基於圖樣辨識應用W底之型態於台股之研究 Based on the charting pattern application for double bottom/top pattern of the Taiwan Stock market research.

Presentation on theme: "基於圖樣辨識應用W底之型態於台股之研究 Based on the charting pattern application for double bottom/top pattern of the Taiwan Stock market research."— Presentation transcript:

1 基於圖樣辨識應用W底之型態於台股之研究 Based on the charting pattern application for double bottom/top pattern of the Taiwan Stock market research

2 摘 要 本研究使用template matching技術量化雙重底型態。
實驗結果發現：雙重底型態使用台灣股票交易市場指數，做為交易視窗輸入變數，可有效預測上升趨勢。

3 第壹章、緒論 第一節 研究背景與動機 本研究藉由使用樣版比對技術，針對雙重底部進行量化，藉此判斷市場何時看漲，據此制定交易策略乃本研究之動機。

4 第二節 研究目的 本研究針對雙重底部進行量化，利用資訊系統以雙重底出現的交易訊號，企圖找出獲取超額報酬之交易規則。

5 第三節 研究流程

6 第四節 研究範圍與研究限制 一、本文研究範圍如下： 本研究以台灣股票集中市場1990年至2007年10月間的加權指數與成交量為資料、技術分析的雙重底形態為樣版，分別針對台股收盤指數與成交量在不同的交易視窗寬度下，分析交易視窗是否符合雙重底的走勢。依每一交易日之雙重底吻合值(fit value)的大小值，分成若干組交易日資料群(fit value >= -20、fit value >= -5、fit value >= 0、fit value >= 2、fit value >= 4、fit value >= 6)

7 二、研究限制方面包括： (1).未能解釋技術分析有效的原因。 (2).本研究不包含雙重底形態中的樣版權重設定。
(3).其他技術圖形與樣版的設計、樣版權值的分配，亦不在本研究範圍。 (4).技術分析交易法則不見得可推論未來的指數走勢。

8 第五節 論文架構 第一章 緒論 第二章 文獻探討 第三章 研究方法 第四章 驗證結果與分析 第五章 結論及未來研究方向

9 第貳章、文獻探討 第一節 技術分析理論 1.所有影響價格之消息、因素已反應於價格變化。 2.股票波動有跡可尋 。
第一節 技術分析理論 John Magee(2004)定義技術分析是市場行為的研究，並非研究市場交易的對象(股票)，亦即價格是由市場的供給與需求情況所決定的，與股票之真實價值無關。 1.所有影響價格之消息、因素已反應於價格變化。 2.股票波動有跡可尋 。 3.股價的波動會如歷史般的重演。

10 圖表型態分析 1.線形圖 2.柱形圖 型態分析(Pattern Analysis)是利用過去股價常出現的形狀來判斷其未來的走勢，作為買賣之參考。使用的圖形種類繁多，較常見到的型態包括頭肩頂、頭肩底、M 頭、W 底、三角形、楔型、旗型、圓形、缺口圖形等。

11 第二節 雙重底技術分析 雙重底形態(Double Bottom Pattern)
第二節 雙重底技術分析 雙重底形態(Double Bottom Pattern) 型態分析：雙重底型態是由空頭市場轉為多頭市場的反轉圖形。當一檔股票的股價持續下跌到某一水平後，出現技術性反彈。而後股價再次下跌，當下跌至上次下跌的低點時，獲得買盤支持，則股價再次回升。此時，根據第一次回檔的高點，可畫出一條水平的頸線。這段期間中，股價移動的軌跡與英文字母W相似，又稱為W底走勢，而這種技術形態往往被投資者認為是底部形態的重要標誌。

12 第參章、研究方法 第一節 研究圖樣(型態) 雙重底形態(Double Bottom Pattern) (1) 雙重底 樣板一
第一節 研究圖樣(型態) 雙重底形態(Double Bottom Pattern) (1) 雙重底 樣板一 (2) 雙重底 樣板二

13 利用樣版比對技術量化(雙重底)型態，其演
第二節 雙底型態量化－吻合值計算 利用樣版比對技術量化(雙重底)型態，其演 算法過程說明如下： 定義問題：對某特定交易日K求吻合 輸入變數：某特定交易日K與交易日K之前的 P-1筆交易日資料，共P筆歷史交易資料(P筆資料分別為 輸出變數：吻合值

14 Step 1：交易視窗處理 某特定交易日K與交易日K之前的-1筆交易日資料，共筆歷史交易資料(P筆資料分別為 ， 表示在P筆資料中的最大值， 表示在筆資料中的最小值。令交易視窗高度 ，接著將交易視窗高度均分成十個區 。

15 Step 2：求吻合值 令交易視窗寬度 ，r表示每一行的交 易視窗含有r筆的交易資料筆數。 將P筆時間序列資料依序輸入函數 。 其中 表示第j日的交易資料， 表示在筆資 料中的最小值 。函數輸出 之值，表示第j筆交易資料於權重樣版W中所 得到的列視窗之對應位置。又 表示取較 大整數之函數。

