本研究以台灣期貨交易所1991年1月1日至2007年12月31日之台灣集中市場股價加權指數期貨以及美國期貨交易所2001年1月1日至2007年12月31日之各類期貨為樣本，比較移動平均線策略以及每週交易日之有效性。研究分別進行月平均報酬比較、弱勢效率市場檢視、週末效應比較、星期效應檢視，並加入資金管理作一比較分析。 結果發現適用於移動平均線策略的商品有美國政府30年期長期債劵、11號糖和集中市場台灣加權股價指數，在移動平均線天數為特定值時可獲得超額報酬，其檢定結果也發現有正報酬，因此相較其他市場而言，其弱式效率較不顯著。在研究之12個樣本中，除11號糖外，其餘樣本皆有星期效應，但在所有12個樣本則皆無週末效應，造成此現象之可能原因為人們已經適應週末效應，因此將會預期週末壞消息公佈機會較大，造成星期五上漲，且星期一下跌，因而提前買進或是賣出股票，使週末效應變得不明顯。另一可能原因為研究樣本只有Nasdaq指數與集中市場台灣加權股價指數與股票有直接相關性，而其餘10個樣本之關聯性不大。 而在資金管理分析中，結果顯示將資金管理應用至移動平均線是否有超額報酬與移動平均線是否有正報酬成正相關。所用資金比例之最佳參數值與資金管理的有效性有負相關性，且移動平均線有效性與資金管理之有效性有負相關性，此表示資金管理最大功效在於降低虧損，而不是在於提高獲利。

雖然技術分析的爭議非常的多，在市場上卻仍然被廣泛應用，原因即是因為容易被理解且方便應用，不過當馬可夫轉換模型出現時，技術分析便面臨的挑戰。馬可夫轉換模型又稱為隨機分段趨勢模型(stochastic segmented trend model)，預測方法也類似於技術分析，利用一段期間內的趨勢來判斷未來走勢。 本研究利用馬可夫轉換模型以及技術分析中相當受歡迎的移動平均轉換法相互作比較，研究標的則選擇國內的兩種期貨：臺股期貨與黃金期貨和國外的五種商品期貨：紐約黃金、布蘭特原油、芝加哥小麥、玉米和大豆共七種期貨，相互比較後，我們發現馬可夫轉換模型在樣本內的獲利績效比均線轉換法的績效要來得好，其中平滑推論又比濾嘴推論的績效好。 另外，馬可夫轉換模型在樣本外的績效並不亮眼，原因可能是估計參數的不穩定性過高，不過在臺灣黃金期貨的部分，樣本外表現也是非常的亮眼。

學術上不接受技術分析等方法，認為股價已經在市場上充分反應，過去的歷史股價不能對未來進行預測。然而，業界或一般的投資人，卻往往把技術分析拿來做為買賣的依據。實際上以歷史資料做模擬交易，卻可以發現許多技術分析的法則在某些市場、股票、期間之中，可以獲得相對於買進賣出更好的報酬。有趣的是，任何一種操作法則或是特定一組參數選擇，在樣本外的操作則無法完全發現同樣的結果。故以技術分析所獲得的超額報酬，究竟是此機制有效還是單純運氣成分，許多技術分析的文獻以及著作往往著墨甚少。 本論文利用狀態轉換模型(Regime Switching Model)捕捉台灣加權股價指數，將股價的動態分為上漲以及下跌兩種狀態，並估計其市場參數—漲跌速度、漲跌速度標準差、轉換機率。其次將所估計的市場參數做為模擬的依據，可發現在單純隨機的環境下，某些市場參數組合存在移動平均線的交易策略明顯優於買進持有策略。研究中以敏感度分析的方法，呈現各個單一市場參數的改變情形，對於操作績效影響的方向。 最後將2001~2010的的台灣加權股價指數，估計市場參數並找尋當下最適的移動平均組合，允許每季重新調整參數，並實際以收盤價做為買賣模擬。結果發現移動平均線操作，確實能提供比買進持有更好的報酬，並減低每年報酬率變異。

本論文主要在探討以移動平均法則為基礎的簡單技術分析指標，以及時間序列模型在台灣股票市場是否具有獲利能力，研究期間為1987/01/01-2006/12/31共20年的樣本期間。我們發現只有使用(1,50,0)和(1,50,0.01) 這兩個移動平均交易法則時才有顯著的報酬；並以AR(1)-GARCH(1,1)-M作為時間序列的預測模型。研究發現在股價上漲的時候，技術分析指標的確有較好的預測能力；而在股價下跌時，利用時間序列模型有較佳的獲利能力。因為技術分析指標與時間序列模型分別捕捉到不同的資訊，將兩預測工具結合在一起應該可以得到一個更好的組合預測指標。本文的實證研究發現此一組合預測指標，不管是在多頭或空頭期間時，都可以比使用單一分析工具獲得更高報酬。

