• 學位論文

高頻資料關聯結構分析在最適資產配置投資組合上之應用與比較-以臺灣證券市場為例

在瞬息萬變的金融市場中，要如何透過分析過去歷史資料而獲得未來投資方向之訊息，一直是投資者所關注的議題，而高頻金融資料也比一般金融資料隱含有更多訊息，因此要如何從高頻金融資料中找出有用的訊息，並且透過不同的分析方法與比較，從中篩選出最適合投資人之投資策略，也是本文致力研究之方向。 本研究主要採用高頻金融資料，以及搭配關聯結構模型方法來估計證券報酬間的相關性，並進行資產配置最佳化。透過觀察累積報酬率的變化，找出在均異效率投資組合下，不同關聯結構模型與不同證券報酬的邊際分配，會如何對投資績效產生影響，並歸納出其特性。 另外在不同公司持股數下，從六種證券報酬率邊際分配(常態分配、T分配、雙指數分配、一般化柏拉圖分配、一般化誤差分配、一般化極值分配)中選出幾種配適較優之分配，以及兩種關聯結構模型(常態關聯結構、T關聯結構)，搭配產生的投資組合之投資績效來進行分析。 實證分析的結果顯示，將高頻資料使用以周為調整資產配置時間、持股公司數為25、使用一般化柏拉圖分配做為證券報酬之邊際分配，並且使用常態關聯結構模型，代入最佳化投資組合進行資產配置，所得到的投資組合最能夠快速的反映市場狀況，並且有效的降低投資風險，本研究建議積極型的投資人使用此投資策略來提升其投資績效。