具移動窗格功能投資組合成份配置之獲利風險評估平台

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：64

、訪客IP：13.58.139.55

姓名

蔡安翔(An-Hsiang Tsai) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

具移動窗格功能投資組合成份配置之獲利風險評估平台
(Design and Implementation of Profit Risk Assessment Platform for Investment Portfolio with Moving Window Function)

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	★ 整合分位數回歸分析與單因子選股的股票選股策略回測與績效評估之研究
★ 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

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)

金融科技在近幾年快速崛起，其中，在金融投資的環節，常會看到投資理財機器人的出現，理財機器人會根據投資者的偏好，推薦出相對應的投資組合。而在投資組合中，績效因子的選取與分配權重，是決定投資組合優異與穩健的關鍵項目。現代投資組合理論是常見的投資組合權重配置方法，但此方法忽略了商品有層次結構的概念，導致投資組合在樣本外驗證時非常不穩定；而普遍的程式交易研究多半是針對單一交易策略的參數最佳化，或是對投資組合作全樣本內最佳化驗證，因此要妥當的驗證投資組合的成份配置是非常複雜的一件事。
針對此一問題，本研究將投資組合與移動窗格法做結合，致力於建置出投資組合的風險獲利評估工具，讓投資人可以透過此工具將投資的每日賺賠績效檔案匯入，設定績效排名方式與權重配置模型等參數，本研究工具將會透過移動窗格法，在樣本內窗格選取績效因子並配置權重大小組成投資組合，在樣本外窗格模擬投資並重新平衡成份及權重，自動化計算出不同窗格大小配置的績效表現，並透過熱點圖呈現窗格績效，找出最佳績效的窗格的大小配置以及績效穩健的高原參數。
本研究設立六個驗證案例，欲透過本研究工具達成各驗證案例之目的，並推薦投資人各驗證案例的投資組合參數以及窗格大小設定。而經由驗證結果可得知，各驗證案例皆能透過本研究工具所得之績效熱點圖，觀察高原類型、最大高原面積等，推薦出最合適的窗格大小設定與穩健的投資組合高原參數。
未來在本研究工具能擴增更多績效排名因子與權重配置模型，同時加入資金再投入等方法，將窗格驗證更擬合真實投資情形，讓此工具能更有效的協助投資人建置出最合適的投資組合。

摘要(英)

In recent years, fintech has risen rapidly. In the financial investment, we will often see the Robo-Advisor. The Robo-Advisor will recommend an investment portfolio based on investors′ preferences. In the investment portfolio, the selection and allocation of investment components are the keys to determine the excellent and stable investment portfolio. Modern portfolio theory is a common method of portfolio weight allocation, but this method ignores the concept of a hierarchical structure of commodities, resulting in a portfolio that is very unstable when verified outside the sample. Most of the general program trading research is mostly for the parameters of a single trading strategy optimization, or optimization of the entire sample of the investment portfolio, so it is very complicated to properly verify the composition of the investment portfolio.
To response this problem, this study combines the portfolio with the moving window method and is committed to building a portfolio risk assessment tool that allows investors to import the daily profit performance files of the investment through this tool. The investors can set performance ranking methods, weight allocation model and other parameters. The research tool will use the moving window method to select investment components and allocate weights inside the sample, and then simulate investment and rebalance the components and weights of investment portfolio outside the sample. Automatically calculate the performance of different window configurations, and present the window performance through a heat map to find out the window of the best performance and the plateau parameters of stable performance.
In this study, we have set up six verification cases. We want to use this research tool to achieve the purpose of each verification case and recommend the investment portfolio parameters of individual verification cases. Through the verification results, we can know that each case can observe the plateau type and maximum plateau area through the performance heat map obtained by this research tool, and recommend the most suitable window size setting and stable portfolio plateau parameters.
In the future, this research tool can add more performance ranking factors, weight allocation models, and use reinvestment method to fit the verification to the real investment situation, so that the tool can effectively assist investors to build the most suitable investment portfolio.

關鍵字(中)

★ 投資組合
★ 現代投資組合理論
★ 分層風險平價
★ 成份配置
★ 移動窗格
★ 重新平衡頻率

關鍵字(英)

★ Investment Portfolio
★ Modern Portfolio Theory
★ Hierarchical Risk Parity
★ Ingredients Configuration
★ Moving Window
★ Rebalance Frequency

