文档介绍：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
《各阶段职员培训学院》
77套讲座+ 324份资料
《职员管理企业学院》
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
以基因算法建置不一样风险接收度之投资组合
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
共同基金最大特征为投资多样化, 它集合众多投资人资金投资在不一样标物, 有效分散投资人整体性风险。 这种投资组合方法多年来广受投资人欢迎, 所以愈来愈多金融企业也跨入共同基金市场。 面对愈来愈多竞争者及市场上众多投资标目, 专业经理人怎样针对不一样投资目标、 风险接收程度之投资人来设计不一样投资组合, 已成为现在不可忽略之课题。
基因算法过去已成功应用在不一样财务领域最好化上, 所以本研究想应用基因算法发展依不一样风险程度之最好化投资组合模型, 辅助专业经理人选择适合投资人之投资标及投资比重, 并期盼模型在一定风险下之整体绩效能显著优于大盘绩效投资表现。
关键词: 共同基金、 投资组合、 基因算法
壹、 绪论
一、 研究动机和背景
台湾投资人光面对台湾股票市场就有多达快一千支上市上柜股票可做选择, 除了股票外, 还有其它很多金融商品亦可做投资选择, 如: 债券、 期货等金融商品, 所以要从众多投资标来建立投资组合是很困难, 加上股票市场波动大, 投资人一旦没有等到好时机点做买卖往往会错失赢利机会, 为了分散投资人投资风险、 让酬劳率更理想, 所以造就衍生性金融商品─共同基金产生。
共同基金是完全仰赖专业经理人能力, 其集合众多投资者资金, 交由专业经理人操作, 投资酬劳和风险则由全部投资人共同负担。 专业经理人要做是建立资组合最好化, 让投资绩效有好表现, 满足投资人赢利需求。 伴随共同基金在市场上愈来愈受投资人青睐, 也有愈来愈多金融企业加入共同基金市场中, 欲抢攻这块大饼, 面对愈来愈多竞争者及市场上众多投资标目, 专业经理人必需要针对特定族群做投资组合计划才能满足不一样族群投资人需求, 所以怎样针对不一样投资目标、 风险接收程度之投资人来设计不一样投资组合, 已成为现在不可忽略之课题。
依据94年底证券投资信托暨商业同业公会统计资料, 共同基金中股票型基金约占40%, 为全部共同基金种类中所占比率最高, 所以选择股票型基金做为投资标。 而且依据很多中国外研究结果显示, 多数研究认为财务报表含有显著信息内涵, 且从1930年代已经有多位学者将基础分析利用于投资领域中, 所以以基础分析来辅助投资决议, 但相关财务变量种类繁杂, 研究者若要以传统方法对财务变量做探讨, 需要充足时间, 所以期望藉由遗传算法强大搜寻功效, 从繁杂财务指标中来决定财务指标选择及对应选股规则。
二、 研究问题和目标
本研究目标是在建构一套依不一样风险等级来调整投资标和资金分配基因调整模型, 以辅助基金经理人设计股票型基金时, 能达成最好化投资组合, 并期盼模型在一定风险下之整体绩效能显著优于大盘绩效投资表现、 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股票, 以后依据每支股票酬劳值给不一样比率投资比重, 最终以移动窗口试验来检定此模型所建立出来不一样风险程度投资组合是否较大盘或市面上组合基金商品有较佳绩效。
贰、 文件探讨
一、 Data Mining于财务上利用
伴随全球经济化及信息科技发展, 企业财务数据量以不可预期速度大量累积及成长, 当企业要利用这些财务资料做市场分析、 估计或商业上决议时, 面对庞大数据量, 若没有利用Datat Mining工具辅助是无法将数据做完整分析, 所以Datat Mining工具被广泛利用在财务领域上, 以辅助企业于商业上决议制订。 Datat Mining不仅能辅选企业于市场上具更佳竞争优势, 对投资经理人、 投资人而言也可利用Datat Mining做投资组合最好化或于股市获取较佳绩效。
Datat Mining于财务上最常被利用在五大领域: 股市绩效估计、 投资组合最好化、 破产估计、 诈欺估计 、 外汇市场估计。 Datat Mini