礎的專案
★ 支援新產品研發的整合性知識管理系統	★ 以流程為導向協同異質性數位學習系統中呈現層與資料層之研究

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)

近年隨著金融科技（FinTech）與人工智慧（AI）的研究興起，智能理財在台灣金融市場掀起卡位戰。一般投資大眾對各家金融業者所推出的多種機器人理財（Robo-advisor）服務，所標榜的大數據演算與客製投組說法，莫衷一是。原因是其所施行的投資策略是一個你我看不見的黑箱，對不理解又無法對外說得很清楚的投資工具要如何決擇? 本文提出一個簡易程式回測的方法來銓釋理財機器人的投資策略與步驟，使其隱含的投資策略更加清晰明確。
本研究採用個案實證法，以科學實據來實證最佳「理財機器人」。取自網路上免費可得的市場指標訊號，強基金FBI（Fundhot Bias Index）乖離率的強弱訊號與合併相對應的ETF歷史收盤價格，篩檢出適合進場的時點。過程中以強基金素人網站的投資心法與一般基本理財常識設計成投資個案，利用R語言將FBI訊號加共同基金與ETF淨值做成回測（back test）模型，取得模擬投資的總獲利與承受風險高低來比較投資策略績效，藉由凱特通道交易模擬來推估FBI指數訊號的準確性，並將其投資步驟作成一實用SOP。
個案實證法中使用FBI指數訊號投資法、凱特通道最適化與季線交易策略法的ETF個案回測驗證結果，FBI短期回測收益表現佳，而凱特通道的策略獲利性一般會接近甚至可優於FBI與季線策略。

摘要(英)

Abstract
In recent years, with the rise of Financial Technology (FinTech) and Artificial Intelligence (AI), the smart money set off a battle for position in Taiwan′s financial markets. Investors confused on financial operators has launched a variety of Robo-advisor, advertised big data algorithm and custom-made portfolio statement, today. The reason is that the investment strategy which implementing is a black box, how do you make decisions about investment tools that cannot be clearly to state to the public? The proposes of this article try to use a simple program backtesting method to explain the investment strategy and steps of the financial robot, making its implicit investment strategy more clear and clear.
In this study, the best empirical scientific evidence to "Robo-Advisor". According to freely available market indicators signal on the fundhot web, FBI (Fundhot Bias Index) deviation from the rate corresponding to the closing price of the ETF historical, suitable for buy point in time. During the process, we designed the investment cases based on the fundhot′s investment attitude and general basic financial management knowledge, and used R language to make the FBI signal plus the mutual fund and ETF′s net value as the back test model to obtain the total profit of the simulation investment. The investment strategy performance is compared with the level of risk exposure, and the accuracy of the FBI index signal is estimated through the Keltner Channel(KC) trading simulation, and a practical SOP is created for its investment steps.
The FBI investment method, KC optimization, and MA60 strategy are used in the cases empirical method to verify the results of ETF case backtesting. FBI short-term backtesting returns perform well, and the KC’s strategy profitability is generally close to or even possible. Better than FBI and quarterly strategy.

關鍵字(中)

★ 理財機器人
★ 指數型基金
★ 凱特通道
★ 強基金
★ R語言

關鍵字(英)

★ Robo-advisor
★ ETF
★ Keltner Channels
★ FundHot
★ R programming

論文目次

目錄
摘要 v
Abstract vi
目錄 vii
圖目錄 ix
表目錄 xii
第一章緒論 1
1.1 研究背景 1
1.2 研究目的 4
1.3 研究問題 6
1.4 研究方法 7
第二章文獻探討 10
2.1 理財機器人投顧 10
2.2 ETF投資策略 13
2.3 風險收益指標 15
2.4 強基金 15
2.5 凱特通道 24
第三章研究方法 27
3.1 研究架構與流程 27
3.2 FBI訊號交易策略 31
3.3 凱特通道交易策略 35
3.4 季線交易策略 36
3.5 績效指標比較原則 37
第四章實證結果 40
4.1 R語言開發環境 40
4.2 選擇投資市場標的 42
4.3 FBI與ETF短期交易策略 46
4.4 ETF長期交易策略 54
4.5 實證結果分析 67
第五章結論 78
5.1 研究限制 78
5.2 貢獻 78
5.3 未來展望 79
參考文獻 80
附錄 82

