投資交易因子之灰色多準則評選-以 S&P500 指數期貨為例

Grey Multiple Criteria Evaluation of Trading Variables for Investing S&P 500 Stock Index Futures

蔡佳樺(Chia-Hua Tsai)

指導教授 ： 胡為善 ； 胡宜中

中原大學/商學院/企業管理研究所/碩士(2016年)

https://doi.org/10.6840/cycu201600503

摘要

台灣自 2015 年 12 月起,先後引進 S&P 500 指數之正反 ETF 與日本東証單日正向 之兩倍 ETF,以期加速與國際市場的連結,並提供投資人多元投資之管道。本研究期望 除了在學術上從不同的觀點來預測 S&P 500 指數期貨之變動外,也能在實務上為投資人 在擬定投資策略、作避險規劃及資產配置等方面均提供重要的參考依據。
本研究先透過德爾菲法建立影響投資人購買 S&P500 指數期貨的關鍵因素之研究架 構,並運用決策實驗室網路程序分析法(D-ANP)向 13 位財務專家進行問卷資料分析, 進而探討投資人在交易 S&P500 指數期貨時,應考量的五項關鍵因素以及這五項因素彼 此間的關聯性,最後再以 Granger 因果關係、逐步迴歸分析與灰關聯分析(GRA)進行 驗證,本研究獲得之結論如下:
1. 本研究發現投資人在投資 S&P 500 指數期貨時,已從過去的只關注傳統技術層 面,逐漸轉移到總體經濟層面;而影響其決策的五個關鍵因素為「美元指數」、 「利率」、「製造業採購經理人指數」、「波動率指數」及「失業率」。
2. 本研究透過 Granger 因果關係檢定,以驗證各準則間之因果關係,發現「美元 指數」、「利率」與「製造業採購經理人指數」皆為影響 S&P 500 指數的重要因 素。
3. 本研究從逐步迴歸分析的驗證結果中,亦發現「波動率指數」、「美元指數」、「利 率」及「失業率」等四個準則都具有預測 S&P 500 指數的能力。
4. 本研究從灰關聯分析的驗證結果中發現,透過 D-ANP 獲得的五項準則,對於 S&P 500 指數期貨比道瓊指數期貨及 Nasdaq 指數期貨的解釋力都高;進一步 檢視 S&P 500 指數期貨中所含成份股之解釋力,又發現以工業股為最高,因此 本研究建議投資人在交易 S&P 500 指數期貨時,除了參考這五項關鍵因素外, 也應留意 S&P 500 指數工業成份股中所含之各股的股價波動。

關鍵字

多準則決策 ； 灰關聯分析 ； 利率 ； 決策實驗室法 ； 美元指數 ； 網路分析程序法 ； Granger 因果關係檢定 ； S&P 500 指數期貨

並列摘要

Since December 2015, Taiwan’s Yuanta Daily S&P 500 Bull 1x ETF, Bull 2x ETF, and S&P 500 Bear 1x ETF, as well as Tokyo Stock Price Index 1x ETF have been listed at Taiwan Stock Exchange one after another. These listings not only connect Taiwan stock markets with international ones, but also provide international financial instruments with Taiwanese investors. This study not only attempts to provide a new perspective to forecast the fluctuations of S&P 500 index in academics, but also assists the investors to make their investment’s strategic decisions on hedging planning and asset allocations in practice.
This study first employs the Delphi method to construct a research framework and applies the D-ANP method to evaluate the weight of the influential factors on the S&P 500 index futures and explores the relevant relationship among these factors. Additionally, the Granger causality test, stepwise regression analysis and the Grey relational analysis (GRA) methods are used to verify the empirical results. The conclusions are summarized below.
1. This investigation finds that various investors of S&P 500 index futures have changed
their focuses from the technical analysis to the macroeconomic parameters when making their investment decisions. Five key factors, selected by the D-ANP method, affecting the fluctuations of S&P 500 index are US dollar index, interests rates, purchase management index, volatility index and unemployment rate.
2. Granger causality test is utilized to verify the causal relationship proposed by the D-ANP method. Empirical findings confirmed that US dollar index, interests rates and purchase management index are the main factors that causing the fluctuations of the S&P 500 index.
3. The stepwise regression result confirms that the predictive power of US dollar index, interests rates, volatility index and unemployment rate on the fluctuations of S&P 500 index.
4. The GRA result also confirms that the predictive power of the determinants suggested by 13 financial experts via D-ANP method on the fluctuations of S&P 500 stock index futures. The Grey relational grade (GRD) also proves that the S&P 500 index futures being evaluated as the most effective one among Dow Jones index futures, S&P 500 index futures and NASDAQ index futures. Furthermore, this study examines the explanatory power of the components of S&P 500 stock index futures and finds that the explanatory power of the S&P 500 industrial’s index outperforms the other S&P 500 indices, suggesting that the investors of trading S&P 500 index futures should not only consider the above five key factors, but also pay serious attention to the fluctuations of the price of each individual company of S&P 500 stock industrial index futures when making their investment decisions.

並列關鍵字

ANP ； DEMATEL ； GRA ； GRD ； Interests Rates ； Multiple decision-making ； S&P 500 index futures ； US Dollar Index

參考文獻

唐宇宏,2012,「應用複合多準則決策模式探討產物保險業服務品質績效」,中原大學, 碩士論文。

胡宜中、邱榆淨,2005,「使用能力集合擴展決定專案中子系統開發之優先順序」,台大 管理論叢,第 16 卷,第 1 期,21-40。

陳逸穎,2015,「股票投資決策因素之探討-DEMATEL 模型之應用」,朝陽科技大學,碩 士論文。

吳川熺,2011,「金融風暴後標準普爾 500 指數於時間序列最適模型之研究」,國立臺北 大學,碩士論文。

黃彥棠,2015,「不同時間長度技術指標對台指期貨報酬之研究:以 KD 指標為例」,國立 臺北大學,碩士論文。