freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

應(yīng)用基因演算法於共同基金績效指標一致性之研究(編輯修改稿)

2025-07-16 01:39 本頁面
 

【文章內(nèi)容簡介】 ,以解決其複雜與變異之本質(zhì)。其基金績效評估因素,運用了六個基金整體績效指標,以及四個基金特性來評估基金績效。經(jīng)過實驗結(jié)果發(fā)現(xiàn),以歷史報酬率為主然後搭配上基金整體績效指標的評估方式,是組合型基金設(shè)計中好的解釋因子。 賴居易(2006),運用基因演算法建構(gòu)指數(shù)型基金投資組合策略以臺灣加權(quán)股價指數(shù)為例,依據(jù)Oh et al(2005)指數(shù)型基金之建構(gòu)模式,在根據(jù)臺灣市場環(huán)境及所追蹤指數(shù)之特性,就選股策略上做出修正。藉由基因演算法之最佳化技術(shù),架構(gòu)出最佳化指數(shù)型基金投資組合,其以臺灣加權(quán)股價指數(shù)為本研究之目標指數(shù)。在實驗結(jié)果發(fā)現(xiàn),在依據(jù)臺灣市場作出選股策略上的調(diào)整過後,確實可以得到減低追蹤誤差的效果,因此可以得到一個追蹤誤差穩(wěn)定度及平均偏離程度效果皆較佳的指數(shù)型基金投資組合。 王冠弼(2006),應(yīng)用基因演算法來建構(gòu)指數(shù)型基金的投資組合,並結(jié)合動態(tài)的模糊化調(diào)整策略,期望使指數(shù)型基金的淨值成長能夠更有效地趨近於標的指數(shù)的績效。參、研究設(shè)計與方法 本研究核心在探討基金指標間是否具有一致性之看法,而取樣的資料來源為臺大財金系邱顯比教授共同基金評比之網(wǎng)頁(邱顯比,1999),我們選擇國內(nèi)跨國投資全球型的基金資料為樣本,其中樣本期間為民國92年5月至95年4月之月資料共36期。首先是資料標準化的問題:對某檔基金而言,即使有兩種指標對於此檔基金的績效評比的數(shù)值相同,並不可以代表這兩種指標對此檔基金的績效評比是表示同樣優(yōu)劣的表現(xiàn)。即使某檔基金中,兩種指標績效評比數(shù)值一樣,也不能表示基金的績效優(yōu)劣程度相同。為了解決數(shù)值範圍有此差異性的問題,本研究將每月國內(nèi)投資海外型基金進行整理,以各指標為基準分別對全部基金的積效評估作排名。利用此方法解決不同指標績效評比間,在數(shù)值範圍產(chǎn)生差異的問題,達到一個標準化的目的。再從六個指標中任選兩個指標為一組進行兩種不同方法的切割:第一種方法是利用基因演算法將基金績效排名作切割,由於基金檔數(shù)每年都不盡相同,切割太大或太小都無法達到標準化的目的,經(jīng)過多次考量評價之後,並將其切割結(jié)果分成五個等級(極好、好、中等、差、極差,其中每個等級都有各別所對應(yīng)的分數(shù),如“極好”得分為5分、“好”得分為4分,以此類推),切割的目標為基金在兩個績效指標所屬之等級分佈狀況的相關(guān)係數(shù)接近1(相關(guān)係數(shù)介於1至1之間,其中1代表兩資料集呈現(xiàn)完全相關(guān),越接近1表示兩資料集的相關(guān)性越大,相關(guān)係數(shù)為1代表資料呈現(xiàn)負相關(guān)),也就是在基因演算法適應(yīng)函數(shù)的設(shè)計上,以兩者的相關(guān)性最大化作為適應(yīng)函數(shù)的設(shè)計。舉例來說,在Sharpe Index以及Jenson Index對於全部的基金績效評估結(jié)果做切割後,基金的等級分佈狀況之相關(guān)性達到最高。所以我們利用基因演算法設(shè)計兩種不同的切割實驗,找出指標間的一致性。 