參考文獻

元大投信（2017）。機器人崛起AI人工智慧理財新標竿。經濟日報。
強大（2015）。一個指標賺遍全世界—FBI教你讀基金術。台北市: Smart智富。
張雍川、游穎鴻（2016）。ETF煉金術—狠賺全球波段財。台北市: Smart智富。
湯傳等（譯）（2017）。自動化交易R語言實戰指南。中國北京市:人民郵電出版社。（Chris Conlan，2017）
翁禮祺、廖文華、蒯思齊（2016）。金融科技之理財機器人系統架構。TANET 2016 臺灣網際網路研討會論文集，台灣，台北市。
Jonathan Walter Lam（2016）。Robo-Advisors A Portfolio Management Perspective，Yale College，New Haven，Connecticut。
王昭文、蘇彥庭（2017）。R軟體財務投資應用：一星二陽K棒組合回測程式範例。中山大學財務管理所，中山管院: 商業大數據平台。取自2018年04月01日http://cm.nsysu.edu.tw/~msrc/wp/?page_id=446
恒生電子（2017）。關於深度學習，這裡比你想的還要全。壹讀，取自2018年04月01日https://read01.com/2N7Rkx.html
台灣經濟新報（2018）。投資學—投資組合管理。取自2018年04月07日http://www.tej.com.tw/twsite/Default.aspx?TabId=378
顏真真（2017）。機器人理財進化--金管會開放電腦自動執行再平衡交易。今日新聞NowNews，取自2018年05月20日
https://www.nownews.com/news/20170810/2598333
陳慧菱（2017）。鉅亨基金交易平台攜工研院啟動智能理財明年下半年上線。鉅亨網新聞，取自2018年05月20日
https://news.cnyes.com/news/id/3988390
楊宗儒（2014）。技術分析指標-凱勒通道（Keltner Channels）的秘密。痞客邦-期權加油站，取自2018年05月20日http://ey90223.pixnet.net/blog/post/162059805-%E6%8A%80%E8%A1%93%E5%88%86%E6%9E%90%E6%8C%87%E6%A8%99~%E5%87%B1%E5%8B%92%E9%80%9A%E9%81%93%28keltner-channel%29%E7%9A%84%E7%A7%98%E5%AF%86
Arielle O’shea, Anna-Louise Jackson（2018）。Best Robo-Advisors: 2018 Top Picks，Advertiser Disclosure，NerdWallet，取自2018年04月05日https://www.nerdwallet.com/blog/investing/best-robo-advisors
Murphy Chen（2015）。應用「現代投資組合理論」進行「投資組合最佳化」。Murphy的書房。取自2018年04月05日https://murphymind.blogspot.tw/2017/04/MPT.html

Jerry &睿富者（2016）。大眾專屬的理財顧問-機器人理專，Trading Valley，取自2018年04月05日
https://www.stockfeel.com.tw/%E5%A4%A7%E7%9C%BE%E5%B0%88%E5%B1%AC%E7%9A%84%E7%90%86%E8%B2%A1%E9%A1%A7%E5%95%8F-%E6%A9%9F%E5%99%A8%E4%BA%BA%E7%90%86%E5%B0%88/
John Rekenthaler（2011），主動式與被動式管理的再比較。鉅亨台北資料中心（2017）。MORNINGSTAR, 取自2018年04月05日https://news.cnyes.com/news/id/3797285
Tim Trice（2016），Backtesting Strategies with R。guthub eBook，取自2018年04月05日
https://timtrice.github.io/backtesting-strategies/

指導教授

許智誠(Chih Cheng Hsu)

審核日期

2018-6-25

推文