以债券型基金之绩效评估为例
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
8
研究方法－基金選股暨擇時能力
❖ 選股能力暨擇時能力理論模型
選股能力：經理人對個別證券價格的預測能力
擇時能力：經理人對整個市場波動的預測能力
張瑞芬(2002)
❖模型定義： Y = a + v X + v X + e
t
i
i ,t i,t
i,t -1 i,t -1
i
❖檢測能力判斷：當著，v、i即,t v認i,t-兩定1 個該係基數金中具任有一擇係時數能顯力。
W14 W15
W24 X2
W25
22
W34
測試樣本為(1,0,1) 輸出目標值1
14
W46
W56 6
X3
W35
輸入層
5
隱藏層
輸出層
3
18
倒傳遞類神經網路實例(2)
輸入值
依亂數求得各神經元權數
神經元常數
x1 x2 x3 w14 w15 w24 w25 w34 w35 w46 w56 θ4 θ5 θ6
分類問題的應用工具
❖ 傳統統計方法：如羅吉斯迴歸、鑑別分析 ❖ 人工智慧：如類神經網路 ❖ 無母數統計：如多元適應性雲形迴歸
研究方法－資料探勘
❖ 資料探勘
資料探勘與傳統統計分析之比較
❖ 資料探勘在分析前不需對資料提出假設 ❖ 在探勘過程中發掘出資料存在的可能訊息 ❖ 能更真實地反映出資料的隱藏特性
測試資料： 7支基金
10
實證研究－擇時能力分析
❖ 擇Y時=能a 力+ v檢X測模+ v型 X + e Y：t 第t期之大華債券價格指數
t
i
i ,t i ,t
i ,t -1 i ,t -1
i
a：i 第i支基金之價格指數
vi,：t 第t期第i支基金之債券買斷比率
X i,：t 第t期第i支基金之衝擊反應權數
16
倒傳遞類神經網路架構與學習(2)
1.輸出值與實際結果的誤差
Errj = Oj(1-Oj)(Tj-Oj)
2.將誤差以權值分配給隱藏層 Errj = Oj(1-Oj)(Σk Errkwjk)
3.修正權重
Wij = wij + (1)ErrjOI ((1)為學習率)
17
倒傳遞類神經網路實例(1)
X1 1
9
實證研究－樣本資料簡介
❖ 研究期間為︰1999年7月至2001年6月 ❖ 變數︰11個，包括：
月資料：基金成立長短 季資料：贖回金額、申購金額、申購周轉率、基金規模、
贖回周轉率、買斷債券比率、基金淨值、 債券附買回投資比率、存放金融機構比率、 申購金額與贖回金額差值
❖ 樣本基金數︰34支基金 ❖ 訓練資料：27支基金
12
研究方法－類神經網路
❖ 類神經網路（Artificial Neural Networks ）
概念
❖ 一種包含軟體與硬體的運算系統，使用相連的人工神經元來模仿 生物神經網路的資訊處理能力，架構如同大腦神經組織
❖ 神經元細胞由樹狀突(Dendrites)與軸突(Axon)(神經突)組成 ❖ 樹突接受其他神經元發出之訊息，將訊息傳入細胞本體處理後，
再經由軸突傳達到另一個細胞的樹突
優點
❖ 具高速計算能力、高容量記憶能力、學習能力及高容錯能力 ❖ 對於非線性資料型態的問題處理有不錯的表現
類神經原理－人類神經元結構
接收器
兩神經元 的
聯結機制
輸出器
CPU
wk.baidu.com
14
q X1
類神經I j原= 理w-i神j O i 經+ q 元j 架構
i
Oj
w1
=
1
研究方法－資料探勘
❖ 資料探勘
應用模式
❖ 分類問題（Classification）：依資料特定屬性判別其歸類 ❖ 趨勢分析（Trend Analysis）：利用現有數值預測一個連續變數的
未來值
❖ 分群模式（Clustering）：依資料特性的相關性予以分組 ❖ 關聯分析（Associations）：找出在群組中同時出現的事件 ❖ 順序型樣（Sequential Analysis）：找出事件「先後」發生的順序
陳思雅(MI0952011)
游世文(MI0951049)
陽明大學 教務處專案助理 教務處資訊化業務
松山家商 夜間部教學組組長 教務行政工作
3
研究目的
❖ 研究目的
將資料探勘工具運用於財務領域 應用資料採勘工具：
❖倒傳遞類神經網路(BPN) ❖多元適應性雲形迴歸(MARS) 分析債券型基金經理人的擇時能力
