【正文】 (大分類)1313Sharpe Index amp。 Jensen Index amp。 Information ratio(細(xì)分類)1214Sharpe Index amp。 Treynor Indexamp。 Information ratio(大分類)1815Sharpe Index amp。 Treynor Indexamp。 Information ratio(細(xì)分類)1916Sharpe Index amp。 Information ratio(大分類) amp。 Information ratio(細(xì)分類)917Jensen Index amp。 Treynor Index amp。 Information ratio(大分類)1818Jensen Index amp。 Treynor Index amp。 Information ratio(細(xì)分類)1819Jensen Index amp。 Information ratio(大分類) amp。 Information ratio(細(xì)分類)1020Treynor Index amp。 Information ratio(大分類)amp。 Information ratio(細(xì)分類)17 表6 分別以相關(guān)係數(shù)、排名差的目標(biāo)做切割，所產(chǎn)生的切割情況。以相關(guān)係數(shù)切割的狀況　最大值最小值全距平均值標(biāo)準(zhǔn)差等級5%%%% 等級4%%%% 等級3%%%% 等級2%%%% 等級1%%%% 以排名差切割的狀況　最大值最小值全距平均值標(biāo)準(zhǔn)差等級5%%%% 等級4%%%% 等級3%%%% 等級2%%%% 等級1%%%% 伍、結(jié)論與建議一、研究結(jié)論 本研究利用基因演算法將各基金指標(biāo)績效分為五個等級，並設(shè)計了兩種目標(biāo)函數(shù)(相關(guān)係數(shù)和五個等級的排名差)的方法，找出指標(biāo)之間對於基金的績效評估上是否具有一致性的看法，兩種方法所顯示的結(jié)果如下所示：(一) 以相關(guān)係數(shù)的方法結(jié)果顯示：有八組組合(Sharpe Index和Jenson Index、Sharpe Index 和 Treynor、Sharpe Index和Information ratio(大分類)、Sharpe Index和Information ratio(細(xì)分類)、Jenson Index和Treynor Index、Jenson Index和 Information(細(xì)分類)、Jenson Index和 Information(大分類)、Information ratio(大分類)和Information ratio(細(xì)分類))呈現(xiàn)高度相關(guān)。(二) 以排名差的方法顯示：有七組組合(Sharpe Index和Jenson Index、Sharpe Index和Information ratio(大分類)、Sharpe Index和Information ratio(細(xì)分類)、Jenson Index和Treynor Index、Jenson Index和 Information(細(xì)分類)、Jenson Index和 Information(大分類)、Information ratio(大分類)和Information ratio(細(xì)分類))呈現(xiàn)高度相關(guān)。(三) Beta Index和其他指標(biāo)並沒有呈現(xiàn)高度相關(guān)的情形。(四) 透過實驗與驗證得知 Sharpe Index 、Jenson Index 、Information ratio(大分類)(細(xì)分類) 這三種指標(biāo)彼此之間對於基金績效評比呈現(xiàn)高度的一致性，這表示在評估一檔基金的好或壞時，這三種指標(biāo)所考量的方向是類似的。綜合上述兩種方法的結(jié)果，我們可以得到Sharpe Index、Jenson Index還有Information ratio三種指標(biāo)彼此之間都擁有了高度相關(guān)的一致性，然後Jenson Index和Treynor Index也有用了高度的一致性，我們將彼此之間擁有高度相關(guān)的指標(biāo)整理如圖5。也就是說，當(dāng)投資者觀看各基金指標(biāo)的評估結(jié)果時，只須選擇Sharpe Index、Jenson Index還有Information ratio三種指標(biāo)的其中一種，再搭配第三點結(jié)論中所提到的指標(biāo)所做出的績效評估做為投資參考。圖5 指數(shù)間的關(guān)係二、研究限制與未來研究方向 研究限制： 受限於資源和時間等因素，主要為研究範(fàn)圍的限制，因為本研究僅以股票類國內(nèi)跨國投資全球型基金作為討論對象，故研究結(jié)論可能不適合對於所有類型的基金做相同的推論。 對於未來的研究方向上：(一)納入更多類型的基金：研究中僅對股票型國內(nèi)跨國投資全球型基金為樣本，未來可納入債券型基金或是其他種類的基金做討論。(二)納入更多的基金績效指標(biāo)：本研究僅用Beta Index、Sharpe Index、Jenson Index、Treynor Index、Information(細(xì)分類)、和Information(大分類)六種指標(biāo)作討論，未來可以納入更多的指標(biāo)。(三)嘗試使用不同的技術(shù)或方法論進(jìn)行：除了使用基因演算法以外，更可以嘗試使用其他人工智慧技術(shù)如類神經(jīng)網(wǎng)路，或是嘗試用改良式基因演算法如MOGA、CBGA。(四)納入更長的歷史資料：相較於現(xiàn)在的基金檔數(shù)，由於早期的資料所包含的基金檔數(shù)少，這種情況會造成切割上的效果較差，較不能達(dá)到標(biāo)準(zhǔn)化的效果。六、參考資料英文部分：1. Droms W. G.. and D. A. Walker, Performance persistence of international mutual funds, Global Finance Journal, 2001, , pp. 237248.2. Edelen R. M. and J. B. Warner, Aggregate Price Effects of Institutional Trading: A Study of Mutual Fund Flow and Market Returns, Journal of Financial Economics, 2001, .3. Guide to Evolver, 1998, Palisade Corporation.4. Harmon, P., Genetic Algorithms and Evolutionary Programming, Intelligent Software Strategies, 1994 June, , No 65. Holland J. H., Adaptation In Natural and Artificial Systems, Ann Arbor, University of Michigan Press, 19756. Holland J. H., Genetic Algorithms, Scientific American, 1992 July, pp. 66727. Jeffery K. Cochran, ShwuMin Horng, John W. Fowler, A multipopulation genetic algorithm to solve multiobjective scheduling problems for parallel machines, Computers and Operations Research, 2003 June, , , pp. 108711028. Jensen M. C., The Performance of Mutual Funds in the Period 194564, Journal of Finance, 1968, , pp. 389416.9. Scott A., An Introduction to Genetic Algorithms, AI Expert, 1990, , No. 3, pp. 495310. Sharpe W. F., Mutual Fund Performance, Journal of Business, 1966, pp. 119138.11. Treynor ., How to Rate Management Investment Fund, Harvard Business Review, 1965 Feb, , pp. 637512. Warshawsky . DiCarlantonio and L. Mullan, The persistence of morningstrar ratings, Journal of Financial Planning, 2000, pp. 110128中文部分：1. 邱清顯，共同基金績效評估方法之綜合評論，遠(yuǎn)東學(xué)報，2004年，第21卷2. 邱顯比，共同基金分類及基金績效持續(xù)性之研究，中國財務(wù)學(xué)刊，1999年，第七卷，第二期3. 邱顯比，臺灣大學(xué)財務(wù)金融學(xué)系，[online]URL:4. 張鴻偉，共同基金績效指標(biāo)區(qū)別力之模擬研究，1996年，中原大學(xué)企業(yè)管理研究所碩士論文5. 劉育穎，結(jié)合決策樹與遺傳演算法建構(gòu)不同風(fēng)險程度之基金投資組合，2006年，中原大學(xué)資訊管理學(xué)系碩士論文6. 劉貴強(qiáng)，遺傳演算法於組合型基金商品設(shè)計之研究，2004年，輔仁大學(xué)資訊管理研究所碩士論文7. 賴居易，運(yùn)用遺傳演算法建構(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，2006年，國立高雄應(yīng)用科技大學(xué)碩士論文24 / 24