論文目次

摘要 iv
Abstract v
誌謝 vi
目錄 vii
圖目錄 x
表目錄 xi
第一章、緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 3
第二章、文獻探討 7
2.1 績效模型評估 7
2.2 投資組合權重配置 7
2.2.1 基本資金配置法 8
2.2.2 現代投資組合理論 8
2.2.3 分層風險平價 10
2.2.4 最佳分數法 12
2.3 參數最佳化 13
2.4 重新平衡頻率 15
第三章、系統設計與實作 16
3.1 系統架構 16
3.2 系統流程 19
3.3 資料匯入與設定 22
3.3.1 投資績效檔案匯入 22
3.3.2 投資組合參數設定 22
3.3.3 投資商品設定 23
3.3.4 績效排名設定 23
3.3.5 權重配置模型設定 24
3.3.6 窗格大小範圍設定 28
3.4 移動窗格運算 29
3.5 獲利風險評估 31
第四章、系統驗證與分析 33
4.1 驗證架構 33
4.1.1 驗證設計 33
4.1.2 驗證流程 38
4.2 驗證方法 38
4.2.1 資料集 38
4.2.2 策略參數最佳化 42
4.2.3 平台參數設定 43
4.3 驗證結果討論 44
4.3.1 驗證案例1台股 44
4.3.2 驗證案例2不同程式交易策略之台指期 47
4.3.3 驗證案例3美國ETF 50
4.3.4 驗證案例4開發中國家指數 53
4.3.5 驗證案例5已開發國家指數 56
4.3.6 驗證案例6綜合國家指數 59
4.4 綜合討論 62
第五章、結論 66
5.1 結論 66
5.2 研究限制 66
5.3 未來展望 67
附錄一、驗證案例窗格績效熱點圖 68
1.1 驗證案例1台股 68
CLA權重配置模型 68
HRP權重配置模型 70
Optimal F權重配置模型 72
Equal Risk權重配置模型 74
Equal Weight權重配置模型 76
1.2 驗證案例2不同程式交易策略之台指期 78
CLA權重配置模型 78
HRP權重配置模型 80
Optimal F權重配置模型 82
Equal Weight權重配置模型 84
1.3 驗證案例3美國ETF 86
CLA權重配置模型 86
HRP權重配置模型 88
Optimal F權重配置模型 90
Equal Risk權重配置模型 92
Equal Weight權重配置模型 94
1.4 驗證案例4開發中國家指數 96
CLA權重配置模型 96
HRP權重配置模型 98
Optimal F權重配置模型 100
Equal Risk權重配置模型 102
Equal Weight權重配置模型 104
1.5 驗證案例5已開發國家指數 106
CLA權重配置模型 106
HRP權重配置模型 108
Optimal F權重配置模型 110
Equal Risk權重配置模型 112
Equal Weight權重配置模型 114
1.6 驗證案例6綜合國家指數 116
CLA權重配置模型 116
HRP權重配置模型 118
Optimal F權重配置模型 120
Equal Risk權重配置模型 122
Equal Weight權重配置模型 124
參考文獻 127

參考文獻

李國忠. (2008). 國內股票型基金最適風險投資組合之研究. 臺北大學國際財務金融碩士在職專班學位論文, 1-91.
Curtis, F. (2007). Way of the Turtle: The Secret Methods that Turned Ordinary People into Legendary Traders. New York City: McGraw-Hill.
Davey, K. J. (2014). Building Winning Algorithmic Trading Systems: A Trader′s Journey from Data Mining to Monte Carlo Simulation to Live Trading: John Wiley & Sons.
de Prado, M. L. (2016). Building diversified portfolios that outperform out of sample. The Journal of Portfolio Management, 42(4), 59-69.
Forum, W. E. (2015). The Future of Financial Services. World Economic Forum.
Kelly Jr, J. L. (2011). A new interpretation of information rate. In The Kelly Capital Growth Investment Criterion: Theory and Practice (pp. 25-34): World Scientific.
Liu, Q. (2009). On portfolio optimization: How and when do we benefit from high‐frequency data? Journal of Applied Econometrics, 24(4), 560-582.
Markowitz, H. (1952). PORTFOLIO SELECTION*. The Journal of Finance, 7(1), 77-91. doi:10.1111/j.1540-6261.1952.tb01525.x
Narang, R. K. (2009). Inside the Black Box: The Simple Truth about Quantitative Trading.-Description Based on Print Version Record: J. Wiley et Sons.
Pardo, R. (2011). The evaluation and optimization of trading strategies (Vol. 314): John Wiley & Sons.
Qian, E. (2005). Risk parity portfolios: Efficient portfolios through true diversification. Panagora Asset Management.
Sun, R., Ma, T., Liu, S., & Sathye, M. (2019). Improved covariance matrix estimation for portfolio risk measurement: A review. Journal of Risk and Financial Management, 12(1), 48.
Vince, R. (2007). The Handbook of Portfolio Mathematics: Formulas for optimal allocation & leverage (Vol. 257): John Wiley & Sons.

指導教授

許智誠(Kevin Chihcheng Hsu)

審核日期

2020-6-29

推文