第二種方法是利用績效排名作切割,並將績效切割成五個不同的等級,但是在切割的目標上以排名差最小化為依據(jù),其中排名差是指在切割完之後,同一檔基金在兩個指標所得到等級的差距。例如在切割完之後,荷銀全球首選基金的Sharpe Index的評比為“極好”,並得到5分,Jenson Index的評比為“好”,並得到4分,因此荷銀全球首選的排名差為1分。最後我們再以三個績效指標為一組進行切割,切割的目標和前一步驟的排名差法類似。利用三個指標為一組,兩兩指標之間的排名差距總和為依據(jù),進行排名差最小化的切割,也就是說三種績效指標任取兩個績效指標的排名差距做相加,使得排名差總和最小為切割目標。從這個步驟中去做一個驗證的動作,利用三個指標為一組的切割結(jié)果和前一步驟的實驗結(jié)果做比對,驗證是否有相同的結(jié)論。圖2 研究流程肆、實證結(jié)果與分析 本研究利用基因演算法使用不同的目標設(shè)定﹝相關(guān)係數(shù)法和排名差法﹞使用在基金的等級切割,本章將介紹實驗環(huán)境及實驗參數(shù)之設(shè)計,而在最後則會說明實驗後的實證結(jié)果。一、實驗環(huán)境介紹 此部份在於說明實驗中所需要的軟、硬體環(huán)境與設(shè)備。其中軟體方面將介紹Evolver及程式語言VBA。(一)軟體環(huán)境 Evolver(1998)是由Palisade Corporation 所研發(fā)的套裝軟體,此軟體是利用基因演算法的方法於複雜的系統(tǒng)做最佳化的處理,其應(yīng)用範圍包括財務(wù)分析、分配、排程、預(yù)算等。由於本研究是希望將績效指標的切割做最佳化的處理,因而選定此軟體為數(shù)學模式求解之工具,而此軟體主要的優(yōu)點如下所述:1. 在一般最佳化的過程中通常要先做一個最初解的臆測,然而臆測之前則往往需要藉著複雜的程式或繁雜的統(tǒng)計公式及數(shù)學演算,但是Evolver則不需要臆測最初解。2. 由於Evolver是建構(gòu)在Microsoft Excel上的軟體,因此除了可以運用Excel的內(nèi)建數(shù)學、邏輯函式外,另外也可在巨集撰寫程式語言VBA,以更加強其軟體的應(yīng)用彈性。3. 許多軟體在尋找最佳解時,會以數(shù)學化和系統(tǒng)化的方式產(chǎn)生,但這些解往往只屬於區(qū)域最佳解,而Evolver利用基因演算法技術(shù),可以跳脫區(qū)域限制而往整體最佳解逼近。(二)硬體設(shè)備類型:Acer Veriton 7200主機板:Acer S81M中央處理器:Pentium 4 記憶體容量:256 MB RAM硬碟容量:30GB作業(yè)系統(tǒng):Windows XP編譯器:VBA二、基因演算法參數(shù)設(shè)定本研究中基因演算法所使用的參數(shù)設(shè)定,列舉說明如下:(一)族群大小 本研究族群大小設(shè)定為50(二)交配率 ,然而隨著樣本越小,則交配率應(yīng)該越大。因此,本研究族群大小設(shè)定為50,%。(三)突變率 若突變率過高,將導致系統(tǒng)無法快速收斂,因而失去了基因演算法的本質(zhì)。但突變率若設(shè)定的太小,則又會容易陷入?yún)^(qū)域最佳解。%。(四)停止條件 停止條件以時間為限制,設(shè)定為5分鐘。因為實驗發(fā)現(xiàn),設(shè)定此時間限制便能產(chǎn)生較佳的結(jié)果,因而以此作為停止條件。我們將上述所提到基因演算法的相關(guān)設(shè)定整理如下表1。表1 基因演算法參數(shù)設(shè)定一覽表參數(shù)名稱參數(shù)數(shù)值族群大小50交配率%突變率%停止條件5分鐘三、實驗結(jié)果 利用上述的兩種切割之實驗方法以及基因演算法的相關(guān)設(shè)定,我們將取樣的資料進行實驗,又因為取樣的資料為36個月的數(shù)據(jù),所以我們將切割後得到的結(jié)果(相關(guān)係數(shù)、排名差)用平均法整理於下表2中。