探討兩DATA MINING工具在分類問題的精確度
研究架構
MARS
文
分
研
獻
基
類
究
與
模
動
研
金
式
機
究
與
方
分
BPN
目
法
分
的
介
群
類
紹
模
式
分
類 結
結
果
比
較 與
論
分
析
研究方法－資料探勘
❖ 資料探勘（Data Mining）：
從資料庫或大量資料儲存體中，挖掘有用資訊的過程。 過程包含以下步驟：
❖ 資料選取（Data Selection） ❖ 資料整理（Cleaning） ❖ 資料擴充（Enrichment） ❖ 資料編碼（Coding） ❖ 資料探勘（Data Mining） ❖ 探勘報告（Reporting）
1 + e-Ij
X2 w2 Y
X3 w3
輸入值 權重
加總 轉換函數 輸出
轉換函數非線性，為兼具正、負向收斂的S型函數
即輸入值無限大時，輸出值為1，反之為0
15
倒傳遞類神經網路架構與學習(1)
目標：透過權數的修正，以達到資料變數的正確 分類。
步驟：1.由亂數取得原始權數
2.將每個輸入變數乘上權數後加總 3.透過轉換函數求得輸出值 4.計算輸出值與實際真值誤差error 5.反向計算隱藏層神經元誤差並修正所有權數
❖ 根據1999年7月至2001年6月，共e2i：4第個i支月基金之之月干資擾項料，檢定 vi,t
、 vi,t-1是否顯著為正，顯著水準為0.05。當二係數中任一係 數為正，即判定此基金具有擇時能力
❖ 檢測結果： 15 支具備擇時能力，19 支不具備
11
簡報大綱
❖ 組員簡介 ❖ 研究目的 ❖ 研究架構 ❖ 研究方法與實證研究-BPN與MARS ❖ 研究結論
1 0 1 0.2 -0.3 0.4 0.1 -0.5 0.2 -0.3 -0.2 -0.4 0.2 0.1
以债券型基金之绩效评估为例
簡報大綱
❖ 組員簡介 ❖ 研究目的 ❖ 研究架構 ❖ 研究方法與實證研究-BPN與MARS ❖ 研究結論
2
組員簡介 葉士宗(MI0961004)
陳聖儒(MI0961007)
連展科技 資訊科技部 電子流程開發課課長
電子流程開發專案管理
連展科技 資訊科技部副理
集團Software team管理與 專案開發： 含SAP,BW,SEM,BPM(J2EE)
研究方法－基金選股暨擇時能力
❖ 選股能力暨擇時能力理論模型
選股能力：經理人對個別證券價格的預測能力
擇時能力：經理人對整個市場波動的預測能力
張瑞芬(2002)
❖模型定義： Y = a + v X + v X + e
t
i
i ,t i,t
i,t -1 i,t -1
i
❖檢測能力判斷：當著，v、i即,t v認i,t-兩定1 個該係基數金中具任有一擇係時數能顯力。
W14 W15
W24 X2
W25
22
W34
測試樣本為(1,0,1) 輸出目標值1
14
W46
W56 6
X3
W35
輸入層
5
隱藏層
輸出層
3
18
倒傳遞類神經網路實例(2)
輸入值
依亂數求得各神經元權數
神經元常數
x1 x2 x3 w14 w15 w24 w25 w34 w35 w46 w56 θ4 θ5 θ6
分類問題的應用工具
❖ 傳統統計方法：如羅吉斯迴歸、鑑別分析 ❖ 人工智慧：如類神經網路 ❖ 無母數統計：如多元適應性雲形迴歸
研究方法－資料探勘
❖ 資料探勘
資料探勘與傳統統計分析之比較
❖ 資料探勘在分析前不需對資料提出假設 ❖ 在探勘過程中發掘出資料存在的可能訊息 ❖ 能更真實地反映出資料的隱藏特性
測試資料： 7支基金
10
實證研究－擇時能力分析
❖ 擇Y時=能a 力+ v檢X測模+ v型 X + e Y：t 第t期之大華債券價格指數
t
i
i ,t i ,t
i ,t -1 i ,t -1
i
a：i 第i支基金之價格指數
vi,：t 第t期第i支基金之債券買斷比率
X i,：t 第t期第i支基金之衝擊反應權數
16
倒傳遞類神經網路架構與學習(2)
1.輸出值與實際結果的誤差
Errj = Oj(1-Oj)(Tj-Oj)
2.將誤差以權值分配給隱藏層 Errj = Oj(1-Oj)(Σk Errkwjk)
3.修正權重
Wij = wij + (1)ErrjOI ((1)為學習率)
17
倒傳遞類神經網路實例(1)
X1 1
9
實證研究－樣本資料簡介
