文档介绍：以基因算法建置不同风险接受度的投资组合更多企业学院:《中小企业管理全能版》183套讲座+89700份资料《总经理、高层管理》49套讲座+16388份资料《中层管理学院》46套讲座+6020份资料 《国学智慧、易经》46套讲座《人力资源学院》56套讲座+27123份资料《各阶段员工培训学院》77套讲座+324份资料《员工管理企业学院》67套讲座+8720份资料《工厂生产管理学院》52套讲座+13920份资料《财务管理学院》53套讲座+17945份资料 《销售经理学院》56套讲座+14350份资料《销售人员培训学院》72套讲座+4879份资料以基因算法建置不同风险接受度之投资组合李佩玲中原大学信息管理研究所利瓦伊平中原大学信息管理所研究所摘要共同基金最大特性为投资多样化,它集合众多投资人资金投资在不同的标的物,有效分散投资人的整体性风险。这种投资组合方式近年来广受投资人欢迎,因此愈来愈多的金融公司也跨入共同基金市场。面对愈来愈多的竞争者及市场上众多的投资标目,专业经理人如何针对不同投资目标、风险接受程度之投资人来设计不同的投资组合,已成为目前不可忽视之课题。基因算法过去已成功的应用在不同的财务领域最佳化上,因此本研究想应用基因算法发展依不同风险程度之最佳化投资组合模型,辅助专业经理人选择适合投资人之投资标的及投资比重,并期盼模型在一定风险下之整体的绩效能显著的优于大盘绩效的投资表现。关键词:共同基金、投资组合、基因算法壹、绪论一、研究动机与背景台湾的投资人光面对台湾的股票市场就有多达快一千支的上市上柜股票可做选择,除了股票外,还有其它许多的金融商品亦可做投资选择,如:债券、期货等金融商品,因此要从众多的投资标的来建立投资组合是非常困难的,加上股票市场波动大,投资人一旦没有等到好的时机点做买卖往往会错失获利机会,为了分散投资人的投资风险、让报酬率更理想,因此造就衍生性金融商品─共同基金的产生。共同基金是完全仰赖专业经理人的能力,其集合众多投资者的资金,交由专业经理人操作,投资的报酬与风险则由所有投资人共同承担。专业经理人要做的是建立资组合的最佳化,让投资绩效有好的表现,满足投资人获利的需求。随着共同基金在市场上愈来愈受投资人的青睐,也有愈来愈多的金融公司加入共同基金市场中,欲抢攻这块大饼,面对愈来愈多的竞争者及市场上众多的投资标目,专业经理人必须要针对特定族群做投资组合规划才能满足不同族群投资人的需求,因此如何针对不同投资目标、风险接受程度之投资人来设计不同的投资组合,已成为目前不可忽视之课题。根据94年底证券投资信托暨商业同业公会的统计资料,共同基金中的股票型基金约占40%,为所有共同基金种类中所占比率最高,因此选择股票型基金做为投资标的。并且根据许多国内外研究结果显示,多数的研究认为财务报表具有显著的信息内涵,且从1930年代已有多位学者将基本分析运用于投资领域中,因此以基本分析来辅助投资决策,但相关的财务变量种类繁杂,研究者若要以传统方法对财务变量做探讨,需要充分的时间,所以希望藉由遗传算法的强大搜寻功能,从繁杂的财务指标中来决定财务指标的选用及对应的选股规则。二、研究问题与目的本研究的目的是在建构一套依不同风险等级来调整投资标的与资金分配的基因调整模型,以辅助基金经理人设计股票型基金时,能达到最佳化的投资组合,并期盼模型在一定风险下之整体的绩效能显著的优于大盘绩效的投资表现、甚至优于市面上股票型基金商品。其过程先透过基因算法来选出要投资的股票,之后根据每支股票的报酬值给予不同比率的投资比重,最后以移动窗口实验来检定此模型所建立的出来不同风险程度的投资组合是否较大盘或市面上组合基金商品有较佳的绩效。贰、文献探讨一、DataMining于财务上的运用随着全球经济化及信息科技的发展,企业的财务数据量以不可预期的速度大量累积及成长,当企业要运用这些财务资料做市场分析、预测或商业上的决策时,面对庞大的数据量,若没有运用DatatMining工具辅助是无法将数据做完整的分析,因此DatatMining工具被广泛的运用在财务领域上,以辅助企业于商业上的决策制定。DatatMining不仅能辅选企业于市场上具更佳的竞争优势,对投资经理人、投资人而言也可运用DatatMining做投资组合的最佳化或于股市获取较佳的绩效。DatatMining于财务上最常被运用在五大领域:股市绩效预测、投资组合最佳化、破产预测、诈欺预测、外汇市场预测。DatatMining最普遍用于商业上的五种技术为:类神经、基因、统计推论、决策树、资料可视化,之前已有学者根据五种技术的特性做了以下分析:[3]表一 DM技术优缺点分析低高非常高低高现成软件低非常低中中非常低延伸性非常低中中高中最佳化能力非常高非常高中高非常低解释力非常高低中非常高非常高计算能力非常高低低高高自