由表2可以觀察出任兩指標之間,對於基金一致性的程度。兩基金指標之間的相關(guān)係數(shù)愈趨近於1,代表這兩指標對於整體基金一致性看法的程度愈高。兩基金指標之間的排名差愈小,代表針對毎檔基金而言,兩指標之間看法的差距愈小。經(jīng)由相關(guān)係數(shù)法與排名差法的結(jié)果,將基金指標之間ㄧ致性的程度整理如下(圖圖4),其中,橫軸代表兩基金指標的組合,縱軸則是相關(guān)係數(shù)、排名差的大小。由此可以更清楚地看出兩指標之間一致性的程度。 綜合圖圖4的分析發(fā)現(xiàn),基金指標Jensen Index 和 Treynor Index,還有基金指標 Sharpe Index 、Jenson Index 、Information ratio (大分類)(細分類)這三指標中,兩兩之間對於基金績效之評比皆有一致性的看法。 表表4是分別以相關(guān)係數(shù)法與排名差法所得到的切割情況,由此可以了解當基因演算法的程式執(zhí)行時,是以多少基金指標績效之數(shù)值範圍,做為一個評等。也就是切割後,基金分布情況。譬如:表3(相關(guān)係數(shù)法)中,Beta Coefficient 與 Sharpe Index 之間,%、%,%、%,%、%,%、%,評等為1的數(shù)值分別為100%、100%。這代表以平均來說,取Beta Coefficient中,%和Sharpe Index中,%,評等為5;取Beta Coefficient中,%%和Sharpe Index中,%%,評等為4;取Beta Coefficient中,%% Index中,%%,評等為3;取Beta Coefficient中,% %和Sharpe Index中,%%,評等為2;取Beta Coefficient中, %和Sharpe Index中,%,評等為1,做為切割的依據(jù),會使兩指標間的相關(guān)係數(shù)較趨近於1。表5則是再進一步驗證驗證由圖圖4所得到的分析結(jié)果,利用三個指標為一組,且以排名差法的方式尋找三指標之間,排名差較小的基金指標組合。 表6顯示出分別以相關(guān)係數(shù)、排名差的方法切割大小之狀況。以相關(guān)係數(shù)法來說,在尋找任兩指標間相關(guān)性時,評比為5的,%作為一個切割等第;評比為4的,%作為一個切割等第;評比為3的,%作為一個切割等第。評比為2的,%作為一個切割等第;評比為1的,%作為一個切割等第。由此可得知,在尋找指標一致性的過程當中,不會發(fā)生將所有基金績效幾乎評比為評比為4等極端狀況。 其中取樣資料的來源為臺大財金系邱顯比教授共同基金評比之網(wǎng)頁,並選擇國內(nèi)跨國投資全球型的基金資料為樣本,樣本期間為民國92年5月至95年4月之月資料共36期。表2 實驗結(jié)果數(shù)據(jù)基 金 指 標相關(guān)係數(shù)平均排名差平均1Beta Coefficient amp。 Sharpe Index172Beta Coefficient amp。 Jensen Index143Beta Coefficient amp。 Treynor Index184Beta Coefficient amp。 Information ratio(大分類)155Beta Coefficient amp。 Information ratio(細分類)166Sharpe Index amp。 Jensen Index57Sharpe Index amp。 Treynor Index78Sharpe Index amp。 Information ratio(大分類)59Sharpe Index amp。 Information ratio(細分類)410
點擊復(fù)制文檔內(nèi)容
法律信息相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號-1