16 接著計算 (W為權重樣版) 其中 表示在第c行所對應到第i個列的位置之 資料。P筆資料藉由取最大整數函數的方式， 可取得權重樣版之對應位置，接著將對應位 置之權重值全部加總後乘上 ，即可求得吻 合值 。由上述之過程中可求得 之時 間複雜度為O( n )。

17 第三節 平均報酬率 第k個交易日之報酬率為：(第k+h個交易日之收盤價 - 第k個交易日之收盤價)/第k交易日之收盤價，其中h為持有天數。將k從m到n日的報酬率加總，然後除以交易日數即為第m到n日的市場平均報酬率。 Market Average Returns =

18 第肆章、驗證結果與分析 第一節 趨勢分析 本節使用之雙重底圖樣，第一個樣版表示 未突破頸線的雙頭型態，以樣板一表示；
第一節 趨勢分析 本節使用之雙重底圖樣，第一個樣版表示 未突破頸線的雙頭型態，以樣板一表示； 第二個樣版為完整的樣版，表示突破頸線 的雙頭型態，以樣板二表示之。

19 表格變數說明如下： P為交易視窗寬度內的歷史交易資料筆數。例 如P=10，表示交易視窗含有10筆歷史資料。 其他依此類推。 Q為持有區間的平均報酬。例如Q=5，表示所 有交易日於持有5天後賣出，即可求得該交易 日的5日報酬變化。接著將所有交易日的5日 報酬率，加總後進行平均，即為市場持有5日 下的平均報酬。其他依此類推。

20 第一個樣版中，以80與120筆歷史資料(大 盤指數)作為交易視窗寬度的輸入變數，於不 同持有區間下，幾乎呈現顯著性，僅五日報 酬除外。在所有交易視窗寬度且持有區間為 20下，吻合值與市場平均報酬均呈現顯著。 持有區間為120、240等長期市場平均報酬， 以短(10、20)、中(40、60)期歷史資料，作 為交易視窗的輸入寬度，則無顯著關係。

21 樣版二分別使用40、60、80的歷史資料， 作為交易視窗寬度的輸入變數，不同持有區 間幾乎呈現顯著性，僅一組除外。推論以大 盤指數作為交易視窗輸入變數的資料型態， 第二個樣版比第一個樣版更具代表性。

22

23

24 Market Average Returns =
第二節 台股大盤指數驗證結果及分析 本研究以台灣證卷交易市場，驗證本研究據技術分析下的圖樣辨識技術，使用的交易策略是否能有效獲取超額報酬。 本研究資料自台灣證券交易所收集股票集中市場，從1990/1/4到2007/10/31止共4,785個交易日的大盤收盤指數與成交量資料。不考慮買賣時所產生之證交稅與手續費等成本支出，故報酬率的計算公式為： Market Average Returns =

25 在交易視窗寬度大於或等於80個交易日時，吻合值與報酬率變化呈現相同趨勢。本研究顯示長期歷史(指數)走勢能有效預測長期市場報酬率趨勢。
雙重底型態實驗統計結果顯示： 當交易視窗寬度越大，報酬率越高。 在交易視窗寬度大於或等於80個交易日時，吻合值與報酬率變化呈現相同趨勢。本研究顯示長期歷史(指數)走勢能有效預測長期市場報酬率趨勢。 在交易視窗寬度小於或等於60個交易日，且吻合值大於0時，交易規則幾乎無法獲取超額報酬。本研究顯示短期歷史(指數)走勢無法有效預測長期市場報酬率趨勢。

26 第三節 台股大盤成交量驗證結果及分析 大盤成交量雙重底型態及年(240日)報酬率依據本章第一節的分析結果，本節使用樣板二作為圖樣辨識的樣版。樣板使用的權值介於-2到2，任一交易日之雙頭型態吻合值將介於-20至20之間。

27 雙重底型態實驗統計結果顯示： 當交易視窗寬度大於或等於80、120且吻合值大於0，以及當交易視窗寬度等於120且吻合值介於則報酬率皆大於或等於0與2時，與市場平均報酬率有顯著關係。 但是此種操作策略所得到的平均報酬率皆為正相關。根據本節表格結果推論，本研究雙頭底型態，適用以成交量作為交易視窗輸入變數的資料型態。

28 第伍章、結論與未來研究方向 一、研究成果與結論：
將時間序列資料(如股價)建立圖形，然後依據圖形型態所做的分析，為投資者主觀分析由歷史價格所呈現及所繪製出的幾何圖形，依個人經驗法則進行判斷。

29 以大盤指數作為交易視窗輸入變數，以雙重底型態計算所得之吻合值與市場報酬進行交叉分析，取得超額報酬情況較為穩定。

30 二、未來研究方向： 未來可朝設計出具代表性的樣版權重值以進行研究。
未來可朝探討在價量關係雙重考量下，並判斷兩者所佔的比重應是線性或是非線性，亦或是否有其他考量因素。 使用成交量作為交易視窗輸入變數的雙重底型態。下階段可考量藉由其他資料探勘的方法，找出反轉向上或向下的關鍵因素。