❖ 研究期間為︰1999年7月至2001年6月 ❖ 變數︰11個，包括：
月資料：基金成立長短 季資料：贖回金額、申購金額、申購周轉率、基金規模、
贖回周轉率、買斷債券比率、基金淨值、 債券附買回投資比率、存放金融機構比率、 申購金額與贖回金額差值
❖ 樣本基金數︰34支基金 ❖ 訓練資料：27支基金
12
研究方法－類神經網路
❖ 類神經網路（Artificial Neural Networks ）
概念
❖ 一種包含軟體與硬體的運算系統，使用相連的人工神經元來模仿 生物神經網路的資訊處理能力，架構如同大腦神經組織
❖ 神經元細胞由樹狀突(Dendrites)與軸突(Axon)(神經突)組成 ❖ 樹突接受其他神經元發出之訊息，將訊息傳入細胞本體處理後，
再經由軸突傳達到另一個細胞的樹突
優點
❖ 具高速計算能力、高容量記憶能力、學習能力及高容錯能力 ❖ 對於非線性資料型態的問題處理有不錯的表現
類神經原理－人類神經元結構
接收器
兩神經元 的
聯結機制
輸出器
CPU
wk.baidu.com
14
q X1
類神經I j原= 理w-i神j O i 經+ q 元j 架構
i
Oj
w1
=
1
研究方法－資料探勘
❖ 資料探勘
應用模式
❖ 分類問題（Classification）：依資料特定屬性判別其歸類 ❖ 趨勢分析（Trend Analysis）：利用現有數值預測一個連續變數的
未來值
❖ 分群模式（Clustering）：依資料特性的相關性予以分組 ❖ 關聯分析（Associations）：找出在群組中同時出現的事件 ❖ 順序型樣（Sequential Analysis）：找出事件「先後」發生的順序
陳思雅(MI0952011)
游世文(MI0951049)
陽明大學 教務處專案助理 教務處資訊化業務
松山家商 夜間部教學組組長 教務行政工作
3
研究目的
❖ 研究目的
將資料探勘工具運用於財務領域 應用資料採勘工具：
❖倒傳遞類神經網路(BPN) ❖多元適應性雲形迴歸(MARS) 分析債券型基金經理人的擇時能力
探討兩DATA MINING工具在分類問題的精確度
研究架構
MARS
文
分
研
獻
基
類
究
與
模
動
研
金
式
機
究
與
方
分
BPN
目
法
分
的
介
群
類
紹
模
式
分
類 結
結
果
比
較 與
論
分
析
研究方法－資料探勘
❖ 資料探勘（Data Mining）：
從資料庫或大量資料儲存體中，挖掘有用資訊的過程。 過程包含以下步驟：
❖ 資料選取（Data Selection） ❖ 資料整理（Cleaning） ❖ 資料擴充（Enrichment） ❖ 資料編碼（Coding） ❖ 資料探勘（Data Mining） ❖ 探勘報告（Reporting）
1 + e-Ij
X2 w2 Y
X3 w3
輸入值 權重
加總 轉換函數 輸出
轉換函數非線性，為兼具正、負向收斂的S型函數
即輸入值無限大時，輸出值為1，反之為0
15
倒傳遞類神經網路架構與學習(1)
目標：透過權數的修正，以達到資料變數的正確 分類。
步驟：1.由亂數取得原始權數
2.將每個輸入變數乘上權數後加總 3.透過轉換函數求得輸出值 4.計算輸出值與實際真值誤差error 5.反向計算隱藏層神經元誤差並修正所有權數
❖ 根據1999年7月至2001年6月，共e2i：4第個i支月基金之之月干資擾項料，檢定 vi,t
、 vi,t-1是否顯著為正，顯著水準為0.05。當二係數中任一係 數為正，即判定此基金具有擇時能力
❖ 檢測結果： 15 支具備擇時能力，19 支不具備
11
簡報大綱
❖ 組員簡介 ❖ 研究目的 ❖ 研究架構 ❖ 研究方法與實證研究-BPN與MARS ❖ 研究結論
1 0 1 0.2 -0.3 0.4 0.1 -0.5 0.2 -0.3 -0.2 -0.4 0.2 0.1
以债券型基金之绩效评估为例
簡報大綱
❖ 組員簡介 ❖ 研究目的 ❖ 研究架構 ❖ 研究方法與實證研究-BPN與MARS ❖ 研究結論
2
組員簡介 葉士宗(MI0961004)
陳聖儒(MI0961007)
連展科技 資訊科技部 電子流程開發課課長
電子流程開發專案管理
連展科技 資訊科技部副理
集團Software team管理與 專案開發： 含SAP,BW,SEM,BPM(J2EE)