本文改良金融投資技術分析操作方法中, 傳統的「單一移動平均」選股法為「多重移動平均」選股法, 其係以道氏理論上, 所謂的市場同時存在三種趨勢 (主要趨勢, 次級趨勢, 小型趨勢) 為基礎, 建立多重時間架構, 輔以移動平均線為股價趨勢判斷, 以及葛蘭碧八大法則之股價突破 (或跌破) 判斷原則作為操作訊號, 所彚整而提出。實證上, 採用2014年12月31日台灣證券交易所公告之台灣50、中型100, 以及富櫃50成分股為樣本, 並以2001年1月1日至2014年12月31日為回溯期間。在進行策略交易的模擬分析與績效差異檢定後, 實證結果發現, 多重移動平均選股法投資策略績效, 在統計分析上並無法較單一周期投資策略績效為優, 但卻能有效過濾沒必要的交易行為, 使突破買進之假訊號降低, 間接的降低交易次數及減少交易成本。 / This study enhanced from the traditional single period moving average for stock selection into multiple-period moving average counterpart. The theoretical foundation comes from the Dow Theory, which states that there exist three trends simultaneously, that is, major trend, secondary trend, and minor trend. Also, the Granville Rules suggest stock price breaking out may serve as entry and exit signal for trading. Our sample are grouped into three subsamples, Taiwan 50, Mid-Cap 100, Gretai 50. The sample period ranges from 2001/1/1 to 2014/12/31. Our empirical backtesting and performance test suggests that, contrary to our expectations, the multiple period method does not outperform its single period counterpart. However, the multiple period stock selection method may filter out false signals, and thereby reduce not only possible price risk associated with noisy trades but the accompanying transaction costs. / 摘要 I Abstract II 致謝詞 III 目錄 V 圖次 VII 表次 VIII 第一章　緒論 1 第一節　研究背景及動機 1 第二節　研究目的 2 第三節　研究對象與範圍 2 第四節　研究流程 4 第二章　文獻回顧 6 第一節　技術分析理論 6 一、技術分析基本邏輯 6 二、技術分析主要的型態類型 7 第二節　移動平均線的原理 9 一、簡單移動平均線的計算 9 二、移動平均線的常見應用 9 第三節　多重移動平均理論及選股法 11 一、多重移動平均的原理 11 二、多重移動平均的選股模式 11 第四節　相關研究文獻回顧與評析 11 一、過去研究文獻 11 二、文獻評析 16 三、本文假說推論 16 第三章　研究方法 17 第一節　傳統移動平均線選股模式 17 第二節　YC指標選股模式 17 第三節　選股模式績效差異檢定 19 第四節　資料來源與變數選取 19 第四章　實證分析 20 第一節　操作策略績效估計 20 第二節　操作策略績效比較 28 第三節　多重策略模型之適性歸納–由規模的角度 36 第五章　結論與建議 43 參考文獻 44 中文部份 44 英文部份 46 參考網址 46 圖次 圖1-4-1 研究流程圖 5 圖2-1-1 型態類技術理論的基本分類 6 圖2-1-2 市場同時存在三種趨勢 7 圖2-1-3 K線的基本構造 8 圖2-2-1 葛蘭碧(Granville)八大法則概念圖 10 表次 表1-3-1 台股之台灣50成分股 2 表1-3-2 台股之中型100成分股 3 表1-3-3 台股之富櫃50成分股 3 表2-4-1 過去研究文獻的整理 14 表4-1-1 台灣50成份股總交易次數及成本 20 表4-1-2 中型100成份股總交易次數及成本 22 表4-1-3 富櫃50成份股總交易次數及成本 26 表4-1-4 單一與多重模式下交易次數與進出場交易成本彚整 28 表4-2-1 台灣50成份股總報酬及總報酬率 28 表4-2-2 中型100成份股總報酬及總報酬率 30 表4-2-3 富櫃50成份股總報酬及總報酬率 34 表4-2-4 單一與多重策略下的平均總報酬與平均總報酬率彚整 36 表4-3-1 多重策略下總報酬率與市值之迴歸分析 36 表4-3-2 多重策略下總報酬率與股本之迴歸分析 37 表4-3-3 台灣50股本前20%成份股之策略績效及差異比較 37 表4-3-4 台灣50股本後20%成份股之策略績效及差異比較 38 表4-3-5 中型100股本前20%成份股之策略績效及差異比較 39 表4-3-6 中型100股本後20%成份股之策略績效及差異比較 40 表4-3-7 富櫃50股本前20%成份股之策略績效及差異比較 41 表4-3-8 富櫃50股本後20%成份股之策略績效及差異比較 42

本研究有系統地收集了2003年8月12日到2005年9月30日止共495個交易日的台指期貨、選擇權市場裡P/C量、P/C倉、隱含波動率(AIV)、不同天數的歷史波動率等收盤資料，進行這些因素與行情走勢間的關係，以及因素彼此的互動性。結果證實分析台指選擇權指標是需要區分金融重大衝擊前後期間，以及區分漲勢、跌勢、盤整的各期間，各期間的選擇權指標均會有不同意涵。 本論文證實使用結構轉換的Chow-ARMA(2,1)模型可能比較符合模擬指數 實況，且GARCH(1,1) 模型也很適合描述台期指貨波動度預測力。在選擇權指標方面：P/C量與AIV與台指期貨呈現負相關，P/C倉與台指期貨正相關。其中以P/C倉對指數漲跌的影響程度最大、P/C量的影響程度次之、AIV影響程度最小。若把隱含波動率區分成買權與賣權之各個波動率更有效地預測行情走勢，在大跌期間的買賣權隱含波動率更能表現出優越的預測能力，其中前兩期的賣權隱含波動率(PIV)更是效率性指標， 實證結果使用20天的歷史波動率比較能貼近選擇權市場的變化，跟過去教 科書慣用的90天不同。若比較歷史波動率與隱含波動率間的關係，結論是當「大跌期」歷史波動率大於買權隱含波動率(CIV)時，買權是會被低估的，其他的各種假設條件均不成立。理由有二：一是市場效率性決定了是否可使用隱含波動率與歷史波動率之間的高低關係。二是「大跌時期」相對於「大漲時期」的市場資訊被反應的更敏銳，而在「大跌時期」的賣權價格反應比買權價格反應更快速敏銳。 本研究推論的Chow-ARMA(2,1) 台指期貨模型、GARCH(1,1) 波動率模型、P/C量-P/C倉-AIV的多變數模型、FMA20/XIV模型等等在研判指數變化上具有參考價值，進一步均可以做為選擇權操作策略參考依據之一。